Mehrsprachige Telefonassistenten: Übersetzen ist der kleinste Teil der Arbeit
Ein Agent kann mehrere Sprachen sprechen und trotzdem nur in einer davon zuverlässig arbeiten. Qualität entsteht, wenn Wissen, Tools, Formate und menschliche Eskalation dieselbe Sprachabdeckung haben.
Das Wichtigste
- Sprachabdeckung umfasst Erkennen, Sprechen, Fachwissen, Formate, Tools und menschliche Übergabe.
- Der Agent erkennt oder erfragt die Sprache, bestätigt einen Wechsel und bleibt im selben fachlichen Regelwerk.
- Jede freigegebene Sprache erhält eigene Testfälle und eine verantwortliche Prüferin oder einen verantwortlichen Prüfer.
„Unterstützt Spanisch“ kann sechs verschiedene Dinge bedeuten
| Schicht | Prüffrage |
|---|---|
| Verstehen | Werden Akzent, Tempo, Namen und Hintergrundgeräusch robust verarbeitet? |
| Sprechen | Klingt Aussprache für Zielgruppe und Fachgebiet verständlich? |
| Wissen | Sind dieselben Regeln und Ausnahmen in dieser Sprache freigegeben? |
| Formate | Werden Datum, Uhrzeit, Adresse, Währung und Rufnummer passend behandelt? |
| Aktion | Können Tools lokalisierte Werte sicher lesen und schreiben? |
| Handoff | Gibt es einen erreichbaren menschlichen Pfad in der gewählten Sprache? |
OpenAI trennt in der aktuellen Realtime-Dokumentation Voice-Agent-Sessions, Transkriptions-Sessions und dedizierte Live-Übersetzung. Das ist ein hilfreicher Architekturhinweis: Ein dialogführender Agent und ein Dolmetschmodus sind nicht automatisch dasselbe Produkt.[1]
Sprache erkennen, aber nicht heimlich wechseln
Eine Begrüßung kann zwei oder drei häufige Sprachen kurz anbieten oder nach der bevorzugten Sprache fragen. Automatische Erkennung hilft, ist aber bei sehr kurzen Äußerungen unsicher. Wechselt der Anrufer mitten im Gespräch, bestätigt der Agent den Wechsel knapp und behält bereits verifizierte Daten. Er interpretiert einen fremdsprachigen Eigennamen nicht als Wunsch, das ganze Gespräch umzuschalten.
- Sprache als expliziten Gesprächszustand speichern, nicht aus jedem Satz neu erraten.
- Bei Unsicherheit eine einfache Auswahlfrage in den wahrscheinlichsten Sprachen stellen.
- Nach einem Wechsel kritische Angaben nicht neu übersetzen, sondern eindeutig zurücklesen.
- Wenn Wissen oder menschliche Hilfe in der Sprache eingeschränkt ist, diese Grenze früh nennen.
Lokalisieren heißt auch: dieselbe Regel anders erklären
Wörtliche Übersetzung scheitert oft an Höflichkeit, Datumslogik, Anrede und Fachbegriffen. Ein deutschsprachiger Prozess kann Kundennummern anders gruppieren als ein französischer; „halb drei“ und „two thirty“ dürfen intern dennoch denselben Zeitwert ergeben. Für jede Sprache braucht es daher Beispiele aus echten Gesprächen und ein Glossar mit erlaubten, unerwünschten und erklärungsbedürftigen Begriffen.
Eine Freigabe pro Sprache, nicht pro Modell
Die Testmatrix wird je Sprache mit Muttersprachlern oder fachlich sicheren Prüfern ausgeführt. Dabei geht es nicht nur um Grammatik: Erfasst der Agent Namen? Ist die Stimme in schlechter Telefonqualität verständlich? Werden Einheiten und Höflichkeitsformen korrekt gebraucht? Versteht die menschliche Übergabestelle die automatisch erzeugte Zusammenfassung?
- Kernwissen und rechtlich relevante Hinweise fachlich übersetzen und versionieren.
- Ortsnamen, Produktnamen, Abkürzungen und typische Mischsprache als eigene Testsammlung pflegen.
- Für jede Sprache minimale Qualitätsgrenzen und nicht unterstützte Vorgänge dokumentieren.
- Produktionsfehler sprachspezifisch auswerten; ein guter Gesamtwert kann eine kleine Sprache verdecken.
Quellen und Prüfstand
Primärquellen der Anbieter, zuletzt geprüft am 19. August 2026.
- [1]Realtime and audio · OpenAI Developers · abgerufen am 19. August 2026
