Du möchtest Voice AI Agents einführen? Diese 4 Fragen solltest du jedem Anbieter stellen, bevor du dich entscheidest.

Es ist Dienstagmorgen. Eine Kundin schildert ein Problem mit ihrer Rechnung. Durch das geöffnete Autofenster rauscht der Wind, während auf dem Rücksitz ein Kleinkind schreit. Auf solche Situationen muss ein Voice AI Agent vorbereitet sein – und deshalb sind Simulationstests vor dem Deployment so wichtig. 

Viele Unternehmen überspringen diese Testphase und erproben ihre Produkte nur unter perfekten Bedingungen, in denen ihnen der Erfolg praktisch garantiert ist. Im produktiven Einsatz zeigen sich jedoch schnell die feinen Unterschiede zwischen einem natürlich klingenden, zuverlässigen Gespräch und einer roboterhaften, unberechenbaren Interaktion. Deshalb beobachten wir bei globalen Enterprise-Unternehmen, dass der Schritt vom Pilotprojekt in den Produktivbetrieb häufig nicht gelingt. Berichten zufolge erzielen nur 5% der Organisationen einen nachhaltigen Impact im produktiven Einsatz. 

Diese Diskrepanz zwischen Erwartung und Realität nennen wir den AI Divide. Auch wenn diese Kluft oft groß erscheint, ist sie nicht unüberwindbar. Entscheidend ist, genau zu prüfen, was AI-Anbieter tatsächlich bieten. 

Um sicherzustellen, dass du den Schritt vom erfolgreichen Pilotprojekt zum wertschöpfenden Einsatz mit echtem Business-Impact schaffst, solltest du jedem Voice-AI-Anbieter, den du in Betracht ziehst, folgende vier Fragen stellen. Die Antworten zeigen dir, ob das Produkt auch bei einem schreienden Kleinkind und laut rauschendem Wind im Hintergrund zuverlässig funktioniert. 

1. Wie testest du Sonderfälle und wie optimierst du die AI, wenn sie live ist? 

Zuverlässige AI Agents liefern das Ergebnis, das Kund:innen erwarten – auch dann, wenn auf dem Weg dorthin etwas schiefläuft. Das erfordert ein konsequentes Design, Tests anhand realer Sonderfälle, einen stufenweisen Rollout sowie eine Evaluation, die auch nach dem Launch weitergeht. Der Aufwand ist vergleichbar mit der Einarbeitung neuer Mitarbeitender; nur mit dem Unterschied, dass die Lernkurve bei den nächsten zehn Neueinstellungen nicht erneut durchlaufen werden muss.

Agents, die auf einzelne Aufgaben spezialisiert sind (wir nennen sie Subtask Agents), machen es leichter, Fehler einzugrenzen und zu beheben. Monolithische Agents versuchen, einen Prozess vollständig von Anfang bis Ende auszuführen. Dadurch wird die Fehlersuche schnell kompliziert und aufwändig. Mit Subtask Agents lässt sich dagegen das Problem eingrenzen und der betroffene Baustein innerhalb des Gesamtprozesses schnell korrigieren. 

Wenn du Voice-AI-Anbieter evaluierst, solltest du unbedingt fragen, wie sie mit den Aufgaben umgehen, bei denen deine Agents unter keinen Umständen Fehler machen dürfen, etwa bei der Authentifizierung. Prüfe außerdem, wie flexibel die Agents auf Änderungen im Gesprächsverlauf reagieren, und teste jede denkbare Form des Handoffs. Wenn du gezielt Sonderfälle ansprichst und diese testest, musst du später deutlich seltener hektisch gegensteuern. 

2. Seit wann entwickelst du Voice AI?

Voice AI bringt Herausforderungen mit sich, denen ein Web-Chatbot nie begegnen würde; schreiende Kleinkinder zum Beispiel. Deshalb ist es sinnvoll zu wissen, wann dein Anbieter mit der Entwicklung von Voice AI begonnen hat. Hat er zunächst Chatbots priorisiert und Voice erst später ergänzt, wurden möglicherweise nicht alle feinen Nuancen berücksichtigt, die dafür sorgen, dass Voice AI ihr volles Potenzial entfaltet. 

Bei Voice AI müssen sich Gespräche noch viel natürlicher anfühlen als im Webchat. Die Latenz muss so gering bleiben, dass Kund:innen sich nicht fragen, ob das System sie überhaupt gehört hat. Die Authentifizierung muss auch dann funktionieren, wenn jemand bei lautem Flughafenlärm eine Kartennummer vorliest. Und das System muss mit Unterbrechungen umgehen können, ohne den Gesprächsfaden zu verlieren. 

Wichtig ist außerdem: Auch wenn Anbieter auf die Frage nach der Latenz gerne eine einzelne Kennzahl präsentieren, reicht eine Zahl allein nicht aus. Die Latenz hängt von der gesamten Pipeline ab – von der Spracherkennung über das Reasoning und Tool-Calls bis hin zur Text-to-Speech-Umwandlung. Der Anbieter sollte erklären können, wie er bei unterschiedlichen Use Cases, Märkten und Sprachen mit Latenz umgeht. 

3. Wer ist nach dem Deployment für die Agents verantwortlich?

Ein weitverbreitetes Missverständnis bei Enterprise AI ist, dass für jede Anpassung Entwickler:innen benötigt werden. Bei den richtigen AI-Produkten wird das Engineering-Team nicht zum Engpass. Die IT sollte für Governance, Integrationen, Sicherheit und die Plattform selbst verantwortlich sein. Sobald diese Grundlage steht und die AI Agents mit Kund:innen interagieren, sollte dein Customer-Experience-Team sie anhand echter Kundeninteraktionen selbst optimieren können, unabhängig von technischen Vorkenntnissen und ohne dafür ein Ticket einreichen zu müssen. 

4. Welche Guardrails bietest du?

Der bisherige Compliance-Ansatz ging von strukturierten Daten und vorhersehbaren Workflows aus. Generative AI stellt dies jedoch infrage. Sensible Informationen können mitten im Gespräch auftauchen, ohne eindeutige Kennzeichnung und manchmal von Hintergrundgeräuschen überlagert und deshalb nur halb verständlich. In solchen Situationen muss entschieden werden, ob der Ablauf konversationell bleibt oder ein deterministisches Eingreifen erforderlich ist. 

Leistungsstarke Plattformen können beides miteinander verbinden. Frage nach, wie personenbezogene Daten in einem Telefongespräch verarbeitet werden, was passiert, wenn ein Guardrail mitten in einer Antwort greift, und wie die Plattform auf Datensouveränität hinarbeitet. Überzeugende Antworten auf diese Fragen geben deinem Compliance-Team Sicherheit. Unzureichende Antworten helfen dir dagegen, einen Anbieter frühzeitig auszuschließen, bevor du Zeit in ein Pilotprojekt investierst, das die rechtlichen Anforderungen deines Unternehmens ohnehin nie erfüllen wird. 

Kläre diese Fragen vor dem Deployment 

Ob deine Kund:innen vom Flughafen, aus der Küche oder aus einem Minivan voller schreiender Kleinkinder anrufen: Du möchtest sicher sein, dass deine AI in jeder Situation zuverlässig funktioniert. Wenn du diese vier Fragen von Anfang an stellst und die Agents vor dem Go-live anhand sämtlicher Sonderfälle testest, kannst du ebenso wie deine IT und Legal darauf vertrauen, dass die AI auch unter realen Bedingungen verlässlich arbeitet. 

Du bist bereit für das Deployment? Lies den Leitfaden A CIO's Guide to crossing the AI Divide: Getting the technical Requirements right für einen Deep Dive in die Technologie, die dich vom Piloten zum produktiven Einsatz führt.