Glossar
Speech-to-Text (STT)
Speech-to-Text ist die automatische Umwandlung gesprochener Sprache in Text.
Auf dieser Seite
Die Technik heißt auch automatische Spracherkennung (ASR). In einem Telefonassistenten ist sie der erste Schritt: Erst wenn feststeht, was gesagt wurde, kann das System antworten. Am Telefon ist das anspruchsvoller als bei einer Diktierfunktion, weil die Tonqualität schmalbandig ist und Hintergrundgeräusche, Dialekte und schlechte Verbindungen dazukommen.
Fehler entstehen besonders bei Eigennamen, Straßen, E-Mail-Adressen und Zahlenfolgen. Gute Systeme lassen sich deshalb wichtige Angaben bestätigen oder buchstabieren. Neben der Echtzeiterkennung im Gespräch gibt es die nachträgliche Transkription, aus der Protokolle und Zusammenfassungen entstehen. Für die Qualität zählt deshalb nicht nur die Fehlerquote eines Modells, sondern das Ergebnis im eigenen Einsatz. Transkripte enthalten personenbezogene Daten und fallen unter das Datenschutzrecht.
In der Praxis
Die Qualität der Erkennung merkst du weniger an einzelnen Wörtern als an den Folgen: Stimmt der Name in der Zusammenfassung, wurde die richtige Rufnummer notiert, hat der Assistent die Frage verstanden? Verbessern lässt sich das an drei Stellen. Der Assistent wiederholt wichtige Angaben und lässt sie bestätigen. Fachbegriffe, Produktnamen und häufige Nachnamen aus deinem Betrieb stehen im hinterlegten Wissen, damit das System sie einordnen kann. Und für heikle Angaben wie E-Mail-Adressen gibt es einen zweiten Weg, etwa die Klärung beim Rückruf.
Ein Beispiel
In einer Tierarztpraxis meldet sich eine Halterin: „Hier ist Frau Szymański, es geht um Balu, er frisst seit gestern nicht.“ Die Erkennung macht aus dem Nachnamen zunächst „Schimanski“. Weil der Assistent den Namen buchstabieren lässt und die Rückrufnummer Ziffer für Ziffer wiederholt, steht beides richtig in der Notiz. Ohne diese Rückfrage hätte die Praxis die Akte des Hundes nicht gefunden und womöglich eine falsche Nummer gewählt.
Häufiges Missverständnis
Häufig wird eine Trefferquote aus einem Datenblatt mit dem eigenen Ergebnis verwechselt. Solche Werte entstehen mit sauberen Aufnahmen, nicht mit einem Anruf aus dem Auto oder von der Baustelle. Ebenso verbreitet ist die Annahme, ein Transkript sei ein wörtliches Protokoll. Es bleibt eine automatische Abschrift mit Fehlern. Für alles Verbindliche, etwa Termine, Adressen und Beträge, zählt die im Gespräch bestätigte Angabe und nicht der Rohtext.
Bei Call0
Bei Call0 entstehen aus Gesprächen Transkripte und Zusammenfassungen. Die Datenschutzerklärung beschreibt, wie sie verarbeitet werden.
Verwandte Begriffe:
Weiterlesen:
Zum Thema:
Stand: 12. Oktober 2026