1. Zwei gravierende Erfahrungsbrüche klassischer Sprachbots
Im realen Telefonkontakt stört Kunden nicht die KI an sich, sondern träges Barge-in und sekundenlange Funkstille bei Systemabfragen. Klassische Kaskaden-Pipelines warten erst ein Satzende-Timeout ab, bevor die Absichtserkennung greift – unterbricht der Kunde für eine Terminänderung, spricht der Bot einfach weiter. Zudem verursachen synchrone CRM- oder Bestell-API-Aufrufe 4 bis 6 Sekunden Stille, sodass Anrufer einen Verbindungsabbruch vermuten und auflegen.
2. Zusammenspiel aus natürlichem Streaming-Barge-In und akustischer Geräuschunterdrückung
Auf der Wahrnehmungsebene kombiniert StepOne Voice hochempfindliche Sprachaktivitätserkennung (VAD), Echokompensation (AEC) und Umgebungsgeräuschunterdrückung (NS), um echte Kundeneinwürfe in Echtzeit von U-Bahn- oder Einkaufszentrumslärm zu unterscheiden. Unter kontrollierten Standardnetzen und kurzen Prompts wird eine Barge-In-Erkennung ab 200 ms erreicht; bei komplexen Abläufen sorgt das mehrstufige Slot-State-Tracking von Wenquxing LLM für souveränes Reagieren auf Zwischenfragen und Terminänderungen.
3. Asynchrone, nicht-blockierende Tool-Aufrufe: Null Funkstille bei Backend-Abfragen
Bei komplexen Bestellabfragen, Kreditprüfungen und Ticketerstellungen führt die StepOne Agent Runtime Tool-Aufrufe parallel im Hintergrund aus, während der Hauptdialog natürlich überbrückt. Sobald die API-Daten vorliegen, fließen sie in Millisekunden in den Gesprächskontext ein – und nach Gesprächsende werden strukturierte Zusammenfassung sowie 100%-Compliance-Bewertung automatisch ins CRM zurückgeschrieben.
