Lass deinen telli-Agenten während eines Gesprächs aktiv spezifische Informationen von Anrufern sammeln.
Mit „Daten erfassen” kann dein telli-Agent während eines Gesprächs gezielt spezifische Informationen von Anrufern einholen — etwa E-Mail-Adresse, Kennzeichen oder Fallnummer.Anders als bei normalen Unterhaltungen, bei denen der Agent einfach zuhört und antwortet, läuft „Daten erfassen” als strukturierter, interaktiver Prozess: Der Agent fragt nach der Information, hört die Antwort, liest sie zur Bestätigung zurück und speichert sie erst, wenn der Anrufer sie als korrekt bestätigt.Das ist besonders wichtig bei Telefonanrufen, bei denen Dinge wie E-Mail-Adressen und Referenznummern leicht falsch verstanden werden. Der Agent übernimmt das Hin-und-Her von „War das S wie Samuel oder F wie Friedrich?” automatisch.
Navigiere zu Agenten-Einstellungen und finde den Bereich Daten erfassen
2
Datenaufgabe hinzufügen
Wähle den Typ (E-Mail, Kennzeichen, Ziffern oder Benutzerdefiniert) und konfiguriere ihn
3
Schlüssel und Beschreibung festlegen
Für Benutzerdefiniert: Lege einen Schlüssel fest (z. B. postleitzahl, kunden_id) und beschreibe, was erfasst werden soll
4
Validierungsregeln hinzufügen (optional)
Für Benutzerdefiniert: Füge Einschränkungen hinzu wie exakte Länge, Min/Max-Länge oder Regex-Muster
5
Verhalten wählen (optional)
Behalte Auto für den integrierten Erfassungsablauf oder wähle Prompt, um aufgabenspezifische Anweisungen hinzuzufügen, wie diese Daten erfasst und bestätigt werden sollen
6
Agenten-Prompt anpassen
Erwähne im System-Prompt, wann der Agent diese Daten erfassen soll
Wir empfehlen, „Daten erfassen” nur mit dem ElevenLabs Turbo 2.5 Modell zu nutzen.
Wofür kannst du es nutzen?
Datentypen
Verhalten
Validierungsregeln (nur für Benutzerdefiniert)
So funktioniert es während eines Anrufs
E-Mail-Adressen — Der Agent buchstabiert sie Buchstabe für Buchstabe zurück und bestätigt vor dem Speichern
Kennzeichen — Unterstützt derzeit deutsche Kennzeichen, inklusive Handhabung mehrdeutiger Ortskürzel
Ziffernfolgen — Auftragsnummern, PINs, Kunden-IDs oder andere rein numerische Werte mit optionaler Mindest- und Höchstlänge
Beliebige eigene Daten — Nummern, Kunden-IDs, Telefonnummern, Namen, Postleitzahlen — alles, was du mit optionalen Validierungsregeln definierst
Typ
Was erfasst wird
Integriertes Verhalten
E-Mail
E-Mail-Adresse
Verarbeitet fehlerhafte Sprachtranskription, validiert Format, buchstabiert zur Bestätigung zurück
Kennzeichen
Fahrzeugkennzeichen (derzeit nur Deutschland)
Analysiert Kennzeichenformat, behandelt mehrdeutige Ortskürzel, bestätigt mit Anrufer
Ziffern
Eine Ziffernfolge
Erfasst rein numerische Werte und kann optional Mindest- und Höchstlänge erzwingen
Benutzerdefiniert
Beliebige Daten, die du selbst definierst
Du beschreibst, was zu erfassen ist, und kannst optional Validierungsregeln hinzufügen
Verhalten steuert, wie der spezialisierte Datenerfassungs-Unter-Agent handelt, nachdem der Hauptagent die Aufgabe gestartet hat.
Modus
Was passiert
Wann nutzen
Auto
Nutzt den integrierten Erfassungs- und Bestätigungsablauf von telli
Der standardmäßige Ablauf aus Fragen, Zurücklesen und Bestätigen reicht aus
Prompt
Ergänzt den integrierten Ablauf um deine Verhaltensanweisungen
Du möchtest aufgabenspezifisch steuern, wie genau bestätigt wird, ob mehrdeutige Zeichen buchstabiert werden oder wie der Agent um Wiederholung bittet
Nutze den Haupt-Prompt des Agenten, um zu entscheiden, wann Daten erfasst werden. Nutze Verhalten, um zu steuern, wie der Datenerfassungs-Unter-Agent die Erfassung selbst handhaben soll.Für eine Vertragsnummer könntest du zum Beispiel schreiben:
Bitte den Anrufer, die Vertragsnummer langsam zu sagen. Lies die Nummer in Zweiergruppen zurück und bitte vor dem Speichern um Bestätigung.
Prompt-Anweisungen werden an die integrierten Erfassungsanweisungen angehängt. Sie sollten den Erfassungsstil verfeinern, nicht Validierungsregeln oder den Haupt-Gesprächsablauf ersetzen.
Für benutzerdefinierte Daten kannst du Regeln festlegen, damit der Agent Werte im richtigen Format erfasst:
Bestimmtes Muster mit regulärem Ausdruck abgleichen
Postleitzahlenmuster wie ^\d{5}$
Du kannst mehrere Regeln kombinieren — zum Beispiel „genau 8 Zeichen” + „nur Zahlen”.
Exakte Länge und Min./Max.-Länge können nicht gleichzeitig für dieselbe Aufgabe genutzt werden.
Der Agent entscheidet zu erfassen — Basierend auf Gesprächsverlauf und Prompt löst das LLM das Datenerfassungs-Tool aus
Ein Unter-Agent übernimmt — Ein spezialisierter Mini-Agent übernimmt vorübergehend und konzentriert sich ganz auf die Erfassung dieses Datenpunkts
Interaktives Hin-und-Her — Der Unter-Agent fragt, hört zu und liest den Wert zur Bestätigung vor. Bei Korrekturen aktualisiert der Agent und bestätigt erneut
Anrufer bestätigt oder lehnt ab — Der Anrufer sagt entweder „Ja, stimmt” (bestätigt) oder „Nein, das möchte ich nicht angeben” (abgelehnt)
Kontrolle geht zurück — Der Hauptagent übernimmt wieder und führt das Gespräch fort, im Wissen was erfasst wurde
Beispielgesprächsverlauf (E-Mail):
Agent:„Könnten Sie mir bitte Ihre E-Mail-Adresse nennen?”Anrufer:„Klar, es ist hans punkt mueller ät beispiel punkt de”Agent:„Lass mich das bestätigen — das ist h-a-n-s Punkt m-u-e-l-l-e-r ät b-e-i-s-p-i-e-l Punkt d-e. Ist das korrekt?”Anrufer:„Ja, das stimmt.”Agent:„Perfekt, hab ich notiert. Wie kann ich Ihnen weiterhelfen?”
Wo findest du die erfassten Daten?
Best Practices
Wann solltest du es nicht nutzen?
Gut zu wissen
Anrufdetails — Öffne einen Anruf und du siehst den Bereich Erfasste Daten mit jedem Feld samt Wert und Status
API — Das Feld collected_data ist in Anrufsantworten der telli-API enthalten, mit jedem Schlüssel zugeordnet zu { status, value }
Webhooks — Der call_ended-Webhook enthält die erfassten Daten, sodass du sie automatisch in eigenen Systemen verarbeiten kannst (z. B. E-Mail ins CRM speichern)
Jedes erfasste Datenfeld endet mit einem dieser Statuswerte:
Status
Bedeutung
Bestätigt
Anrufer hat den Wert als korrekt bestätigt
Abgelehnt
Anrufer möchte die Information nicht preisgeben
Fehler
Während der Erfassung ist etwas schiefgelaufen
In Bearbeitung
Erfassung gestartet, aber Anruf endete vorher
Präzise Beschreibungen verwendenStatt „Hol die E-Mail” schreibe „Frage den Anrufer nach seiner E-Mail-Adresse, nachdem bestätigt wurde, dass er eine Bestätigungs-E-Mail erhalten möchte”.Zeitpunkt im Prompt steuernTeile dem Agenten mit, wann er während des Gesprächs nach den Daten fragen soll. Zum richtigen Zeitpunkt fragen wirkt natürlicher.Verhalten für den Erfassungsstil nutzenAnweisungen zum Buchstabieren, Zurücklesen, Wiederholen und zur Bestätigungsformulierung gehören in die Verhalten-Einstellung der Aufgabe. Der Haupt-Prompt sollte darauf fokussiert bleiben, wann die Aufgabe ausgelöst wird.Regeln für strukturierte Daten nutzenWenn du weißt, dass eine Fallnummer immer 6 Stellen hat, füge eine exakte Länge + Nur-Zahlen-Regel hinzu. Das verhindert, dass der Agent ungültige Werte akzeptiert.Eine Aufgabe pro DatenpunktErstelle separate Aufgaben für jede benötigte Information (z. B. eine für E-Mail, eine für Fallnummer).Schlüssel müssen eindeutig seinJede Aufgabe braucht einen eindeutigen Schlüssel. Der Schlüssel wird in API und Webhooks zur Identifizierung verwendet.
Auch wenn „Daten erfassen” leistungsstark für das Einholen spezifischer Informationen ist, gibt es Situationen, in denen es nicht die beste Wahl ist:
Die Daten liegen bereits vor — Wenn die Informationen des Anrufers (E-Mail, Telefon, Kunden-ID) bereits in deinem CRM oder deiner Datenbank vorhanden sind, nutze „Daten erfassen” nicht — es ist redundant und fügt dem Anruf unnötige Schritte hinzu.
Du musst viele Felder auf einmal erfassen — „Daten erfassen” funktioniert am besten für jeweils eine Information (E-Mail, Kennzeichen, Fallnummer). Wenn du ein langes Aufnahmeformular mit 5+ Feldern benötigst, ist es besser, dem Anrufer per SMS oder E-Mail einen Link zum Ausfüllen zu schicken.
Anrufe sind sehr kurz — Jede Erfassung umfasst Fragen, Zuhören, Buchstabieren zur Bestätigung und Warten auf ein „Ja” — das dauert 15–30 Sekunden pro Datenpunkt. Wenn dein durchschnittlicher Anruf unter 2 Minuten liegt, begrenze die Anzahl der erfassten Datenpunkte.
Die Daten sind sensibel oder Anrufer lehnen häufig ab — Das Feature enthält einen „Abgelehnt”-Status für Anrufer, die keine Informationen teilen möchten. Wenn die meisten Anrufer ablehnen (z. B. bei persönlichen Finanzdaten), erzeugt der Bestätigungsablauf Reibung ohne großen Nutzen.
Du benötigst die Daten während des Anrufs — Erfasste Daten sind erst nach dem Anrufende verfügbar (via Webhook oder API). Wenn du sie während des Anrufs für eine Entscheidung benötigst, brauchst du einen anderen Ansatz.
Du nutzt nicht ElevenLabs Turbo 2.5 — Die Dokumentation empfiehlt Turbo 2.5 für die beste Erfahrung. Bei einem anderen Sprachmodell können Transkriptionsprobleme die Genauigkeit beeinträchtigen.
Der spezialisierte Unter-Agent ist resilient gegenüber Sprachtranskriptionsfehlern — er weiß, dass „ät” als „@” transkribiert werden könnte oder dass Buchstaben ähnlich klingen
Du kannst mehrere Datenerfassungsaufgaben für einen Agenten konfigurieren — der Agent übernimmt jede davon, wenn es während des Anrufs passt
Aufgabenschlüssel müssen mit Buchstabe oder Unterstrich beginnen, gefolgt von Buchstaben, Zahlen oder Unterstrichen (z. B. email, fallnummer, kunden_id_2)
Erfasste Daten werden dauerhaft im Anrufdatensatz gespeichert — sie sind in API und Webhooks auch nach dem Anrufende verfügbar
Für die beste Erfahrung teste die Datenerfassung mit echten Sprachanrufen, damit der Agent Transkriptionsfehler und Bestätigungsabläufe sauber handhabt.
