Skip to main content
Ein Assistent kann auf zwei Arten gesteuert werden: durch eine einzelne Systemaufforderung oder einen visuellen Fluss. Beide verwenden dieselbe Sprach-Engine. Der Unterschied besteht darin, wie viel Struktur dem Gespräch geben.

​
Einzelne Systemaufforderung

Die einfachste Einrichtung: Eine Eingabeaufforderung beschreibt die Rolle, das Wissen und die Regeln des Assistenten. Eine erste Nachricht definiert die Begrüßung. Der LLM wickelt die gesamte Konversation im Rahmen dieser Anweisungen frei ab. Am besten geeignet für:
  • FAQ- und Empfangsassistenten („Fragen beantworten, Nachrichten entgegennehmen“)
  • Assistenten, deren Arbeit nicht in verschiedene Phasen unterteilt ist
  • Schnelles Prototyping – Du kannst eine Eingabeaufforderung in Sekundenschnelle umschreiben
Konfiguration:
  • Agententyp – ausgewählt im modalen Erstellungsassistenten und später unter Einstellungen → Allgemein (Einzelne Eingabeaufforderung vs. Konversationsablauf). Der Modus ist als flow_json gespeichert: null = Eingabeaufforderung, Objekt = Fluss.
  • Systemaufforderung – Rolle, Ton, Regeln und Fakten. Verwende Vorlage auswählen auf der Leinwand (Eingabeaufforderungsmodus) oder beim Erstellen des Assistenten. Durch Anwenden einer Vorlage werden Kopien in die Eingabeaufforderung (und optional in die erste Nachricht) angewendet. Es bleibt kein Live-Link zur Vorlage bestehen.
  • Erste Nachricht – die Eröffnungszeile, gesprochen, wenn der Anruf verbunden wird.
  • Begrüßungsmodus – agent speaks first (typischer eingehender Anruf) oder user speaks first (der Assistent wartet; nützlich für ausgehenden Anruf, bei dem der Angerufene „Hallo?“ sagt).
  • Audio-Begrüßung – Lade optional eine Audiodatei (mp3/wav/ogg/m4a, ≤ 5 MB) hoch oder nimm sie auf, die zu Beginn des Anrufs wörtlich statt der synthetischen Stimme abgespielt wird. Es überschreibt den Text der ersten Nachricht. Der Text wird weiterhin als Transkript und als Ersatz für Chat und Voicemail verwendet. Verwalte es über die Endpunkte POST/DELETE /assistants/{id}/greeting-audio oder die Grußkarte im Editor.

​
Flow-Builder

Der Flow Builder verwandelt den Anruf in ein Diagramm: mehrere spezialisierte Agenten, Bedingungsverzweigungen, HTTP-Tools, Datenerfassungsschritte, Übertragungen und explizite Endungen. Die Engine leitet die Konversation von Knoten zu Knoten weiter. Wechsle im Editor zu Flow (oder erstelle mit Conversational Flow). Die Basissystem-Eingabeaufforderung wird unter Einstellungen → Allgemein → Erweiterte Eingabeaufforderung bearbeitet (und auf der Leinwand ausgeblendet). Agentenknotenanweisungen werden an diese Basis angehängt – sie ersetzen sie nicht. Am besten geeignet für:
  • Anrufe mit unterschiedlichen Phasen (Qualifizieren → Daten sammeln → Buchen → Bestätigen)
  • Zuverlässige Datenerfassung (Namen, E-Mails, Telefonnummern mit integrierter Validierung)
  • Anrufe, die verzweigen müssen („Bestehender Kunde?“ → verschiedene Wege)
  • Übergänge mit Regeln (Warmübertritt in den Vertrieb erst nach Qualifikation)

​
Welches sollten Du wählst?

Die agent-Knoten eines Flows können Anweisungen leer lassen – die Systemeingabeaufforderung des Assistenten (Erweiterte Eingabeaufforderung) wird als Basis verwendet. Wenn ein Agentenknoten über einen eigenen Text verfügt, wird dieser Text an die Systemaufforderung angehängt und nicht ersetzt. Beginne mit einer Eingabeaufforderung und füge eine Ablaufstruktur hinzu, ohne die gesamte Persona zu duplizieren.

​
Einstellungen, die in beiden Fällen gelten

Unabhängig vom Modus verfügt jeder Assistent über: Engine-Modus (Pipeline / Echtzeit / Halbkaskade), Modell- und Sprachauswahl, Wissensbasis, Konversationsqualitätseinstellungen, Aufzeichnungs- und Zustimmungsoptionen, maximale Anrufdauer, Leerlauf-Timeout und eine Webhook-URL für Anrufergebnisse. iOS-/Android-Anrufbildschirmverwaltung (Einstellungen → Konversation oder der Knoten „Vor dem Anruf“ im Flow Builder) ermöglicht es dem Agenten, auf Screening-Dienste („Wer ruft?“) mit einem Namen, einem Unternehmen und einem Grund zu antworten und dann auf einen Menschen zu warten. Wird auf pre_call gespeichert und in flow_json.pre_call gespiegelt, wenn ein Fluss vorhanden ist. Bei ausgehenden Anrufen führt der Mitarbeiter eine Anrufbeantwortererkennung durch – Screening-Eingabeaufforderungen werden als machine-ivr klassifiziert. Anschließend spricht der Agent die konfigurierte Identitätsantwort und wartet vor der normalen Begrüßung auf eine echte Person.