Die meisten automatisierten Anrufe taugen nichts. Neue Technologie ändert das.
Das Problem klassischer Telefonautomatisierung war nicht die Stimme. Ihr fehlte vielmehr das nötige Verständnis, um ein echtes Gespräch am Laufen zu halten.
Telefonate lassen sich immer leichter automatisieren.
Mit jeder Generation übernimmt die Technik mehr Kontext.
Der Anrufer musste sich der Maschine anpassen.
02Frühe KISysteme verstanden nur eng definierte Anliegen – und versagten bei allem, was darüber hinausging.
033-stufige PipelinesDer Stack wurde flexibler, doch jeder Schritt verließ sich auf den vorherigen.
04ThunderPhoneDas System kann zuhören, schlussfolgern und sich korrigieren – alles in einer einzigen Schleife.
Der Anrufer musste sich der Maschine anpassen.
Automatisierung hieß: Menüs, Verzweigungen per Tastendruck und Warteschleifen. Das funktionierte, wenn der Anrufer den richtigen Weg bereits kannte.
Der Intent wird auf einen Tastendruck reduziert. Alles, was nicht ins Menü passt, führt deshalb zu einer Weiterleitung oder dazu, dass sich der Anrufer wiederholen muss.
Ergebnis · Der Anrufer muss raten, warten und sein Anliegen noch einmal erklären.
Systeme verstanden nur eng definierte Anliegen – und versagten bei allem, was darüber hinausging.
Teams trainierten akustische Modelle, Intent-Klassifikatoren und Slot-Extraktoren für bestimmte Gesprächsabläufe. Das war nützlich, ließ sich aber nur teuer anpassen.
Das System kann einen trainierten Intent erkennen, verwirft dann jedoch die zweite Anfrage oder stellt eine starre Rückfrage.
Ergebnis · Die Angabe zum Ehepartner geht verloren, weil sie im trainierten Gesprächsablauf nicht vorgesehen ist.
Der Stack wurde flexibler, doch jeder Schritt verließ sich auf den vorherigen.
Ein heute gängiges Setup verknüpft Speech-to-Text, ein LLM und Text-to-Speech zu einer einzigen Gesprächsschleife.
Ist das Transkript falsch oder fällt der Anrufer dem System ins Wort, liefert das LLM mit voller Überzeugung die falsche Antwort.
Ergebnis · Ein einziger Hörfehler wird als falsche Antwort ausgesprochen.
Das System kann zuhören, schlussfolgern und sich korrigieren – alles in einer einzigen Schleife.
ThunderPhone koordiniert Audioverständnis, Modell-Routing, Dialogsteuerung und Antwortgenerierung in einer durchgängigen Architektur.
Mehrere Hörpfade und audiobasiertes Schlussfolgern reduzieren Fehler aus einzelnen Verarbeitungsschritten, bevor sie den Anrufer erreichen.
Ergebnis · Das Gespräch kommt voran, ohne dass der Anrufer gegen das System ankämpfen muss.
Der Durchbruch liegt nicht in einer schöneren Roboterstimme, sondern in einer Architektur, die das Gespräch auf Kurs hält.
Besseres Sprachverständnis
Das System kann Signale abgleichen und seine Schlussfolgerungen direkt aus den Audiodaten ableiten, statt sich auf ein einzelnes Transkript zu verlassen.
Besseres Timing
Sprecherwechsel und der Umgang mit Unterbrechungen sind direkt in den Gesprächsablauf integriert.
Besseres Routing
Je nach den Anforderungen des jeweiligen Dialogschritts kann zwischen schnellen Pfaden und tiefergehendem Reasoning gewählt werden.
Besseres Anruferlebnis
Anrufer müssen die Automatisierung seltener korrigieren und haben mehr Zeit für ihr eigentliches Anliegen.