1  Highlight des Monats: Themen erkennen statt blind automatisieren

VoiceBots eröffnen viele neue Möglichkeiten für moderne Kundenkommunikation – doch nicht jede Anfrage eignet sich für eine direkte Automatisierung. Statt pauschal Anrufanliegen zu automatisieren, verfolgt comdialog einen datenbasierten Ansatz: Gesprächsanalyse gezielt einsetzen, um die richtigen Themen zu identifizieren.

 

Im Zentrum steht dabei die systematische Auswertung von Kunden-Gesprächen nach projektindividuellen Logiken zur Identifizierung von Optimierungspotenzialen oder Automatisierungspotenzialen. Diese Form der Analyse ist vollständig datenschutzkonform, da personenbezogene Daten pseudonymisiert werden, und ermöglicht es, auf Grundlage realer Dialoge zentrale Fragen zu beantworten:

​

• Welche Themen treten besonders häufig auf und wie ist die Gesprächszeit der einzelnen Themen?

• Welche Fragen werden von Kunden in welcher Häufigkeit gestellt?

• Gibt es Beschwerden und wenn ja, bei welchen Anliegen und an welcher Stelle im Kundenprozess treten diese auf?

• Welche Anliegen eignen sich zur Automatisierung und was sind die Effekte?

​

Die so gewonnene Themenlandkarte zeigt nicht nur, wo Automatisierung sinnvoll ist, sondern auch, wo sie (noch) fehl am Platz wäre. Besonders hilfreich: Die Erkennung wiederkehrender Muster, wie z. B. bestimmte Formulierungen, die regelmäßig zu Verständnisproblemen führen. Anhand dieser Erkenntnisse können die richtigen Use Cases für einen VoiceBot identifiziert werden – zielgerichtet, datenbasiert und praxisnah.

Das Ergebnis: Spürbar höhere Erfolgsquoten, eine reduzierte Weiterleitungsrate an menschliche Agenten – und vor allem eine Bot-Kommunikation, die Kund:innenanliegen wirklich versteht.

​

2  Aus der Praxis: LLM-basierte Transkriptionsanalyse - VoiceBot-Performance messbar verbessern

Je mehr Interaktionen ein VoiceBot übernimmt, desto wichtiger wird ein klares Bild darüber, was in diesen Gesprächen tatsächlich passiert. Genau hier setzt die neue Lösung von comdialog an: Eine automatisierte Analyse von VoiceBot-Transkripten mithilfe von Large Language Models (LLMs).

 

Der technische Ablauf ist effizient und skalierbar:

​

• Transkripte werden über eine API regelmäßig aus dem VoiceBot-System geladen.

• Die Texte werden von einem KI-Modell anhand definierter Kriterien analysiert.

• Die Auswertung erfolgt automatisch – auf Wunsch mit Kategorisierung nach Themenfeldern, Fehlermustern oder Weiterleitungsgründen.

 

Die Vorteile liegen auf der Hand: Statt einzelne Gespräche manuell prüfen zu müssen, erhalten Unternehmen eine quantitative und qualitative Übersicht über das gesamte Anrufgeschehen – inklusive:

​

• Verteilung der Themen und Anliegen nach Häufigkeit

• Identifikation von Problemen im Dialogverlauf

• Aufschlüsselung typischer Fehlschlagsituationen

• Analyse der Bot-Antwortqualität pro Use Case

 

Gerade für größere Bot-Projekte mit mehreren hundert oder tausend täglichen Interaktionen ist diese Analyse ein entscheidender Baustein für kontinuierliche Optimierung. Denn nur wenn man erkennt, wo Gesprächsverläufe abbrechen oder zu Rückfragen führen, kann man gezielt nachjustieren.

 

Ein weiterer Vorteil: Da ausschließlich Textdaten verarbeitet werden, ist die Lösung vollständig DSGVO-konform und auch ohne vorherige Kundenzustimmung einsetzbar. Die Auswertungen können z. B. automatisch an Fachabteilungen weitergeleitet oder in Dashboards eingebunden werden – transparent, effizient und praxisnah.

​

3 Tipps und Tricks: Inkasso-VoiceBot als proaktiver Service

Nicht jede VoiceBot-Lösung muss ausschließlich auf eingehende Kundenanrufe reagieren. Ein gutes Beispiel für proaktiven, aber diskreten Service ist der neue Inkasso-Bot.

 

Ziel ist es, ausgewählte Kund:innen automatisch auf bestehende Zahlungsrückstände hinzuweisen – ohne sensible Daten zu übermitteln und in voller Übereinstimmung mit Datenschutzvorgaben. Der Ablauf ist dabei sorgfältig abgestimmt.

​

• Der VoiceBot ruft auf validierten Telefonnummern an, die aus dem Inkassosystem bereitgestellt werden.

• Durch gezielte Authentifizierungsfragen (z. B. Name, Geburtsdatum oder individuelle Kennziffer) wird überprüft, ob die richtige Person am Apparat ist.

• Nur bei erfolgreicher Verifizierung gibt der Bot einen neutral formulierten Hinweis, dass offene Posten bestehen.

• Konkrete Beträge, Vertragsdetails oder Forderungsnummern werden nicht genannt.

• Im CRM-System wird automatisch dokumentiert, dass die Zielperson erreicht und erinnert wurde.

   

Der Bot informiert nicht nur rechtssicher und datensparsam, sondern entlastet auch den Kundenservice deutlich, da Erinnerungsanrufe automatisiert und rund um die Uhr erfolgen können. Die Lösung eignet sich insbesondere für Unternehmen mit hohen Außenständen, die ihre Mahnprozesse optimieren möchten, ohne Druck aufzubauen.

Durch die Kombination aus technischer Robustheit, klaren Sicherheitsregeln und empathischer Sprache entsteht ein Prozess, der sowohl effizient als auch kundenorientiert ist – ein Beispiel dafür, dass auch sensible Themen automatisierbar sind, wenn man sie richtig gestaltet.