Konversationelle Agenten sind Softwareprogramme, die in natürlicher Sprache, per Text oder per Stimme, einen Dialog mit Menschen führen, um eine Frage zu beantworten oder eine Aufgabe zu erledigen. Chatbots, virtuelle Assistenten und KI-Sprachagenten sind allesamt konversationelle Agenten.
Der Begriff stammt aus der Forschung. Eine Übersichtsarbeit aus dem Jahr 2021 in der Fachzeitschrift Sensors definiert konversationelle Agenten als „Agenten, die mit Nutzern über geschriebene oder gesprochene natürliche Sprache interagieren“, und ergänzt, dass einige „in der Lage sind, bestimmte Aktionen auszuführen“. Der Agent ist das, womit eine Person spricht. Konversationelle KI ist die zugrunde liegende Technologie, und Sprach-KI ist der Teil dieser Technologie, der gesprochene Sprache verarbeitet.
Ein konversationeller Agent durchläuft bei jedem Gesprächszug dieselbe Schleife:
Die Sensors-Übersichtsarbeit beschreibt den Textteil dieser Schleife als drei Komponenten: Verstehen natürlicher Sprache, einen Dialogmanager, der „entscheidet, wie geantwortet wird“, und Generierung natürlicher Sprache. Sprachagenten fügen laut der Arbeit an beiden Enden Schritte hinzu: „das Übersetzen der Schallwellen in Text“ und die Rückverwandlung der Textantwort in Klang.

Konversationelle Agenten unterscheiden sich in zweierlei Hinsicht: im genutzten Kanal und darin, wie sie entscheiden, was sie sagen.
| Typ | Kanal | Wie er entscheidet, was er sagt | Typische Aufgabe |
|---|---|---|---|
| Regelbasierter Chatbot | Text | Geskriptete Regeln und vordefinierte Antworten | Feste Antworten auf häufige Fragen |
| LLM-Chat-Agent | Text: Webchat, SMS, In-App | Ein großes Sprachmodell, das einem Prompt folgt, mit Tools und einer Wissensdatenbank | Supportfragen, Bestellstatus |
| Sprachassistent | Stimme auf einem persönlichen Gerät | Spracherkennung plus Verarbeitung natürlicher Sprache | Persönliche Anfragen, etwa Apples Siri |
| KI-Sprachagent | Stimme bei einem Telefonanruf | Spracherkennung, ein Sprachmodell und Sprachsynthese, mit Sprecherwechsel | Geschäftliche Anrufe annehmen und tätigen |
Forscher ordnen konversationelle Agenten auch nach ihrem Zweck. Die Sensors-Übersichtsarbeit zitiert eine Einteilung in Frage-Antwort-Agenten, aufgabenorientierte Dialogagenten und Chatbots und bezeichnet Agenten, die ein Ziel erreichen sollen, etwa einen Urlaub planen und buchen, als „zielorientierte konversationelle Agenten“.
Nicht ganz. Ein Chatbot ist eine Art von konversationellem Agenten. Die Sensors-Übersichtsarbeit merkt an, dass die beiden Begriffe „manchmal synonym verwendet werden“, und führt Versuche auf, sie voneinander abzugrenzen. In einem davon sind konversationelle Agenten „alle Arten von Softwareprogrammen, die Aussagen von Nutzern in natürlicher Sprache interpretieren und darauf reagieren“, und Chatbots sind der Typ, der eine Konversation simulieren soll. In einem anderen sind Chatbots konversationelle Agenten mit einer textbasierten Oberfläche.
Anbieter ziehen die Grenze oft stattdessen anhand der Fähigkeiten. Der Leitfaden von Slack nennt konversationelle Agenten „hoch entwickelte Chatbots, eine Stufe über einfachen Chatbots, die vordefinierten Regeln folgen“. Mehr zur Abgrenzung finden Sie im Eintrag Chatbot und unter Chatbot vs. konversationelle KI.
Google Cloud verwendet den Begriff als Produktnamen. Die Conversational-Agents-Konsole ist das Tool zum Erstellen von Agenten auf Dialogflow, und laut der Dokumentation von Google „umfasst sie die Funktionen der eingestellten Dialogflow CX-Konsole und der Vertex AI Agent Builder-Konsole“. Suchergebnisse zu dem Begriff vermischen dieses Produkt mit der allgemeinen Bedeutung, die dieser Eintrag behandelt.
Ein Sprachagent durchläuft dieselbe Schleife unter strengeren Bedingungen. Er muss erkennen, wann der Anrufer zu Ende gesprochen hat, mit Unterbrechungen und Hintergrundgeräuschen umgehen und ohne lange Pause antworten. Der Eintrag Sprecherwechsel behandelt das Timing, und So funktionieren KI-Sprachagenten bei einem Anruf begleitet einen Anruf von Anfang bis Ende.
Die Retell AI entwickelt beide Arten. In der Dokumentation von Retell werden Sprachagenten für Anrufe und Chat-Agenten für Text beschrieben, und Chat-Agenten „nutzen dieselben Prompt-Typen, Funktionen und Wissensdatenbanken wie Sprachagenten“. Bei Anrufen übernimmt die Orchestrierungsschicht von Retell den Sprecherwechsel und den Umgang mit Unterbrechungen. Function Calling verbindet einen Agenten mit externen Systemen, etwa um Termine zu buchen oder Verfügbarkeiten zu prüfen, und das Tool zur Anrufweiterleitung übergibt einen laufenden Telefonanruf an eine Person. Die vollständige Definition finden Sie im Eintrag KI-Sprachagent.
Konversationelle KI ist die Technologie: Spracherkennung, Sprachmodelle und Dialogmanagement. Ein konversationeller Agent ist eine konkrete Software, die mit dieser Technologie für eine bestimmte Aufgabe entwickelt wurde, etwa um Anrufe zu Rechnungsfragen zu beantworten.
Ein Support-Chatbot auf einer Website, ein Sprachassistent wie Siri und ein KI-Sprachagent, der die Telefonleitung eines Unternehmens bedient, sind allesamt konversationelle Agenten.
Nein. Regelbasierte Agenten antworten anhand von Skripten und vordefinierten Antworten. Sprachmodelle ermöglichen es einem Agenten, Fragen zu beantworten, für die niemand ein Skript geschrieben hat, und mehrstufige Aufgaben zu planen.
Ja. Er ist ein konversationeller Agent, der per Stimme arbeitet, meist bei Telefonanrufen. Er ergänzt die Schleife, die Textagenten nutzen, um Spracherkennung, Sprachsynthese und Sprecherwechsel.
Die Retell AI ist eine Plattform für KI-Sprachagenten für Contact Center. Sprechen Sie mit dem Retell-Team über ein Pilotprojekt mit echten Anrufen.
How Retell handles audits, data retention and access control.
Table of contents