--- title: "So automatisieren Sie die Qualitätskontrolle von Anrufen" description: "Automatisierte Anruf-QA ersetzt nicht die Führungskraft, sondern überträgt deren Checkliste in KI-Regeln, die 100 % der Gespräche bewerten. Fünf Schritte: von den Kriterien für einen „guten Anruf“ bis zur Kalibrierung mit manuellen Stichproben." datePublished: "2026-07-12" canonical: "https://callscribe.me/de/guides/automate-call-qa" --- # So automatisieren Sie die Qualitätskontrolle von Anrufen Die Qualitätskontrolle von Anrufen zu automatisieren heißt, die Checkliste der Führungskraft in KI-Regeln zu überführen, die nicht 2–3 % der Gespräche, sondern jedes einzelne bewerten. Die Reihenfolge: zuerst festlegen, was ein guter Anruf ist, dann daraus überprüfbare Kriterien formen, diese als automatische Bewertung über den gesamten Strom laufen lassen, die Ergebnisse in Alerts und Dashboards ausgeben und schließlich die Auswertung mit manuellen Stichproben kalibrieren. Der Mensch verschwindet dabei nicht – er hört auf, alles wahllos abzuhören, und kümmert sich stattdessen um strittige Fälle und Coaching. Im Folgenden die fünf Schritte dieses Übergangs. ## Schritt 1: Legen Sie fest, was ein „guter Anruf“ ist Automatisierung erfindet die Kriterien nicht für Sie – sie wendet sie an. Der erste Schritt ist deshalb rein menschlich: Erarbeiten Sie mit Führungskräften und den besten Mitarbeitenden eine kurze Liste dessen, was ein qualitativ hochwertiges Gespräch enthalten muss. Üblich sind: Kontakt hergestellt, Bedarf erkannt, Pflichtformulierungen genannt (vorgestellt, Unternehmen genannt, Konditionen erläutert), Einwände behandelt und nächster Schritt vereinbart. Die zentrale Anforderung an ein Kriterium ist die Überprüfbarkeit. Die Formulierung „der Mitarbeiter war höflich“ taugt nicht: Zwei Führungskräfte würden das unterschiedlich bewerten. „Der Mitarbeiter nannte sich und das Unternehmen in den ersten 20 Sekunden“ oder „am Ende des Gesprächs wurde eine Vereinbarung über den nächsten Kontakt festgehalten“ taugen, weil die Auswertung dabei eindeutig ausfällt. Beginnen Sie mit fünf bis sieben Punkten, die das Ergebnis wirklich beeinflussen – nicht mit einem perfekten dreißigzeiligen Bogen: Eine lange Checkliste kalibrieren Sie nie und geben sie irgendwann auf. ## Schritt 2: Überführen Sie die Checkliste in KI-Regeln Sobald die Kriterien formuliert sind, übertragen Sie sie in Automatisierungsregeln. Jeder neue Anruf wird zunächst transkribiert und nach Sprechenden aufgeteilt, dann durch Ihre Prüfungen geführt. Ein Teil davon stützt sich auf Kennzahlen, die die Plattform selbst berechnet – Sprechpausenanteil, Sprechtempo, Unterbrechungen, Antwortverzögerung, längster Monolog, Tonalität und Sentiment; das ist die fertige Ebene der „Gesprächsdynamik“, ausführlicher beschrieben auf der Seite [automatische Gesprächsanalyse](/product/call-analytics). Die inhaltlichen Punkte der Checkliste übernehmen KI-Aktionen. Ein semantisches Tag (`tagLlm`) vergibt eine Markierung wie „Beschwerde“ oder „Preiseinwand“, wenn das tatsächlich im Gespräch vorkam – nicht bei einer bloßen Wortübereinstimmung. Die Extraktion (`extract`) holt strukturierte Felder aus dem Transkript: ob die Pflichtformulierung genannt wurde, ob ein nächster Schritt vereinbart wurde, welches Produkt besprochen wurde. Ein freier Prompt (`llmText`) liefert eine kurze Zusammenfassung oder eine Bewertung nach Ihrer Kriterienbeschreibung. Alle neun Automatisierungsaktionen und die Bedingungslogik konfigurieren Sie direkt in der Anwendung; wie Spracherkennung und Auswertung diese Regeln speisen, erklärt die Seite [automatische Gesprächsanalyse](/product/call-analytics). Damit die KI Ihre Besonderheiten versteht – Produkte, Gesprächsleitfäden, Pflichtformulierungen –, hinterlegen Sie den Regeln Referenzdokumente: Sie dienen als Kontext bei der Bewertung. Ein wichtiges Detail: Neue Regeln werden deaktiviert angelegt. So können Sie sie zunächst am Archiv testen und prüfen, ob die Auswertung Ihrer Einschätzung entspricht, bevor Sie sie für den Live-Betrieb aktivieren. ## Schritt 3: Lassen Sie die automatische Bewertung über 100 % der Anrufe laufen Aktivieren Sie nun die Regeln – und die Qualitätskontrolle hört auf, stichprobenhaft zu sein. Wo eine Führungskraft früher nur wenige Prozent der Gespräche schaffte, läuft die automatische Bewertung über jedes einzelne: sowohl über neue Anrufe in Echtzeit als auch über das gesamte Archiv per Retro-Lauf. Das ist der entscheidende Unterschied zur manuellen QA – Sie messen nicht Glücksfälle, sondern den gesamten Strom, einheitlich. Beginnen Sie mit einem Retro-Lauf über bereits vorhandene Aufzeichnungen: Er zeigt sofort das Ausgangsbild – wie oft der Gesprächsleitfaden eingehalten wird, wo eine bestimmte Phase am häufigsten scheitert, bei wem die Bedarfsermittlung durchgehend schwächelt. Diese Zahlen werden zum Referenzpunkt, an dem Sie den Effekt späterer Änderungen messen. Die vollständige Abdeckung verändert für sich genommen bereits das Gespräch im Team: Das Argument „vielleicht hattest du gerade einen schlechten Anruf erwischt“ entfällt – die Bewertung gilt für alle. ## Schritt 4: Richten Sie Alerts und Dashboards ein Eine Bewertung ist nur dann nützlich, wenn jemand darauf reagiert. Fügen Sie den Regeln deshalb Reaktionen hinzu. Eine Benachrichtigung (`notify`) sendet der Führungskraft eine E-Mail, wenn ein Anruf einen kritischen Punkt verletzt – etwa wenn die Pflichtkonditionen nicht genannt wurden oder der Kunde erkennbar unzufrieden ist. Ein signierter Webhook oder ein CRM-Eintrag (`crmPush`) gibt das Bewertungsergebnis dorthin weiter, wo das Team ohnehin arbeitet, damit die Nachbereitung nicht in einem weiteren isolierten Tab stattfindet. So erreicht ein problematischer Anruf den Verantwortlichen noch am selben Tag statt erst bei der Retrospektive eine Woche später. Bauen Sie parallel Dashboards aus den ausgewerteten Daten: der Anteil der Anrufe, die die Checkliste bestanden haben, nach Mitarbeitenden und Phasen; die Entwicklung der Leitfaden-Einhaltung über die Zeit; der Sentiment-Trend; ein Vorher-Nachher-Vergleich rund um eine Coaching-Änderung. Hier zeigt sich, was bei einzelnen Anrufen nicht auffällt: Ein als selten geltendes Thema entpuppt sich als häufigste Beschwerde; eine Phase scheitert durchgängig bei einer ganzen Schicht, nicht nur bei einer Person; ein Anstieg negativer Stimmung fällt mit einer Produktänderung zusammen. Genau das ist durchgängige Qualitätskontrolle – das ausführliche Szenario im Anwendungsfall [Qualitätskontrolle](/use-cases/quality-control), und speziell zur Leitfaden-Einhaltung im Anwendungsfall [Skript-Compliance](/use-cases/script-compliance). ## Schritt 5: Kalibrieren Sie die Auswertung mit manuellen Stichproben Automatisierung ersetzt den Menschen nicht – sie gibt ihn frei für das, wozu die Maschine nicht in der Lage ist. Nehmen Sie in regelmäßigen Abständen einen Pool strittiger Anrufe: solche, bei denen die automatische Bewertung an der Grenze liegt, bei denen der Mitarbeiter widerspricht, bei denen sich ein kritischer Alert als falsch erwiesen hat. Vergleichen Sie die automatische mit der manuellen Bewertung und überarbeiten Sie die Kriterienformulierungen, bis sie wieder eindeutig sind. Ein gutes Kriterium ist eines, bei dem Mensch und Regel zur gleichen Bewertung kommen; eine Abweichung bedeutet fast immer, dass die Formulierung unklar ist – nicht, dass „die KI sich geirrt hat“. Diese Kalibrierung hält das System lebendig. Leitfäden ändern sich, neue Produkte und Einwände tauchen auf, was zu Beginn wichtig war, verliert an Relevanz – die Kriterien müssen mitziehen. Die besten Gespräche werden dabei zum Vorbild fürs Training: Sie eignen sich gut, um sie neuen Mitarbeitenden als Muster zu zeigen, weil sie bereits ausgewertet sind und anhand von Kennzahlen gefunden wurden, nicht manuell. So schließt sich der Kreis: Regeln bewerten den gesamten Strom, Menschen kalibrieren die Regeln und lernen von den besten Beispielen, und die Qualität steigt messbar von Periode zu Periode. ## Wie geht es weiter? Automatisierte Qualitätskontrolle ist zugleich das Fundament für ambitioniertere Szenarien. Sobald Sie klare Kriterien und eine durchgängige Auswertung der Anrufe haben, lässt sich derselbe Kreislauf auf das Coaching von Mitarbeitenden anhand konkreter Fehler, auf Echtzeit-Hinweise und weiterführend auf die Datenaufbereitung für einen Sprach-KI-Agenten richten. Der logische nächste Schritt ist es, die ausgewerteten Anrufe in übersichtliche Dashboards und Trends nach Mitarbeitenden, Phasen und Zeiträumen zu überführen: dazu die Seite [erweiterte Analytik](/product/analytics).