Interaktive Echtzeit-KI-Avatare, wo die Zeit zwischen Frage und Antwort hingeht und was sie im Betrieb kostet

Wo die Zeit hingeht, zwischen Ihrem letzten Wort und dem ersten Ton

Sechs Schritte, von denen zwei fast alles bestimmen.

Wer einen Echtzeit-Avatar zum ersten Mal ausprobiert, achtet auf eine einzige Größe. Auf die Stille nach der eigenen Frage. Diese Stille ist keine Wartezeit an einer Stelle, sondern eine Summe. Sechs Schritte laufen darin ab, und sie sind unterschiedlich lang. Wer weiß, welche zwei davon den größten Teil ausmachen, sucht nicht an den falschen Stellen.

Die Reihenfolge ist weniger starr, als sie klingt. Nur der Anfang der Kette liegt zwingend hintereinander, weil jeder dieser Schritte auf das Ergebnis des vorigen wartet. Ein Aufbau, der die Stimme erst startet, wenn der letzte Satz geschrieben ist, verschenkt den Rest.

Daraus folgen zwei Zeiten, und nur eine davon fällt auf. Die Zeit bis zum ersten Ton entscheidet über den Eindruck. Die Zeit bis zum letzten Wort merkt niemand. Anbieter nennen gern die zweite.

Die beiden Schritte, an denen es meistens hängt

Den ersten Anteil trägt das Erkennen des Satzendes. Ein Aufbau muss entscheiden, ob Sie fertig sind oder nur Luft holen. Wartet er zu kurz, fällt er Ihnen ins Wort. Wartet er zu lang, entsteht die Pause, über die Sie sich hinterher beschweren. Diese Wartezeit ist eingestellt und nicht gegeben, sie lässt sich also ändern.

Den zweiten Anteil trägt das Sprachmodell, bis es sein erstes Wort ausgibt. Davor liest es die abgerufenen Stellen, den bisherigen Verlauf und Ihre Vorgaben. Je mehr davor steht, desto länger dauert dieser Anfang. Ein umfangreicherer Abruf verbessert die Auskunft und verlängert die Wartezeit im selben Zug.

Am Tisch sitzen bei dieser Frage zwei Personen mit verschiedenen Sorgen. Der IT-Leiter eines Maschinenbauers mit sechshundert Beschäftigten will den Avatar drei Messetage ohne Standzeit betreiben. Aufgehalten wird er vom Netz der Halle, über das er keine Kontrolle hat, und er wird seinen Erfolg an der längsten Störung dieser drei Tage messen und nicht an einem Mittelwert. Die kaufmännische Leiterin desselben Hauses will vorher eine Zahl in die Planung schreiben. Aufgehalten wird sie davon, dass das Angebot in Gesprächsminuten rechnet und niemand die Zahl der Minuten kennt. Ihr Maßstab ist der Abstand zwischen dieser Planung und der ersten echten Rechnung. Beide Fragen hängen an denselben sechs Schritten, deshalb steht die Kette am Anfang.

Die Schwelle, ab der eine Pause auffällt

Etwa eine Sekunde, und wie Sie den Abstand selbst messen.

Die Antwort auf die Frage nach der erlaubten Wartezeit kommt aus der Gesprächsforschung und nicht aus der Technik. Menschen halten den Abstand zwischen zwei Redebeiträgen kurz und merken es, wenn er wächst. Für die Auslegung ist das der bessere Maßstab als jede Angabe eines Anbieters.

Zusammen ergeben beide Angaben ein Bild. Der Weg durch das Netz darf nur einen kleinen Teil des Zeitbudgets verbrauchen, weil der Rest für Erkennung, Modell und Stimme gebraucht wird. Wer die Übertragung großzügig auslegt, hat für die eigentliche Arbeit fast nichts mehr übrig.

Schwer wird ein Gespräch nicht durch die Rechenzeit, sondern durch die Stille, in der niemand weiß, ob noch etwas kommt.

Vier Zeiten, die Sie ohne Fachwerkzeug messen

Sie brauchen dafür eine Bildschirmaufnahme mit Ton und ein Programm, das Einzelbilder anzeigt. Jedes Notebook kann das. Zwanzig aufgezeichnete Gespräche reichen aus, um einen guten von einem schlechten Aufbau zu unterscheiden.

Kürzere Antwortzeit, und was sie an anderer Stelle kostet

Sechs Stellschrauben, und keine davon ist umsonst.

Wenn die gemessene Zeit zu lang ist, gibt es mehrere Wege nach unten. Jeder davon nimmt an anderer Stelle etwas weg. Das ist der Zielkonflikt dieser Seite. Auflösen lässt er sich nicht, entscheiden schon.

Zwei Zeilen verdienen einen zweiten Blick. Die Wahl des Modells gilt als Technikfrage und ist eine Fachfrage, denn wie verschachtelt die Fragen Ihrer Kunden sind, weiß die Fachabteilung. Und die Wartezeit auf das Satzende wirkt harmlos, weil ein Zahlenwert genügt. Sie entscheidet über den Ton. Ein Avatar, der dazwischenredet, wirkt schlechter als einer, der länger schweigt.

Zwei Verbesserungen, die nichts kosten

Die erste ist die Begrüßung. Der erste Satz eines Gesprächs steht immer fest, er braucht also kein Modell und läuft als fertiges Stück ab. Während er läuft, arbeitet die Kette im Hintergrund bereits an der ersten echten Antwort.

Die zweite ist die Unterbrechbarkeit. Ein Avatar, den Sie mitten im Satz stoppen können, wirkt schneller als einer, der zu Ende spricht. Gemessen ändert sich nichts. Empfunden ändert sich viel, weil niemand mehr auf eine Auskunft wartet, die er schon verstanden hat.

Wenn die Verbindung schwankt

Gespräche brechen an der Schwankung und selten an der Bandbreite.

Die häufigste Vermutung bei einem stockenden Gespräch ist eine zu langsame Leitung. Sie trifft selten zu. Ein gleichmäßig langsamer Anschluss liefert ein weicheres Bild und einen sauberen Ton. Unbrauchbar wird ein Gespräch durch die schwankende Laufzeit der Pakete, weil der Empfänger dann nicht weiß, wie lange er auf das nächste Stück warten soll.

Dagegen hilft ein Puffer, also eine bewusst eingebaute Verzögerung. Er glättet die Schwankung und verlängert die Antwortzeit. Auch das ist ein Tausch gegen dieselbe Sekunde.

Der Messestand, der jedes Jahr überrascht

Auf Messen fallen zwei Dinge zusammen. Hunderte Geräte teilen sich das Funknetz der Halle, und die Gespräche laufen alle zur selben Zeit. Dieses gemeinsame Netz ist die schwächste Stelle, weil Sie es nicht in der Hand haben.

• Eine eigene Mobilfunkverbindung als zweiten Weg vorsehen und vorab am Stand messen, nicht im Büro.
• Ein Kabel legen, wo es möglich ist. Es kostet einen halben Tag und nimmt die größte Unsicherheit heraus.
• Die Begrüßung und die häufigsten Auskünfte auf dem Gerät vorhalten, damit der Anfang auch ohne Netz funktioniert.
• Den Ton über ein gerichtetes Mikrofon führen, weil Hallenlärm das Erkennen des Satzendes stört.
• Einen Betrieb ohne Gespräch vorbereiten, also ein laufendes Video mit Kontaktweg, das ohne Netz auskommt.

Der letzte Punkt wird am häufigsten übergangen und rettet am häufigsten den Tag. Er kostet einen Nachmittag Vorbereitung und hält den Stand am Laufen, wenn die Halle das Netz nicht hergibt.

Vierzig Gespräche zur selben Zeit

Was zur Grenze wird, und wer sie zusagt.

Die Frage nach der Gleichzeitigkeit klingt nach Rechenleistung im eigenen Haus und ist meistens eine Vertragsfrage. Erkennung, Sprache, Stimme und Bild laufen bei Diensten, deren Zusage bestimmt, wie viele Gespräche zur selben Zeit möglich sind.

Die drei Verhaltensweisen an der Grenze sind unterschiedlich schlimm. Eine Abweisung ist ehrlich und lässt sich dem Besucher erklären, eine Warteschlange erträglich, solange die Wartezeit angezeigt wird. Die stille Verlangsamung ist die schlechteste, weil alle Gespräche zäh werden und niemand die Ursache sieht.

Für den IT-Leiter aus dem ersten Abschnitt folgt daraus eine Prüfliste, deren vier Punkte vor der Unterschrift schriftlich beantwortet gehören.

1. Wie viele Gespräche zur selben Zeit sind zugesichert, und für welchen Zeitraum gilt die Zusage.
2. Was geschieht bei Überschreitung, und woran erkennen wir im laufenden Betrieb, dass wir an der Grenze sind.
3. Wo wird verarbeitet, und liegt für jeden beteiligten Dienst ein Vertrag zur Auftragsverarbeitung vor.
4. Mit welcher Frist wird eine Wartung angekündigt, und über welchen Weg erreicht uns eine Störungsmeldung.

Der dritte Punkt wirkt an dieser Stelle fremd und gehört hierher. Ein Echtzeit-Gespräch überträgt laufend Ton, und Ton ist personenbezogen, sobald jemand spricht. Wer die Verarbeitungsorte erst nach dem Aufbau klärt, klärt sie unter Zeitdruck. Welche Unterlagen dabei zusammenkommen, steht in der Anleitung für den KI-Avatar.

Die Rechnung nach Gesprächsminute

Sechs Fragen an den Vertrag, bevor die erste Minute läuft.

Für die kaufmännische Leiterin ist der Unterschied zwischen einem Film und einem Gespräch grundlegend. Ein Film wird einmal bezahlt und beliebig oft gezeigt, ein Gespräch kostet bei jeder Wiederholung erneut. Damit wandert die Kostenfrage von der Produktion in den Betrieb, und die Größe, an der alles hängt, ist die Gesprächsminute.

Was eine Minute ist, steht nirgends fest. Sechs Punkte entscheiden darüber, und sie gehören vor die Unterschrift.

1. Zählt die Sitzungsdauer oder allein die Zeit, in der gesprochen wird.
2. Wird sekundengenau abgerechnet oder jede angefangene Minute voll.
3. Zählen Pausen mit, in denen der Besucher liest oder überlegt.
4. Wie wird ein Abbruch gezählt, und wann gilt eine Sitzung als beendet.
5. Was kostet eine reservierte Kapazität an einem Tag, an dem sie im Leerlauf läuft.
6. Gibt es eine Mindestabnahme, und lässt sich eine Obergrenze je Tag vereinbaren.

Ein zweiter Posten wird regelmäßig übersehen. Die Pflege. Ein Avatar, dessen Auskünfte veralten, wird nicht langsamer, und darin liegt die Schwierigkeit.

Der Rückfallweg, wenn ein Dienst nicht antwortet

Vier Ausfälle, und was der Avatar in jedem davon tun soll.

Ein Livebetrieb hat eine Eigenschaft, die eine Videoproduktion nicht hat. Er kann während der Nutzung ausfallen, und zwar vor Publikum. Ohne festgelegtes Verhalten endet jeder Ausfall gleich, nämlich in einem stehenden Gesicht ohne Erklärung.

Damit ein Rückfall greift, braucht jeder Schritt eine Zeitgrenze. Ohne sie wartet der Aufbau auf eine Antwort, die nicht kommt, und der Besucher wartet mit. Die Grenze gehört an den einzelnen Schritt. Sonst summieren sich zwei langsame Schritte zu einer Wartezeit, die niemand vorgesehen hat.

Was in den Betriebsplan gehört

• Für jeden Schritt eine Zeitgrenze, nach deren Ablauf der Rückfall greift, ohne dass jemand eingreifen muss.
• Ein vorproduzierter Satz für den Ausfall, aufgenommen in derselben Stimme, damit der Bruch nicht zusätzlich auffällt.
• Ein Meldeweg, der einen Menschen erreicht, auch samstags auf einer Messe.
• Ein angekündigtes Wartungsfenster außerhalb Ihrer Veranstaltungen, schriftlich vereinbart.
• Eine Aufzeichnung der Ausfälle mit Zeitpunkt und Dauer, weil ohne sie keine Nachverhandlung möglich ist.

Der zweite Punkt wird belächelt und wirkt am stärksten. Eine Bitte um einen Moment, gesprochen in derselben Stimme, verwandelt einen Ausfall in eine Unterbrechung. Sie kostet zehn Minuten Aufnahme.

Wann sich der Aufwand für Echtzeit nicht lohnt

Fünf Fälle für ein festes Video oder für eine Person.

Echtzeit kostet an mehreren Stellen, und es gibt Fälle, in denen dieser Aufwand nichts einbringt. Der unbequemste Teil einer Beratung ist deren Aufzählung, weil sie einem längst gefassten Beschluss in die Quere kommt.

• Die Auskunft ist verbindlich. Wo eine Aussage rechtliche oder gesundheitliche Folgen hat, trägt eine feste Fassung, die einmal geprüft wurde und danach unverändert läuft.
• Der Fragenkreis ist klein und stabil. Ein Bestand von zwanzig Auskünften, der sich einmal im Jahr ändert, gehört auf eine Seite und in kein Gespräch.
• Das Netz ist unzuverlässig und lässt sich nicht ändern. Ein Gespräch, das jeden dritten Besucher verliert, schadet mehr als ein Film, der immer läuft.
• Die Nutzung ist selten. Eine reservierte Kapazität für zwei Gespräche am Tag ist der teuerste denkbare Weg zu einer Auskunft.
• Der Anlass ist emotional. Wer sich beschwert oder eine schlechte Nachricht bekommt, braucht keine schnelle Antwort, sondern eine Person.

Der erste Fall wird häufig falsch verstanden. Es geht dort um eine feste Fassung, die vor der Veröffentlichung geprüft wird und danach gleich bleibt. Ein Gespräch leistet das nicht.

Häufig ist die richtige Antwort eine Mischung. Der Einstieg läuft als festes Video mit den vier Fragen, die ohnehin jeder stellt, und erst danach wird das Gespräch angeboten. Das senkt die Zahl der Minuten und hebt ihren Ertrag.

Welche Formate zur Auswahl stehen, zeigt der Beitrag zum Avatar-Chatbot. Bei Auftritten in mehreren Sprachen kommt je Fassung eine eigene Abnahme hinzu, beschrieben unter mehrsprachiger KI-Avatar.

Nächste Schritte

Was nach der Messung ansteht.

Sobald Sie für Ihren Aufbau vier Zeiten gemessen haben, ist der technische Teil entschieden. Danach rückt der Bestand dahinter nach vorn. Abruf, Berechtigungen und Pflege der Stände behandelt der Beitrag zum KI-Avatar mit RAG. Erreichbarkeit und Eskalation stehen beim interaktiven KI-Avatar im Kundenservice.

Wer im eigenen Netz betreiben möchte, findet die Fragen zu Zugriff und Beteiligung unter interaktive KI-Avatare im Wissensmanagement. Die Posten für Aufbau und Betrieb listet die Übersicht zu KI-Avatar-Preisen, beim Anbietervergleich hilft der Katalog zur Agenturauswahl.

Ein Bereich fehlt bewusst. Ob ein Avatar die Absicht hinter einer Frage erkennt und belegt, hat mit Zeitverhalten nichts zu tun.

Häufige Fragen zum Livebetrieb