Veröffentlicht: · KI-Version (Markdown)
Gesprächsanalyse führt man nicht mit dem Kauf einer „smarten“ Engine ein, sondern mit Ihren eigenen Anrufen. Die richtige Reihenfolge: zuerst das Gesprächsarchiv sammeln und auswerten, dann Kennzahlen und Qualitätskriterien festlegen, und erst danach automatisieren. Im Folgenden sieben Schritte, die ein Team durchläuft, das vom blinden Abhören von 2–3 % der Anrufe zur durchgängigen Kontrolle aller Gespräche wechselt.
Schritt 1: Sammeln und laden Sie das Anrufarchiv hoch
Beginnen Sie mit dem, was Sie bereits haben – den Aufzeichnungen. Für das erste Ergebnis müssen Sie keine Telefonanlage integrieren: Laden Sie das Anrufarchiv als Dateien hoch oder leiten Sie es an eine Ingest-E-Mail-Adresse weiter, und die Plattform beginnt damit zu arbeiten. Das ist der sicherste Einstieg: Sie ändern nichts an bestehenden Prozessen und sehen sofort, was in den Gesprächen tatsächlich passiert.
Schon in diesem Schritt lohnt es sich, den Umfang festzulegen: Nehmen Sie einen repräsentativen Ausschnitt der letzten Wochen oder Monate, damit das Bild ehrlich ist und nicht aus gelungenen Einzelbeispielen besteht. Je vollständiger das Archiv, desto präziser werden alle folgenden Kennzahlen und desto aussagekräftiger die retrospektive Analyse.
Schritt 2: Transkribieren und werten Sie die Gespräche aus
Danach wird jeder Anruf automatisch transkribiert und nach Sprechenden aufgeteilt (Sprechertrennung): Sie sehen, wer wann gesprochen hat, wo Pausen, Unterbrechungen und überlappende Sprache auftraten. Das ist das Fundament – ohne präzises Transkript und Rollentrennung ist keine Kennzahl aussagekräftig.
Mehr dazu, wie diese Ebene aufgebaut ist, auf der Seite automatische Gesprächsanalyse. Wichtig ist hier: Die Auswertung erfolgt einheitlich über alle Anrufe hinweg, nicht anhand einer zufälligen Stichprobe – Sie arbeiten also mit vollständigen und homogenen Daten.
Schritt 3: Legen Sie Kennzahlen und Qualitätskriterien fest
Entscheiden Sie nun, was genau Sie messen wollen. Einen Teil der Kennzahlen berechnet das System selbst – Sprechpausenanteil, Sprechtempo, Unterbrechungen, Antwortverzögerung, Tonalität, Monologlänge. Definieren Sie darüber hinaus eigene Qualitätskriterien für Ihren Prozess: Wurde Kontakt hergestellt, wurde Bedarf erkannt, fiel die Pflichtformulierung, wurde ein nächster Schritt vereinbart?
Versuchen Sie nicht, alles auf einmal zu beschreiben. Nehmen Sie drei bis fünf Kriterien, die das Ergebnis wirklich beeinflussen, und kalibrieren Sie sie an bekannten Aufzeichnungen, indem Sie die automatische Bewertung mit der manuellen vergleichen. Gute Kriterien sind solche, bei denen zwei Personen zur gleichen Bewertung kommen; präzisieren Sie vage Formulierungen, bis sie überprüfbar sind.
Schritt 4: Markieren Sie Themen und extrahieren Sie Daten
Sobald die grundlegenden Kennzahlen funktionieren, ergänzen Sie die inhaltliche Ebene: Auto-Tags für Themen und Kontaktgründe nach dem Sinn des Gesprächs sowie die Extraktion strukturierter Daten – Summe, Produkt, Region, Zahlungszusage. So wird aus dem Anrufstrom eine Tabelle, aus der sich Auswertungen erstellen und Muster erkennen lassen.
Genau hier beginnt die Gesprächsanalyse, geschäftliche Fragen zu beantworten und nicht nur technische: Worüber wird am häufigsten angerufen, welche Einwände wiederholen sich, wo gehen Abschlüsse verloren? Die semantische Suche in der erweiterten Analytik findet Gespräche nach Bedeutung – „Kunde war kaufbereit, aber der Mitarbeiter hat nicht abgeschlossen“ – statt nach Wortübereinstimmung.
Schritt 5: Erstellen Sie Dashboards und finden Sie Muster
Stellen Sie aus den ausgewerteten Daten Dashboards zusammen: Themenentwicklung über die Zeit, Verteilung der Qualitätsbewertungen nach Mitarbeitenden und Phasen, Sentiment-Trends, Periodenvergleiche. Ziel dieses Schritts ist der Übergang von einzelnen Anrufen zum Gesamtbild – und das Erkennen dessen, was an einer Stichprobe nicht sichtbar ist.
Hier zeigen sich meist die ersten Entdeckungen: Ein als selten geltendes Thema entpuppt sich als häufigste Beschwerde; bei einem Mitarbeiter schwächelt durchgehend eine bestimmte Phase; ein Anstieg negativer Stimmung fällt mit einer Produktänderung zusammen. Genau das ist durchgängige Qualitätskontrolle über 100 % der Anrufe – mehr dazu im Anwendungsfall Qualitätskontrolle.
Schritt 6: Richten Sie Automatisierungen ein
Sobald Sie Ihre Gespräche verstehen, übertragen Sie die Routine auf Regeln. Eine Automatisierung kann jeden neuen Anruf transkribieren, Tags vergeben, Kennzahlen extrahieren, gegen Qualitätskriterien prüfen, eine Benachrichtigung an den Verantwortlichen senden oder Daten per CRM-Eintrag und Webhook weitergeben. So wird Analytik nicht mehr zu einem Bericht, den einmal pro Woche jemand öffnet, sondern Teil des laufenden Betriebs.
Beginnen Sie mit ein bis zwei Regeln, die die auffälligste manuelle Arbeit abnehmen – etwa ein Auto-Tag „Beschwerde“ mit Alert an die Führungskraft. Erweitern Sie das Set schrittweise, im Vertrauen auf die Auswertung wachsend; Regeln lassen sich jederzeit deaktivieren und neu zusammenstellen.
Schritt 7: Schließen Sie den Kreislauf und verbessern Sie kontinuierlich
Gesprächsanalyse ist kein einmaliges Projekt, sondern ein Kreislauf, der sich selbst verbessert. Neue Anrufe werden fortlaufend ausgewertet, Kriterien werden an strittigen Fällen präzisiert, Dashboards zeigen die Wirkung von Änderungen, und die besten Gespräche werden zum Vorbild für das Team-Training. Kehren Sie in regelmäßigen Abständen zu Kriterien und Kennzahlen zurück: Was zu Beginn wichtig war, kann sich geändert haben.
An diesem Punkt haben Sie nicht mehr nur „Anrufaufzeichnungen“, sondern einen lebendigen Bestand ausgewerteter Daten über Ihre Gespräche – Abdeckung, Themen, Qualität, Sprachen, Risikostellen.
Wie geht es weiter?
Genau dieser Datenbestand ist der Einstieg in die KI-Transformation. Bevor Sie einen Sprachbot oder KI-Assistenten einführen, müssen Sie Ihre Anrufe verstehen und daraus Wissen aufbauen – Gesprächsanalyse liefert genau das. Der logische nächste Schritt ist zu bewerten, welche Szenarien sich zuerst automatisieren lassen und wo der reale ROI liegt: dazu der Beitrag Vorbereitung auf die KI-Transformation.