Telekommunikation · Call-Center-Betrieb
Gesprächsnotizen schreibt das System, nicht mehr der Agent
Die Call-Center-Mitarbeitenden von arvato verbrachten einen großen Teil ihres Tages damit, nach jedem Kundengespräch eine Zusammenfassung zu schreiben. Als MVP haben wir eine Pipeline aus Spracherkennung und Zusammenfassung gebaut, die zu jedem Gespräch automatisch eine einheitliche Notiz erstellt, auf Polnisch, sodass die Mitarbeitenden sie nicht von Hand schreiben müssen.
Ergebnisse
Kunde: arvato
Teil der Bertelsmann-Gruppe, ein führender internationaler Dienstleister mit Call-Center-Betrieb in mehreren Märkten.
- Branche
- Telekommunikation
- Anwendungsfall
- Automatische Gesprächszusammenfassung
- KI-Ansatz
- NLP mit eigenen ML-Modellen
- Systeme
- Gesprächsaufzeichnung und CRM
- Sprache
- Polnisch
- Projekt
- Minimum Viable Product (MVP)
Kurz gefasst
Hunderte Stunden Gespräche, und nichts Verwertbares daraus
- Nach jedem Gespräch schrieben die Mitarbeitenden die Zusammenfassung von Hand: das Anliegen des Kunden, was besprochen wurde, was als Nächstes passiert.
- Das kostete Zeit, und die Qualität schwankte von Person zu Person. Trends ließen sich kaum verfolgen, Kontext kaum zwischen Teams weitergeben.
- Die Pipeline transkribiert das Gespräch und schreibt die Zusammenfassung im eigenen Notizformat von arvato: Anliegen, Problemkategorie, getroffene Maßnahmen, nächste Schritte.
- Schwierig ist gesprochenes Polnisch. Die fertige Sprachunterstützung ist dünner als für Englisch oder Deutsch, deshalb brauchte die Transkription eine eigene Nachbearbeitung.
Die Ausgangslage
Die Aufgabe
Die Mitarbeitenden verbrachten einen erheblichen Teil ihrer Zeit mit Notizen statt mit dem nächsten Kunden, und die Zusammenfassungen waren so uneinheitlich, dass sie im weiteren Prozess wenig taugten.
Das Call Center von arvato führt täglich eine große Zahl von Kundengesprächen. Nach jedem Gespräch musste eine Zusammenfassung entstehen, mit dem Anliegen, dem Gesprächsinhalt und den Folgeschritten. Das war zeitaufwendig, uneinheitlich und erzeugte einen Informationsengpass.
Täglich entstanden Hunderte Stunden an Gesprächsdaten, und strukturierte, verwertbare Informationen daraus zu gewinnen, lief komplett manuell.
Weil die Qualität von Person zu Person schwankte, ließen sich Trends kaum verfolgen, Kontext kaum zwischen Teams teilen und Gesprächsdaten kaum für Verbesserungen nutzen.
Der Bau
Was wir gebaut haben
Wir haben eine durchgängige Pipeline gebaut, die aus einer rohen Gesprächsaufzeichnung eine strukturierte, einheitliche Zusammenfassung macht, ohne dass die Mitarbeitenden eingreifen müssen.
Gesprochenes Polnisch in Text
Die erste Stufe wandelt das Audio in Text, und gesprochenes Polnisch hat seine eigenen Tücken: schwankende Audioqualität, Unterbrechungen, Umgangssprache und eine dünnere fertige Sprachunterstützung als bei Englisch oder Deutsch. Eine eigene Nachbearbeitung hebt die Genauigkeit der Transkription und fängt diese Randfälle zuverlässig ab.
Eine Zusammenfassung im eigenen Format
Nach der Transkription schreibt das System eine knappe Zusammenfassung nach den internen Abläufen und dem Notizformat von arvato. Eigene Modelle ziehen Anliegen, Problemkategorie, getroffene Maßnahmen und nächste Schritte heraus, immer in derselben Struktur, egal wer das Gespräch geführt hat.
Gebaut für die Stoßzeiten
Die Pipeline läuft auf einer Cloud-Infrastruktur und wächst mit der Nachfrage: In den Spitzenstunden verarbeitet sie mehr Gespräche, ohne langsamer zu werden.
Was sich geändert hat
Das Ergebnis
Vorher
Nach jedem Gespräch eine Zusammenfassung von Hand. Die Qualität hing von der Person ab, und die Gesprächsdaten wurden für Analysen kaum genutzt.
Nachher
Zusammenfassungen entstehen automatisch in einem einheitlichen Format. Die Mitarbeitenden nehmen sofort das nächste Gespräch an, und die Gesprächsdaten sind strukturiert und durchsuchbar.
Das MVP zeigt, dass sich die Notiz von Hand ersetzen lässt: Jedes Gespräch erzeugt eine einheitliche, strukturierte Notiz, unabhängig von Person, Komplexität oder Tageszeit.
Die Mitarbeitenden sind wieder beim Kunden statt bei der Verwaltung, also bei dem Teil der Arbeit, den nur ein Mensch leisten kann.
Über die gesparte Zeit hinaus machen die einheitlichen Zusammenfassungen Auswertungen möglich, die es vorher nicht gab: wiederkehrende Probleme erkennen, Lösungsmuster verfolgen und Prozesse anhand echter Gesprächsdaten verbessern statt anhand bruchstückhafter Notizen.
Fragen zu diesem Projekt
Automatische Gesprächszusammenfassung. Die Mitarbeitenden verbrachten einen erheblichen Teil ihrer Zeit mit Notizen statt mit dem nächsten Kunden, und die Zusammenfassungen waren so uneinheitlich, dass sie im weiteren Prozess wenig taugten.
Gesprächszusammenfassungen automatisch erstellt, gebaut und erprobt als Minimum Viable Product: MVP. Eigene Modelle für die polnische Sprachverarbeitung trainiert: Polnisch. Skalierbare Infrastruktur für hohe Gesprächsvolumen: Cloud. Ein Notizformat für alle Mitarbeitenden und Teams: Einheitlich.
NLP mit eigenen ML-Modellen. Eingesetzte Technik: Natural Language Processing, Machine Learning, Speech-to-Text, Eigene polnische Sprachmodelle, Cloud Computing, Nachbearbeitungs-Pipelines.
Eingesetzte Technik
Sprechen Sie mit dem Team dahinter
theBlue.ai meldet sich innerhalb eines Werktags.
Weitere Referenzen
Events · Social-Media-Analyse
Wissen, was der Saal denkt, solange die Veranstaltung noch läuft
Mehr lesen
Logistik · Globaler Betrieb
Keine Logistik-E-Mail gleicht der anderen, und Regeln kamen nicht hinterher
Mehr lesen
Pharma · Pharmakovigilanz und Marktbeobachtung