Was ist ein Voicebot? Definition und Abgrenzung

Ein Voicebot ist Software, die gesprochene Sprache versteht, sie interpretiert und mit synthetischer Stimme antwortet. Der Begriff stammt aus der Produktwelt und beschreibt keine bestimmte Technologie, sondern eine Bauform: alles, was per Stimme statt per Tastatur bedient wird. Am Telefon bedeutet das einen Gesprächspartner, der nicht nach Tastendruck fragt, sondern zuhört. Wichtig für die Einordnung: Ein Voicebot ist nicht zwingend intelligent. Frühe Systeme erkannten fünf Schlüsselwörter und scheiterten am Rest, was den Begriff bei vielen bis heute negativ besetzt. Moderne Systeme auf Basis grosser Sprachmodelle führen dagegen freie Gespräche, und der Unterschied ist am Telefon innerhalb von zwei Sätzen hörbar.

Kurz und bündig: Ein Voicebot ist Software, die per Stimme bedient wird. Er versteht gesprochene Sprache, verarbeitet sie und antwortet hörbar. Am Telefon ersetzt ein guter Voicebot das Tastenmenü, ein schlechter fühlt sich an wie eines. Der Unterschied liegt darin, ob das System nur Schlüsselwörter erkennt oder tatsächlich Sprache versteht.

Wie funktioniert ein Voicebot technisch?

Jeder Voicebot durchläuft dieselben drei Schritte, und zwar bei jeder einzelnen Gesprächsrunde.

Spracherkennung (STT). Das gesprochene Wort wird in Text umgewandelt. Hier entscheidet sich in der Schweiz fast alles, weil Mundart für die meisten Modelle deutlich schwieriger ist als Hochdeutsch.

Sprachverstehen und Antwortlogik. Der Text wird interpretiert: Was will die Person, welche Information fehlt, welche Aktion folgt. Früher waren das starre Regelbäume, heute meist ein Sprachmodell mit hinterlegten Regeln und Werkzeugen.

Sprachsynthese (TTS). Die Antwort wird als Audio ausgegeben. Qualität und Sprechtempo entscheiden, ob das Gespräch natürlich wirkt oder nach Ansage klingt.

Alle drei Schritte laufen in Sekundenbruchteilen hintereinander ab. Die spürbare Qualität eines Voicebots hängt weniger an einem einzelnen Schritt als an der Verzögerung dazwischen: Wer nach einer Frage zwei Sekunden Stille hört, legt auf.

Worin unterscheidet sich ein Voicebot von einem Chatbot?

Der Kanal, und damit fast alles andere. Ein Chatbot hat Zeit: Die Nutzerin liest, überlegt, tippt nach. Fehler sind sichtbar und korrigierbar. Ein Voicebot hat weder Zeit noch eine Korrekturmöglichkeit. Wer am Telefon zwei Sekunden zu spät antwortet, wirkt defekt, und wer einmal falsch versteht, kann es nicht stillschweigend nachbessern.

Dazu kommt die Erwartung: Am Telefon gelten die Regeln eines Gesprächs. Unterbrechungen, Rückfragen, Zwischentöne. Ein Chatbot muss nur den letzten Satz verstehen, ein Voicebot den Gesprächsverlauf.

Wo liegen die Grenzen in der Schweiz?

Mundart. Schweizerdeutsch ist die härteste Anforderung. Ein Voicebot, der in Deutschland gut funktioniert, kann in Chur unbrauchbar sein. Wer evaluiert, sollte in Dialekt testen, nicht in Hochdeutsch, und zwar mit mehreren Sprecherinnen aus verschiedenen Regionen. Mehr dazu im Eintrag Was ist Schweizerdeutsch-KI?.

Mehrsprachigkeit. Ein Betrieb in Biel oder Freiburg braucht Deutsch und Französisch im selben Gespräch, ohne dass der Anrufer eine Sprache vorwählen muss.

Datenschutz. Sprachdaten sind Personendaten. Wo transkribiert und wo gespeichert wird, ist unter dem revidierten DSG eine Frage, die vor dem Einsatz beantwortet sein muss, nicht danach. Siehe Was ist DSG und FADP?.

Erwartungsmanagement. Ein Voicebot, der vorgibt, ein Mensch zu sein, verliert Vertrauen in dem Moment, in dem es auffällt. Die Ansage zu Gesprächsbeginn kostet nichts und verhindert genau das.

Key Takeaways

• Voicebot = Software, die per Stimme bedient wird: verstehen, verarbeiten, antworten. Der Begriff sagt nichts über die Qualität aus.
• Drei technische Schritte laufen bei jeder Gesprächsrunde ab: Spracherkennung, Antwortlogik, Sprachsynthese. Die Verzögerung dazwischen entscheidet über den Eindruck.
• Der Unterschied zum Chatbot ist der fehlende Puffer: Am Telefon gibt es keine Bedenkzeit und keine stille Korrektur.
• In der Schweiz ist Mundart das Ausschlusskriterium. Testen Sie in Dialekt und mit mehreren Sprecherinnen, nicht in Hochdeutsch.
• Sprachdaten sind Personendaten. Klären Sie Verarbeitung und Speicherort vor dem Einsatz, nicht im Nachhinein.

fonea in der Praxis: Wie sich Voicebot, Telefonbot und Sprachassistent im Alltag unterscheiden, steht im Beitrag Telefonbot, Voicebot oder Sprachassistent. Wer eine konkrete Telefonlösung sucht, findet sie auf der Seite Telefonservice.

Häufig gestellte Fragen

Ist ein Voicebot dasselbe wie ein IVR?

Nein, und der Unterschied ist für Anrufer der wichtigste im ganzen Feld. Ein IVR fragt Tastendrücke ab und zwingt den Anrufer, sein Anliegen in eine vorgegebene Kategorie zu übersetzen. Ein Voicebot lässt ihn frei sprechen und ordnet selbst zu. Genau an der Menüebene legen die meisten Anrufer auf.

Kann ein Voicebot Schweizerdeutsch?

Gute Systeme ja, viele nicht. Die Spracherkennung ist auf Hochdeutsch trainiert und muss für Mundart gezielt angepasst werden. Verlassen Sie sich bei der Evaluation nicht auf eine Demo in Hochdeutsch, sondern rufen Sie selbst in Dialekt an und lassen Sie Kolleginnen aus anderen Sprachregionen dasselbe tun.

Wann lohnt sich ein Voicebot für ein KMU?

Sobald wiederkehrende Anliegen einen relevanten Teil der Anrufe ausmachen: Öffnungszeiten, Terminwünsche, Standardauskünfte, Rückrufbitten. Bei stark beratungsintensiven Gesprächen bleibt der Nutzen auf die Erfassung und Weiterleitung beschränkt, und das ist auch in Ordnung.