Conversational KI-Design: So gestalten Sie menschlichere Nutzererlebnisse

Conversational KI-Design bedeutete früher, einen Entscheidungsbaum zu bauen. Frühe Chatbots und IVR-Menüs arbeiteten mit starren, vordefinierten Abläufen: Drücken Sie 1 für Rechnungen, sagen Sie „ja“ oder „nein“ – und hoffen Sie, dass die Kundenfrage zu einem der vorgesehenen Pfade passt. Dieses Modell funktionierte nur, solange das Gespräch innerhalb des vorgegebenen Rahmens blieb.

KI-Agenten haben diese Einschränkung aufgehoben. Sie können heute in Echtzeit über Gespräche nachdenken, auf Wissensdatenbanken zugreifen, Tools aufrufen und sich merken, was bereits gesagt wurde – sie sind nicht mehr an ein festes Skript gebunden.

Trotzdem bleibt Conversational KI-Design unverzichtbar – die Anforderungen sind sogar gestiegen. Ohne starres Skript müssen Persona, Abläufe und Entscheidungsstellen so klar definiert sein, dass sie auch in offenen, dynamischen Gesprächen bestehen.

Dieser Leitfaden zeigt, was Conversational KI-Design für Chat- und Voice-Agenten bedeutet, warum es für Ihre wichtigsten Kennzahlen entscheidend ist und worauf Sie optimieren müssen, damit das Gespräch natürlicher wirkt. Wenn Sie es richtig machen, können Sie KI-Agenten einsetzen, die Kundinnen und Kunden erreichen und schneller sowie besser unterstützen.

Zusammenfassung

• Conversational KI-Design beschreibt, wie die Kommunikation eines KI-Agenten strukturiert und optimiert wird, damit sich ein Gespräch natürlich anfühlt.
• Voice-KI verzeiht weniger als Text, da Stimm-, Latenz- und Timing-Probleme, die im Chat kaum auffallen, ein Sprachgespräch schnell unnatürlich wirken lassen.
• ElevenAgents ermöglicht menschlich wirkende KI-Voice- und Chat-Agenten durch Funktionen, mit denen Sie Stimme, Persona und Gesprächsfluss steuern und die Latenz auf allen Kanälen optimieren.

Was ist Conversational KI-Design?

Conversational KI-Design ist die UX-Praxis, das Verhalten eines KI-Agenten zu konfigurieren. Dazu gehören Persona, Leitplanken, Abläufe und Wissensdatenbanken – alles greift ineinander, damit das Gespräch so ausgereift wirkt wie jeder andere Teil des Produkterlebnisses.

Diese Konfiguration sieht nicht überall gleich aus. Agenten können über verschiedene Kanäle laufen – Chat, Voice oder SMS – und dabei auf einer einzigen Konfiguration basieren. Jeder Kanal bringt eigene Anforderungen mit, am strengsten sind sie bei Voice. Hier muss der Agent eine Stimme wählen und liefern, das Tempo und den Gesprächswechsel in Echtzeit steuern und rechtzeitig antworten, bevor eine Pause wie ein Verbindungsabbruch wirkt. Im Chat sind diese Aspekte weniger kritisch, da eine kurze Verzögerung selten die Interaktion stört.

Das sollten Sie beim Einsatz von Conversational KI-Design für Chat-Agenten beachten – und was Voice zusätzlich erfordert.

Kundinnen und Kunden bewerten diese Faktoren nicht bewusst. Sie merken nur, wenn etwas nicht stimmt – und dieses Gefühl reicht, um das Vertrauen in den Agenten zu untergraben und die Ziele zu gefährden, für die Sie ihn einsetzen.

Warum Conversational KI-Design für ein gutes Nutzererlebnis entscheidend ist

Jeder der genannten Faktoren – vom Gesprächswechsel bis zu Latenz und Persona – beeinflusst, wie Ihre Marke in einem entscheidenden Moment wahrgenommen wird. Diese Wahrnehmung schlägt sich direkt in den Kennzahlen nieder, an denen Teams gemessen werden.

• Höhere Zufriedenheit und Lösungsquoten: Kundinnen und Kunden bewerten eine Interaktion besser, wenn der Agent zügig antwortet und nicht unpassend unterbricht.
• Weniger Abbrüche: Gespräche werden nicht nur wegen langer Wartezeiten abgebrochen. Auch eine unpassende Reaktion – etwa eine seltsame Pause am Telefon oder eine steife Antwort im Chat – kann dazu führen, dass das Gespräch beendet wird.
• Schnellere Problemlösung: Klar definierte Gesprächsabläufe und Workflows führen zu weniger Sackgassen, Wiederholungen und „Ich verbinde Sie weiter“-Momenten.
• Weniger Eskalationen an menschliche Agenten: Wenn der Agent den Gesprächsfluss natürlich steuert und einem klaren Workflow folgt, werden mehr Anliegen beim ersten Versuch gelöst, statt dass Kundinnen und Kunden nach einer Person verlangen.

Ein Beispiel: eDreams ODIGEO, eine der weltweit größten Online-Reiseplattformen. Dort wurden KI-Agenten mit ElevenAgents in fünf Kernsprachen eingesetzt. Das Ergebnis: zweistellige Verbesserungen bei der Lösungsdauer und den Weiterleitungsraten – unter anderem dank schneller Sprachsynthese und präziserer Absichtserkennung zu Beginn jedes Gesprächs. Solche Ergebnisse hängen von vielen Faktoren ab, aber sie zeigen, was gutes Conversational KI-Design möglich macht.

So funktioniert Conversational KI-Design in ElevenAgents

In ElevenAgents können Sie Persona, Stimme, Gesprächswechsel, Übergaben und Latenz optimieren – also genau die Faktoren, die darüber entscheiden, ob ein Agent menschlich wirkt. So konfigurieren und optimieren Sie jeden Bereich, damit Ihr Agent echte Gespräche führen kann.

Persona- und Stimmauswahl

Die Persona prägt den ersten Eindruck. Passt sie nicht, leidet das Vertrauen, noch bevor das Gespräch beginnt. Ist die Persona zu steif für eine freundliche Handelsmarke, zweifeln Kundinnen und Kunden am Agenten, bevor er überhaupt helfen kann. Definieren Sie die Persona im System-Prompt, wo Sie Rolle, Persönlichkeit und Leitplanken des Agenten festlegen.

Bei Voice-Agenten muss die Persona auch in der Stimme erkennbar sein. Eine zu lockere Stimme bei einem Finanzanliegen sendet das gleiche Signal wie eine unpassende Persona im Text – die Stimmauswahl ist also Teil derselben Aufgabe. So gehen Sie vor:

• Stimmauswahl: Wählen Sie eine Stimme, die zu Marke, Zielgruppe und Thema passt. Akzent, Geschlecht und Tonfall helfen, Vertrauen aufzubauen und die Gesprächsatmosphäre zu setzen.
• Mehrsprachigkeit: Wählen Sie für jede unterstützte Sprache eine eigene Stimme, statt eine Stimme für alle Märkte zu nutzen. Eine einzige Stimme über mehrere Sprachen klingt in mindestens einer davon fremd und untergräbt das Vertrauen.

Mit ElevenAgents haben Sie Zugriff auf über 11.000 Stimmen in der Stimmbibliothek, durchsuchbar nach Akzent, Charakter und Anwendungsfall. So starten Sie selten bei null. Falls keine Stimme passt, haben Sie zwei weitere Optionen: Klonen Sie eine bestehende Stimme aus einer kurzen Audioaufnahme oder entwerfen Sie eine eigene mit einem Text-Prompt zu Alter, Akzent, Tonfall und Sprechtempo.

Einstellungen zum Gesprächsfluss

Bei Voice läuft das Gespräch unter strengeren Zeitvorgaben. Im Chat ist eine Pause nur Leerraum, am Telefon wirkt eine Unterbrechung sofort wie Funkstille oder ein Abbruch. Das richtige Tempo ist der wichtigste Hebel, damit ein Voice-Agent als natürlicher Gesprächspartner wahrgenommen wird – und das beginnt beim Modell für den Gesprächswechsel.

Das Turn-Taking-Modell von ElevenLabs basiert auf Forschung und erkennt, wann eine Person wirklich fertig ist – und nicht nur kurz pausiert. So entscheidet der Agent, wann er antworten soll, statt nach einer festen Verzögerung zu raten.

Darüber hinaus können Sie folgende Einstellungen anpassen, um den Gesprächsfluss zu optimieren:

• Turn-Timeout: Wie lange der Agent in der Stille wartet, bevor er antwortet – damit er nicht zu früh unterbricht oder zu lange schweigt.
• Soft-Timeout: Eine kurze Überbrückungsphrase, die der Agent bei einer Verarbeitungspause nutzt, z. B. „Einen Moment“ oder „Ich schaue nach“, damit Kundinnen und Kunden nicht denken, das Gespräch sei abgebrochen. Vermeiden Sie Zusagen zu festen Zeiten (wie „eine Sekunde“), da die tatsächliche Antwortzeit variieren kann.
• Unterbrechungen: Ob der Agent aufhört zu sprechen, wenn die Kundin oder der Kunde dazwischenredet. Aktivieren Sie dies für einen natürlichen Dialog. Deaktivieren Sie es, wenn die vollständige Auslieferung wichtig ist – etwa bei rechtlichen Hinweisen oder Sicherheitsanweisungen.
• Turn-Eagerness: Wie schnell der Agent nach dem Gesprächsende der Kundin oder des Kunden antwortet. „Eager“ eignet sich für den Kundenservice, wo schnelle Antworten zählen. „Patient“ ist besser, wenn Informationen abgefragt werden, z. B. Telefonnummer oder E-Mail, damit der Agent nicht ins Wort fällt. „Normal“ ist ein guter Standard für allgemeine Gespräche.

Schon kleine Anpassungen machen einen großen Unterschied. Eine leicht veränderte Timeout-Einstellung kann den Agenten aufmerksam wirken lassen – oder so, als würde er ständig unterbrechen.

Workflow-, Übergabe-Design und Skripting

Workflows sind der Bereich, in dem Conversational KI-Design in ElevenAgents praktisch umgesetzt wird. Sie legen fest, was wann passiert: Entscheidungspunkte, Eskalationspfade, Übergaben – alles, was der Agent sonst improvisieren müsste.

Workflows arbeiten mit zwei weiteren Systemen zusammen, um Ihren Agenten zu verfeinern. Der System-Prompt definiert das Grundverhalten des Agenten – Rolle, Tonfall und was er sagen darf oder nicht, z. B. bei Begrüßungen oder Übergaben.Prozeduren sind eine vordefinierte Option für einzelne, klar umrissene Aufgaben, etwa die Identitätsprüfung oder eine Rückgabe. Sie laufen Schritt für Schritt ab, unabhängig davon, was die Kundin oder der Kunde sagt.

Am einfachsten starten Sie mit vorgefertigten Agenten-Vorlagen, die Workflows und System-Prompts als Ausgangspunkt enthalten. So passen Sie nur noch an, statt von Grund auf zu bauen. Hier einige Anpassungen, mit denen Sie starten können:

• Entscheidungs-Mapping: Legen Sie genau fest, was der Agent an jedem Entscheidungspunkt tut – so ist das gesamte Gespräch von Anfang bis Lösung definiert. Subagenten-Knoten ermöglichen es, System-Prompt, Modell oder sogar Stimme an bestimmten Stellen im Ablauf anzupassen – etwa für eine sensible Verifizierung mit strengeren Leitplanken als beim Smalltalk zu Beginn.
• Eskalations-Trigger: Definieren Sie klare Übergabekriterien an Menschen – fest im Workflow, nicht spontan durch den Agenten. Zum Beispiel: Eskalation nach zwei erfolglosen Versuchen, auf Wunsch der Kundin/des Kunden oder bei sensiblen bzw. hochpreisigen Vorgängen.
• Übergabekontext: Legen Sie im System-Prompt fest, welche Informationen der Agent vor der Übergabe sammeln soll, z. B. Bestellnummer oder Kontonummer, und unter welchen Bedingungen die Übergabe erfolgt. Diese Details werden dann an die Konfiguration des Transfer-Tools übergeben, sodass sie automatisch weitergegeben werden und sich die Kundin oder der Kunde nicht wiederholen muss.
• Vorgegebene Formulierungen: Legen Sie im System-Prompt exakte Formulierungen für kritische Momente fest. Begrüßungen, Fehlermeldungen, rechtliche Hinweise und Eskalationen sollten nie improvisiert werden. Eine klare Aussage wie „Ich kann diese Information gerade nicht abrufen“ ist verlässlicher, als den Agenten spontan formulieren zu lassen.

Der Workflow selbst wird in ElevenAgents als visuelle Grafik gebaut – mit jedem Entscheidungspunkt und Eskalations-Trigger als Knoten, die Sie direkt sehen und bearbeiten.

Nach dem Start legen Analysen echte Gesprächsdaten über diese Grafik, sodass Sie genau sehen, wo Kundinnen und Kunden hängen bleiben oder abbrechen – und gezielt nachbessern können.

Latenz und Performance

Latenz ist einer der wichtigsten Faktoren dafür, ob eine Interaktion menschlich wirkt. Eine langsame Antwort erinnert Kundinnen und Kunden sofort daran, dass sie mit einer Maschine sprechen – selbst wenn sonst alles stimmt.

Jeder Teil der Pipeline bringt eigene Latenz mit – egal ob der Agent im Chat oder per Voice läuft. Manche Faktoren gelten für beide, andere nur für Voice.

• LLM: Jede Modellwahl ist ein Kompromiss zwischen Kosten, Qualität der Schlussfolgerungen und Geschwindigkeit. Die richtige Balance hängt vom Gespräch ab. Einfache, häufige Interaktionen wie FAQs oder Terminbestätigungen können mit einem schnelleren, leichteren Modell laufen. Für komplexere Aufgaben wie Finanzberatung oder mehrstufige Problemlösung lohnt sich meist ein stärkeres Modell, auch wenn es etwas langsamer ist.
• Wissensdatenbank und RAG: Jede Abfrage in der Wissensdatenbank verursacht eine zusätzliche Runde, bevor der Agent antworten kann. Eine schlanke, fokussierte Wissensbasis liefert schneller Ergebnisse als eine breit gefächerte.
• Integrationen und Tool-Aufrufe: Jeder externe Tool-Aufruf – etwa eine Bestellung in Salesforce nachschlagen oder Verfügbarkeit im Kalender prüfen – bringt eigene Latenz mit. Schreiben Sie klare Tool-Beschreibungen, damit der Agent nicht zögert, und rufen Sie nur Tools auf, die wirklich gebraucht werden.
• Geografie und Datenhosting: Wählen Sie die ElevenAgents-Region passend zum Datenstandort und – bei Telefonie – zum Anbieter (Twilio, SIP o. Ä.). Liegen Agent und Telefonie-Gateway auf verschiedenen Kontinenten, entsteht Latenz, noch bevor das Gespräch beginnt.
• Speech-to-Text (nur Voice): Scribe transkribiert, was die Kundin oder der Kunde sagt, bevor der Agent reagieren kann. Nutzen Sie für Live-Gespräche die Echtzeit-Version (Scribe v2 Realtime), nicht die Batch-Version, die auf Genauigkeit statt Geschwindigkeit ausgelegt ist.
• Turn-Taking (nur Voice): Bestimmt, wann der Agent überhaupt antwortet – siehe oben. Auch das ist ein Latenzfaktor: Ein Modell, das zögert, das Gesprächsende zu erkennen, verzögert den gesamten Ablauf.
• Text to Speech und Stimmauswahl (nur Voice): Standard- und synthetische Stimmen sowie Instant Voice Clones reagieren schneller als Professional Voice Clones. Nutzen Sie Professional Voice Clones nur, wenn die höhere Qualität den Latenz-Nachteil rechtfertigt.

Mehr zu Latenz finden Sie unter Best Practices zur Latenzoptimierung und dazu, wie Latenz gemessen und berichtet wird – über die gesamte Pipeline hinweg.

Erstellen Sie Ihren ersten Agenten mit ElevenAgents

Die hier beschriebenen Hebel zeigen, was Conversational KI-Design für einen KI-Agenten praktisch bedeutet. Alles ist in ElevenAgents integriert und ohne Code konfigurierbar – so bauen Sie einen Agenten, der echte Gespräche führt, statt nur Fragen korrekt zu beantworten.

Für Teams, die dabei Unterstützung wünschen, arbeiten die ElevenLabs Forward Deployed Engineers direkt mit Ihrem Team zusammen: von der Planung über den Bau bis zum produktionsreifen Agenten – und begleiten Sie auch nach dem Start bei der Feinabstimmung.

Ob Sie selbst bauen oder Unterstützung holen – am schnellsten sehen Sie den Unterschied, wenn Sie es ausprobieren. Starten Sie heute, indem Sie einen Agenten erstellen oder unser Vertriebsteam kontaktieren.

FAQ zu Conversational KI-Design