KI-gestützte Qualitätssicherung: skalierbares Agent-Coaching

Sind Sie bereit, bessere Gespräche zu führen?

Einfach einzurichten. Einfach zu benutzen. Leistungsstarke Integrationen.

Jetzt loslegen

Ein Qualitätsmanager in einem Contact Center mit 15 Mitarbeitern hat sich den Freitagvormittag für Gesprächsüberprüfungen freigehalten. Sie hat Zeit, sich sechs Gespräche anzuhören. Ihr Team hat in dieser Woche 300 Gespräche geführt. Sie wird 2 % der tatsächlichen Anrufe überprüfen. Aus den sechs geprüften Telefonaten ergeben sich für die folgende Woche vier Coachinggespräche. Die übrigen 294 Gespräche bleiben unsichtbar, darunter jene, in denen Mitarbeiter mit einer neuen Produktfrage zu kämpfen hatten, einen vorgeschriebenen Compliance-Hinweis ausließen oder einen frustrierten Kunden nicht beruhigen konnten. Nicht, weil die Führungskraft sich bewusst gegen eine Prüfung entschieden hätte, sondern weil dafür schlicht die Zeit fehlt.

Aircall unterstützt Vertriebsmitarbeiter während laufender Gespräche mit KI-basierten Hinweisen in Echtzeit. Mit der automatisierten Anrufauswertung wird diese Unterstützung auf die Qualitätssicherung ausgeweitet und erfasst 100 % der Interaktionen. Der QA-Prozess selbst bleibt dabei unverändert. Dasselbe gilt für die Scorecard und das Coachinggespräch. Neu ist die Datengrundlage: Die Führungskraft kann nun auf Bewertungen für alle 300 Gespräche zugreifen, statt nur sechs davon zu prüfen.

Die wichtigsten Erkenntnisse

• Manuelle QA erfasst weniger als 5 % der Gespräche: KI-gestützte QA bewertet jedes Gespräch automatisch anhand einer festgelegten Scorecard

• 41 % der Contact Center monitoren weniger als 4 Gespräche pro Mitarbeiter und Monat: überwindet die Grenzen manueller Stichproben

• Die Genauigkeit der KI-gestützte QA hängt vollständig von der Scorecard-Konfiguration ab, dies sollte vor dem Rollout an das gesamte Team gegen manuelle Bewertungen validiert werden

• KI-gestützte QA wertet alle Gespräche aus, die Führungskraft übernimmt das Coaching: Beides ergänzt sich, keines ersetzt das andere.

Was ist KI-gestützte Qualitätssicherung und wie unterscheidet sie sich von manueller QA?

Bei der KI-gestützten Qualitätssicherung für Callcenter wird jedes Gespräch automatisch anhand einer festgelegten QA-Scorecard bewertet, ohne dass ein menschlicher Prüfer jede Aufnahme anhören muss. Der Unterschied zur manuellen QA liegt in der Anzahl der ausgewerteten Gespräche. Bei der manuellen QA werden aufgrund der begrenzten Prüfzeit nur Stichproben ausgewertet. Die KI-gestützte QA kann dagegen jedes Gespräch bewerten, da der Vorgang automatisiert ist. Der eigentliche Prozess mit Scorecard, Bewertung und Coachinggespräch bleibt unverändert. Es ändert sich lediglich die Anzahl der Gespräche, auf die er angewendet wird.

KI-gestützte Qualitätssicherung, kurz KI-gestützte QA, bezeichnet die automatisierte Anwendung einer festgelegten QA-Scorecard auf jedes Gespräch in einem Contact Center. Die KI wertet jede Frage der Scorecard anhand des Gesprächstranskripts aus und vergibt eine Bewertung, ohne dass ein menschlicher Prüfer erforderlich ist. Damit ersetzt sie die manuellen Stichproben, durch die die meisten Teams weniger als fünf Prozent ihrer Gespräche auswerten können.

Von Plivo im Jahr 2025 zusammengestellte Contact-Center-Benchmarks, die auf Branchenstudien von Call Centre Helper basieren, zeigen, dass standardmäßig vier Gespräche pro Mitarbeiter und Monat für die QA bewertet werden. Ein erheblicher Teil der Contact Center bleibt sogar unter diesem Wert. Ein Team mit 15 Mitarbeitern, das täglich 300 Gespräche führt, würde bei dieser Prüfquote monatlich etwa 60 von insgesamt 6.000 Gesprächen auswerten. Das entspricht lediglich einem Prozent aller Gespräche. KI-gestützte QA bewertet dagegen alle 6.000.

Die Experten von Call Centre Helper empfehlen für die manuelle QA eine Stichprobe von fünf bis sechs Gesprächen pro Agent. Pauschale Zielvorgaben für das Prüfvolumen binden dagegen unnötig Ressourcen, wenn dahinter keine klare Strategie steht. Der eigentliche Vorteil KI-gestützter QA besteht deshalb nicht einfach darin, mehr Gespräche zu prüfen. Vielmehr wird jedes Gespräch nach denselben Kriterien bewertet, während sich menschliche Prüfer gezielt den Gesprächen widmen können, die laut KI für das Coaching am relevantesten sind.

Die QA-Prüfquote zeigt, welcher Anteil aller Gespräche innerhalb eines bestimmten Zeitraums anhand einer QA-Scorecard geprüft und bewertet wird. Bei 6.000 Gesprächen pro Monat und 60 manuellen Prüfungen liegt sie bei gerade einmal 1 %. Mit KI lässt sich die Quote auf 100 % steigern, ohne dass dafür zusätzliche Kapazitäten im Analystenteam erforderlich sind. Damit entsteht eine völlig neue Grundlage für Transparenz über die Performance der Agents und die gezielte Priorisierung von Coaching-Maßnahmen.

Wie funktioniert die Anrufauswertung mit KI?

Die Anrufauswertung mit KI umfasst vier Schritte. Zunächst wird die Audioaufnahme des Gesprächs transkribiert. Anschließend beantwortet die KI anhand des Transkripts die einzelnen Fragen der QA-Scorecard. Bei binären Fragen prüft sie, ob eine vorgeschriebene Formulierung verwendet oder eine bestimmte Handlung ausgeführt wurde. Bei Fragen mit Bewertungsskala beurteilt sie die Interaktion nach den festgelegten Kriterien. Danach berechnet das System die Bewertung und speichert sie im Datensatz zum Gespräch. Zum Schluss werden alle Gespräche, die einen von der Führungskraft festgelegten Schwellenwert erreichen, für die menschliche Prüfung markiert und in die Warteschlange für das Coaching aufgenommen.

Wie zuverlässig die KI beide Fragetypen auswertet, steht und fällt mit den Vorgaben in der Scorecard. Die Frage „War der Agent professionell?“ ist zu vage, um der KI eine belastbare Bewertungsgrundlage zu liefern. Anders sieht es bei der Frage „Hat der Agent den Kunden in den ersten 30 Sekunden des Gesprächs nicht unterbrochen?“ aus. Hier erhält die KI ein konkretes Kriterium, das sich im Transkript eindeutig überprüfen lässt. Der Aufbau der Scorecard entscheidet daher mehr als jeder andere Schritt über den Erfolg KI-gestützter QA. Er ist sogar wichtiger als die Wahl des Tools.

Bei der automatisierten Anrufauswertung bewertet die KI jedes Gespräch unmittelbar nach dessen Ende anhand einer vordefinierten QA-Scorecard. Die numerische Bewertung entsteht dabei ohne menschlichen Prüfer. Da für die einzelnen Gespräche keine manuelle Prüfung mehr erforderlich ist, lässt sich die QA auf sämtliche Interaktionen ausweiten. Für jedes Gespräch gelten dabei weiterhin dieselben Kriterien.

„Man kann eigene Fragen erstellen und direkt sehen, wie sie der zugrunde liegenden KI den Rahmen für die Bewertung vorgeben. Das geht schnell und unkompliziert. Früher lagen 100 Gesprächsaufzeichnungen vor, die nur lose mit dem CRM verknüpft waren. Heute zeigt mir das System sofort, welche Gespräche niedrig und welche hoch bewertet wurden. So kann ich gezielt die Gespräche aufrufen, bei denen Handlungsbedarf besteht.“

• Daniel Stanton, Managing Director, Astmoor Finance

Wie wird eine QA-Scorecard aufgebaut, die sich zuverlässig mit KI auswerten lässt?

Bei einer QA-Scorecard für die zuverlässige Auswertung mit KI kommt es auf drei Dinge an. Erstens sollten die meisten Fragen binär oder regelbasiert und nicht subjektiv sein. Zweitens muss jede Frage genau vorgeben, welches konkrete Kriterium die KI prüfen soll, statt lediglich das gewünschte Ergebnis zu beschreiben. Drittens gehören Fragen, für die menschliches Urteilsvermögen erforderlich ist, in die Prüfung durch Analysten und nicht in die automatisierte Bewertung. Kein anderer Faktor beeinflusst die Genauigkeit KI-gestützter QA so stark wie die Scorecard. Ist sie gut aufgebaut, liefert sie Bewertungen, auf die sich Führungskräfte verlassen können. Ist sie schlecht aufgebaut, wirken die Ergebnisse willkürlich und das Team gibt das Tool womöglich schon im ersten Monat wieder auf.

Eine QA-Scorecard bildet die Gesprächsqualität anhand eines strukturierten Bewertungsrahmens ab. Dazu enthält sie konkrete Fragen mit einer jeweils festgelegten Bewertungsskala, etwa Ja/Nein oder 1–5. Für jedes geprüfte Gespräch gelten dieselben Maßstäbe. Bei KI-gestützter QA müssen sich die Fragen auf Kriterien beziehen, die sich aus einem Transkript ableiten lassen. Fragen zu Tonfall oder emotionalen Nuancen, für deren Beurteilung menschliches Urteilsvermögen nötig ist, eignen sich dagegen nicht für die automatisierte Auswertung.

• Binäre Fragen zur Compliance (hohe Genauigkeit der KI): „Hat der Agent die Account-Nummer des Kunden bestätigt, bevor er Daten zum Account besprochen hat?“ (Ja/Nein). Die KI prüft im Transkript, ob dieser Schritt erfolgt ist, und vergibt die entsprechende Bewertung.

• Fragen zu klar definiertem Verhalten (hohe Genauigkeit der KI): „Hat der Agent den Kunden in den ersten 60 Sekunden nicht unterbrochen?“ Ob diese Vorgabe eingehalten wurde, lässt sich anhand der Zeitangaben im Transkript und des Gesprächsverlaufs feststellen.

• Fragen zur Einhaltung des Skripts (hohe Genauigkeit der KI): „Hat der Agent innerhalb der ersten drei Minuten die vorgeschriebene Formulierung zur Offenlegung von Produktinformationen verwendet?“ Für die Bewertung prüft die KI, ob die festgelegte oder eine sinngleiche Formulierung im Transkript vorkommt.

• Fragen zum Gesprächsergebnis (mittlere Genauigkeit der KI): „Hat der Agent vor dem Ende des Gesprächs den nächsten Schritt bestätigt?“ Grundsätzlich kann die KI dieses Kriterium auswerten. Wie zuverlässig das gelingt, hängt jedoch davon ab, wie genau das erforderliche Ergebnis in der QA-Scorecard beschrieben ist.

• Subjektive Fragen zur Gesprächsqualität (niedrige Genauigkeit der KI, für die Überprüfung durch einen Menschen kennzeichnen): „War der Agent während des gesamten Gesprächs einfühlsam?“ Solche Fragen sollten nur bei markierten Gesprächen eingesetzt und von einem menschlichen Prüfer beurteilt werden.

• Validierung (vor der vollständigen Einführung erforderlich): Vergleichen Sie bei 20 bis 30 Gesprächen die Bewertungen der KI mit denen der Analysten. Abweichungen bei einzelnen Fragen machen sichtbar, welche Kriterien vor der Einführung genauer gefasst werden müssen.

Bevor KI-Bewertungen als Grundlage für Coaching-Entscheidungen dienen können, müssen sie kalibriert werden. Dabei bewertet ein erfahrener Analyst dieselben Gespräche wie die KI. Anschließend werden die Ergebnisse miteinander verglichen. So wird deutlich, welche Fragen der Scorecard mehrdeutig oder unzureichend definiert sind. Besonders große Abweichungen zeigen, welche Fragen vor der Einführung überarbeitet werden müssen.

In welcher Reihenfolge wird KI-gestützte QA in einem Callcenter eingeführt?

Die Einführung KI-gestützter QA erfolgt in fünf festgelegten Schritten. Wird ein Schritt ausgelassen oder vorgezogen, sind die Ergebnisse nicht verlässlich. Besonders häufig wird das Tool aktiviert, bevor die Schritte 1 und 2 abgeschlossen sind. Dann erstellt die KI bereits automatisierte Bewertungen, obwohl noch kein validierter Bewertungsrahmen vorliegt. Die Ergebnisse wirken dadurch willkürlich und möglicherweise gibt das Team  die Lösung auf, bevor sie überhaupt richtig eingerichtet wurde.

• Schritt 1: Scorecard einrichten. Legen Sie für jede QA-Frage ein binäres oder klar definiertes Bewertungskriterium fest. Ordnen Sie den Fragen eine Bewertungsskala zu, z. B. Ja/Nein oder 1–5, und bestimmen Sie einen vorläufigen Schwellenwert für die Markierung. Aktivieren Sie die KI-Bewertung erst, wenn die Scorecard vollständig eingerichtet ist. Für eine Scorecard mit acht bis zwölf überwiegend binären Fragen sollten Sie ungefähr einen Tag einplanen.

• Schritt 2: Anhand von 20 bis 30 Gesprächen validieren. Lassen Sie einen erfahrenen QA-Analysten dieselben Gespräche bewerten wie die KI und vergleichen Sie anschließend die Ergebnisse. Abweichungen bei einzelnen Fragen zeigen, welche Kriterien mehrdeutig sind und überarbeitet werden müssen, bevor die KI-Bewertungen als verlässlich gelten können.

• Schritt 3: Schwellenwert kalibrieren. Richten Sie den Schwellenwert, bei dem ein Anruf für das Coaching gekennzeichnet wird, an den Validierungsdaten aus und übernehmen Sie nicht einfach die Standardeinstellung. Zur Prüfung markiert werden sollten die Gespräche, die laut Validierung tatsächlich unter dem geforderten Standard liegen. Es geht nicht darum, pauschal einen beliebigen Anteil aller Gespräche auszuwählen.

• Schritt 4: Im gesamten Team einführen und 30 Tage beobachten. Lassen Sie die KI 30 Tage lang sämtliche Gespräche des Teams bewerten, ohne die Ergebnisse bereits für formelle Coaching-Gespräche zu nutzen. Bei einer Plattform wie Aircall werden KI-gestützte Anrufauswertung und QA direkt im Dashboard des Telefonsystems eingerichtet. Aufzeichnungen, Scorecard, Transkript und KI-Bewertung sind in einer Oberfläche gebündelt, sodass kein separates QA-Tool integriert werden muss. In dieser Zeit zeigen sich systematische Auffälligkeiten und Führungskräfte können lernen, die Ergebnisse richtig einzuordnen, bevor sie diese in Gesprächen über die Performance verwenden.

• Schritt 5: Gekennzeichnete Gespräche als Ausgangspunkt für das Coaching nutzen. Die Bewertung zeigt, welches Gespräch genauer geprüft werden sollte. Das eigentliche Coaching findet jedoch erst im Austausch mit dem Agent statt. Der Beitrag Wie die KI-gestützte Anrufauswertung von Aircall Führungskräften hilft, Teams schneller und nach einheitlichen Maßstäben zu coachen zeigt, wie sich solche Gespräche anhand von Scorecard-Daten statt subjektiver Eindrücke strukturieren lassen.

Welche Ergebnisse können Sie von KI-gestützter Qualitätssicherung erwarten?

Die Ergebnisse zeigen sich in zwei Phasen. In den ersten 30 bis 60 Tagen erhalten Führungskräfte erstmals QA-Daten zu 100 % aller Gespräche. Coaching findet dadurch nicht mehr reaktiv auf Grundlage eines einzelnen Gesprächs statt, das in dieser Woche zufällig geprüft wurde. Stattdessen können Führungskräfte proaktiv Muster aufgreifen, die die KI im Laufe des Monats über Dutzende Gespräche hinweg erkannt hat. Die Gesamtbewertungen fallen häufig einheitlicher aus, als es die Ergebnisse manueller Stichproben vermuten ließen. Bei der manuellen Auswahl landen unbewusst eher leicht zu prüfende als wirklich repräsentative Gespräche in der Stichprobe.

Vom zweiten bis zum sechsten Monat stützen sich Coaching-Gespräche zunehmend auf die Daten aus der KI-gestützten QA. Dadurch verbessern sich die Gesamtbewertungen und die Unterschiede in der Performance der Agents aus dem oberen und unteren Quartil werden kleiner. Untersuchungen von BCG zu KI-Agents im Kundenservice bestätigen, dass eine durch KI verbesserte Lösungsgenauigkeit die Zahl wiederholter Anfragen um 25 % senken kann. Das zeigt, dass besseres Coaching durch eine höhere QA-Prüfquote unmittelbar die kundenbezogenen Kennzahlen beeinflusst, für die Führungskräfte verantwortlich sind.

Ein konkretes Szenario aus Phase 1: Eine Führungskraft, die vorher sechs Gespräche pro Woche geprüft hat, erhält nun KI-Bewertungen für 300 Gespräche pro Woche. Das Coaching basiert nicht mehr auf den Gesprächen, die zufällig für die Stichprobe ausgewählt wurden. Im Mittelpunkt stehen stattdessen Gespräche, deren Bewertung bei der Compliance oder Gesprächsqualität unter dem festgelegten Schwellenwert liegt. Ein konkretes Szenario aus Phase 2: Agents erhalten jede Woche gezieltes Feedback zu denselben Kriterien der Scorecard. Zuvor bekamen sie nur gelegentlich subjektive Rückmeldungen zu den zwei Prozent der Gespräche, für die ihre Führungskraft Zeit hatte. Mit dem regelmäßigen, kriterienspezifischen Feedback verbessern sich ihre Bewertungen bei genau diesen Kriterien innerhalb von 60 Tagen messbar.

Der Beitrag 18 Best Practices für die Call Center Qualitätssicherung zeigt, wie Sie den gesamten QA-Prozess anhand der Daten aus der KI-Bewertung strukturieren. Dazu gehören Kalibrierungsrunden, die Dokumentation von Coaching-Gesprächen und die Nachverfolgung der Gesamtbewertungen im Zeitverlauf.

Häufig gestellte Fragen

Was ist KI-gestützte Qualitätssicherung für Callcenter?

Bei der KI-gestützten Qualitätssicherung wird jeder Anruf automatisch anhand einer festgelegten QA-Scorecard bewertet. Dadurch entfällt die manuelle Stichprobenauswahl, wegen der die QA-Prüfquote in den meisten Callcentern unter fünf Prozent liegt. Führungskräfte erhalten Coaching-Daten zu 100 % aller Anrufe, ohne dass dafür zusätzliche Kapazitäten bei den QA-Analysten erforderlich sind.

Wie zuverlässig ist die KI-gestützte Anrufauswertung?

Bei binären und regelbasierten Fragen liefert die KI sehr zuverlässige Ergebnisse. Dazu gehören beispielsweise die vorgeschriebene Begrüßung, die Verwendung eines Offenlegungsskripts und die Erfassung einer Rückrufnummer. Subjektive Kriterien wie Tonfall oder Empathie lassen sich weniger zuverlässig beurteilen. Je konkreter und binärer die Fragen der Scorecard formuliert sind, desto genauer fallen die KI-Bewertungen aus.

Wie viele Anrufe sollte ein Callcenter für die Qualitätssicherung prüfen?

Als Branchenstandard für die manuelle QA gelten vier bis sechs Anrufe pro Agent und Monat. Viele Callcenter erreichen selbst diesen Wert nicht: 41 % prüfen monatlich weniger als vier Anrufe pro Agent. KI-gestützte QA beseitigt diese Obergrenze, da sie automatisch jeden Anruf bewertet. So erhalten Führungskräfte vollständige Transparenz über die Performance der Agents, ohne die Zahl der QA-Analysten erhöhen zu müssen.

Ersetzt KI-gestützte QA die manuelle Prüfung von Anrufen?

Nein. Sie ersetzt lediglich die manuelle Stichprobenauswahl, durch die nur ein kleiner Teil aller Anrufe geprüft werden kann. Menschliches Urteilsvermögen bleibt erforderlich, um Bewertungen einzuordnen, Coachinggespräche zu gestalten und komplexe Probleme bei der Performance zu bearbeiten. Die KI übernimmt die flächendeckende Auswertung, die Führungskraft das Coaching. Für eine wirksame QA braucht es beides.

Wie lange dauert die Einführung KI-gestützter Qualitätssicherung?

Die technische Einrichtung dauert ein bis zwei Tage. Für eine fundierte Einführung sollten Sie jedoch zwei bis vier Wochen einplanen. In dieser Zeit wird die Scorecard eingerichtet, die Bewertungen der KI werden anhand von 20 bis 30 Anrufen mit manuellen Bewertungen verglichen und die Schwellenwerte werden kalibriert. Aktivieren Sie die Lösung erst nach Abschluss der Validierung für das gesamte Team. Die ersten 30 Tage dienen der weiteren Kalibrierung und noch nicht der abschließenden Beurteilung der Performance.

Welche Software eignet sich am besten für KI-gestütztes Vertriebscoaching?

Die beste Software für KI-gestütztes Vertriebscoaching unterstützt Vertriebsmitarbeiter bereits während des laufenden Gesprächs. Sie erkennt die Stimmung, liefert Hinweise zur Einwandbehandlung und hilft bei der Einhaltung des Gesprächsleitfadens. Nach jedem Anruf setzt sie das Coaching mit einer automatisierten QA-Bewertung fort. Aircall kombiniert KI-Unterstützung in Echtzeit mit der automatisierten QA-Auswertung aller Anrufe.

Wer wir sind

Wie beginnt man mit KI-gestützter QA und worauf basiert das Coaching nach der Einführung?

In aller Regel erhalten Teams, die zuerst die Scorecard erstellt haben und dann live gingen, in den ersten 30 Tagen nützliche Ergebnisse aus KI-gestützter QA. Die Teams, die es nach einem Monat wieder deaktivieren, sind meist jene, die es ohne konfigurierte Scorecard aktiviert haben und Bewertungen erhielten, die sich von den Coachinggesprächen, die sie bereits kannten, losgelöst anfühlten.

Der Ausgangspunkt ist nicht das Tool. Es ist eine Scorecard mit acht bis zwölf Fragen, die meisten davon binär, alle spezifisch genug, dass die KI genau weiß, was sie bewerten soll. Sie benötigen für die Erstellung einen Tag. Die Validierungsphase dauert zwei Wochen. Danach hat das Team KI-gestützte QA-Daten über 100 % der Gespräche und einen Coaching-Prozess, der auf etwas Verlässlicherem beruht als sechs zufällig ausgewählten Gesprächen pro Führungskraft und Woche.

Der Beitrag Intelligenterer Support beginnt hier: Ein praktischer Leitfaden für KI-Lösungen im Contact Center zeigt die vollständige KI-Einführungssequenz für Contact Center ausgehend von minimaler Automatisierung. Darin wird ebenfalls die Frage behandelt, wie man die QA-Bewertung einführt, ohne bestehende Arbeitsabläufe zu stören.

Veröffentlicht am 23. Juli 2026.