Barge-in bei KI-Telefonassistenten: Unterbrechungen richtig steuern

Unterbrechungen sind kein Randthema bei Voice AI. Sie entscheiden darüber, ob ein KI-Telefonassistent wie ein natürlicher Gesprächspartner wirkt – oder ob er bei einem „mhm“, einem Husten oder Hintergrundgeräuschen mitten im Satz abbricht. Seit dem 14. Juli 2026 lässt sich die Famulor-Einstellung „Unterbrechungen zulassen“ in allen drei Gesprächsmodi steuern: Pipeline, Speech-to-Speech und Dualplex™.

Damit wird aus einer technischen Detailfrage eine klare Designentscheidung: Wo soll der Anrufer jederzeit übernehmen können, und welche Aussage muss der Assistent vollständig aussprechen? Dieser Leitfaden erklärt Barge-in, zeigt eine praxistaugliche Entscheidungsmatrix und liefert einen Testplan für reale Enterprise-Telefonie.

Was bedeutet Barge-in bei einem KI-Telefonassistenten?

Barge-in bezeichnet die Fähigkeit eines Voice Agents, seine eigene Sprachausgabe sofort zu stoppen, sobald der Anrufer spricht. Gute Systeme erkennen dabei nicht nur Audio, sondern müssen zwischen einer echten Gesprächsübernahme und einem irrelevanten Geräusch unterscheiden.

Dafür greifen mehrere Ebenen ineinander:

• Voice Activity Detection (VAD): Erkennt, ob auf der Leitung menschliche Sprache vorhanden ist.
• End-of-turn-Erkennung: Entscheidet, wann der Anrufer wirklich fertig gesprochen hat.
• Audio-Abbruch: Stoppt die laufende Ausgabe schnell genug, damit der Assistent nicht über den Menschen hinwegredet.
• Kontextfortsetzung: Verarbeitet die Unterbrechung, ohne den Gesprächsfaden oder einen bereits bestätigten Wert zu verlieren.

Die Herausforderung liegt im Zielkonflikt: Eine hohe Empfindlichkeit macht den Dialog reaktiv, erhöht aber das Risiko falscher Unterbrechungen. Eine niedrige Empfindlichkeit schützt vor TV-Ton, Nebengesprächen und Echo, kann aber dazu führen, dass der Assistent zu lange weiterredet. Die Famulor-Dokumentation zu Unterbrechungen und Sprachsensitivität beschreibt die Stellschrauben im Detail.

Was sich bei Famulor geändert hat

Bisher ließ sich „Unterbrechungen zulassen“ im Pipeline-Modus gezielt steuern; Speech-to-Speech- und Dualplex™-Assistenten waren stets unterbrechbar. Mit dem aktuellen Update gilt der Toggle in allen Gesprächsmodi. Teams können damit auch besonders natürliche Realtime-Modelle so konfigurieren, dass wichtige Passagen vollständig ausgegeben werden.

Die Einstellung befindet sich in den Assistenten-Einstellungen unter „Unterbrechungen zulassen?“. Sie ergänzt die übrigen Audio- und Timing-Parameter, die im Leitfaden zu den allgemeinen Assistenten-Einstellungen erläutert sind.

Wann Unterbrechungen eingeschaltet bleiben sollten

Für offene, dialogorientierte Phasen ist Barge-in in der Regel die bessere Nutzererfahrung. Der Anrufer kann korrigieren, abkürzen oder direkt zur relevanten Information springen.

• Lead-Qualifizierung: Interessenten können Annahmen sofort korrigieren und unnötige Fragen überspringen.
• Terminvereinbarung: Ein vorgeschlagener Termin lässt sich direkt ablehnen oder präzisieren.
• First-Level-Support: Nutzer können früh sagen, dass ein Standardschritt bereits ausprobiert wurde.
• FAQ und Empfang: Anrufer kommen schneller zum eigentlichen Anliegen.
• Explorative Beratung: Rückfragen und kurze Bestätigungen wirken natürlicher.

Gerade bei einer automatisierten Terminvereinbarung verhindert Barge-in lange, starre Monologe. Der Assistent sollte Antworten deshalb in kurze Sinneinheiten teilen und nach einer Auswahl oder einem kritischen Wert bewusst Raum lassen.

Wann vollständige Ausgabe wichtiger ist

Unterbrechungen sollten ausgeschaltet werden, wenn ein Satz als vollständige Informationseinheit gebraucht wird. Das betrifft nicht nur rechtliche Hinweise, sondern alle Passagen, bei denen ein halber Satz operativ gefährlich oder missverständlich wäre.

Wichtig: Der Toggle ersetzt kein gutes Conversation Design. Wenn eine zwei Minuten lange Passage nur deshalb „sicher“ wird, weil niemand sie unterbrechen kann, ist sie wahrscheinlich zu lang. Formuliere Pflichtpassagen kompakt, kündige ihren Zweck an und frage anschließend explizit nach Verständnis oder Zustimmung.

Ein praxistauglicher Enterprise-Testplan

Ein ruhiger Desktop-Test reicht nicht. Gute Barge-in-Qualität zeigt sich erst in Situationen, die echten Kundengesprächen ähneln. Lege vor dem Rollout eine kleine, wiederholbare Testmatrix an.

1. Kontrollierte Basisfälle

• Unterbreche den Assistenten am Anfang, in der Mitte und am Ende eines Satzes.
• Nutze kurze Einwürfe wie „ja“, „Moment“ und „nein, anders“.
• Prüfe, ob die neue Aussage vollständig erfasst wird und der Kontext erhalten bleibt.
• Kontrolliere, ob der Assistent nach einer Unterbrechung versehentlich denselben Satz wiederholt.

2. Falsche Auslöser

• TV oder Radio im Hintergrund
• Tastatur, Türgeräusch, Geschirr und Straßenverkehr
• Husten, Lachen und kurze Bestätigungslaute
• Freisprecheinrichtung mit Echo
• Zweite Person im Raum

3. Kritische vollständige Passagen

Teste Öffnungszeiten, mehrteilige Auswahloptionen, Nummern, Adressen und Freigabeformulierungen jeweils mit absichtlichem Dazwischenreden. Bei deaktivierten Unterbrechungen muss die Passage stabil zu Ende laufen. Danach sollte der Assistent die Reaktion des Anrufers aufnehmen, ohne den Dialog unnötig neu zu starten.

4. Reale Telefoniebedingungen

Wiederhole die Tests über Mobilfunk, SIP, Headset, Freisprecher und eine schwache Verbindung. Prüfe außerdem verschiedene Stimmen, Sprechgeschwindigkeiten und Akzente. Famulor empfiehlt ohnehin, jede relevante Änderung mit einem kurzen Testanruf oder einer kleinen Kampagne zu validieren; der Testleitfaden für Assistenten hilft beim strukturierten Vorgehen.

Pipeline, Speech-to-Speech oder Dualplex™: Die Entscheidung bleibt fachlich

Der richtige Unterbrechungsmodus hängt nicht allein von der technischen Engine ab. Pipeline bietet granulare Kontrolle über Transkription, Modell und Stimme. Speech-to-Speech priorisiert einen besonders direkten, natürlichen Dialog. Dualplex™ kombiniert schnelle multimodale Verarbeitung mit hochwertigen Stimmen. Seit dem Update lässt sich die fachliche Entscheidung „unterbrechbar oder vollständig“ in jedem dieser Modi treffen.

Das ist besonders für Unternehmen wichtig, die mehrere Assistenten oder Gesprächsphasen betreiben. Ein Empfangsassistent kann bewusst dialogisch reagieren, während ein Assistent für Bestätigungen eine kontrolliertere Ausgabe braucht. Definiere die Regel pro Prozess und dokumentiere den Grund – nicht nur den Schalter.

Welche Kennzahlen nach dem Go-live zählen

Bewerte Unterbrechungsqualität nicht nur nach Bauchgefühl. Markiere in Stichproben mindestens vier Ereignisse:

1. Echte Unterbrechung erkannt: Der Anrufer wollte übernehmen und konnte es.
2. Falsche Unterbrechung: Geräusch oder Backchannel stoppte den Assistenten unbeabsichtigt.
3. Übersehene Unterbrechung: Der Anrufer sprach, aber der Assistent redete weiter.
4. Schlechte Wiederaufnahme: Der Assistent stoppte korrekt, verlor danach jedoch Kontext oder wiederholte sich.

Ergänze diese Ereignisse um Abbruchrate, Wiederholungsfragen, Gesprächsdauer, erfolgreiche Termin- oder Prozessabschlüsse und menschliche Übergaben. So wird aus einem subjektiven „klingt natürlich“ eine belastbare Qualitätsentscheidung.

Der beste Standard ist ein bewusst getesteter Standard

Für viele dialogische Use Cases bleibt „Unterbrechungen zulassen“ die richtige Ausgangseinstellung. Für Disclaimer, vollständige Listen, sensible Nummern und verbindliche Bestätigungen ist eine nicht unterbrechbare Ausgabe oft sinnvoller. Entscheidend ist, dass Teams diese Wahl pro Gesprächsziel treffen und unter realen Bedingungen prüfen.

Mit Famulor lässt sich diese Entscheidung jetzt konsistent in Pipeline, Speech-to-Speech und Dualplex™ umsetzen. Starte mit einem klar abgegrenzten Prozess, teste echte Störquellen und optimiere anhand von Gesprächsdaten. So entsteht Voice AI, die nicht nur im Demo-Call, sondern im Unternehmensalltag zuhört.