Contact-Center-Gesprächsanalyse & Qualitätssicherung

Contact Center zeichnen Tausende Gespräche auf, prüfen aber nur eine winzige Stichprobe von Hand. Spracherkennung plus LLM-Analyse macht aus jedem Gespräch ein Transkript, eine Zusammenfassung, ein Thema und einen Bewertungsbogen, markiert Compliance-Probleme und zeigt, warum Kunden anrufen. Typischer, von Anbietern genannter Nutzen: nahezu 100 % Abdeckung statt weniger Prozent, schnelleres Coaching und frühere Erkennung von Produkt- oder Prozessproblemen. In der EU liegt die Schwierigkeit nicht in der Technik, sondern in der rechtmäßigen Gestaltung: Beschäftigtenüberwachung, Einwilligung in die Gesprächsaufzeichnung und das Verbot der Emotionserkennung am Arbeitsplatz nach der KI-Verordnung (AI Act).

Problem & Nutzen

• Heute: QA-Teams hören eine kleine Zufallsstichprobe ab (oft werden nur wenige Prozent der Gespräche genannt; Angabe von Anbietern) und füllen Bewertungsbögen von Hand aus. Compliance-Verstöße, Abwanderungssignale und wiederkehrende Mängel werden spät gefunden. Nachbearbeitungsnotizen der Mitarbeitenden sind uneinheitlich und kosten Bearbeitungszeit.
• Nutzen durch KI: Jedes Gespräch wird transkribiert, zusammengefasst und nach denselben Kriterien bewertet; die Auswertung von Themen und Anliegen zeigt die Kontaktgründe; Compliance-Formulierungen (Identifikation, Aufzeichnungshinweis, Widerrufs- oder Risikohinweise) werden automatisch geprüft; Führungskräfte erhalten gezielt Gespräche zur Durchsicht und zum Coaching.
• Belegstand: Fallstudien von Anbietern berichten von großen Zuwächsen bei der QA-Abdeckung und kürzerer Nachbearbeitung, unabhängige, vergleichbare Zahlen sind jedoch selten. Messen Sie Ihre eigene Ausgangslage, bevor Sie sich auf eine Zahl verlassen.
• Abgrenzung: Diese Datei behandelt die Analyse nach dem Gespräch (Batch/nahezu in Echtzeit). Live-Unterstützung während des Gesprächs ist CONV-007; der Voicebot selbst ist CONV-002; Notrufleitungen sind SPEECH-016.

Varianten

• QA-Automatisierung: Die KI füllt den Bewertungsbogen vor, Menschen kalibrieren und klären Einsprüche.
• Compliance-Überwachung: Regulierte Branchen (Banken, Versicherungen, Energievertrieb, Inkasso) prüfen Pflichtaussagen, die Erfassung von Einwilligungen und das Risiko von Falschberatung.
• Voice-of-Customer / Analyse der Kontaktgründe: Themen-Clustering, Ursachenanalyse und Trend-Dashboards für Produkt- und Betriebsteams (nicht für einzelne Mitarbeitende).
• Vertriebsanalyse (Conversation Intelligence): gleicher Stack aus ASR, Diarisierung und LLM, aber die Ergebnisse sind Abschlusssignale, Einwände und Wettbewerber-Nennungen, Methodik-Bewertung (z. B. MEDDICC) und CRM-Abgleich; eingekauft wird sie vom Vertrieb statt vom Service. Siehe PRED-002 (Pipeline-Prognose), CONV-005 (Vertriebsassistent) und EDU-010 (Rollenspiel-Coaching).
• Backoffice- und Außendienstgespräche: Helpdesk, Behörden-Hotlines, Forderungsmanagement, Telefonleitungen von Kliniken oder Apotheken.
• Selbst-Coaching der Mitarbeitenden: Mitarbeitende sehen ihre eigenen Kennzahlen und Ausschnitte (geringste Reibung mit dem Betriebsrat).

So funktioniert es

1. Gesprächsaufzeichnung (CCaaS / SBC / SIPREC) + Metadaten
2. ASR mit Diarisierung (Agent- vs. Kundenkanal; auf Telefonie abgestimmt, mehrsprachig)
3. PII-Erkennung & Schwärzung (PCI-Kartennummern, IBAN, Namen, Gesundheitsdaten) in Text und Audio
4. LLM-/Klassifikator-Analyse: Zusammenfassung, Anliegen, Thema, Ergebnis, Stimmung zum *Gesprächsthema*, Fragen des Bewertungsbogens mit Belegzitaten, Prüfung von Compliance-Regeln
5. Aggregation (Themencluster, Trend, Ausreißer) im BI-Dashboard
6. menschliche Prüfwarteschlange (Kalibrierung, strittige oder unsichere Bewertungen)
7. Coaching-Workflow

• ASR: Stereoaufnahmen liefern die Sprechertrennung gratis; Mono braucht Diarisierung. Telefonaudio (8 kHz, Akzente, Überlappung) ist der wichtigste Einflussfaktor auf die Genauigkeit; testen Sie daher mit Ihren eigenen Gesprächen.
• LLM-Bewertung: eine Frage je Kriterium, Antwort ja/nein/entfällt plus zitierter Beleg; deterministische Regeln (Regex/Stichwörter) für Pflichtformulierungen; LLM nur für unscharfe Kriterien wie Einfühlungsvermögen oder Verständlichkeit der Erklärung.
• Mensch-in-der-Schleife (Human-in-the-Loop): Führungskräfte kalibrieren den KI-Bewertungsbogen jeden Monat gegen menschliche Bewertungen; keine disziplinarische oder vergütungsrelevante Entscheidung darf allein auf einer KI-Bewertung beruhen.
• Bewusst ausgeschlossen: Das Ableiten von Emotionen der Beschäftigten aus der Stimme ist in der EU verboten (siehe Risiken). Analysieren Sie, was gesagt wurde, nicht den Gemütszustand der sprechenden Person.

Datenaufbereitung

Die Daten sind Gesprächsaufzeichnungen (oft Stereo, aus der Telefonie- oder Contact-Center-Plattform), Metadaten aus CRM und Ticketsystem (Kunde, Thema, Ergebnis, Mitarbeiter) sowie die bestehenden QA-Bewertungsbögen und Richtlinien. In einem KMU liegen Aufzeichnungen auf der Telefonanlage oder in der Cloud-Telefonie, Ergebnisse im CRM oder Helpdesk und die Qualitätskriterien in Word- oder Excel-Dateien und in den Köpfen der Teamleitungen. Typische Lücken: Mono-Aufnahmen, die die Sprechertrennung erschweren, fehlende Verknüpfungen zwischen Gespräch und Ticket, keine einheitlichen Ergebnis-Labels, Dialekte und Störgeräusche, falsch erkannte Produktbegriffe sowie unklare Einwilligung und Aufbewahrung der Aufzeichnungen.

Schritte der Aufbereitung: Exportieren Sie die Aufzeichnungen über API oder Telefonie-Konnektor (PREP-005); verknüpfen Sie sie mit CRM- und Ticket-Metadaten; klären Sie Rechtsgrundlage und Ansage, und löschen oder maskieren Sie Zahlungsdaten und andere sensible Passagen (PREP-022, PREP-025); machen Sie aus den QA-Kriterien einen präzisen, schriftlichen Bewertungsbogen (PREP-019); lassen Sie erfahrene Teamleitungen 50 bis 100 Gespräche als Testmenge bewerten, um KI-Bewertungen mit menschlichen Bewertungen zu vergleichen (PREP-018, PREP-020); bauen Sie ein Glossar der Produkte und Begriffe auf (PREP-015). Beschränken Sie den Zugriff auf Aufzeichnungen rollenbasiert (PREP-023).

Aufwandsanteil: mittel, etwa 25 bis 35 Prozent, vor allem für Bewertungsbogen, Testmenge und Einwilligung. Siehe auch GUIDE-003.

Umsetzungswege

Welcher Weg für wen

• enterprise: Weg B. Gesprächsanalyse ist zentral für die Servicequalität; eigene Pipelines auf Cloud-APIs erlauben individuelle Bewertungsbögen, die Anbindung an CRM und Ticketsystem sowie Kostenkontrolle bei hohem Gesprächsvolumen.
• smb: Weg A. Kleine Service-Teams sind mit ausgereiften Analyse-Zusatzmodulen von Cloud-Telefonie- oder Contact-Center-Plattformen mit EU-Hosting am besten bedient; Eigenentwicklungen rechnen sich nicht.
• developer: Weg B. Sprach- und LLM-APIs mit Batch-Verarbeitung sind der schnellste Weg, Analysefunktionen in ein Produkt einzubauen.

Weg A — Kaufen (Standardsoftware) (empfohlen)

• In CCaaS integriert: Genesys Cloud (Speech and Text Analytics), NICE CXone / Enlighten, Five9, Talkdesk, Amazon Connect Contact Lens, Google CCAI Insights, Microsoft Dynamics 365 Contact Center, Twilio Voice Intelligence.
• Spezialisierte QA-/Gesprächsanalyse: Observe.AI, CallMiner, Verint, Calabrio (Teleopti), Level AI, Balto; Vertrieb: Gong, Chorus (ZoomInfo), Salesloft, Avoma. Zu prüfende Anbieter aus der EU: Gladia und Mistral (Sprachmodelle), Sipgate und Placetel (Telefonie); prüfen Sie bei jedem Anbieter das tatsächliche EU-Hosting und die Liste der Unterauftragsverarbeiter.
• A wählen, wenn: Sie bereits eine CCaaS-Plattform betreiben, das Volumen unter etwa hundert Mitarbeitenden liegt und der QA-Prozess Standard ist. Prüfen Sie EU-Datenhaltung, Steuerung der Aufbewahrung, Schwärzung von Audio, Konfigurierbarkeit für den Betriebsrat (anonymisierte Mitarbeiteransichten) und den Verzicht auf Emotionsableitung.

Weg B — Auf Cloud-KI-Diensten aufbauen

• ASR mit Diarisierung: Azure AI Speech Batch-Transkription (EU-Regionen), Google Cloud Speech-to-Text v2 (EU), Amazon Transcribe Call Analytics (Frankfurt/Irland, inkl. Schwärzung personenbezogener Daten), Deepgram, AssemblyAI, Speechmatics (Hosting in UK/EU möglich), Gladia (Frankreich), Mistral Voxtral (EU-Anbieter), OpenAI-Transkriptionsmodelle.
• Analyse: führende LLMs mit strukturierter Ausgabe (Claude, Gemini, GPT, Mistral) über Endpunkte in EU-Regionen; Azure OpenAI oder Amazon Bedrock in EU-Regionen für Zusagen zur Datenhaltung.
• Orchestrierung: ereignisgesteuerte Pipeline (Objektspeicher → Warteschlange → ASR → Schwärzung → LLM → Data Warehouse); BI mit Power BI / Metabase / Superset.
• B wählen, wenn: Sie individuelle Bewertungsbögen, mehrere Sprachen oder eine Data-Warehouse-Anbindung brauchen, die das Produkt nicht bietet.

Weg C — Selbst betreiben (Open Source)

• ASR: OpenAI Whisper large-v3 / turbo über faster-whisper oder WhisperX; NVIDIA Parakeet / Canary (NeMo); Mistral Voxtral mit offenen Gewichten; Kyutai und Moonshine für Streaming. Diarisierung: pyannote.audio oder NVIDIA Sortformer.
• Personenbezogene Daten: Microsoft Presidio, NER-Modelle im GLiNER-Stil; Audio-Schwärzung durch Stummschalten nach Zeitstempel.
• LLM: Modelle mit offenen Gewichten der Klasse 30–120B (Mistral, Qwen, Llama, gpt-oss), betrieben mit vLLM; Embeddings (bge-m3, multilingual-e5) mit BERTopic zur Themenfindung.
• Hardware: HW2 bewältigt die Batch-ASR für ein mittelgroßes Center; HW3 empfohlen für die LLM-Bewertung aller Gespräche im eigenen Haus. Batch-Verarbeitung über Nacht hält die Kosten niedrig.
• C wählen, wenn: Aufzeichnungen Ihre Infrastruktur nicht verlassen dürfen (Banken, öffentliche Verwaltung, Gesundheit).

Weg D — Eigenes Training

ASR auf Fachvokabular feintunen (Produktnamen, Wirkstoffnamen, Dialekte) mit einigen Dutzend Stunden korrigierter Transkripte, oder einen kleinen Klassifikator für die eigene Anliegen-Taxonomie mit Hunderten gelabelter Gespräche trainieren. Korrigierte Transkripte der QA-Prüfenden sind die natürlichen Trainingsdaten. Lohnt sich meist nur bei Sprachen mit wenigen Ressourcen oder hohem Volumen.

Stand der Technik (2026)

• ASR: Offene und kommerzielle Modelle erreichen bei sauberer, vorgelesener Sprache niedrige Wortfehlerraten, doch 8-kHz-Telefonaudio, Durcheinanderreden, Akzente, Sprachwechsel und Fachbegriffe führen weiterhin zu deutlich höheren Fehlerraten; testen Sie stets mit Ihren eigenen Gesprächen. Sprachfähige LLMs (Audio-Eingabe-Modelle wie Voxtral und Gemini) können Audio direkt zusammenfassen oder Fragen dazu beantworten, doch eine transkriptbasierte Pipeline bleibt leichter zu prüfen.
• LLM-Bewertung stimmt bei sachlichen Checklistenpunkten (wurde die Begrüßung gesprochen, wurde die Pflichtangabe verlesen) gut mit Menschen überein, bei subjektiven Kriterien weniger gut; die Kalibrierung gegen menschliche Prüfende ist Pflicht. Behalten Sie Belegzitate, damit Prüfende schnell verifizieren können.
• Wandel von der Stichprobe zur vollen Abdeckung und vom Ranking der Mitarbeitenden zur Analyse der Kontaktgründe und zu automatischen Zusammenfassungen, die die Nachbearbeitungsnotizen der Mitarbeitenden ersetzen.
• Grenzen und Fehlerbilder: halluzinierte Belege, falsch zugeordnete Sprecher bei Mono-Audio, übersehene Verneinungen, Benachteiligung von Akzenten oder Dialekten (geringere ASR-Genauigkeit verzerrt die Bewertungen), zu großes Vertrauen in Dashboards und „Kennzahlen-Tricksen“ durch Mitarbeitende.

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack (asr + diarization + llm-general): SPEECH-001 Meeting-Transkription, SPEECH-016 Notruf-Analyse, SPEECH-021 wörtliche Protokolle; ein ASR-Server bedient alle.
• Kombinierbar mit: CONV-007 (Live-Agentenunterstützung nutzt Streaming-ASR auf denselben Transkripten), CONV-002 (QA von Voicebot-Gesprächen), PRED-002 und CONV-005 (Vertriebsanalyse), EDU-010 (beste/schlechteste Gespräche in Rollenspiel-Trainings verwandeln), DOC-018 (Schwärzungsmuster), SEC-018 (Verzeichnis von Verarbeitungstätigkeiten, Aufbewahrung und Bearbeitung von Auskunftsersuchen für Aufzeichnungen).
• Nicht kombinieren mit Stimmumwandlung im Stil von SPEECH-019 ohne Transparenzprüfung; Ergebnisse nicht in automatisierte Personalentscheidungen einspeisen.

Aufwand, Kosten & Kennzahlen

• Weg A: Wochen; Preis pro Mitarbeiterplatz oder pro aufgezeichneter Stunde; die Aktivierung innerhalb einer bestehenden CCaaS ist am schnellsten.
• Weg B: 2-4 Monate inkl. Kalibrierung der Bewertungsbögen und Dashboards; ASR wird pro Audiominute abgerechnet, LLM pro Token, meist gering gegenüber den Personalkosten der QA.
• Weg C: 3-6 Monate; GPU-Server plus Betrieb; die niedrigsten Kosten bei hohem Volumen.
• Kennzahlen: QA-Abdeckung in %, Übereinstimmung der Bewertungsbögen KI vs. Mensch (z. B. Cohens Kappa), ASR-Wortfehlerrate bei eigenen Gesprächen, Nachbearbeitungszeit, Erstlösungsquote, Erkennungsrate von Compliance-Verstößen, Wiederholkontaktquote, CSAT, Prüfzeit pro Gespräch.

Menschen & Veränderung

Beziehen Sie von Anfang an die Geschäftsleitung und die Leitung des Servicebereichs ein, zusammen mit den Mitarbeitenden oder ihren Vertretern, der IT (Telefonie-Anbindung), der bzw. dem Datenschutzbeauftragten und der Personalabteilung. Die Gesprächsanalyse bewertet Beschäftigte systematisch, daher ist eine DSFA wahrscheinlich (Art. 35 DSGVO), mit jedem Auftragsverarbeiter ist ein AVV nötig, und Anrufende müssen informiert werden (GUIDE-005).

Betriebsrat: ja. Die Gesprächsanalyse erfasst und bewertet einzelne Mitarbeitende und ist objektiv geeignet, Leistung zu überwachen, daher greift § 87 Abs. 1 Nr. 6 BetrVG; informieren Sie frühzeitig nach § 90 Abs. 1 Nr. 3 und ziehen Sie bei Bedarf einen Sachverständigen hinzu (§ 80 Abs. 3). Vereinbaren Sie eine Betriebsvereinbarung zu Zwecken, Ausschluss allein automatisierter Personalentscheidungen, Aggregation, Zugriff und Löschfristen (GUIDE-004). Öffentlicher Dienst: Personalrat.

KI-Kompetenz: Schulen Sie Teamleitungen darin, Bewertungen kritisch zu lesen, und Mitarbeitende darin, wie das Werkzeug funktioniert (GUIDE-006). Kommunizieren Sie, dass das Ziel Coaching und Entlastung von der zufälligen Stichprobe ist, nicht Kontrolle (GUIDE-008). Beginnen Sie mit einem Team als Pilot, zeigen Sie Bewertungen zunächst nur der betroffenen Person und beziehen Sie Mitarbeitende in die Gestaltung des Bewertungsbogens ein (GUIDE-009). Typische Sorgen: „100 Prozent meiner Gespräche werden beurteilt“ (für Coaching nutzen, transparente Kriterien) und falsche Bewertungen (Mitarbeitende können widersprechen). Der Mensch behält die Kontrolle: Bewertungen sind Grundlage für Coaching-Gespräche, niemals automatische Grundlage für Sanktionen.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): Die Einstufung hängt von der Nutzung ab. Reine Kundenerlebnis- und Themenanalyse: minimales oder begrenztes Risiko. Art. 5 Abs. 1 Buchst. f verbietet KI-Systeme, die Emotionen natürlicher Personen am Arbeitsplatz ableiten (Ausnahmen nur aus medizinischen oder Sicherheitsgründen); die Leitlinien der Kommission vom Februar 2025 behandeln die Emotionsüberwachung von Call-Center-Mitarbeitenden anhand der Stimme als verboten, während die Erkennung von Emotionen von Kunden von dieser Klausel nicht erfasst wird, aber Sorgfalt erfordert. Systeme zur Überwachung und Bewertung von Leistung oder Verhalten der Beschäftigten oder zur Aufgabenzuweisung sind Hochrisiko nach Anhang III Nr. 4 (Pflichten ab 2. Dezember 2027 nach dem Digital Omnibus on AI, VO (EU) 2026/1744). Die Transparenzpflicht (Art. 50) gilt, wenn KI mit Anrufenden interagiert. KI-Kompetenz (Art. 4) gilt für das Personal.
• DSGVO: Gesprächsaufzeichnungen sind personenbezogene Daten, teils besonderer Kategorien (Gesundheit, Finanzen). Erforderlich sind eine Rechtsgrundlage und Zweckbindung (Art. 6), ein klarer Hinweis an Anrufende (Aufzeichnungsansage), Datenminimierung, kurze Aufbewahrung, DSFA (Art. 35) bei systematischer Überwachung, Auftragsverarbeitungsverträge und keine Übermittlung in Drittländer ohne Garantien. Mitarbeiterdaten sind Beschäftigtendaten: In Deutschland gelten § 26 BDSG und die Mitbestimmung nach § 87 Abs. 1 Nr. 6 BetrVG (Betriebsrat); die Rechtsprechung des EuGH schränkt Regelungen zu Beschäftigtendaten ein.
• Fernmeldegeheimnis und Aufzeichnung: In Deutschland kann eine Aufzeichnung ohne Einwilligung strafbar sein (§ 201 StGB); erforderlich sind eine Einwilligung oder eine andere wirksame Grundlage sowie eine Information.
• Branchenregeln: MiFID-II-Gesprächsaufzeichnung bei Wertpapierfirmen, PCI DSS (Kartennummern und Sicherheitscodes niemals speichern; pausieren oder schwärzen), Verbraucherschutz- und Inkassovorschriften.
• Gegenmaßnahmen: Schwärzung vor der Analyse, rollenbasierter Zugriff, aggregierte oder pseudonymisierte Mitarbeiteransichten, keine Emotions-/Stressableitung beim Personal, menschliche Prüfung jeder folgenreichen Entscheidung, Widerspruchsweg für Mitarbeitende, Bias-Tests über Akzente hinweg, Protokollierung der Modell- und Prompt-Versionen.

Erste Schritte

1. Klären Sie vor jedem Pilotbetrieb Rechtsgrundlage, Aufzeichnungshinweis und Aufbewahrung, beziehen Sie Datenschutzbeauftragte(n) und Betriebsrat ein und führen Sie die DSFA durch.
2. Exportieren Sie 200-500 repräsentative Gespräche; vergleichen Sie 2-3 ASR-Optionen nach Wortfehlerrate und Sprechertrennung.
3. Wandeln Sie das QA-Formular in 10-20 konkrete, belegbasierte Fragen um; trennen Sie regelprüfbare von LLM-beurteilten Fragen.
4. Betreiben Sie die KI-Bewertung 4-6 Wochen im Schattenmodus neben der menschlichen QA; messen Sie die Übereinstimmung und passen Sie die Prompts an.
5. Führen Sie zuerst Themen-Dashboards ein (geringes Risiko für Beschäftigte), danach die Coaching-Nutzung mit vereinbarten Regeln.

Quellen

1. Regulation (EU) 2024/1689 (AI Act), Art. 5, Art. 50, Annex III - https://eur-lex.europa.eu/eli/reg/2024/1689/oj
2. European Commission - Guidelines on prohibited AI practices (Feb 2025) - https://digital-strategy.ec.europa.eu/en/library/commission-publishes-guidelines-prohibited-artificial-intelligence-ai-practices-defined-ai-act
3. GDPR, Regulation (EU) 2016/679 - https://eur-lex.europa.eu/eli/reg/2016/679/oj
4. Amazon Transcribe Call Analytics - https://docs.aws.amazon.com/transcribe/latest/dg/call-analytics.html
5. Azure AI Speech - batch transcription and diarization - https://learn.microsoft.com/azure/ai-services/speech-service/batch-transcription
6. OpenAI Whisper - https://github.com/openai/whisper
7. pyannote.audio - https://github.com/pyannote/pyannote-audio
8. Microsoft Presidio - https://github.com/microsoft/presidio
9. Genesys Cloud speech and text analytics - https://help.mypurecloud.com/articles/about-speech-and-text-analytics/