Druckfreundliche Version

Sie können das Glossar über das Suchfeld oder das Stichwortalphabet durchsuchen.

@ | A | B | C | D | E | F | G | H | I | J | K | L | M | N | O | P | Q | R | S | T | U | V | W | X | Y | Z | Alle

G

Gesprächsmetriken

Gesprächsmetriken sind zentrale Kennzahlen (KPIs), die zur Bewertung der Gesprächsqualität und -effizienz, insbesondere in Callcentern, verwendet werden. Klassische Metriken für Call-Center umfassen z.B.

  • Wartezeit: Die Zeit, die ein Anrufer in der Warteschlange verbringt.
  • Bearbeitungszeit: Die Zeit, die ein Mitarbeiter benötigt, um einen Anruf zu bearbeiten, einschließlich der Zeit vor, während und nach dem Anruf.
  • Anzahl der Anrufe: Die Gesamtzahl der Anrufe, die in einem bestimmten Zeitraum bearbeitet wurden.
  • Anzahl der bearbeiteten Anrufe: Die Anzahl der Anrufe, die von einem Mitarbeiter bearbeitet wurden.
  • Kundenzufriedenheit: Metriken wie CSAT (Customer Satisfaction) und NPS (Net Promoter Score) geben Aufschluss über die Zufriedenheit der Kunden.
  • First Call Resolution (FCR): Die Rate, bei der Kundenprobleme im ersten Anruf gelöst werden.
  • Average Handle Time (AHT): Die durchschnittliche Zeit, die ein Mitarbeiter benötigt, um einen Anruf zu bearbeiten.
  • Abandonment Rate: Die Rate, bei der Kunden einen Anruf aufgrund einer langen Wartezeit Abbruch.
  • Service Level Agreement (SLA): Die Vereinbarung, wie schnell Anrufe beantwortet werden müssen.

Im Zusammenhang mit KI-Tools kommen solche KPIs aber auch in KI-Protokoll-Assistenten (wie z.B. Fireflies) zum Einsatz. Ziel ist es hier, Besprechungen und Gespräche tiefgehend zu analysieren und wertvolle Erkenntnisse zu gewinnen. Beispiele für solche KPIs sind:

  • Sprecheranalyse: Erfassung von Sprechzeiten, Monologlängen, Frageanzahl und das Rede-zu-Hör-Verhältnis zur Bewertung der Beteiligung.
  • Themenanalyse: Erkennung von relevanten Themen, Keywords, Stimmungen (Sentimentanalyse) und Füllwörtern.
  • Leistungs- und Trendanalyse: Vergleicht Gesprächstrends über Zeit, misst individuelle Teamleistungen und identifiziert Best Practices.
  • Zusätzliche Einblicke: Automatische Extraktion von Aktionspunkten, Entscheidungen und Zusammenfassungen sowie durchsuchbare Transkripte.


Quellenangabe:

1. Klassische Google-Recherche: KI-Zuammenfassung inkl. konkreter URLs

2. Chatbotabfrage Gemini

Grounding

Grounding bedeutet, dass ein Computer oder Roboter versteht, welches Wort zu welchem Ding in der Welt gehört.

Wörtliche deutsche Übersetzung = Verankerung

Wenn man z. B. sagt:
🗣️ „Zeig mir die Katze“,
dann schaut der Computer auf ein Bild und findet die richtige Katze. Er weiß:
➡️ Das Wort „Katze“ gehört zu diesem Tier auf dem Bild.

Das wird „Grounding“ genannt – also ein Wort mit etwas verbinden, das man sehen, hören oder anfassen kann.

🧠 Warum ist Grounding für KI wichtig?

Weil eine KI nur dann wirklich helfen kann, wenn sie weiß, was wir meinen.

🔍 Wenn wir über Dinge sprechen – wie „Ball“, „Tasse“ oder „Haus“ – muss die KI wissen,
➡️ wo diese Dinge sind
➡️ und wie sie aussehen,
damit sie uns richtig antworten oder helfen kann.

Ohne Grounding würde die KI die Wörter zwar „hören“ oder „lesen“,
aber nicht wissen, worüber wir wirklich reden.

 Beispiel:

Wenn du einem Roboter sagst:
🗣️ „Bring mir bitte die grüne Tasse“,
dann muss er zuerst verstehen:

  • Was ist eine Tasse?

  • Welche ist grün?

  • Wo steht sie?

👉 Wenn er das alles herausfindet und die richtige Tasse bringt, dann hat er gutes Grounding gemacht.

Kurz gesagt:
Grounding hilft der KI, die Welt besser zu verstehen, damit sie richtig auf Sprache reagieren kann.