Zum Hauptinhalt springen

​
Überblick

Anrufbeantwortererkennung (AMD) ermöglicht es deinen KI-Agenten, automatisch zu erkennen, wenn ausgehende Anrufe auf Voicemail statt auf eine lebende Person treffen. Wenn Voicemail erkannt wird, legt der Agent auf und protokolliert das Ergebnis, sodass du zu verschiedenen Zeiten erneut versuchen kannst, um die Chancen zu maximieren, eine lebende Person zu erreichen. Diese kritische Funktion verhindert verschwendete Agentenzeit beim Sprechen mit Anrufbeantwortern und optimiert die Kampagneneffizienz, indem Ressourcen auf lebende Gespräche statt auf Voicemail-Systeme konzentriert werden.
Nur Telefonanrufe: AMD gilt für Telefonanrufe über SIP/PSTN-Verbindungen. Webbasierte Gespräche ohne Telefonteil unterstützen keine DTMF-Interaktion.Die AMD-Konfiguration erfolgt während der Kampagnenerstellung und Testanrufen. Textbasiertes AMD ist immer aktiv. Du kannst optional ML-basiertes AMD als Addon für schnellere Erkennung aktivieren (~1,5s vs. 5-15s).

​
Was ist Anrufbeantwortererkennung?

​
Die Herausforderung

Beim Tätigen ausgehender Anrufe stößt du auf zwei mögliche Szenarien: Szenario 1: Lebende Antwort 
Telefon klingelt → Person antwortet → "Hallo?"
→ Agent sollte Gespräch beginnen
→ Volle Agentenfähigkeiten erforderlich
Szenario 2: Voicemail 
Telefon klingelt → Voicemail-System antwortet → "Sie haben John Smith erreicht..."
→ Agent sollte auflegen und später erneut versuchen
→ Keine Zeit mit vollem Gesprächsskript verschwenden
→ Keine unangenehme Interaktion beim Sprechen über Voicemail-Ansage
Das Problem: Wie weiß der Agent, welches Szenario aufgetreten ist?

​
AMD-Lösung

AMD analysiert das Audio in den ersten Sekunden nach Anrufverbindung, um festzustellen, ob ein Mensch oder eine Maschine geantwortet hat: Erkennungsprozess: 
1. Anruf verbunden
2. AMD analysiert Audio (0,5-3 Sekunden je nach Methode)
3. Klassifikation: MENSCH oder MASCHINE
4. Agent führt entsprechendes Verhalten aus
Vorteile:
  • Effizienz: Keine Agentenzeit mit Voicemail verschwenden
  • Bessere Ausrichtung: Wiederholungsversuche auf verschiedene Zeiten fokussieren, um lebende Person zu erreichen
  • Höhere Verbindungsraten: Anrufzeit basierend auf Voicemail-Mustern optimieren
  • Bessere Analysen: “Voicemail erreicht” von “keine Antwort” in Berichten trennen

​
AMD-Methoden

​
Übersicht der Erkennungstypen

Textbasiertes AMD

Schlüsselwortbasierte Erkennung mit Transkriptor und LLM - immer aktiv

ML-basiertes AMD (Optional)

Schnelle Mustererkennung mit Deep Neural Network - optionales Addon für Geschwindigkeit

​
Textbasiertes AMD

Rolle: Basis-Erkennungsebene, die immer läuft. Verwendet den Transkriptor und das LLM deines Agenten, um Voicemail-Schlüsselwörter zu identifizieren. Funktionsweise: 
1. Anruf verbunden
2. KI-Sprach-Pipeline des Agenten (Transkriptor) empfängt Audio
3. Agent wartet auf Abschluss des ersten Turns/der ersten Äußerung (Pause erkannt)
4. LLM analysiert Transkription auf voicemail-ähnliche Muster:
   - "Sie haben erreicht"
   - "Hinterlassen Sie eine Nachricht"
   - "Nicht verfügbar"
   - "Voicemail"
   - "Nach dem Signalton"
5. Wenn Voicemail erkannt → Agent legt auf
6. Wenn lebende Person erkannt → Agent setzt normales Gespräch fort
Eigenschaften:
Langsamer: Wartet auf vollständige Turn/Äußerung-BeendigungMuss auf vollständige Beendigung der Voicemail-Ansage warten (Pause erkannt), dann transkribieren und den vollständigen Text analysieren. Typische Erkennung erfolgt nach 5-15+ Sekunden, abhängig von der Länge der Voicemail-Nachricht.Einschränkung: Lange Voicemail-Ansagen bedeuten längere Wartezeiten vor ErkennungAm besten für: Kampagnen, bei denen Genauigkeit wichtiger ist als sofortige Erkennung
Hohe Genauigkeit wenn:
  • Standard-Voicemail-Ansagen mit gängigen Phrasen
  • Klare Audioqualität
  • Voicemail-Sprache passt zur Transkriptor-Sprache
  • B2B-Umgebungen mit professionellen Ansagen
Erkennt NICHT:
  • Voicemail-Ansagen in Sprachen, die der Transkriptor nicht unterstützt
  • Voicemail-Systeme ohne Ansage (nur Pieptöne)
  • Nicht-verbale Voicemail-Indikatoren
Geringere Genauigkeit wenn:
  • Benutzerdefinierte Ansagen ohne Standard-Schlüsselwörter
  • Kurze Ansagen (“Hi, hinterlasse eine Nachricht” - sehr kurz)
  • Schlechte Audioqualität oder Hintergrundgeräusche
  • Hintergrundgeräusche stören Transkription
Ideal für:
  • B2B-Kampagnen - Geschäftsvoicemails verwenden typischerweise Standardphrasen
  • Kampagnen mit Priorität auf Genauigkeit - Reduziert Fehlalarme durch Analyse des vollständigen Äußerungskontexts
  • Budgetbewusste Bereitstellungen - Niedrigere Rechenkosten
  • Englischsprachige Märkte - Schlüsselworterkennung für Englisch optimiert
Beispielszenarien:
  • Verkaufsansprache an Geschäftstelefonnummern
  • Terminerinnerungen an Büroleitungen
  • B2B-Lead-Qualifikationskampagnen
Kann Probleme haben mit:
  • Persönlichen, kreativen Voicemail-Ansagen (“Hey, hier ist Mike, du weißt, was zu tun ist”)
  • Sehr kurzen Ansagen
  • Voicemail-Sprache passt nicht zur Transkriptor-Sprache
  • Ansagen, die gesprächsartig klingen (“Hallo? Hallo? Nur Spaß, hinterlasse eine Nachricht”)
  • Hintergrundmusik oder Geräusche in der Ansage
Fehlalarme: Mensch, der mit “du hast erreicht…” beginnt, könnte falsch klassifiziert werdenFalsch negative: Voicemail ohne Schlüsselwörter könnte als Mensch klassifiziert werden

​
ML-basiertes AMD (Optionales Addon)

Rolle: Optionale schnelle Erkennungsebene, die du für Geschwindigkeit aktivieren kannst. Arbeitet parallel mit textbasiertem AMD. Funktionsweise: 
1. Anruf verbunden
2. Deep Neural Network (DNN) analysiert Audio in Echtzeit:
   - Sprachmuster und Kadenz
   - Voicemail-Audiomuster
   - Akustische Merkmale
   - Timing und Rhythmus
   - Natürliche vs. aufgezeichnete Sprache-Indikatoren
3. Modell trainiert auf Zehntausenden von Audioaufnahmen
4. Klassifikation: MENSCH oder MASCHINE
5. Sprachunabhängige Erkennung
Eigenschaften:
Schnell: ~1,5 SekundenIdentifiziert lebende menschliche Antworten innerhalb von 1,5 SekundenViel schneller als textbasiertes AMD, das auf vollständige Äußerung warten muss
Sehr hohe Genauigkeit unter realen BedingungenWarum ML-basiertes AMD aktivieren:
  • Sprachunabhängig: Funktioniert über alle Sprachen hinweg (textbasiert funktioniert nur, wenn Transkriptor-Sprache übereinstimmt)
  • Erkennt Voicemail nur mit Piepston: Erfasst Voicemail-Systeme ohne Ansage (textbasiert kann nicht)
  • Behandelt kreative Ansagen: Erkennt persönliche/nicht-standardisierte Ansagen ohne Schlüsselwörter
  • Musterbasierte Erkennung: Verlässt sich nicht auf spezifische Voicemail-Schlüsselwörter
  • Schnelle Erkennung: ~1,5 Sekunden vs. 5-15+ Sekunden nur mit Text
  • Besser für mehrsprachige Kampagnen: Keine Sprachkonfiguration erforderlich
Einschränkungen:
  • Extrem kurze Verbindungen (< 0,5 Sekunden Audio)
  • Stark verschlechterte Audioqualität
Ideal für:
  • Verbraucherkampagnen - Persönliche Voicemails mit kreativen Ansagen
  • Mehrsprachige Kampagnen - Nicht abhängig von englischen Schlüsselwörtern
  • Qualitätsfokussierte Kampagnen - Wenn Genauigkeit wichtiger ist als Geschwindigkeit
  • Komplexe Märkte - Gemischte Geschäfts-/Privatnummern
Beispielszenarien:
  • Verbraucherverkaufsanrufe
  • Politische Kampagnen
  • Non-Profit-Fundraising
  • Gesundheitsansprache
  • Mehrsprachige Support-Kampagnen
Behandelt gut:
  • Kreative persönliche Ansagen
  • Kurze Ansagen
  • Nicht-englische Voicemails
  • Ansagen ohne Standard-Schlüsselwörter
  • Hintergrundmusik oder Soundeffekte
  • Natürlich klingende gesprächsartige Ansagen
Robust über:
  • Verschiedene Sprachen
  • Regionale Akzente
  • Verschiedene Voicemail-Systeme
  • Benutzerdefinierte Ansagen

​
Wie AMD funktioniert

Textbasiertes AMD (Basis-Ebene):
  • Immer aktiv
  • Analysiert Transkription auf Voicemail-Schlüsselwörter
  • Wartet auf vollständige Äußerung (5-15+ Sekunden)
  • Konservativer - legt selten bei lebenden Personen auf
ML-basiertes AMD (Optionales Addon):
  • Du kannst dies optional für schnellere Erkennung aktivieren
  • Analysiert Audiomuster in ~1,5 Sekunden
  • Arbeitet parallel mit textbasiertem AMD
  • Schneller, kann aber gelegentlich bei lebenden Personen auflegen
Konfigurationsoptionen: Nur textbasiert (Konservativ):
  • Nur textbasierte Erkennung aktiv
  • Langsamere Erkennung (5-15+ Sekunden)
  • Legt selten bei lebenden Personen auf
  • Kompromiss: Könnte einige Voicemails verpassen und mit ihnen sprechen
  • Am besten für: Wenn du vermeiden möchten, bei lebenden Personen um jeden Preis aufzulegen
Textbasiert + ML-basiert (Schnell & Empfohlen):
  • ML erkennt in ~1,5 Sekunden
  • Textbasiert validiert parallel
  • Sehr hohe Genauigkeit
  • Kompromiss: Könnte gelegentlich bei einer lebenden Person auflegen
  • Am besten für: Kampagnen, bei denen das Sprechen mit Voicemail zusätzliche Kosten verursacht
Welche solltest du wählen?Textbasiert + ML-basiert (empfohlen): Wenn das Sprechen mit Voicemail Zeit verschwendet und zusätzliche Kosten verursacht und du es tolerieren kannst, gelegentlich bei einer lebenden Person aufzulegen.Nur textbasiert: Wenn das Auflegen bei einer echten Person in seltenen Fällen schlimmer ist als die zusätzlichen Kosten des Sprechens mit Voicemail.

​
AMD konfigurieren

AMD kann an zwei Stellen konfiguriert werden:

Test-Telefonanrufe

AMD aktivieren beim Testen deines Agenten mit Telefonanrufen

Kampagneneinstellungen

AMD für ausgehende Kampagnen konfigurieren

​
Test-Telefonanrufe

AMD konfigurieren beim Testen deines Agenten über Telefon:
1

Agent öffnen

Gehe zu deiner Agent-SeiteKlicke auf Testanruf-Button
2

Telefonanruf auswählen

Wähle Telefonanruf als Testtyp
3

AMD konfigurieren

Finde die Einstellung Anrufbeantwortererkennung (AMD)Wähle zwischen:
  • Textbasiert (Standard) - Vermeidet Auflegen bei lebenden Personen um jeden Preis
  • ML-basiert - Schnelle Erkennung (~1,5s), kann aber gelegentlich bei lebenden Personen auflegen
4

Testanruf tätigen

Wähle deine Von-NummerGib An-Nummer ein (deine Telefonnummer zum Testen)Klicke Telefonanruf startenWenn Voicemail erkannt wird, legt Agent auf

​
Kampagneneinstellungen

AMD für ausgehende Kampagnen konfigurieren:
1

Kampagnenerstellung

Gehe zum Abschnitt KampagnenKlicke Kampagne erstellen
2

AMD-Strategie auswählen

Finde Dropdown Anrufbeantwortererkennung (AMD)Wähle Voicemail-Erkennungsstrategie für diese KampagneWähle eine:
  • Textbasiert - Vermeidet Auflegen bei lebenden Personen um jeden Preis (langsamer, 5-15s)
  • ML-basiert - Schnelle Erkennung (~1,5s), kann aber gelegentlich bei lebenden Personen auflegen
3

Kampagnen-Setup abschließen

Fülle andere erforderliche Felder aus:
  • Kampagnenname
  • Agent
  • Telefonnummer
Klicke Kampagne erstellen
AMD-Einstellungen für bestehende Kampagnen ändern:
  1. Navigiere zum Kampagnen-Tab Einstellungen
  2. Finde Dropdown Anrufbeantwortererkennung (AMD)
  3. Wähle andere Strategie (Textbasiert oder ML-basiert)
  4. Änderungen speichern
Das Ändern von AMD-Einstellungen während einer laufenden Kampagne kann die Analysekonsistenz beeinflussen. Erwäge, eine neue Kampagne zu erstellen, wenn du AMD-Konfigurationen A/B-testen musst.

​
AMD-Verhalten

Wenn AMD Voicemail erkennt, legt der Agent automatisch auf und protokolliert das Ergebnis. Der Anruf wird in den Kampagnenanalysen als MACHINE markiert, sodass du Wiederholungsversuche zu verschiedenen Zeiten planen kannst, um die Chancen zu erhöhen, eine lebende Person zu erreichen.

​
AMD-Konfiguration testen

​
AMD-Testplan

1

ML-basiertes AMD testen

Setup:
  1. Agent mit aktiviertem ML-basiertem AMD konfigurieren
  2. Testtelefonnummer mit Voicemail vorbereiten
Test:
  1. Testanruf zu Voicemail-Nummer starten
  2. Anruf zur Voicemail gehen lassen
  3. Agentenverhalten überwachen
Validierung:
  • Agent legt innerhalb von ~1,5 Sekunden auf
  • Anruf als MACHINE in Protokollen markiert
  • Kein Gesprächsversuch mit Voicemail-Ansage
2

Textbasiertes AMD testen

Setup:
  1. Agent nur mit textbasiertem AMD konfigurieren
  2. Dieselbe Voicemail-Testnummer verwenden
Test:
  1. Testanruf starten
  2. Anruf zur Voicemail mit Standard-Ansage gehen lassen
Validierung:
  • Agent wartet auf vollständige Ansage (5-15+ Sekunden)
  • Agent legt nach Erkennung von Schlüsselwörtern auf
  • Anruf als MACHINE markiert
3

Erkennung lebender Person testen

Setup:
  1. Mit beiden AMD-Methoden testen
  2. Anruf persönlich beantworten
Test:
  1. Testanruf starten
  2. Antworten und “Hallo?” sagen
  3. Überprüfen, ob Agent Gespräch normal fortsetzt
Validierung:
  • Agent legt NICHT auf
  • Normales Gespräch verläuft
  • Anruf NICHT als MACHINE markiert
4

Grenzfälle testen

Zu testende Szenarien:Stille Antwort:
  • Antworten, aber nicht sprechen
  • Überprüfen, ob AMD nicht falsch klassifiziert
Schnelle Begrüßung:
  • Mit sehr kurzem “Hi” antworten
  • Überprüfen, ob Gespräch fortgesetzt wird
Voicemail ohne Schlüsselwörter:
  • Mit nicht-standardisierter Ansage testen
  • ML- vs. textbasierte Leistung überwachen
Voicemail nur mit Piepston:
  • Voicemail-System ohne Ansage
  • Überprüfen, ob ML-basiert erkennt, textbasiert könnte verpassen

​
Fehlerbehebung

Symptome: Leistung entspricht nicht den ErwartungenÜberprüfen:
  • Kampagnen-AMD-Einstellung überprüfen
  • Erwartete vs. tatsächliche Erkennungsgeschwindigkeit vergleichen
  • Fehlalarm-/Negativ-Raten in Protokollen prüfen
Lösung:
  • Zwischen Text- und ML-basiert wechseln
  • Beide Methoden mit deinen Anrufmustern testen
  • Basierend auf deiner Priorität wählen (Geschwindigkeit vs. konservativ)
Symptome: Häufiges Auflegen bei lebenden PersonenAnalyse:
  • Aufzeichnungen von Fehlalarmen überprüfen
  • Prüfen, ob ML-basiertes AMD zu aggressiv ist
  • Häufige Muster identifizieren (Hintergrundgeräusche, spezifische Begrüßungen)
Lösung:
  • Zu textbasiertem AMD wechseln (konservativer)
  • Anrufqualität verbessern/Hintergrundgeräusche reduzieren
  • Von verschiedenen Telefonnummern testen
  • Support kontaktieren, falls anhaltend
Symptome: Agent spricht häufig mit VoicemailAnalyse:
  • Prüfen, ob Voicemails nicht-standardisierte Ansagen haben
  • Überprüfen, ob Voicemail-Systeme nur mit Piepston
  • Überprüfen, ob Transkriptor-Sprache zur Voicemail-Sprache passt
Lösung:
  • Zu ML-basiertem AMD wechseln (besser für nicht-standardisierte Ansagen)
  • ML-basiert erkennt Systeme nur mit Piepston
  • Sicherstellen, dass Agent dieselbe Sprache wie Zielgruppe spricht

​
Nächste Schritte

Kampagnenverwaltung

Erstelle und verwalte ausgehende Anrufkampagnen

Analysen & Berichterstattung

Verfolge AMD-Leistung und optimiere Kampagnen

Agentenanweisungen

Schreibe effektive Prompts für Anrufbehandlung

Geschäftszeiten

Konfiguriere optimale Anrufzeiten basierend auf AMD-Daten