KI-Telefonassistent oder «Drücken Sie die 1»: Warum Menschen Telefonmenüs hassen

Der Anruf beginnt, bevor die Ansage fertig ist

Zehn Uhr wird zu drei Uhr nachmittags – mehr will der Anrufer eigentlich nicht. Doch bevor er das sagen kann, muss er erst wissen, ob das eine «Terminänderung» ist oder etwas anderes, und seine Kundennummer griffbereit haben. Was im Folgenden kommt, sind zwei vereinfachte, aber realistische Simulationen desselben Anrufs – keine echten Aufnahmen, sondern typische Abläufe, wie sie in Telefonmenüs und bei Conversational-AI-Systemen tatsächlich vorkommen. Gezählt wird dabei nach drei Grössen, die kein Verkaufsprospekt zeigt: die Anzahl Züge, die der Anrufer selbst machen muss, die verstrichene Zeit bis zum Ergebnis, und die Korrekturen, die nötig werden, wenn etwas nicht auf Anhieb klappt.

Züge, Zeit, Korrekturen – diese drei Grössen sind der rote Faden dieses Artikels. Sie eignen sich nicht nur für die zwei Beispiele hier, sondern für jedes eigene Telefonmenü, das Sie selbst überprüfen wollen. Eine passende Checkliste dafür folgt weiter unten.

Weg A: Zehn Uhr wird drei Uhr – durchs Telefonmenü

Eine Autowerkstatt, klassisches IVR mit Tastenwahl. Der Kunde hat morgen einen Ölwechsel-Termin um 10 Uhr und möchte auf 15 Uhr verschieben.

• 0:00–0:12 – Ansage: «Für Terminvereinbarung drücken Sie die 1, für Terminänderung die 2, für den Pannendienst die 3, für alle übrigen Anliegen die 0.» Der Anrufer hört sich alle vier Optionen an, bevor er weiss, welche passt.
• 0:12 – Zug 1: Taste 2 (Terminänderung).
• 0:13–0:18 – Ansage: «Bitte geben Sie Ihre sechsstellige Kundennummer ein, gefolgt von der Rautetaste.»
• 0:18–0:26 – Zug 2: Der Anrufer tippt die Nummer, vertauscht dabei zwei Ziffern.
• 0:26–0:33 – Ansage: «Diese Kundennummer ist uns nicht bekannt. Bitte versuchen Sie es erneut.» Keine Rückfrage, kein Vorschlag einer ähnlichen Nummer – nur eine Ablehnung.
• 0:33–0:43 – Zug 3 (Korrektur): Der Anrufer tippt die Nummer ein zweites Mal ein, diesmal langsam und richtig.
• 0:43–0:53 – Ansage liest den Termin vor: «Donnerstag, 10:00 Uhr, Ölwechsel. Zum Verschieben drücken Sie die 1, zum Stornieren die 2.»
• 0:53 – Zug 4: Taste 1.
• 0:53–0:59 – Ansage: «Bitte geben Sie das neue Datum ein, vierstellig, Tag und Monat.»
• 0:59–1:05 – Zug 5: Datum eintippen.
• 1:05–1:11 – Ansage: «Bitte geben Sie die gewünschte Uhrzeit ein, vierstellig, zum Beispiel 1400 für 14 Uhr.»
• 1:11–1:15 – Zug 6: «1500» eintippen.
• 1:15–1:23 – Ansage liest zurück und fragt nach Bestätigung: «Donnerstag, 15:00 Uhr. Zur Bestätigung die 1.»
• 1:23 – Zug 7: Taste 1.
• 1:23–1:28 – Ansage: «Ihr Termin wurde verschoben. Auf Wiederhören.» Keine SMS-, keine E-Mail-Bestätigung – das Menü kennt beides nicht.
• Ergebnis: 7 Züge, 1 gescheiterter Versuch, 1 Minute 28 Sekunden bis zur Bestätigung, die es gar nicht gibt.

Weg B: derselbe Wunsch, ausgesprochen statt eingetippt

Gleiche Werkstatt, gleicher Kunde, gleicher Termin – dieses Mal mit einem KI-Telefonassistenten.

• 0:00–0:03 – Assistent: «Guten Tag, hier spricht der digitale Assistent der Autowerkstatt. Wie kann ich Ihnen helfen?»
• 0:03–0:12 – Zug 1: «Guten Tag, ich habe am Donnerstag einen Termin um zehn Uhr für den Ölwechsel, den möchte ich auf drei Uhr nachmittags verschieben. Meine Kundennummer ist glaub 118429 – oder 114829, ich bin mir grad nicht ganz sicher.»
• 0:12–0:18 – Assistent: «Kein Problem. Unter 114829 finde ich einen Termin auf Ihren Namen, Donnerstag 10:00 Uhr, Ölwechsel – meinen Sie diesen?» Der Assistent gleicht die unsichere Zifferneingabe selbst mit dem wahrscheinlichsten Treffer ab, statt sie einfach abzulehnen.
• 0:18–0:20 – Zug 2: «Ja, genau der.»
• 0:20–0:24 – Assistent: «Ich verschiebe ihn auf Donnerstag, 15:00 Uhr. Passt das für Sie?»
• 0:24–0:26 – Zug 3: «Perfekt, danke.»
• 0:26–0:30 – Assistent: «Erledigt. Sie erhalten in Kürze eine SMS-Bestätigung. Sonst noch etwas?»
• 0:30–0:32 – Zug 4: «Nein, das wär's.»
• 0:32–0:34 – Assistent: «Gerne, einen schönen Tag noch.»
• Ergebnis: 4 Züge, 0 gescheiterte Versuche, 34 Sekunden bis zur SMS-Bestätigung.

Die Bilanz des ersten Anrufs

90 Sekunden gegen 34, sieben Züge gegen vier, ein gescheiterter Versuch gegen null. Der Unterschied entsteht nicht, weil das IVR technisch veraltet wäre – DTMF-Menüs funktionieren zuverlässig, seit es sie gibt. Er entsteht, weil das IVR die gesamte Klassifikationsarbeit an den Anrufer delegiert: Ist das eine Terminänderung oder ein neuer Termin? Welches Format hat das Datum? Wie viele Stellen hat die Uhrzeit? Jede dieser Fragen ist ein zusätzlicher Zug, bei dem etwas schiefgehen kann – und bei der vertippten Kundennummer ging tatsächlich etwas schief, ohne dass das System auch nur den Versuch machte, den Fehler selbst zu erkennen. Der KI-Assistent übernimmt genau diese Klassifikationsarbeit: Er hört einen ganzen Satz statt einer Ziffernfolge und leitet daraus ab, was gemeint ist – inklusive einer vernünftigen Vermutung bei der unsicheren Kundennummer.

• Züge: IVR 7, KI-Assistent 4.
• Zeit bis zum Ergebnis: IVR 1:28 Minuten, KI-Assistent 0:34 Minuten.
• Gescheiterte Eingaben: IVR 1 (führt zur vollständigen Wiederholung), KI-Assistent 0 (Unsicherheit wird als Rückfrage gelöst, nicht als Fehler behandelt).
• Bestätigung nach dem Anruf: IVR keine, KI-Assistent automatische SMS.

Der zweite Anruf: falsches Wort, richtiges Anliegen

Illustratives Beispiel: Ein Haushaltsgeräte-Fachgeschäft, Kundendienst-Linie. Die Anrufende hat letzte Woche einen Wasserkocher gekauft, der ihr einfach nicht gefällt – kein Defekt, sie will ihn schlicht zurückgeben. Sie trägt ein Hörgerät und kennt weder das Wort «Widerruf» noch die interne Logik des Unternehmens, die zwischen «Reklamation» (etwas ist kaputt) und «Rückgabe» (mir gefällt es nicht) unterscheidet.

• 0:00–0:14 – Ansage: «Für Reklamationen zu einer bestehenden Bestellung die 1, für Rückgaben und Widerruf die 2, für Ersatzteile die 3, für alle übrigen Anfragen die 0.» Vier Kategorien, einmal vorgelesen, kein Wiederholen ohne Neustart.
• 0:14–0:20 – Zug 1: Sie zögert und drückt die 1 («Reklamation»), weil das Wort zuerst genannt wurde und ihr vage nach ihrem Anliegen klingt. Falscher Ast.
• 0:20–0:25 – Ansage: «Bitte nennen Sie die Bestellnummer, gefolgt von der Rautetaste.» Sie hat die Nummer nicht griffbereit.
• 0:25–0:28 – Zug 2: Sie drückt die 0, in der Hoffnung, jemanden zu erreichen.
• 0:28–0:34 – Ansage: «Sie haben keine gültige Eingabe gemacht. Ich verbinde Sie zurück zum Hauptmenü.» Zurück auf Feld eins.
• 0:34–0:48 – Die Ansage läuft komplett erneut, alle vier Optionen.
• 0:48–0:50 – Zug 3: Diesmal die 2 («Rückgabe und Widerruf»).
• 0:50–0:59 – Ansage: «Für einen Widerruf innerhalb der 14-tägigen Frist die 1, für eine Rückgabe aus anderem Grund die 2.» Sie kennt den Unterschied zwischen «Widerruf» und «Rückgabe aus anderem Grund» nicht und rät.
• 0:59–1:01 – Zug 4: Sie drückt die 2.
• 1:01–1:11 – Ansage: «Bitte bleiben Sie in der Leitung, alle Mitarbeitenden sind derzeit besetzt. Ihre geschätzte Wartezeit beträgt sieben Minuten.»
• Ergebnis nach 1:11 Minuten: nichts erledigt – nur richtig einsortiert, in eine Warteschlange, in der ein Mensch die eigentliche Arbeit erst noch machen muss.

Derselbe zweite Anruf, verstanden beim ersten Versuch

Gleiches Geschäft, gleiche Kundin, dieses Mal mit einem KI-Telefonassistenten.

• 0:00–0:03 – Assistent: «Guten Tag, hier ist der digitale Assistent. Wie kann ich helfen?»
• 0:03–0:08 – Zug 1: «Ich habe letzte Woche einen Wasserkocher gekauft, und der gefällt mir einfach nicht, ich möchte ihn zurückgeben.»
• 0:08–0:14 – Assistent: «Das ist kein Problem, ein freiwilliger Umtausch ohne Mangel. Haben Sie die Bestellnummer zur Hand, oder darf ich mit Namen und ungefährem Kaufdatum suchen?» Der Assistent erkennt aus dem ganzen Satz sofort, dass es sich um eine Rückgabe handelt – ohne dass die Anruferin je die Wörter «Rückgabe» oder «Widerruf» benutzt hätte.
• 0:14–0:18 – Zug 2: «Die Nummer hab ich nicht griffbereit, aber ich heisse Ruth Bieri, letzten Donnerstag gekauft.»
• 0:18–0:26 – Assistent: «Gefunden – ein Wasserkocher, gekauft am Donnerstag in der Filiale Bern. Ich lege eine Rückgabe an, Sie haben 14 Tage Zeit, das Gerät zurückzubringen. Möchten Sie es vorbeibringen oder abholen lassen?»
• 0:26–0:29 – Zug 3: «Vorbeibringen, das schaffe ich noch diese Woche.»
• 0:29–0:35 – Assistent: «Perfekt. Da ich keine SMS-fähige Nummer von Ihnen habe, schicke ich Ihnen die Rückgabenummer per Post. Sonst noch etwas?»
• 0:35–0:38 – Zug 4: «Nein, das reicht, danke vielmal.»
• 0:38–0:40 – Assistent: «Gern geschehen, alles Gute.»

Barrierefreiheit: für wen ein Telefonmenü besonders unfair ist

40 Sekunden, vier Züge, kein falscher Ast, keine Warteschlange – und die Rückgabe ist bereits angelegt, nicht nur weitergeleitet. Der Unterschied zum ersten Anruf ist hier sogar noch grösser, weil das IVR am Ende gar nicht sein eigentliches Versprechen einlöst: Statt einer Lösung steht eine Warteschlange mit sieben Minuten Wartezeit, in der ein Mensch die Arbeit übernimmt, die der Assistent im Gespräch nebenbei erledigt hat. Die beiden Beispiele oben zeigen bereits, wem ein IVR besonders zusetzt – hier die Systematik dahinter.

• Ältere Anrufende: Ein Menü mit vier Optionen verlangt, alle vier im Kopf zu behalten, während die nächste schon vorgelesen wird. Wer eine Option verpasst, muss entweder raten oder ganz von vorn beginnen – ein Gespräch dagegen lässt sich jederzeit unterbrechen mit «Können Sie das wiederholen?», ohne dass der bisherige Fortschritt verloren geht.
• Hör- und Verständniseinschränkungen: Synthetische Ansagen laufen oft schneller und in schlechterer Tonqualität als ein natürliches Gespräch, gerade über komprimierte Telefonleitungen. Ein Hörgerät gleicht das nur teilweise aus. Ein Assistent, der im natürlichen Sprechtempo antwortet und Rückfragen zulässt, ist strukturell nachsichtiger.
• Feinmotorik: Mehrstellige Codes – Kundennummer, Bestellnummer, Datum, Uhrzeit – exakt einzutippen, ist für Menschen mit Zittern oder eingeschränkter Fingerfertigkeit eine reale Hürde. Genau dieser Schritt löste im ersten Beispiel den einzigen Fehlversuch aus. Ein gesprochener Satz kennt diese Hürde nicht.
• Wer die «richtigen» Wörter nicht kennt: IVR-Menüs sind nach der internen Logik des Unternehmens sortiert, nicht nach der Alltagssprache der Anrufenden. «Reklamation», «Widerruf» und «Rückgabe aus anderem Grund» sind Rechts- und Betriebsbegriffe, keine Wörter, mit denen Menschen ihr Anliegen normalerweise beschreiben. Das trifft nicht nur Personen ohne Deutsch als Muttersprache, sondern jeden gelegentlichen Anrufer, der die Kategorien des Unternehmens nicht auswendig kennt.

Wann ein Telefonmenü tatsächlich die bessere Wahl ist

Nichts davon macht IVR grundsätzlich falsch. In mindestens fünf Situationen ist ein gut gebautes Telefonmenü die nüchternere, manchmal sogar die einzig sinnvolle Wahl.

Und selbst wo ein KI-Assistent technisch überlegen ist, kann der Wechsel für Sie persönlich (noch) nicht dran sein: Wenn Ihre Anrufe heute schon zuverlässig bei einer Person landen, die sie in Ruhe bearbeitet, ist «weniger Züge» kein Problem, das Sie tatsächlich haben.

• Reine Sprachweiche vor dem eigentlichen Gespräch: «Für Deutsch die 1, pour le français le 2, per italiano il 3» ist eine einzige, eindeutige Entscheidung, die jeder Anrufer treffen muss, bevor überhaupt ein Verständnisproblem entstehen kann. Ein Tastendruck ist hier so schnell wie jede Spracherkennung – und macht keinen Fehler.
• Sehr hohes Anrufvolumen in eine bestehende Warteschlange: Wenn das eigentliche Ziel ohnehin eine Live-Warteschlange mit mehreren spezialisierten Teams ist – etwa bei einer grösseren Versicherung in der Erneuerungssaison –, muss niemand etwas «verstehen». Es muss nur zuverlässig sortiert werden, und dafür reicht ein Menü mit klaren, nicht überlappenden Kategorien.
• Akustisch schwierige Umgebungen: Ein Anrufer auf der Baustelle, in der Werkstatt oder über eine Freisprechanlage auf der Autobahn liefert Sprachsignale, an denen selbst gute Spracherkennung scheitert. Bei einer Pannendienst-Linie mit zwei klaren Optionen – Notfall oder alles andere – ist ein Tastendruck oft zuverlässiger als ein Satz, den der Wind zerreisst.
• Sehr niedriges, kostensensitives Anrufvolumen: Wer drei oder vier Anrufe pro Woche erhält, für den rechnet sich ein laufend abonnierter KI-Telefonassistent oft nicht – ein im Telefontarif bereits enthaltenes, einfaches Weiterleitungsmenü kostet nichts extra. Ob sich der Wechsel lohnt, ist eine Rechnung, keine Glaubensfrage.
• Altsysteme ohne Schnittstelle: Manche analoge Telefonanlage oder ein ISDN-Anschluss ohne SIP-Trunking lässt sich technisch schlicht nicht an einen externen KI-Anbieter anbinden, ohne vorher in neue Infrastruktur zu investieren. Ein IVR, das direkt in der bestehenden Anlage läuft, ist dann die einzige realistische Option – zumindest kurzfristig.

Was bei beiden schiefgehen kann

Keines der beiden Systeme ist von Natur aus fehlerfrei – die Fehler sehen nur unterschiedlich aus.

• Beim IVR: Endlosschleifen zurück zum Hauptmenü, wie im zweiten Beispiel, sind der Klassiker. Der Anrufer verliert nicht nur Zeit, sondern das Vertrauen, dass das System überhaupt weiterhilft – und legt auf, bevor er die Warteschlange erreicht.
• Beim KI-Assistenten: ungewöhnliche Namen, undeutlich gesprochene Zahlen oder eine kurze Netzwerkstörung können ein Missverständnis auslösen, das ein Tastendruck nie hätte. Entscheidend ist dann nicht, ob das passiert – es passiert –, sondern ob der Assistent es merkt, nachfragt und im Zweifel sauber an einen Menschen übergibt, statt eine falsche Buchung zu bestätigen.
• Für beide gilt: Testen Sie das System mit echten, auch schwierigen Anrufen, bevor Sie es live schalten – nicht nur mit dem einen Satz, den die Verkaufsdemo immer benutzt.

Testen Sie Ihr eigenes Telefonmenü: sechs Fragen

Bevor Sie irgendetwas wechseln, lohnt sich ein nüchterner Blick auf das, was Sie heute schon haben. Die folgenden sechs Fragen liefern keine Note, sondern eine ehrliche Bestandsaufnahme.

Wer bei Frage 1 schon über fünf Tastendrücke zählt oder bei Frage 3 mehr als einen unklaren Menüpunkt findet, hat einen konkreten, messbaren Ansatzpunkt – unabhängig davon, ob die Lösung am Ende ein überarbeitetes IVR oder ein KI-Telefonassistent ist.

• 1. Wie viele Tastendrücke braucht ein Stammkunde im Durchschnitt für sein häufigstes Anliegen? Zählen Sie tatsächlich nach, statt zu schätzen.
• 2. Was passiert bei einer falschen Eingabe – eine zweite Chance an derselben Stelle, oder ein Rücksprung zum Hauptmenü, wie im zweiten Beispiel oben?
• 3. Gibt es einen Menüpunkt, der zu mehr als einer plausiblen Kategorie passen könnte? («Es funktioniert nicht mehr» – Reklamation oder Garantie?)
• 4. Wie schnell liest die Ansage die Optionen vor, und lässt sie sich wiederholen, ohne von vorn zu beginnen?
• 5. Wie viele Tastendrücke oder wie viel Wartezeit vergehen, bis wirklich ein Mensch erreichbar ist, wenn jemand sofort die 0 drückt?
• 6. Hören Sie sich Ihr eigenes Menü einmal mit Kopfhörern bei laufendem Radio im Hintergrund an – verstehen Sie noch zuverlässig, welche Taste welche ist?

Fazit: Was Sie nach diesem Anruf wissen

Die Frage ist nicht «IVR oder KI», sondern: Wie viel Klassifikationsarbeit wollen Sie Ihren Anrufenden zumuten? Bei offenen, unterschiedlich formulierten Anliegen – Terminänderungen, Rückgaben, alles, was sich nicht in zwei oder drei eindeutige Kategorien pressen lässt – übernimmt ein KI-Telefonassistent diese Arbeit selbst und spart dabei nachweislich Züge, Zeit und Fehlversuche, wie beide Beispiele oben zeigen. Bei reiner Sprachweiche, sehr hohem Volumen in eine Warteschlange, lauten Umgebungen oder auf Altsystemen bleibt ein sauber gebautes IVR die pragmatischere, manchmal auch die einzig mögliche Lösung. Der nächste Schritt ist nicht, sich zu entscheiden, sondern nachzuzählen: Nehmen Sie die sechs Fragen von oben und testen Sie Ihr eigenes Menü noch diese Woche, bevor Sie über einen Wechsel überhaupt verhandeln.