Glossarbegriff

Was ist Diarisierung?

Diarisierung ist die automatische Aufteilung einer Gesprächsaufnahme nach Sprechern: wer wann gesprochen hat. Sie beantwortet die Frage „wer hat gesprochen“, während die Spracherkennung die Frage „was wurde gesagt“ beantwortet.

In einem Telefonat oder Meeting überlagern und wechseln sich Stimmen ab. Die Diarisierung analysiert die akustischen Merkmale der Sprache, trennt die einzelnen Sprecher und markiert den Zeitverlauf: dieser Abschnitt ist der Mitarbeiter, dieser der Kunde, hier sprechen beide gleichzeitig (Overtalk).

Das Ergebnis ist ein nach Rollen aufgeschlüsseltes Transkript, aus dem hervorgeht, wie viel jede Person gesprochen hat, wer wen unterbrochen hat, wo Pausen lagen und wie lang der längste Monolog war. Ohne Diarisierung ist ein Transkript eine durchgehende Textwand, aus der sich keine sprecherbezogenen Metriken berechnen lassen.

Technisch stützt sich die Diarisierung auf **Stimmabdrücke** (Voice Embeddings): Die Sprache wird in kurze Segmente zerlegt, für jedes wird ein Vektor-Abdruck berechnet, und ähnliche Abdrücke werden anschließend zu Sprecher-Clustern zusammengefasst. Die Genauigkeit hängt von der Audioqualität und der Kanalzahl ab — eine mehrkanalige Aufnahme (jeder Teilnehmer auf eigenem Kanal) lässt sich zuverlässiger diarisieren als eine Mono-Aufnahme.

In der Plattform läuft die Diarisierung automatisch beim Upload, und die getrennten Stimmen lassen sich mit einem Sprecherregister abgleichen, um konkrete Mitarbeiter und Kunden über das gesamte Archiv hinweg zu verfolgen.

So funktioniert es in der Plattform

Die Plattform diarisiert Aufnahmen automatisch (GPU-Diarisierung mit der pyannote-Engine) direkt beim Upload. Die nach Sprechern getrennten Redebeiträge speisen alle Metriken zur Gesprächsdynamik — Sprechanteil, Unterbrechungen, längster Monolog —, und die Stimmabdrücke lassen sich einem Sprecherregister zuordnen, um bestimmte Personen im gesamten Archiv wiederzufinden.

Verwandte Begriffe

Gesprächstranskription Gesprächstranskription ist die automatische Umwandlung einer Gesprächsaufnahme in Text mit Zeitstempeln je Redebeitrag. Sie beantwortet die Frage „was wurde gesagt“ und bildet die Grundschicht, auf der jede weitere Gesprächsanalyse aufbaut. Sprachanalyse Sprachanalyse ist die automatische Auswertung von Gesprächen (Anrufe und Textkommunikation) zur Gewinnung von Metriken, Themen, Tonalität und weiteren Daten aus Inhalt und Verlauf des Dialogs. Sie macht aus Aufnahmen strukturierte Daten, auf denen sich Dashboards und Entscheidungen aufbauen lassen. STT (Spracherkennung) STT (Speech-to-Text, Spracherkennung) ist die Technologie zur automatischen Umwandlung gesprochener Sprache in Text. Sie ist die Grundkomponente, die es ermöglicht, Gespräche zu lesen, zu durchsuchen und auszuwerten sowie den Anrufer in Sprachagenten zu verstehen.

Bereit anzufangen?

Verwandeln Sie jedes Gespräch in Daten, Wissen und Handlung

Starten Sie mit der Analyse Ihrer Gespräche — ohne Risiko und ohne Bots. Die Plattform macht aus Ihrem Archiv Daten und eine Wissensdatenbank; KI-Sprachagenten kommen hinzu, sobald Sie bereit sind.

Kostenlos starten Alle Tarife und Vorgangspreise

Free-Tarif, keine Kreditkarte nötig.