Jedes Gespräch wird gelesen, nicht nur eine Stichprobe
CALLAII ist die Sprachanalyse-Engine, die Callmenta im eigenen Haus entwickelt. Sie transkribiert das Gespräch mit einer für Türkisch trainierten Spracherkennung, liest den Stimmungsverlauf aus dem Transkript, erzeugt eine Qualitätsbewertung über 12 Dimensionen, schreibt Coaching für das Team und meldet riskante Gespräche an die Führung. Keine Stichprobe: jedes aufgezeichnete Gespräch wird verarbeitet.
Was aus einem Gespräch herauskommt
Alle folgenden Felder entstehen in einem einzigen Analysedurchlauf und liegen im Dashboard in der Gesprächsansicht.
Türkische Spracherkennung und Sprechertrennung
Die Aufzeichnung wird transkribiert, die Sprechenden werden in Segmente mit Zeitstempel getrennt. Die Engine ist auf Türkisch trainiert, mit echten Gesprächen inklusive regionaler Dialekte, schnellem Sprechen und Hintergrundgeräuschen.
Der Stimmungsverlauf, von Anfang bis Ende
Wie der Kunde ins Gespräch kam und wie er es verließ, wird getrennt gelesen: ruhig, neutral, besorgt, enttäuscht, wütend, froh, zufrieden. Richtung und Intensität werden ebenfalls festgehalten. Jede Lesung kommt mit einer kurzen Begründung aus dem Transkript; sie sagt nicht einfach "negativ" und hört auf.
Kritische Momente, mit Zitat
Bis zu fünf Momente, die den Verlauf gedreht haben, jeweils mit dem eigenen Satz des Kunden, der Stimmung an dieser Stelle und dem Auslöser. Man sieht, was gekippt ist, ohne die Aufnahme zu hören.
Hat die Deeskalation funktioniert
Ob ein angespannt begonnenes Gespräch tatsächlich weicher wurde, steht als eigenes Feld. Ob das Team wirklich beruhigt hat, wird messbar.
Qualitätsbewertung über 12 Dimensionen
Begrüßung, aktives Zuhören, Anliegen isolieren, Problem verstehen, Begründung erklären, Ergebnis einordnen, Sicherheit geben, Einverständnis holen, positive Sprache, gefasste und professionelle Haltung, Erwartung übertreffen und Gesamterlebnis. Jede Dimension 0-100, mit gewichteter Gesamtnote.
Warum die Note so ausfällt
Die stärksten Dimensionen, die mit dem größten Punktverlust und der auf das Transkript gestützte Grund dafür. Was für die volle Punktzahl gesagt werden müsste, steht als Beispielsatz da, und es bleibt auch bei einem guten Gespräch nicht leer.
Operatives Risiko
Abwanderungsrisiko, Eskalationsbedarf, Risikokategorie und Priorität. Ein riskantes Gespräch landet von selbst bei der Führung, statt auf einen Report zu warten.
Coaching-Notiz
Eine Stärke, ein kritisches Entwicklungsfeld und eine Aktion. Das Entwicklungsfeld kommt mit dem eigenen Satz der Person, dem Problem darin und einer Alternative dazu.
Messung des Sprechverhaltens
Neben dem Text wird messbares Verhalten aus dem Ton selbst abgeleitet. Diese Messung wird nie einem Sprachmodell überlassen; sie wird direkt auf der Aufnahme berechnet, die Fehlerspanne kommt also aus dem Signal und nicht aus einer Deutung.
Die Schwellen sind nicht erfunden; sie stammen aus der Verteilung echter Gespräche und werden mit wachsender Datenbasis neu gemessen. Lässt sich eine Stimme nicht sicher einer Person zuordnen, wird die Notiz ohne Namen geschrieben. Der falschen Person "Sie haben unterbrochen" zu sagen, ist schlimmer als zu schweigen.
- Unterbrechungen: Einsätze, die auf die noch sprechende Gegenseite treffen
- Sprechbalance: Anteil der Sprechzeit beider Seiten
- Totzeit: Zeit im Gespräch, in der niemand spricht
- Gleichzeitiges Sprechen: Gesamtzeit, in der beide Seiten zugleich sprechen
Wir leiten keine Emotionen aus der Stimme ab
Das ist keine Lücke, sondern eine bewusste technische und regulatorische Entscheidung. Wir schreiben den Grund offen hin, weil in diesem Markt häufig das Gegenteil versprochen wird.
Emotionserkennung bei Beschäftigten ist verboten
Die KI-Verordnung der EU verbietet Systeme, die am Arbeitsplatz aus biometrischen Daten von Beschäftigten Emotionen ableiten. Ein Produkt, das aus dem Tonfall eines Teammitglieds einen Wut- oder Stresswert erzeugt, ist in Europa nicht verkäuflich. Diese Tür haben wir nie geöffnet.
Ableitung aus der Kundenstimme ist Hochrisiko
Emotionen aus der Stimme des Kunden abzuleiten steht im Hochrisiko-Anhang derselben Verordnung. In dieser Klasse zu landen bedeutet Konformitätsbewertung, Dokumentation und Prüfpflichten. Wir haben uns entschieden, das Produkt nicht dorthin zu bringen.
Unsere Stimmungslesung kommt aus dem Text
Der Stimmungsverlauf wird aus dem Transkript gelesen. Text ist kein biometrisches Datum, deshalb fällt diese Lesung nicht unter die Definition der Emotionserkennung. Hinter jedem Stimmungslabel im Dashboard steht ein Satz.
Die akustische Messung speist das Ergebnis nicht
Unterbrechungen, Totzeit und Balance sind kein Eingang in die Stimmungslesung, sie kalibrieren sie nicht und lenken auch nicht die Aufmerksamkeit auf "schau auf diese Minute". Beide Linien bleiben bewusst getrennt, und diese Grenze wird durch eine automatische Prüfung im Code geschützt. Derselben Zahl einen emotionalen Namen zu geben, würde das Produkt in die Hochrisikoklasse bringen.
Was wir dafür bekommen: die Messung ist rohes Verhalten, sie ist schwer zu bestreiten und sie lässt sich in Europa genauso ausrollen wie im Haus des Kunden. Statt "Sie klangen wütend" können wir sagen: "Sie haben in diesem Gespräch sieben Mal unterbrochen, es gibt 42 Sekunden Totzeit." Nachprüfbar und behebbar.
Wie die Strecke aufgebaut wird
- Ihre bestehende Telefonanlage wird über einen SIP-Trunk angebunden; Rufnummern und Anbieter ändern sich nicht.
- Die Anlage leitet über den Aufzeichnungsstandard SIPREC eine Kopie jedes Gesprächs weiter; CALLAII sitzt nie im Gesprächsweg.
- Die Aufnahme wird transkribiert, die Analyse entsteht und das Gespräch landet am Kundendatensatz.
- Qualitätsnote, Coaching und Risikohinweis erscheinen im Dashboard, ohne auf einen Report zu warten.
- Wenn die Daten das Haus nicht verlassen dürfen, läuft die Analyse mit CALLAII Edge auf Ihren eigenen Servern.
Unterschied zu allgemeinen Stimmungs-APIs
Die Text-Stimmungsdienste der Cloud-Anbieter geben ein Label zurück. Im Contact Center hilft aber die Note, die Begründung, das Coaching und die Aktion.
Zeugnis statt Label
Ein Label "positiv" oder "negativ" entwickelt niemanden. CALLAII liefert die Note über 12 Dimensionen, den Grund des Punktverlusts und den Beispielsatz zusammen.
Für Türkisch gebaut
Die Engine wurde mit türkischen Gesprächen trainiert. Allgemeine mehrsprachige Dienste verlieren Tonfall, Abkürzungen und den Jargon des türkischen Contact-Center-Alltags.
Dashboard und Ablauf inklusive
Die Analyse ist keine einzelne API-Antwort; sie kommt verbunden mit Kundendatensatz, Agent-Scorecard, Führungshinweis und Schichtplan.
Klare Datenhaltung
Daten liegen in der EU-Region, der Prozess ist DSGVO-konform (und für die Türkei KVKK-konform). Wo nichts das Haus verlassen darf, gibt es die Edge-Installation.
Häufige Fragen
Machen Sie Stimmungsanalyse oder nicht?
Ja, aber die Quelle entscheidet. Die Lesung kommt aus dem Transkript des Gesprächs: wie der Kunde begonnen hat, wie er aufgehört hat, Richtung, Intensität und Begründung. Aus Tonfall, Tonhöhe oder anderen biometrischen Merkmalen leiten wir keine Emotion ab. Dieser Unterschied ist rechtlich entscheidend: Text ist kein biometrisches Datum.
Wettbewerber sagen, sie erkennen Wut am Tonfall. Warum Sie nicht?
Weil Emotionserkennung bei Beschäftigten am Arbeitsplatz durch die KI-Verordnung verboten ist und die Ableitung aus der Kundenstimme in der Hochrisikoklasse liegt. Ein Produkt auf dieser Basis macht beim Verkauf nach Europa oder bei der Installation im Haus Probleme. Wir sind auf messbares Verhalten gegangen: Unterbrechungen, Totzeit, Sprechbalance.
Wie viel Prozent der Gespräche werden analysiert?
Alle aufgezeichneten Gespräche. Qualitätssicherung läuft nicht über Stichproben; statt monatlich eine Handvoll Gespräche zu hören und das Team danach zu beurteilen, entsteht für jedes eine Note.
Müssen wir unsere Telefonanlage wechseln?
Nein. CALLAII verbindet sich über einen SIP-Trunk mit Ihrem bestehenden System und hört über den SIPREC-Standard eine Kopie des Gesprächs mit. Rufnummern, Anbieter und Anruffluss bleiben gleich.
Wo werden die Aufnahmen verarbeitet?
In der Cloud-Installation liegen die Daten in der EU-Region. Dürfen die Daten das Haus nicht verlassen, läuft die Analyse mit CALLAII Edge auf Ihrem eigenen Server, bei Bedarf ohne Internetverbindung.
Was passiert, wenn eine Analyse falsch ist?
Noten sind anfechtbar: die Führung sieht die Analyse, liest die Begründung und korrigiert bei Bedarf. Bei Verdacht auf einen Spracherkennungsfehler lässt sich das Transkript im Korrekturbildschirm von Hand anpassen. Die Begründung hinter einem Ergebnis ist immer sichtbar, es ist keine Blackbox.
Mit Ihrem eigenen Gespräch testen
In der Demo lassen wir gemeinsam eine echte Aufnahme aus Ihrer Branche durchlaufen. Sie sehen, was die Analyse herausholt, an Ihren Daten und nicht an einem Beispiel.