Telekom

/ Voice und Dialog

Sprachassistenten, die im Betrieb besser werden. Seit vielen Jahren arbeiten wir mit den Teams der Deutschen Telekom an ihren digitalen Assistenten. Wir entwerfen Dialoge, testen sie mit echten Menschen und machen Sprachausgabe und Sprachverstehen besser. Inzwischen läuft im Sprachkanal sogar ein Sprachmodell, das wir selbst gebaut haben.

TelekommunikationVoiceTTS
Frau mit Smartphone in einer Bahnhofshalle, umgeben von einem pinken Lichtring, daneben das Telekom-Logo

/ Projektbeschreibung

Ausgangslage

Viele Kanäle, ein Anspruch an jedes Gespräch.

Die Telekom beantwortet Kundenanliegen am Telefon, im Chat und über Smart Speaker mit digitalen Assistenten wie Frag Magenta. Jeder Kanal hat eigene Regeln: Am Telefon gibt es keinen Bildschirm, im Chat keine Stimme, auf dem Smart Speaker keine Geduld für lange Menüs. Neue Anliegen kommen laufend dazu, und jedes muss verstanden werden, gut klingen und sich richtig anfühlen.

User Research und Voice UI Design

  • Sprachdialoge und Intentstrukturen konzipieren und spezifizieren
  • Expert Reviews, Funktionstests vor jedem Release
  • Usability-Tests in mehreren Runden und quantitative UX-Tests mit Dutzenden Teilnehmenden

Ergebnis. Eine feste Research- und Testfunktion, die Dialoge vor dem Release mit Menschen prüft und Verbesserungen priorisiert.

Neue Kanäle

  • Anforderungen und Conversation Design für Chat und Smart Speaker
  • Usability-Tests, unter anderem zum ersten Kennenlernen von Gerät und Assistent

Ergebnis. Dialoge, die zum jeweiligen Kanal passen, statt eines Chat-Dialogs, der einfach vorgelesen wird.

Conversation Design, NLU und Sprachausgabe

  • Conversational AI Design von der Anforderung bis zur Umsetzung
  • Trainingsdaten und Intents für das Sprachverstehen, inzwischen auch LLM-basierte Anwendungsfälle
  • Tuning der Sprachausgabe, damit Zahlen, Namen und Adressen natürlich klingen

Ergebnis. Ein eingespieltes Team, das Design, Umsetzung und Qualitätssicherung im laufenden Betrieb verbindet.

Ein eigenes NLU-Modell

  • Alternativen zum bisherigen Klassifikator evaluiert
  • Eigenes Modell trainiert, Inferenz-Server gebaut, unter Last getestet

Ergebnis. YANIC, kurz für „Yet Another Intent Classifier“, erkennt im Sprachkanal die Anliegen der Anrufenden und läuft im Produktivbetrieb.

Was wir mitnehmen

Gute Sprachassistenten entstehen im Betrieb.

Ein Sprachassistent ist nie fertig. Jedes neue Anliegen bringt neue Formulierungen, neue Fehlerkennungen und neue Stellen, an denen die Stimme holpert. Was hilft, ist eine feste Schleife aus Entwurf, Test mit echten Menschen und Nachschärfen, und ein Team, das die Geschichte des Systems kennt. Wie diese Schleife aussieht und wie man sie im eigenen Haus aufsetzt, erzählen wir gern im direkten Gespräch.

8+

Jahre Zusammenarbeit mit der Telekom

3

Kanäle: Telefon, Chat und Smart Speaker

1

eigenes NLU-Modell im Produktivbetrieb

Euer Sprachassistent soll besser verstehen und besser klingen?

Lasst uns darüber sprechen.

Erstgespräch vereinbaren