Zum Inhalt springen
Alle Projekte
KIWeb2025 · ~1 Min. Lesezeit

KI antwortet während eines laufenden Anrufs

Der Operator hört eine Frage und sieht sofort die Antwort: Die Sprache des geteilten Tabs wird live transkribiert, und eine KI antwortet aus der Wissensdatenbank des Unternehmens.

# Das Problem

Ein Operator im Gespräch musste auf alles antworten, was ein Kunde fragte. Manche Antworten wusste er schlicht nicht, andere fielen ihm im Moment nicht ein, und während des Gesprächs in der Dokumentation zu suchen ist keine Option: Eine Pause im Dialog kostet mehr als eine ungenaue Antwort.

# Die Lösung

Ich habe eine Oberfläche gebaut, die den Systemton eines gewählten Tabs abgreift. Das Mikrofon wird bewusst ignoriert — transkribiert wird die Gegenseite, nicht der Operator. Sprache wird im Flug erkannt und zu einem Dialogstrom gesammelt. Neben jeder Zeile steht ein Abfrage-Knopf: Er schickt die Frage an eine KI, die über RAG an die Wissensdatenbank des Unternehmens angebunden ist, und die Antwort erscheint in der Nachbarspalte, ohne das Gespräch zu unterbrechen. Alles funktioniert sprachübergreifend. Die Aufnahme zeigt ein Video statt eines echten Anrufs, damit die Demo gezeigt werden kann, ohne weder Kunden noch den Inhalt ihrer Gespräche offenzulegen.

# Das Ergebnis

In einer Woche geliefert: die Oberfläche, Audioerfassung, der Transkriptionsstrom und die KI-Abfragen. Ich habe keine Nutzungsmetriken — ich hatte keinen Zugang zu den Kundendaten, und das KI-Backend wurde von einer anderen Seite gebaut. Ein gleichwertiges Backend habe ich in einem anderen Projekt aufgesetzt: Rauschbereinigung über Silero, Erkennung über Whisper und Modellaufruf, alles auf FastAPI. Ich kann also ein solches System durchgängig bauen, nicht nur seine Oberfläche.

# Wie es aufgebaut ist

  1. Browser-TabDer Operator wählt den Tab, in dem das Gespräch läuft.
  2. AudioerfassungDer Systemton dieses Tabs wird abgegriffen. Das Mikrofon wird bewusst ignoriert — das Transkript trägt die Gegenseite, nicht den Operator.
  3. TranskriptionSprache wird zu Text, während gesprochen wird, in einer von mehreren Sprachen.
  4. GesprächsstromZeilen stapeln sich in einem Strom, jede mit einem Abfrage-Knopf daneben.
  5. KI und WissensdatenbankAntwortet aus der Wissensdatenbank des Unternehmens über RAG. Die Serverseite war die Arbeit einer anderen Partei — ich baute Oberfläche und Abfragelogik.

Gestrichelt: nicht meine Arbeit — Plattformen und Systeme des Kunden

Nächstes Projekt

Ein WhatsApp-Assistent, der den Kunden selbst bucht

Brauchen Sie etwas Ähnliches?

Aufgabe besprechen