Voice-Agents: wenn die Marke ans Telefon geht

Vor ein paar Wochen habe ich einen unserer eigenen Voice-Agents angerufen. Nicht zum Testen, sondern weil ich tatsächlich etwas wissen wollte. Nach wenigen Sekunden hatte ich vergessen, dass am anderen Ende Software sitzt. Kurz darauf hatte ich meine Antwort, freundlich verpackt, ohne Warteschleife. Und dann sass ich da mit dem Hörer in der Hand und dachte: Das war gerade ein echtes Gespräch. Mit einer Maschine. Am Telefon.

Ich habe mein halbes Berufsleben damit verbracht, Marken eine Stimme zu geben. Als erster offizieller Social-Media-Manager Deutschlands bei der Mediengruppe RTL habe ich über hundert Profile mit mehr als zwanzig Millionen Fans verantwortet, alles in Schriftform. Heute baue ich bei BE BRAVE und ORION AI Systeme, bei denen die Stimme keine Metapher mehr ist. Der Agent spricht wirklich, in Echtzeit, mit Unterbrechungen und Dialekt am anderen Ende. Das verändert die Spielregeln.

Was Echtzeit-Sprache heute kann

Echtzeit lässt mich seit Jahren nicht los. Schon bei RTL habe ich mit Vidpresso den ersten professionellen Facebook-Livestream eines Klitschko-Boxkampfs realisiert. Aber ein Livestream ist eine Einbahnstrasse mit Chat daneben. Ein Telefonat ist Dialog, und genau da ist die Technik inzwischen angekommen. Die Verzögerung zwischen Frage und Antwort liegt im Bereich einer normalen Gesprächspause. Man kann den Agenten unterbrechen, er hört auf zu reden und geht auf den Einwand ein.

Er versteht halbe Sätze, Umgangssprache und Menschen, die beim Reden nachdenken. Das klingt banal, ist aber genau der Unterschied zwischen einem Sprachmenü und einem Gespräch. Bei uns laufen solche Agenten produktiv am Telefon, als Teil von über dreissig KI-Produkten, die wir live betreiben. Die wichtigste Lektion daraus ist unspektakulär: Der Agent muss kein Genie sein. Er muss zuverlässig sein, höflich bleiben und wissen, wann er übergibt.

Use-Cases, die sich in der Praxis tragen

Die spannendsten Einsätze sind selten die spektakulären. Es sind die Anrufe, die heute gar nicht angenommen werden oder ein Team von wichtigerer Arbeit abhalten. Wer eine Woche lang mitzählt, welche Anrufe wirklich reinkommen und was davon Routine ist, findet die Kandidaten fast von selbst. Ein paar Muster haben sich in unseren Projekten bewährt:

• Erreichbarkeit nach Feierabend: Der Agent nimmt ab, wenn niemand mehr im Büro ist, und niemand hängt in der Warteschleife fest.
• Erstqualifizierung: Worum geht es, wie dringend, wer muss ran? Das Team startet morgens mit sortierten Anliegen statt mit einer vollen Mailbox.
• Termine: vereinbaren, verschieben, bestätigen. Unspektakulär, aber in vielen Betrieben ein riesiger Anteil des Anrufvolumens.
• Standardfragen: Öffnungszeiten, Preise, Status einer Bestellung. Immer gleiche Antworten, die kein Mensch zum hundertsten Mal geben muss.
• Lastspitzen: Wenn alle gleichzeitig anrufen, fängt der Agent den Überlauf ab, statt dass Besetztzeichen Kunden vergraulen.

Markenstimme: das Telefon ist der intimste Kanal

Im Phantasialand habe ich als Manager für digitale Kommunikation gelernt, wie sehr Tonalität eine Marke trägt. Rund zwei Millionen Besucher im Jahr, und jede Antwort im Netz musste sich anfühlen wie der Park selbst: herzlich, ein bisschen verspielt, nie von oben herab. Am Telefon gilt das doppelt. Eine Stimme transportiert Wärme oder Kälte schneller als jeder Text. Wer seinen Voice-Agent klingen lässt wie eine Behörde, hat den Kanal nicht verstanden.

Deshalb beginnt bei uns jedes Voice-Projekt nicht mit Technik, sondern mit Sprache. Welche Begriffe nutzt die Marke, welche nie? Duzt sie oder siezt sie? Wie klingt ein Nein, das trotzdem freundlich bleibt? Daraus entstehen Leitplanken, gegen die der Agent nicht verstossen darf. Die Stimme selbst wählen wir aus wie früher einen Sprecher fürs Radio: Sie muss zur Marke passen, nicht zum aktuellen Techniktrend.

Grenzen: wo der Mensch übernehmen muss

Ein Voice-Agent ersetzt keine Menschen, er ist ein Filter davor. Emotionale Situationen gehören nicht in seine Hände: die wütende Beschwerde, der Trauerfall, der komplexe Sonderfall mit langer Vorgeschichte. Gute Systeme erkennen solche Momente und übergeben sauber an einen Menschen, inklusive Zusammenfassung, damit niemand alles zweimal erzählen muss. Der schlimmste Fehler ist ein Agent, der um jeden Preis selbst lösen will.

Dazu kommen harte inhaltliche Grenzen. Der Agent darf nichts zusagen, was das Unternehmen nicht halten kann, und nichts erfinden, wenn er etwas nicht weiss. Das erreicht man nicht durch Hoffnung, sondern durch enge Anbindung an echte Daten und klare Regeln, was ausserhalb seines Spielfelds liegt. Ein ehrliches 'Das kläre ich mit einem Kollegen, wir rufen Sie zurück' schlägt jede selbstbewusste Falschauskunft.

Akzeptanz und Transparenz: sagen, was Sache ist

Meine Haltung ist eindeutig: Der Agent stellt sich im ersten Satz als KI vor. Nicht kleinlaut, sondern selbstverständlich. In der EU verlangt der AI Act ohnehin, dass Menschen erfahren, wenn sie mit einer Maschine sprechen, und auch in der Schweiz wächst diese Erwartung. Ehrlich gesagt braucht es dafür kein Gesetz. Wer seine Kundschaft täuscht, verspielt genau das Vertrauen, das eine Marke am Telefon aufbauen will.

Das Überraschende aus der Praxis: Die Akzeptanz ist höher, als viele befürchten. Menschen legen nicht auf, weil eine KI abnimmt. Sie legen auf, wenn ihnen nicht geholfen wird. Ein Agent, der sofort rangeht, das Anliegen versteht und in wenigen Minuten liefert, schlägt jede Warteschleife mit Klaviermusik. Transparenz plus Nutzen, das ist die ganze Formel für Akzeptanz.

Fazit: fangen Sie mit einem einzigen Anrufgrund an

Falls Sie mit dem Gedanken spielen: Suchen Sie nicht das grosse Prestigeprojekt, sondern den einen Anrufgrund, der Ihr Team heute am meisten Zeit kostet. Bauen Sie dafür einen Agenten, der ehrlich sagt, was er ist, der Ihre Markensprache spricht und im Zweifel an Menschen übergibt. Messen Sie vier Wochen lang mit, was er löst und wo er scheitert, und entscheiden Sie dann über den nächsten Schritt.

Und wenn Sie vorher einmal hören wollen, wie so ein Gespräch klingt, melden Sie sich gern bei mir. Ich zeige Ihnen live, was heute funktioniert, und genauso offen, was noch nicht. Bis dahin eine Frage zum Mitnehmen: Welcher Anruf in Ihrem Unternehmen wäre der erste, den Sie guten Gewissens einer Maschine anvertrauen würden?