Speech-to-Text (ASR)

Was ist Speech-to-Text (ASR)?

Speech-to-Text (STT), auch automatische Spracherkennung (Automatic Speech Recognition, ASR) genannt, ist die Technologie, die gesprochene Sprache in Echtzeit in geschriebenen Text umwandelt. Im Voice-AI-Kundenservice ist ASR der erste Schritt der Pipeline: Der Kunde spricht, ASR wandelt seine Worte in Text um, der KI-Agent verarbeitet den Text, erkennt das Anliegen und formuliert eine Antwort, und Text-to-Speech wandelt diese wieder in gesprochene Sprache um.

Moderne ASR-Systeme nutzen Deep-Learning-Modelle, die mit Millionen Stunden Sprachaufnahmen trainiert wurden, und erreichen so eine hohe Genauigkeit über Akzente, Sprachen und laute Umgebungen hinweg.

So funktioniert ASR im Kundenservice

Ruft ein Kunde eine Support-Hotline mit Voice AI an, geht das ASR-System so vor:

1. Es erfasst den Audiostream des Telefonats
2. Es segmentiert das Audio in verarbeitbare Abschnitte
3. Es wandelt jedes Segment mithilfe neuronaler Netze in Text um
4. Es wendet Sprachmodelle an, um die Genauigkeit zu verbessern (etwa die Korrektur von „I need a re-fund“ zu „I need a refund“)
5. Es übergibt den transkribierten Text zur Intent-Erkennung und Verarbeitung an den KI-Agent

Der gesamte Prozess läuft in Echtzeit ab – moderne Systeme zielen auf eine Latenz unter 250 Millisekunden, damit das Gespräch natürlich fließt.

Marktkontext: Der Markt für Voice-AI-Agents wurde 2025 auf 3,5 Mrd. US-Dollar geschätzt und soll bis 2033 auf 28,9 Mrd. US-Dollar wachsen (30,1 % CAGR). Echtzeit-Voice-Agent-Deployments haben sich 2025 vervierfacht (4x), und Contact Center bereiten ihre Infrastruktur auf 39 Milliarden Anrufe bis 2029 vor.

Herausforderungen und Genauigkeit von ASR

Enterprise-ASR erreicht unter idealen Bedingungen Fehlerraten unter 5 %, die Genauigkeit in der Praxis hängt jedoch ab von:

• Hintergrundgeräuschen: Call-Center-Umgebungen, Freisprechanlagen und öffentliche Orte verringern die Genauigkeit
• Akzenten und Dialekten: Die Genauigkeit kann je nach Sprechergruppe erheblich schwanken
• Fachvokabular: Branchenspezifische Begriffe (Medizin, Finanzen, Technik) erfordern spezialisierte Modelle
• Audioqualität: Schlechte Telefonverbindungen oder minderwertige Mikrofone verschlechtern die Ergebnisse

Der Maven-Vorteil: Voice AI, die versteht

Maven Voice ist mit führenden ASR-Anbietern und Voice-Engines wie OpenAI, Phonic, Cartesia und ElevenLabs integriert und liefert eine präzise Spracherkennung in vielen Sprachen. Die Voice-Pipeline von Maven geht natürlich mit Unterbrechungen um, hält ein natürliches Gesprächstempo und unterstützt PII-Schwärzung in Echtzeit – sowohl im Audio als auch in Texttranskripten. So bleiben am Telefon geteilte sensible Informationen geschützt.

Maven-Praxisbeispiel: Maven Voice lässt sich über Twilio, RingCentral, Cisco, Genesys und Zendesk Talk an bestehende Telefonie-Infrastruktur anbinden und unterstützt SIP, PSTN und WebRTC – Unternehmen können Voice AI also einführen, ohne ihre Telefonanlage zu ersetzen.

Häufig gestellte Fragen

Was ist der Unterschied zwischen ASR und NLP?

ASR wandelt Sprache in Text um – es übernimmt die Umwandlung von Audio zu Text. NLP verarbeitet diesen Text, um Bedeutung, Anliegen und Kontext zu verstehen. ASR beantwortet die Frage „Was hat der Kunde gesagt?“, NLP die Frage „Was hat der Kunde gemeint?“

Kann ASR mehrere Sprachen im selben Gespräch verarbeiten?

Moderne mehrsprachige ASR-Modelle erkennen und transkribieren mehrere Sprachen, auch wenn mitten im Gespräch die Sprache gewechselt wird. Das wird für globale Kundenservice-Organisationen mit vielfältiger Kundenbasis immer wichtiger.

Beeinflusst die ASR-Genauigkeit die Leistung des KI-Agents?

Unmittelbar. Versteht ASR „refund“ als „re-fund“ oder „cancel“ als „council“, erhält der KI-Agent fehlerhafte Eingaben und gibt womöglich eine unpassende Antwort. Hochwertige ASR ist die Grundlage für wirksamen Voice-AI-Kundenservice.