# Voice Activity Detection (VAD) – Definition

> Source: https://hi-desk.de/de/glossar/vad/

---

[HiDesk](https://hi-desk.de/de/)[Glossar](https://hi-desk.de/de/glossar/)Voice Activity Detection (VAD)

[KI-Technik](https://hi-desk.de/de/glossar/#ki-technik)

# Voice Activity Detection (VAD)

Definition

Voice Activity Detection (VAD, Sprachaktivitätserkennung) erkennt in einem Audiosignal, ob und wann gesprochen wird — und unterscheidet Sprache von Stille, Atmen und Hintergrundgeräuschen. In der Telefon-KI ist VAD das Taktgefühl des Gesprächs: Sie bestimmt, wann der Anrufer ausgesprochen hat, wann die KI antworten darf und wann sie unterbrochen wird.

## Wie VAD funktioniert

Das Audiosignal wird in winzige Zeitfenster zerlegt, die ein Modell laufend als „Sprache" oder „keine Sprache" einstuft. Frühe Verfahren maßen nur die Lautstärke und scheiterten an Straßenlärm oder Freisprechern; moderne neuronale VAD-Modelle erkennen die charakteristischen Muster menschlicher Sprache auch im Rauschen. Auf der VAD baut das sogenannte Endpointing auf: die Entscheidung, dass ein Satz wirklich zu Ende ist und die KI antworten darf.

## Warum VAD über die Gesprächsqualität entscheidet

Die VAD balanciert zwei Fehler gegeneinander: Reagiert sie zu früh, fällt die KI dem Anrufer bei jeder Denkpause ins Wort („Ähm, ich hätte gern … einen Termin"). Wartet sie zu lange, entstehen unangenehme Sekunden der Stille, und die Antwortlatenz steigt. Gute Systeme passen die Wartezeit dem Kontext an: Nach einer Ja/Nein-Frage darf die KI schnell reagieren, beim Diktieren einer Telefonnummer wartet sie geduldig. Auch sauberes Barge-in hängt an der VAD — sie meldet, dass der Anrufer dazwischenspricht, damit die KI stoppt.

## Häufig gestellte Fragen

Was macht VAD in einem KI-Telefonassistenten?

Sie erkennt in Echtzeit, wann der Anrufer spricht und wann er fertig ist. Damit steuert sie das Timing des Gesprächs: den Moment der KI-Antwort, das Zuhören bei Unterbrechungen und das Ignorieren von Hintergrundgeräuschen.

Warum unterbricht mich eine Telefon-KI manchmal mitten im Satz?

Meist ist die VAD bzw. das Endpointing zu aggressiv eingestellt: Eine Denkpause wird als Satzende gewertet. Gute Systeme warten kontextabhängig länger — das ist ein sinnvolles Testkriterium beim Anbietervergleich.

## Verwandte Begriffe

[Barge-in](https://hi-desk.de/de/glossar/barge-in/)[Latenz (in der Sprach-KI)](https://hi-desk.de/de/glossar/latenz/)[Spracherkennung (ASR)](https://hi-desk.de/de/glossar/spracherkennung/)

[Vorheriger BegriffSentiment-Analyse](https://hi-desk.de/de/glossar/sentiment-analyse/)[Nächster BegriffCallcenter vs. Contact Center](https://hi-desk.de/de/glossar/callcenter-vs-contact-center/)

[Alle Begriffe im Glossar](https://hi-desk.de/de/glossar/)

## Jetzt selbst testen

### Interaktive Live-Demo

Erleben Sie unsere KI live am Telefon

UnverbindlichIn 30 SekundenDSGVO-konform

Mit dem Anruf stimmen Sie unserer [Datenschutzerklärung](https://hi-desk.de/de/privacy) zu.

![Florestan Peters, CEO von HiDesk](https://hi-desk.de/team/nextImageExportOptimizer/flo-opt-3840.WEBP)

![Jeremy Meidinger, CTO von HiDesk](https://hi-desk.de/team/nextImageExportOptimizer/jere-opt-3840.WEBP)

Unser Team ist für Sie da

### Kostenlose Beratung buchen

Sprechen Sie mit unseren Experten

Lieber in Ruhe ausprobieren? [Zur vollständigen Live-Demo](https://hi-desk.de/de/eigene-ki-testen/)