#98 - Voicebots verstehen, Teil 1: Warum Telefon anders funktioniert als Chat mit Laura Grimm

00:00:00: Hallo und herzlich willkommen beim Asono Podcast.

00:00:03: Chatbots & KI nutzen Anwendung Erfahrungen.

00:00:06: Heute sprechen wir über VoiceBots, also KI-geschützte Dialogsystem am Telefon.

00:00:11: Viele Unternehmen kennen Chatbotz bereits von Websites, Serviceportalen oder Messenger Kanälen.

00:00:16: Dort gibt es oft Buttons, Auswahlmöglichkeiten, Texte zum Nachlesen und die Möglichkeit kurz zu überlegen bevor man antwortet.

00:00:22: Am Telefon ist diese Situation eine andere Menschen hören eine Stimme reagieren spontan sprechen manchmal dazwischen machen Pausen oder rufen aus einer Umgebung mit Hintergrundgeräuschen an.

00:00:32: Genau deshalb ist ein Voicebot nicht einfach ein Chatbot mit Sprachausgabe!

00:00:36: Der Telefonkanal hat seine eigenen Regeln, er kann sehr direkt und wirkungsvoll sein aber er verzählt auch weniger Fehler.

00:00:41: Wenn der Voicebot zu früh regiert eine Pause falsch interpretiert oder in Kontexten nicht versteht wird aus einer möglichen Entelastung schnell Frust.

00:00:48: In dieser Folge geht es deshalb nicht nur um die Technik hinter Voicebots sondern auch um Gesprächsdesign, Nutzerfalten & Customer Experience.

00:00:55: Wir sprechen darüber, warum Menschen am Telefon manchmal etwas sehr ausführlich erzählen oder im Gegenteil nur einzelne Stichworte sagen.

00:01:01: Wir schauen auf Begriffe wie Turn-Detection, BargeInnen und VoiceID und darauf vorm Datensystemanbindung, Kanalwechsel zum Beispiel SMS oder das E-Mail so wichtig werden können.

00:01:11: Wir stellen die Fragen, die für Unternehmen besonders relevant sind.

00:01:15: Welche Prozesse eignet sich überhaupt für VoiceBots?

00:01:17: Warum sollte man fahren eine Chatbot Dialoge nicht einfach ans Telefon übertragen?

00:01:20: Welche Rolle spielt Vertrauen, Identifizierung und Datenschutz.

00:01:24: Und was sollten Organisationen geklärt haben, bevor sie einen Voiceboard als Teil ihrer Konkommunikation einsetzen?

00:01:30: Entscheide ich selber ob ich mit einer KI interagieren will oder wird mir das vorgegeben.

00:01:34: Genau das ist schon mal der erste riesengroße Unterschied.

00:01:37: also sozusagen wir haben ein kompletten Chatbot Wir haben die Logik fertig.

00:01:40: Wir brauchen einfach nur den Kanal zu ändern kann aus genau den Gründen, die wir eben schon besprochen haben nicht einfach funktionieren.

00:01:46: Das ist fast nahezu zum Schaltern verurteilt.

00:01:50: Haben wir auch schon kurios Fälle gehabt wo dann Der Voicebot versucht irgendwie eine sinnvolle Antwort aus der User-Inneneingabe und der Ansage vom Bahnhof zu formen.

00:02:02: Ich würde sagen, das Einzige was wirklich zählt ist dass er wirklich Probleme löst.

00:02:06: Dass er wirklich Antworten hat!

00:02:08: Und auch wenn er das nicht hat ganz transparent ist alles klar weiß ich nicht weiter aber ich habe einer Lösung.

00:02:15: mein Gast heute ist Laura Crimm.

00:02:17: Laura ist Produktmanagerin im R&D-Team AI Innovations bei ZIPGate.

00:02:21: Dort beschäftigt sie sich mit KI Anwendungen rund um Kommunikation, unter anderem mit LLM gestützter Datenanalyse, Echtzeitcall-Analysen, Agentinnenunterstützung, Workflow Automatisierung und Omni Channel Integration.

00:02:33: Laura bringt dafür eine sehr passende Kombination mit – Sie hat kognitive Linguistik studiert also die Zusammenhänge von Sprache, Denken und Gesellschaft.

00:02:42: Außerdem arbeitet sie seit über sieben Jahren an KI-Themen, zunächst mit dem Schwerpunkt Conversational AI.

00:02:47: Sie hat Chatbots und VoiceBots aufgebaut, fahre als conversational UX Designerin tätig und bringt Erfahrungen aus Conversational Design, User Research und Produktmanagement mit.

00:02:56: Genau deshalb ist sie heute eine sehr gute Gesprächspartnerin für die Frage, warum VoiceBotts mehr sind als nur Chatbotz am Telefon?

00:03:03: Warum Sprache, Nutzerkontext, Daten und Customer Experience hier so eng zusammengehören?

00:03:08: Darüber bevor wir tiefer in das Thema einsteigen Stell dir vielleicht selber noch mal kurz vor.

00:03:12: Was machst du heute?

00:03:13: Und wie bist du zum Thema Conversational AI und VoiceBots

00:03:16: gekommen?".

00:03:16: Ja, hallo Thomas!

00:03:17: Vielen Dank, dass ich da sein darf.

00:03:19: Wie bin ich zu dem Thema gekommen?

00:03:20: Das war tatsächlich durch einen absoluten Zufall, nämlich während ich noch, wie du schon erwähnt hast, kompetive Linguistik studiert habe wurde ich angeschrieben damals noch über Xing für eine Stelle als Computerlinguistin.

00:03:32: Jetzt bin ich keine Computer-Linguisten und da ging es um Datenanotation.

00:03:36: Und ja das hat an sich nicht gepasst weil ich nicht die Qualifikation damals einer Computerlingoistin mitgebracht habe, aber vier Sprachenspreche Lingoistik studiert hab und dann tatsächlich als Studenten noch als Werkstudentin angefangen habe, datten zu anotieren.

00:03:52: Ganz klassisch wie man das früher gemacht hat.

00:03:54: Intent Annotation, noch vereinzelne Attrenses... um eine Sprachgrammatik zu entwickeln.

00:04:01: Und genau, da war mein Einstieg in die Welt, die mir bis dahin völlig unbekannt war von der ich gar nicht wusste dass man das mit Linguistik machen kann

00:04:10: und...

00:04:11: Da wurde mir aber ganz schnell klar genau da will ich sein, genau da Willig bleiben, da will Ich arbeiten!

00:04:15: In der Zeit seit deinem Studium Bis heute hat sich das der Breche auch sehr weit verändert.

00:04:20: Ja, absolut!

00:04:21: Also ich glaube die wichtigste und vor allem Menschen, die sich mit dem Thema schon mal im Näheren und weiteren beschäftigt haben größte Entwicklung ist natürlich durch die Verfügbarkeit von LLMs gegeben.

00:04:32: also als ich angefangen habe die ersten Dialoge wir hatten... Wir nannten das damals schon AI so diese klassische Intent-Erkennung wo der AI Part aber tatsächlich dass das Mapping war zwischen der Attrance sogenannten Intent.

00:04:47: Alles andere war Handarbeit, wir haben Entscheidungsbäume geschrieben und Variablen vergeben.

00:04:53: Davon macht man zum Teil immer noch Dinge.

00:04:55: Aber vor allem mussten wir jede einzelne Antwort vorformulieren.

00:04:58: Da war nichts mit smarter kontextsensitiver Beantwortung.

00:05:03: Wenn ein User in den Namen genannt werden sollte musste man die Variable in den Ausgabe-Prompen reinschreiben.

00:05:10: Ja alles wurde von Hand und von Tastatur vor formuliert.

00:05:14: Es war halt ein Klassifikationsproblem, also die Leistung der KI lag darin zu abstrahieren von wenigen Adherances und von wennigen Beispielen zu lernen wie ein bestimmtes Thema angesprochen werden kann.

00:05:25: Wie es ausgedrückt werden kann... Das war schon gerichtig KI!

00:05:27: Es war nur immer eine andere Art von KI als was wir seit dem Jahr zwanzig jetzt die Maismenschen da drunter verstehen.

00:05:35: Genau, und das hat häufig zu Problemen mit Kundinnen geführt.

00:05:38: Weil man von KI Chatbots und KI VoiceBots bereits gesprochen hat.

00:05:42: Ja Alexa und Google Smart Speaker, das war ja zwischendurch auch die Ära wo das Ganze nochmal total fad aufgenommen hat.

00:05:50: Und trotzdem musste man sehr viel erklären, dass dieser KI-Part der damals für damalige Verhältnisse schon wahnsinnig mächtig und beeindruckend war aus computerlinguistischer Perspektive.

00:06:01: Trotzdem aber nicht diese Erwartungen erfüllen kann die viele der Kundinnen hatten.

00:06:07: Aber mit dem Vorteil, hohe Kontrolle über die Ausgabe gab es zu haben?

00:06:10: Was manchmal ja auch richtig wichtig ist.

00:06:12: Das definitiv!

00:06:14: Ja das war auf jeden Fall ein Problem was wir damals nicht hatten.

00:06:17: Wobei auch das zum Teil.

00:06:19: Also, ja das stimmt natürlich.

00:06:20: Die Antworten waren vorformuliert.

00:06:22: Trotzdem habe ich kurios Dialoge gelesen wo der der initiale Intent einfach falsch erkannt wurde.

00:06:29: Du hast es gerade beschrieben klassifikationsproblem Ja, und dann wurde der Intent Falsch zugeordnet.

00:06:34: Und dann hat die Antwort, die zwar vorformuliert war schon irgendwie inhaltlich gepasst sich aber leider auf ein ganz anderes Thema bezogen und deswegen vielleicht trotzdem eine völlige Fehlinformation kommuniziert.

00:06:45: Dann

00:06:45: lass uns vielleicht mal ganz grundsätzlich anfangen wenn wir jetzt heute über VoiceBots sprechen.

00:06:49: Wir reden wieder eigentlich genau was ist ein VoiceBot?

00:06:51: Grundsätzlich würde ich schon davon ausgehen dass ... Die meisten Menschen unter dem Begriff Voicebot auch den klassischen Telefonbott verstehen.

00:07:02: Smart Speaker gibt es natürlich immer noch, aber die haben sich ja nicht in der Art und Weise durchgesetzt, dass das wahrscheinlich das vorherrschende Konzept wäre.

00:07:09: Und ich würde heute auch davon ausgehen, dass der generelle Begriff Voicespot eben einen Telefonbot meint, der auch LLM basiert ist.

00:07:19: Also der halbwegs ohne vorgeschriebene Dialoge auskommt aus unterschiedlichsten Bereichen am Telefon beantwortet?

00:07:29: Ja, das mit den vorgeschriebenen Dialogen.

00:07:31: Also ich denke, dass es immer in bestimmten Bereichen eine sehr wichtige Ergänzung, aber ich gebe mit dir ganz komplett mit wenn's darum geht auch gerade allgemeinsprachliche Sandsmalltalk-Sachen oder sowas ... Das kann man natürlich komplett ungeskriptet DMLM überlasten

00:07:43: Genau und ich würde eben auch davon ausgehen, dass das das generelle Verständnis ist.

00:07:48: Und da kommen wir dann auch wieder an den Punkt, dass es natürlich total Sinn macht bestimmte Antworten, bestimmte Bereiche immer noch sehr kontrolliert händeln zu wollen und vorgeben zu wollen.

00:07:58: Und wer jetzt da auch wieder bei unseren Kundinnen quasi die Erwartungshaltung so ein bisschen zurechtrücken müssen?

00:08:04: An welchen Stellen das halt sinnvoll ist komplett frei LLM basiert zu arbeiten und wo wir eine gewisse Logik und eine gewissen Kontrolle haben wollen.

00:08:14: Also da hat sich quasi diese Erwartungshaltung, dass das so ein super Omnipotentes, smartes Tool ist.

00:08:22: Was einfach alle Fragen beantworten kann?

00:08:23: Das ist eher schlimmer geworden.

00:08:26: Wobei schlimm, da wahrscheinlich auch nicht das richtige Adjektiv ist.

00:08:29: Ja ich überlege gerade wenn ich eine Bank anrufe sage, ich möchte wissen wie es mein Konto stand dann brauche ich kein LLM, dass mir das beantwortet.

00:08:34: Dann brauche Weckensystem.

00:08:37: Apropos wenn ich anrufe, viele Menschen denken ja bei Anrufen beim Wenn ich dir jemand nicht ein menschen sondern ein computer erreiche immer noch an dieses werden sie eins wenn wenn sie zwei wenn Was war das und wie nennt man das?

00:08:50: Und was ist aus deiner Sicht so der Hauptvorteil von den richtigen Voiceboards.

00:08:54: Genau, das waren die klassischen DTMF-basierten IVRs wobei IVA da auch vom Begriff gar nicht passt.

00:09:01: also das was wir immer wieder merken dass die Begrifflichkeiten schon alleine relativ schwierig sind weil IVR Interactive Voice Response.

00:09:10: ja mit dem Tastenbrück kann man diskutieren ob es darunter fällt aber das ist im Endeffekt das was man kennt.

00:09:16: Lange Zeit hat das ja auch mehr oder weniger gut funktioniert.

00:09:20: Das war auf jeden Fall, dass was die Menschen kannten und da sieht man so eine ganz interessante Verschiebung auch, dass quasi dieser Tastendruck ersetzt wurde durch das, was dem am nächsten kommt nämlich ein Wort.

00:09:32: also worum geht es?

00:09:34: Jetzt in einem Versicherungscase geht es um ihre Schadensversicherung, ihre Rechtsschutzversicherung Krankenversicherung Und dann sieht man das ganz stark okay ich drücke jetzt nicht mehr eine Taste Ich sage ein Wort Krankenversicherung.

00:09:46: Und das ist natürlich auch eine Designfrage, also man kann ganz viel über die Ausgaben von Bots beeinflussen wie die Leute darauf antworten.

00:09:55: aber ja das ist auf jeden Fall was wir gesehen haben.

00:09:57: Bot-Talk haben wir das bezeichnet.

00:09:59: Also ähnlich wie beim Baby Talk dass halt quasi die sich selbst als kompetentere Person einschätzend sich dem System oder bei einem Baby natürlich dem Kind anpasst und dann Sprachmuster adaptiert.

00:10:12: Man selbst glaubt, dass das was man gegenüber am besten versteht.

00:10:15: Tatsächlich hatte ich Ihrem Podcast auch schon eine Gästein mit der ich genau über dieses Thema im Computer-Interface oder Interactions gesprochen habe.

00:10:23: Mein Beispiel war damals eben halt die Navi im Auto, die wenn ich sage Navigation abbrechen oder so etwas mehr in bestimmter Art und Weise geantwortet hat.

00:10:31: Und ich hab gemerkt, dass ich über die Zeit das Vokabular meines Navis quasi aufgenommen habe Zielfrühmkabbrechen oder so was.

00:10:39: Super wird sich genau dieses Beispiel Zielführung abbrechen, hatte ich auch sofort im Kopf gerade wenn es ums Navi im Auto geht.

00:10:47: Ja da hatte ich ... Ich hab im Automobilbereich angefangen, da hat ich genau diese Anekdote, die hat ein Kollege dann mal erzählt dass er mit einem Bekannten im Auto saß der sein neues Auto unten neues Sprachsystem vorführen wollte und das nicht hingekriegt hat das abzubrechen hat der Kollege von hinten in Zielführung abbrechen.

00:11:08: Und das hat dann sofort funktioniert.

00:11:10: und ja, also das hat sich lange gehalten und das hält sich vor allem immer noch in den mentalen Modellen, in den Vorstellungen von Menschen die halt heute bei Serviceanbietern anrufen und dann merken, oh Gott!

00:11:22: Das ist so eine Computerstimme.

00:11:24: Computerstimme ist da auch ein Begriff, der häufig fällt in Interviews mit Kundinnen genau.

00:11:28: und dann verwenden sie diese Sprachmuster, die Sie über die letzten Jahre gelernt haben oder als ... die Erfahrung gemacht haben, dass das für sie halbwegs erfolgreich funktioniert.

00:11:38: Ist ja auch nicht ganz verkehrt!

00:11:39: Ich meine ich kann natürlich auch anfangen jetzt einen ganzen Roman zu erzählen.

00:11:42: Mache es dem Computer schwieriger und erhöhe die Wahrscheinlichkeit, dass es nicht funktioniert?

00:11:46: Und wenn ich merke... Das

00:11:47: funktioniert?!

00:11:49: Ja, genau.

00:11:49: Es ist natürlich dann die Aufgabe des Systems und der Art wie wir mit den Systemen umgehen, wie wir prompten oder wie wir Logik aufbauen, dass wir vernünftig disambiguieren.

00:11:59: Weil das ist gerade mit hauptsächlich LLM-basierten Systeme natürlich total schwierig weil was ein LLm tun möchte ist eine Antwort zu generieren Wort oder eine kurze Phrase Input bekommt, ist das dem LLM erst mal total egal.

00:12:15: Das antwortet und dann sagt man nur... Haftpflichtversicherung und dann fängt das LLM an, alle Informationen zu diesem Thema loszuwerden.

00:12:24: Dabei ist die Wahrscheinlichkeit, dass die Person, die anruft eine ganz konkrete Frage oder ein ganz konkretes Problem hat sehr viel höher.

00:12:30: Das heißt wir müssen uns dieser Mechanismen bewusst sein, müssen das in unseren Designs abfangen fragt auch nochmal nach, Versuche konkreter zu werden um vor allem die Zeit der Anrufenden zu schonen.

00:12:46: Aber letztlich natürlich auch die Toggen, die generiert werden.

00:12:49: Rate nicht!

00:12:51: Frage?

00:12:52: Ja...

00:12:53: Also zum Beispiel wenn ich Vertrag sage will ich Vertrackkönigungen abschließen verändern ja das kennt man ja alles ganz

00:12:58: genau.

00:12:58: Wenn ich jetzt über überlege Voiceboard am Telefon und Jetboard Das ist ja erstmal grundsätzlich sehr ähnlich wie unterscheidend sich denn die beiden?

00:13:06: Wo unterscheiden Sie sich nicht?

00:13:09: Wir können da auf ganz vielen Ebenen rauf schauen.

00:13:12: Es fängt häufig schon an bei der Intention, der Nutzenden.

00:13:17: Ein Chatbot ist überwiegend, also wir haben natürlich auch sowas wie WhatsApp-Chats.

00:13:21: Das ist dann nochmal so ein Zwischenmedium.

00:13:24: aber wenn wir jetzt davon ausgehen das ist ein Chatbot auf einer Webseite Dann entscheide ich als nutzende Person ganz bewusst Ich möchte mit diesem Chatbot interagieren.

00:13:33: Ich möchte den öffnen.

00:13:34: Vielleicht geht er von alleine auf Aber auch dann habe ich die Option nicht mit dem Chatbot zu interagiren.

00:13:40: Am Telefon habe ich diese Optionen nicht.

00:13:42: Ich hab mich schon entschieden anzurufen.

00:13:44: Das war eine bewusste Entscheidung.

00:13:47: Und

00:13:48: jetzt hänge ich, unabhängig davon ob ich das möchte oder nicht in dieser Voicebot-Kommunikation.

00:13:56: Das macht schon mal was.

00:13:57: Entscheide ich selber, ob ich mit einer KI interagieren will?

00:14:00: Oder wird mir das vorgegeben?

00:14:02: Genau!

00:14:02: Das ist der erste riesengroße Unterschied.

00:14:04: und dann geht es natürlich weiter... Wie wird kommuniziert?

00:14:09: Gesprochene Sprache funktioniert anders als geschriebener Sprache und auch die Ausgaben.

00:14:15: Ein Telefonat ist immer linear, es ist immer flüchtig.

00:14:18: Was ich gesagt habe, was ich höre kann ich nicht kontrollieren, kann ich nachlesen?

00:14:23: Das funktioniert im Chat anders und natürlich kann ich im Chat auch viel größere Mengen an Informationen aufnehmen!

00:14:29: Ich kann Bilder anbieten, ich kann Videos einbetten, ich kan Karten einbettern, so Karussell... Elemente einbinden.

00:14:38: ich hab die Möglichkeit downloads anzubieten.

00:14:40: Ich habe die Möglichkeit uploads anzubeten.

00:14:42: das ist ja alles so in der Form im auf dem kanal sprache.

00:14:45: jetzt unabhängig von der technik dahinter einfach weil mich nur über Sprache kommuniziere ist das alles nicht möglich.

00:14:51: mein Lieblingsbeispiel sind immer terminbuchungen.

00:14:53: in einem chatbot kann man einfach einen kalender tool aufpoppen lassen.

00:14:57: man sieht sofort die verfügbarkeiten man sieht alle verfügbaren termine und kann mit einem oder Maximal zwei Klicks, wenn man vielleicht die Woche noch wechseln muss.

00:15:06: Ein Terminbuchen am Telefon, das wissen wir schon von Mensch zu Mensch wie schwierig es sein kann.

00:15:13: Man ruft beim Arzt an ... Ja wann haben Sie denn Zeit?

00:15:17: Und da wird's schon schwierig!

00:15:18: Man muss nachdenken und gegebenenfalls selber in den eigenen Kalender gucken.

00:15:22: In der Zeit wartet die Person.

00:15:23: Dann, dass hin und her grundsätzlich eher Vormittags.

00:15:27: Ach so, nach Vormittag haben wir nur den Mittwoch.

00:15:29: Na gut da könnte ich aber auch Nachmittags!

00:15:31: Das ist kommunikativ eine Riesenherausforderung die natürlich einen ganz anderen Aufwand bedeutet als ein Kalender-Tool einzubinden und die User in klicken zu lassen.

00:15:41: Wenn man mit Unternehmen spricht, kommen trotzdem viele Unternehmen erst mal so auf die Idee.

00:15:45: Ich hab ja ein Chatbot, kann ich den hier einfach im Telefon hängen?

00:15:48: Warum ist das da in der Sicht kein guter Ansatz?

00:15:50: Genau das zu tun was du gerade beschrieben hast also zu sagen wir haben einen kompletten Chatbot Wir haben die Logik fertig.

00:15:54: Wir brauchen einfach nur den Kanal zu ändern kann aus genau den Gründen, die wir eben schon besprochen haben nicht einfach funktionieren.

00:16:01: Das is... fast nahezu zum Schaltern verurteilt.

00:16:05: Es sei denn natürlich, ich habe bereits einen Chatbot der so darauf getrimmt ist ohne zusätzliche Informationen auszukommen, der sehr kurze Antworten gibt.

00:16:17: Das hatten wir bei SibGate in dem Chatbot den wir designt haben zum beispiel also unseren unseren eigenen internen chatbot der user innen durch probleme leitet.

00:16:29: ganz kurze fragen.

00:16:29: ganz kurzer antwort nur ja nein ist das fax schon angeschlossen?

00:16:34: das würde zb auch am telefon funktionieren.

00:16:37: es gibt tatsächlich einzelne dialoge die funktionieren.

00:16:40: das ist aber die absolute ausnahme.

00:16:41: ansonsten haben wir genau die probleme dass die antworten zu lang sind dass das nicht ideal auf nachfragen getrimmt ist Und das ist nur der Inhalt, die inhaltliche Komponente.

00:16:50: Davon abgesehen muss man beim Voice-Kanal viel mehr einstellen und bedenken.

00:16:55: Man muss sich mit Themen wie BargeIn und TurnDetection auseinandersetzen.

00:17:00: Wenn man das nicht tut, dann wird die Experience wahrscheinlich relativ unzufriedenstellend.

00:17:07: Das

00:17:07: bedeutet, dass man den Chatbot unterbrechen kann während er spricht.

00:17:11: Also den Voice-Bot in dem Fall genau.

00:17:13: Und Turn Detection?

00:17:14: Turn Detaction, das hängt sehr eng miteinander zusammen.

00:17:17: Das bedeutet quasi, dass das System anhand verschiedener Marker erkennt wenn ein Input oder Output beendet ist.

00:17:26: Dass es gar nicht so einfach.

00:17:27: für uns Menschen ist das was sehr Natürliches.

00:17:29: wir kommunizieren wahnsinnig viel übergesprochene Sprache.

00:17:32: die meisten von uns und Wir merken häufig gar nicht, wie viel Überschneidung stattfindet.

00:17:38: Dass ich bereits anfange auf deine Frage zu antworten während du noch die letzten Silben sprichst.

00:17:45: Es gibt auch so was wie Back-Channeling, dass man während einer Person spricht Interjektionen äußert.

00:17:52: Ja total!

00:17:53: Und man möchte die Person überhaupt nicht unterbrechen.

00:17:55: Das ist kein Turn der quasi eine semanische Information enthält die auf die eingegangen werden soll.

00:18:03: Und genau diese beiden Aspekte in Kombination, was ist wirklich ein Turn?

00:18:07: Also eine Sprachausgabe, die abgeschlossen ist, auf die jetzt reagiert werden soll.

00:18:11: und kann ich das während der Botsprich tun

00:18:13: oder ja nicht?

00:18:14: Das sehen wir halt auch den Unterschied zum Chatbot wo ich dann die Enter-Taste drücke oder Sendendrücke und hier muss der Chatbot... der der Voiceboard versuchen zu erkennen, die Äußerung ist zu Ende.

00:18:23: Ich soll jetzt reagieren.

00:18:24: und natürlich eine besondere Herausforderung ist auch wenn Menschen plötzlich mitten im Satz anfangen nachzudenken weil sie gerade die Antwort nicht weiter wissen und der Voicebook jetzt denkt ja jetzt ist er fertig.

00:18:33: also reagiere ich mal!

00:18:34: Ja genau das.

00:18:36: Hintergrundgeräusche, Störgeräusch, hintergrundlärm, schlechte Verbindung.

00:18:40: Sind das auch Sachen, die da noch mit reinspielen?

00:18:42: Definitiv!

00:18:43: Wobei Hintergrund Geräusche?

00:18:45: wenn es ein reines Rauschen ist, spielt uns die Technik sehr in die Hände durch diverse Filter- und Rauschunterdrückung.

00:18:51: Das funktioniert mittlerweile ziemlich gut.

00:18:53: Schwierig wird es, wenn gesprochene Sprache im Hintergrund ist.

00:18:56: Ich wohne in Berlin, ich arbeite in Düsseldorf und irgendwie kurz telefoniere oder in der Miet bin.

00:19:07: Und das ist quasi unmöglich, dann für das System zu unterscheiden.

00:19:11: Spreche ich gerade noch?

00:19:12: Oder ist es die Lautsprecher-Durchsage?

00:19:15: Das ist natürlich von Voicebot genauso schwer zu unterschreiben.

00:19:18: Und grade wenn wir ein LLM verwenden ... haben wir auch schon kuriosen Fälle gehabt, wo dann der Voicebot versucht eine sinnvolle Antwort aus der User-Inneneingabe und der Ansage vom Bahnhof zu formen.

00:19:33: Da ist dann wenig Möglichkeit, dass das noch zum Erfolg führt.

00:19:38: Es gibt ja auch andere Aspekte.

00:19:40: Wenn ich einen Chatbot habe kann ich zurück ... Skrollen kann noch mal lesen, ich kann meiner Geschwindigkeit lesen.

00:19:45: Es ist beim Voicebot anders das heißt es gibt immer diese die Ausgabe.

00:19:49: Ich kann sie vielleicht unterbrechen wenn ich ein Barsch in erlaube aber ansonsten gibt's ja auch menschliche Beschränkungen.

00:19:55: Ich hatte mit Dr.

00:19:56: Lisa Precht schon darüber gesprochen einer promovierten Psychologin der gesagt hat Menschen können sich im Ultra-Zugerzeitgedächtnis nur so fünf bis neun Informationseinheiten merken.

00:20:04: Das heißt wenn ich eine sehr lange Ausgabesprachausgabe mache beim VoiceBot dann vergisst der Mensch der zuhört vielleicht am Ende schon was am Anfang gesagt wurde

00:20:12: Absolut.

00:20:13: Da kommen dann auch solche Aspekte wie Primacy-Recency-Effekte, also ich merke mir als Mensch besonders gut was zum Anfang einer Aussage passiert und zum Ende manchmal auch nur eins von beidem je nachdem wenn er anfang schon so relevant und wichtig ist.

00:20:26: kann das sein dass mein Denken schon anfängt und der Rest verschwimmt denn irgendwie soweit ich gar nicht mehr richtig konzentriert bin da haben wir früher auch ganz aktiv darauf geachtet wenn wir die Ausgaben geschrieben haben wichtige Antworten oder wichtige Informationsteile eher zum ende gucken, dass wirklich die Frage abschließt.

00:20:44: Damit der Mensch nicht schon anfängt zu reden.

00:20:46: und ja jetzt müssen wir diese Aspekte überwiegend immer noch wirklich wenn wir LLM basiert arbeiten reinschreiben also versuchen genau das vorzuformulieren dem LLm als Handlungs- und Formulierungshinweise mitzugeben.

00:21:02: Und nur weil wir das super dediziert beschreiben, heißt es noch lange nicht.

00:21:06: Das ist immer funktioniert

00:21:08: und ich meine dieses Gespräch als solches verändert sich.

00:21:11: Ich habe mehr kürzere Äußerungen, mehr Turns, mehr Wechsels des Sprechenden und kurz repräsentere Antworten.

00:21:17: Das heißt auch die Art und Weise des Dialogs sollte sich dem Medium anpassen?

00:21:21: Absolut genau ja!

00:21:22: Und auch vielmehr mit Rückfragen arbeiten.

00:21:25: also bei einem Chatbot ist überhaupt kein Problem auch mal mehr Informationen auszugeben.

00:21:31: beim Beim Voicebot möchte man nachfragen, möchte man Listen in einer bestimmten Formatierung ausgeben.

00:21:37: Möchte man gucken wie man Informationen die man jetzt wirklich nur im Blog ausgeben kann trotzdem noch mal runtergebrochen werden und deswegen ja genau das was du beschreibst viel mehr hin und her, viel mehr Nachfragen versuchen die Antwort über den Frage Teil schon so runter zu brechen dass man dann sehr präzise antworten kann.

00:21:57: Du hattest auch vorgeschlagenes Thema VoiceBots Stärke mit Customer Experience zu verbinden, warum ist dir das so wichtig?

00:22:03: Häufig ist es ja tatsächlich so dass VoiceBots in einem Customer Experience Kontext auftreten oder eingesetzt werden.

00:22:11: Das sehen wir auch bei ZIPGate ganz stark, das sind immer noch überwiegend klassische Service Use Cases die unsere Kundinnen über Chatbots abdecken wollen.

00:22:22: Und dann macht das natürlich total Sinn, das Ganze kombiniert zu betrachten und einen Voiceboard nicht isoliert einfach irgendwo hinzusetzen.

00:22:32: Sondern den als Teil der gesamten Customer Experience Strategie zu Betrachten gerade auch.

00:22:36: Da sind wir wieder bei dem Punkt VoiceBoard Chatbot.

00:22:39: es ist natürlich super frustrierend wenn ich mich bereits mit einem Chatbot auf einer Webseite ausgetauscht habe.

00:22:45: als Userin merke Ich komme nicht zu dem Ergebnis.

00:22:48: Dann rufe ich bei der Hotline an, das ist ja häufig so eine klassische Eskalationsstrategie.

00:22:53: Und dann bekomme ich exakt dieselben Antworten und muss noch mal genau die gleichen Informationen liefern.

00:22:59: Super frustrierend!

00:23:00: Genauso ist es wenn ich bereits Informationen geteilt habe zu meiner Buchungsnummer, zu meiner Person gemerkt habe okay dieser Chatbot kann mich identifizieren, er hat Informationen über mich und dann fängt das Ganze am Telefon nochmal von vorne an oder ... Weil das Backend einfach nicht genauso funktioniert, merke am Telefon.

00:23:19: Der kann das jetzt alles nicht... Ja deswegen macht es total Sinn die gesamte Customer Journey auch über die unterschiedlichen Kanäle im Blick zu halten und entsprechend zu designen.

00:23:28: Was muss der Voiceboard tun oder sein oder haben?

00:23:30: Oder können damit eher positiv wahrgenommen wird und vielleicht als Vertrauenin zudem eher stärkt als schlecht?

00:23:36: Ja diese Frage ist sehr berechtigt und sehr häufig gestellt.

00:23:42: häufig erwartenden Kunden auch, dass man so eine ganze lange Liste hat an Möglichkeiten.

00:23:48: Was man über die Stimme und die Formulierungen alles bewirken kann?

00:23:52: Ich würde sagen das Einzige was wirklich zählt ist, dass der wirklich Probleme löst.

00:23:57: Dass er wirklich Antworten hat.

00:23:59: Und auch wenn er das nicht hat, haben wir ... Die Erfahrungen haben wir bei Chat und VoiceBots gemacht.

00:24:06: Ganz transparent ist alles.

00:24:07: klar weiß ich nicht weiter aber ich habe einer Lösung.

00:24:10: Du kommst sofort zu der Mitarbeiterin, die dir weiterhelfen kann oder ich schicke dir einen Link.

00:24:16: Also ohne halt diese großen Erklärung von.

00:24:19: das tut mir leid!

00:24:20: Ich lerne noch.

00:24:21: vielleicht können wir ja... Ne ganz klar, ganz transparent.

00:24:24: okay ich komme hier an meine Grenzen aber ich habe für dich den Ausweg und den nächsten Schritt schon vorbereitet um da halt den User in den Mental Load abzunehmen dass sie selber überlegen müssen.

00:24:34: auch Chat hat vielleicht schon nicht funktioniert.

00:24:37: Jetzt ist das am Telefon auch nicht geklappt, ja was mache ich denn jetzt?

00:24:40: Also entweder der Bot kann wirklich selber Ende zu Ende die Probleme angehen und die Informationen teilen oder aber ohne viel hin und her direkt auf den nächsten besten funktionierenden Kanal

00:24:51: verweisen.".

00:24:51: Das heißt wenn man zum Beispiel eine Unternehmen hat, dass sie in Voiceboard einsetzt und das Unternehmen hat auch Menschen, die am Telefone gehen können, das dann natürlich auch weiter verbunden wird an Menschen und derjenige aber auch schon informiert wird, was gelaufen ist

00:25:04: Ganz genau, also gleiches Prinzip wie das, was ich gerade für Chat und VoiceBot quasi Informationshandover beschrieben habe.

00:25:11: Das auf jeden Fall auch.

00:25:12: Auch deswegen ist es so wichtig da wirklich diese Customer-Successperspektive einzunehmen.

00:25:17: Wenn ich dem Board schon alles erzählt habe und das Gleiche dann noch mal tun muss, ist das keine gute Erfahrung.

00:25:24: Und vor allem wir haben ja die Transkripte.

00:25:26: Also es ist ja so dass zwangsläufig das was UserInnen mit dem Board kommunizieren festgehalten werden muss zumindest in den meisten VoiceBots.

00:25:34: Und das dann weiterzugeben und kurz aufzubereiten, damit der Mensch am anderen Ende sich auch den Call vorbereiten kann.

00:25:40: Und weiß worum es geht ist absolut wichtig!

00:25:43: Das sehe ich genauso.

00:25:44: Du hattest eben gesagt ja dann schicke ich einen Link.

00:25:46: Das ist genau der Punkt.

00:25:47: Es gibt jetzt beim Voiceboard weil es eher nur Kanalsprache gibt.

00:25:50: trotzdem ist ja manchmal wichtig dass man was Schriftliches hat, dass weitere Informationen verschickt werden.

00:25:55: Das heißt man muss dann auf einem anderen Kanal wechseln.

00:25:58: Welche Möglichkeiten gibt es da typischerweise?

00:26:01: Also das Einfachste ist, und da sieht man aber auch wie viel Logik und Handarbeit trotzdem immer noch hinter einem funktionierenden Voiceboard steckt.

00:26:08: Eine Abfrage zu machen ruft mich die Person gerade von einem Handy an.

00:26:12: Von einer Handynummer, dann ist die Wahrscheinlichkeit hoch, dass man einfach eine SMS schicken kann.

00:26:18: Auch da ist es super ... relevant und wichtig, weitere Friction zu vermeiden.

00:26:24: E-Mail kommt immer schnell in den Sinn.

00:26:26: Ich schick das noch mal per E-mail.

00:26:28: Das funktioniert aber nur wenn der Boyz-Bot bereits die E-MAIL-Adresse hat, weil er z. B. CRM Zugriff hat.

00:26:34: So sagen ich, ich schicke dir das per E mail und dann eine E-Maile Adresse diktieren zu lassen von einer Person, die nicht gerade Laura Grimm heißt.

00:26:41: Es ist erfreulich einfach!

00:26:43: Aber für alle meisten Personen ist es sehr viel schwerer ... Da muss man gut abwägen ob der Kanal Switch, dann wirklich Dinge vereinfachtig schneller macht oder vielleicht sogar gefallhaft eine neue Frustration zu produzieren.

00:26:56: Ja ganz klar!

00:26:57: Insofern ja da sind das SMS-Versand wahrscheinlich eine sehr gute Möglichkeit.

00:27:02: gibt es noch andere?

00:27:03: ich meine was weiß ich kann nicht vielleicht eine URL diktieren?

00:27:06: Wenn sie sehr kurz ist, ist das auf jeden Fall eine Option.

00:27:10: und auch Da sind wir wieder bei der Handarbeit, wenn ich irgendetwas diktieren möchte von dem nicht davon ausgehe, dass die Person das sofort abspeichert.

00:27:19: Bei uns zum Beispiel schau einfach mal auf sipgate.de.

00:27:24: Das ist was ... da kann man ausgehen, dass das Menschen abspeicher können und dass es in den von dieser brecht benannten fünf bis neun Informationsinheiten beibereiten werden kann.

00:27:33: Aber alles darüber hinaus sollte man auch sicher gehen.

00:27:35: Ich würde Ihnen gerne etwas diktiert Haben Sie grad einen Browser offen, haben sie was zu schreiben und auf keinen Fall einfach losdiktieren.

00:27:43: Und davon ausgehen dass die Person gerade in einem Zustand ist wo sie das gut aufnehmen und einsetzen kann?

00:27:48: Es geht ja grade auch dann.

00:27:49: ich mein man kann denn auf eine Webseite referenzieren wenn es allgemeine Informationen sind.

00:27:53: Wenn es um personalisierte Informationen geht heißt es hier auch dass der Mensch sich vielleicht am Telefon beim Boyspot vorher authentifizieren muss also nachweisen muss das eher Dänige ist er behauptet zu sein.

00:28:02: Das is ja beim Chatboard mit benutzen wir Passwort oder so was noch viel einfacher.

00:28:07: Wie macht man sowas beim Voice-Bot?

00:28:09: Da gibt's ja auch schon länger Versuche, das über Voice-IDs zu lösen ... über die Stimme... Ich muss ehrlich gestehen, ich bin mir gar nicht sicher, ob das wirklich erfolgreich und produktiv im Einsatz ist.

00:28:22: Bei den gängigen Voice-Boards, die ich kenne, ist es auf jeden Fall noch nicht gang und gäbe.

00:28:27: Magst du noch mal kurz erläutern Voice ID für die Hörer, die nicht wissen, was das is'?

00:28:31: Ja!

00:28:32: Auf jeden Fall Jede Stimme ist einzigartig.

00:28:35: Das ist quasi wie ein Fingerabdruck, ein auditiver Friedinger-Abdruck über den man eben relativ klar rausmachen kann ob die Person am anderen Ende der Leitung auch wirklich die Person ist, die diese ID schon mal irgendwo hinterlegt hat.

00:28:48: also das gehört dazu dass irgendwo hinterlegt haben, genauso wie Fingerabdrücke.

00:28:52: Ansonsten bringt einem das auch nichts, einen Fingerabdruck zu haben.

00:28:55: und ja jetzt haben wir dann natürlich verschiedene Herausforderungen.

00:28:59: alleine.

00:28:59: Voice Cloning bietet da noch mal eine ganz neue Schwierigkeitsstufe weil mittlerweile das so gut funktioniert, dass diese Einzigartigkeit gegebenenfalls nicht mehr gewährleistet werden kann.

00:29:10: Und genau man muss halt diese Stimme eingesprochen haben irgendwo die muss hinterlegt worden sein.

00:29:15: Da möchte man natürlich auch den EUAI-Akt im Hintergrund haben oder im Hinterkopf das biometrische Parameter nochmal besondere Sicherheit unterliegen.

00:29:24: Genau, deswegen ist es eine theoretische Möglichkeit zur Identifizierung aber definitiv nicht die Praktikapelste in der Praxis.

00:29:31: Ansonsten ist das sinnvollste immer verschiedene Faktoren zu kombinieren.

00:29:35: auch da die Möglichkeit zu gucken kenne ich die Nummer die mich gerade anruft als System dann ist das schon mal ein Faktor dann noch einmal die Postleitzahl des Geburtsdatum abzugleichen.

00:29:45: genau und dass in Kombination kann als Authentifizierung gewertet werden, da möchte man aber auch gerne gucken, dass man für unterschiedliche oder unterschiedlich sensitive Informationen auch unterschiedlich strikte Authentifikierungen vorsieht.

00:30:01: Auf alle Fälle!

00:30:02: Das Thema ist ja natürlich auch gerade dann wenn ich nicht gerade alleine im Raum bin und dann irgendwelche, ich sag mal mal Pins- oder so was Diktiere, dann könnten sie gehört werden?

00:30:10: Und wenn ich immer die gleichen Frage stelle, dann können die Antworten gehört.

00:30:15: sich befinde Person könnte ja dann später das gleiche Telefonat noch mal führen und genau die gleichen Informationen auch nochmal sagen.

00:30:21: Genau, also das kommt noch zusätzlich hinzu.

00:30:23: Auch das muss man immer im Hinterkopf behalten.

00:30:26: Kontext ist am Telefon viel ... Also räumlicher Kontext, viel relevanter werden das vorhin schon beim Thema Bahnansage oder Hintergrundgespräche, die stattfinden aber genauso in die Richtung dass man gar nicht möchte, dass das was man am Telefone bespricht unbedingt gehört wird.

00:30:43: Das war der erste Teil unseres Gesprächs über VoiceBots und warum sie weit aus mehr sind als Chatbots mit Sprachausgabe.

00:30:49: Wir haben erfahren, dass am Telefon eigene Regeln gelten.

00:30:52: Menschen sprechen spontaner machen Pausen unterbrechen rufen aus lauten Umgebungen an oder warten sehr schnelle Hilfe.

00:30:58: genau deshalb benötigen VoiceBotts ein eigenes Dialogdesign kurze klare Antworten sinnvolle Rückfragen gute Systemanbindung und einen sauberen Übergang zu anderen Kanälen oder zum Mitarbeitenden.

00:31:10: ebenso wurde klar Vertrauen ersteht nicht allein durch eine besonders schöne Stimme, sondern vor allem dadurch dass der Bord wirklich hilft, Grenzentanz brennt macht und den nächsten sinnvollen Schritt anbietet.

00:31:20: In der nächsten Folge geht es weiter mit dem zweiten Teil des Interviews mit Laura Grimm.

00:31:24: Dann sprechen wir darüber was Unternehmen vor der Einführung eines Voiceboards klären sollten welche Anwendungsfälle sich besonders eignen wo typische Stolperfallen liegen um wie sich Voiceboards in den kommenden Jahren weiterentwickeln könnten.

00:31:36: wenn sie prüfen möchten Ob VoiceBots, Chatbots oder KI-Assistenten auch in ihrer Organisation sinnvoll eingesetzt werden könnten, sprechen sie uns gerne an.

00:31:43: Assohn unterstützt Unternehmen und Verwaltungen dabei passende Einsatzfälle zu identifizieren, Dialoge nutzerfreundlich zu gestalten und KI-Lösung Praxisner umzusetzen.

00:31:52: Weitere Informationen dazu finden Sie in den Schrohnots.

00:31:55: Vielen Dank fürs Zuhören!

00:31:56: Und bis zur nächsten Folge von Chatbotz & KI.