# Phonebot: Grundlagen und Besonderheiten

Ein Phonebot funktioniert grundlegend anders als ein Text-Chatbot. Wer einen Chatbot für den Telefoneinsatz adaptiert, sollte diese Unterschiede kennen – sie beeinflussen, wie Gespräche wahrgenommen werden und wo Fehler entstehen.

# Telefon ist kein Chat

Im Chat können Nutzende Antworten überfliegen, zurückblättern und Eingaben vor dem Absenden korrigieren. Am Telefon entfällt all das:

Zuhören ist linear: Anrufende können nicht pausieren oder zurückspringen. Was einmal gesprochen wurde, ist weg.
Sprechen ist spontan: Gesprochene Eingaben werden ohne Korrekturoption abgesendet – Versprecher und Mehrdeutigkeiten sind die Norm, nicht die Ausnahme.
Keine visuelle Unterstützung: Buttons, Listen, Formatierungen und Grafiken stehen nicht zur Verfügung. Der Bot kommuniziert ausschließlich über Sprache.
Latenz ist spürbar: Im Chat überbrückt ein Typing Indicator jede Wartezeit. Am Telefon wirkt Stille sofort beunruhigend – bereits ab etwa 600 ms fühlt sich eine Pause unnatürlich an.

# Wie ein Telefonbot technisch funktioniert

Jede Antwort des Phonebots durchläuft drei Schritte – und jeder kostet Zeit:

STT (Speech-to-Text): Die gesprochene Eingabe der anrufenden Person wird in Text umgewandelt.
LLM: Das Sprachmodell verarbeitet den Text und generiert eine Antwort.
TTS (Text-to-Speech): Die Textantwort wird in Sprache zurückgewandelt und ausgespielt.

Dieser Prozess kann mehrere Sekunden in Anspruch nehmen. Hinzu kommen parallele Entscheidungen des Systems: Spricht die anrufende Person noch? Versucht sie den Bot zu unterbrechen (Barge-In)? Ist eine Pause eine Denkpause oder das Ende des Turns?

# ASR-Fehler einkalkulieren

Die Speech-to-Text-Engine (ASR) transkribiert gesprochene Sprache – aber nicht fehlerfrei. Hintergrundgeräusche, Akzente, schlechte Verbindungsqualität oder unbekannte Begriffe können zu falschen Transkriptionen führen. Was wie eine inhaltlich falsche Antwort des Bots wirkt, ist häufig ein ASR-Fehler in der Eingabe.

Über die Benutzerdefinierte Terminologie in der Spracheingabe-Konfiguration können Sie produktspezifische Begriffe hinterlegen, die die STT-Engine zuverlässiger erkennen soll.

# Barge-In

Barge-In bezeichnet die Möglichkeit, den Bot zu unterbrechen, während er noch spricht. Ohne Barge-In müssen Anrufende jede Antwort vollständig abwarten – auch wenn sie bereits wissen, dass sie nicht passt. Mit Barge-In können Hintergrundgeräusche oder Rückmeldungen wie „Mhm" ungewollt den Bot unterbrechen und den Gesprächsfluss stören.