In Deutschland haben wir uns zu sehr an nervige Roboterstimmen in Hotlines gewöhnt. Die meisten Anrufe verbringen wir damit, uns mit einzelnen Ziffern durch eintönige Menüs zu navigieren - in der ständigen Hoffnung diese unnötige Hürde endlich zu überwinden. Diese hat wenig Nutzen für Anrufende, sondern dient vielmehr dem Unternehmen. Vorselektion, Überbrücken der Wartezeit und manchmal sogar die Hoffnung, dass viele auf dem Weg einfach auflegen - aber nicht mit VITAS!
Unser Sprachassistent besitzt drei Hauptmerkmale, die Speech Recognition, das Speech Understanding und die Speech Synthesis. Alle drei Funktionen sind essentiell für unseren VITAS Sprachassistenten und funktionieren mithilfe von Künstlicher Intelligenz:
Die Speech Recognition können Sie sich wie ein Ohr des Sprachassistenten vorstellen. Hier arbeitet hauptsächlich die ASR (=Automatic Speech Recognition), welche dafür sorgt, dass die Aussagen der Kund*innen verstanden und interpretiert werden können. Hier werden also aus Audiodateien (Stimme des Anrufenden) Texte.
Das Speech Understanding ist das Gehirn des Sprachassistenten. Mithilfe der NLU (Natural Language Understanding) werden die Aussagen und Absichten des Anrufers oder der Anruferin korrekt verstanden. Diese erkannten Aussagen werden anschließend mithilfe des NLP (Natural Language Processing) maschinell zu natürlicher Sprache verarbeitet. Daraufhin werden alle relevanten Informationen extrahiert und interpretiert.
Im letzten Schritt kommt KI in der Sprachgenerierung zum Einsatz. Mit der Speech Synthesis wird dafür gesorgt, dass Text zu Sprache umgewandelt wird (Text To Speech) und Anrufende in Sekundenschnelle die gewünschte Antwort erhalten. Die Schleife schließt sich also, indem das Audio über den SIP-Trunk wieder an den User oder die Userin ausgegeben wird.
