> ## Documentation Index
> Fetch the complete documentation index at: https://docs.famulor.io/llms.txt
> Use this file to discover all available pages before exploring further.

# Analyse nach dem Anruf

> Bewerte automatisch Stimmung und Erfolg und extrahiere strukturierte Daten aus jedem Anruf

Nach einem Anruf kann eine **KI-Analyse** das Transkript auswerten. Sie kann die Stimmung einschätzen, Erfolgskriterien prüfen und strukturierte Felder wie Rückrufnummer, Bestell-ID oder Ja/Nein-Antwort extrahieren. Das Ergebnis steht in [History](/de/monitoring/history), der öffentlichen API und in MCP bereit.

## Was die Analyse liefert

Für jeden analysierten Anruf kann das Ergebnis enthalten:

* **Sentiment** – `positive`, `neutral` oder `negative` (Gesamtstimmung des Anrufers).
* **Success** – `true` / `false` (oder `null`, wenn die Erfolgsbewertung deaktiviert ist), plus eine kurze **Begründung**, die das Urteil erklärt.
* **Data** – eine Zuordnung der von dir definierten strukturierten Felder, mit dem Feldnamen als Schlüssel.
* **Analysis time** – wann das Ergebnis erstellt wurde.

Mit den Filtern für Stimmung und Erfolg in History oder über `GET /api/v1/calls?sentiment=&success=` findest du passende Anrufe schnell.

<Note>
  Die Analyse läuft **nach** dem Anruf und hat nie Einfluss auf das laufende Gespräch. Ist sie nicht verfügbar, bleiben Anruf und Transkript unverändert und es wird kein Ergebnis angezeigt.
</Note>

## Analyse konfigurieren

Öffne die **Analysis**-Karte des Assistenten und aktiviere die Teile, die du brauchst. Alles ist optional; bei einer leeren Konfiguration läuft keine Analyse.

<Steps>
  <Step title="Sentiment">
    Standardmäßig aktiviert. Schalte es aus, wenn du keine Stimmung pro Anruf brauchst.
  </Step>

  <Step title="Erfolgskriterium">
    Aktiviere **Success** und beschreibe in einfachen Worten, wie ein erfolgreicher Anruf aussieht – zum Beispiel *„Der Anrufer hat einen Termin gebucht"* oder *„Der Anrufer hat seine Lieferadresse bestätigt."* Das Ergebnis enthält einen booleschen Wert plus eine Begründung.
  </Step>

  <Step title="Strukturierte Felder">
    Füge Felder hinzu, die extrahiert werden sollen. Jedes Feld hat einen `name` (snake\_case, eindeutig), einen `type` (`string`, `number`, `boolean` oder `enum`), eine `description`, die erklärt, was extrahiert werden soll (max. 500 Zeichen), und – bei `enum` – eine Liste von `choices`. Jedes Feld wird immer zu befüllen versucht – im Editor gibt es keine Möglichkeit, ein Feld optional zu machen, auch wenn das `required`-Flag der API weiterhin im Schema existiert.
  </Step>
</Steps>

### Beispielkonfiguration

```json theme={null}
{
  "sentiment": true,
  "success": {
    "enabled": true,
    "criteria": "The caller booked an appointment"
  },
  "fields": [
    { "name": "callback_number", "type": "string", "description": "Phone number the caller wants a callback on" },
    { "name": "appointment_day", "type": "enum", "description": "Requested weekday", "choices": ["mon", "tue", "wed", "thu", "fri"] },
    { "name": "is_existing_customer", "type": "boolean", "description": "Whether the caller is already a customer" }
  ]
}
```

Ein resultierendes `calls.analysis` sieht so aus:

```json theme={null}
{
  "sentiment": "positive",
  "success": true,
  "success_reason": "Caller agreed to a Tuesday appointment and gave a callback number.",
  "data": {
    "callback_number": "+493012345678",
    "appointment_day": "tue",
    "is_existing_customer": false
  },
  "analyzed_at": "2026-07-05T09:12:44Z"
}
```

## Analyseergebnisse nutzen

* **History-Filter** – filtere die Anrufliste nach Sentiment und Erfolg, um zum Beispiel alle negativen Anrufe zu finden, die *nicht* erfolgreich waren.
* **Öffentliche API** – jeder Anruf in `GET /api/v1/calls` und `GET /api/v1/calls/{id}` enthält `analysis`, `sentiment` und `success`. Filtere die Liste mit `?sentiment=negative` und `?success=false`.
* **MCP** – dieselben Anruffelder stehen über die MCP-Tools `list_calls`/`get_call` zur Verfügung.

<Note>
  Das erneute Ausführen der Analyse für einen vergangenen Anruf – **History → Re-evaluate** – überschreibt gespeicherte Stimmung, Erfolg und extrahierte Felder mit einem neuen Ergebnis. Es kostet zusätzliche Credits zum Workspace-Satz **History re-evaluate**; aktuelle Sätze findest du auf der [Nutzungsseite](https://app.famulor.io/usage).
</Note>

## AI-QA-Scorecards

**AI QA scorecards** (Beta) bewerten jeden abgeschlossenen Anruf anhand deiner eigenen Qualitäts-Checkliste – ein separates, ergänzendes Ergebnis zur Sentiment-/Erfolgs-/Felder-Analyse oben. Konfiguriere sie im selben Tab **Analysis & QA** wie die Analyse nach dem Anruf.

<Steps>
  <Step title="Scorecards aktivieren">
    Standardmäßig deaktiviert. Die Karte wird erst angezeigt, sobald **Beta features** für den Workspace unter [Settings → Workspace](/de/settings/workspaces) aktiviert ist, und das Aktivieren erfordert einen Plan, der AI-QA-Scorecards enthält.
  </Step>

  <Step title="Bestehensschwelle festlegen">
    Eine Gesamtpunktzahl von 0–100; ein Anruf besteht, sobald er diesen Wert erreicht oder überschreitet.
  </Step>

  <Step title="Bis zu 20 Kriterien hinzufügen">
    Jedes Kriterium hat einen Namen, eine Gewichtung (wie stark es in die Gesamtpunktzahl einfließt) und eine Quelle:

    * **LLM judge** – die KI liest das Transkript und bewertet das Kriterium anhand einer von dir verfassten Freitext-Beschreibung. Kostet eine zusätzliche Auswertung pro Kriterium.
    * **Reuse success** – verwendet das Erfolgs-Flag der Analyse dieses Anrufs weiter (ja = 1, nein = 0), ohne zusätzliche Kosten.
    * **Reuse sentiment** – verwendet das Sentiment der Analyse dieses Anrufs weiter (positive = 1, neutral = 0.5, negative = 0), ohne zusätzliche Kosten.
  </Step>
</Steps>

Ergebnisse erscheinen in **History**, in der Detailansicht des Anrufs. Konfiguriere Scorecards genauso wie die Analyse – über den Assistenten-Editor, `PATCH /api/v1/assistants/{id}` oder das MCP-Tool `update_assistant`.

<Note>
  Das unterscheidet sich vom kohortenbasierten Tool [AI Quality Assurance](/de/assistants/ai-quality-assurance), das ein von dir gewähltes QA-Paket auf Abruf gegen einen Stapel vergangener Anrufe laufen lässt. Scorecards laufen automatisch, pro Anruf, sobald dieser endet.
</Note>

## Konfiguration über die API

Mit `PATCH /api/v1/assistants/{id}` oder dem MCP-Tool `update_assistant` kannst du dieselben Analyseoptionen programmatisch ändern. Eine leere Konfiguration bedeutet, dass keine Analyse läuft. Das Request-Schema findest du in der [API-Referenz](/de/api-reference/introduction).

## Echten Anruf in einen Simulationstest verwandeln

Wähle bei einem beendeten Anruf in **History** die Option **Create Simulation Test**. Famulor bereitet Persona, Script und Erfolgskriterien aus Transkript und Analyse vor und öffnet anschließend das [Simulations-Panel](/de/assistants/simulations) des Assistenten zur Prüfung.

Dieselbe Aktion gibt es als:

* `POST /api/v1/assistants/{id}/tests/from-call` mit `{ "call_id": "…" }` (`assistants:write`; Simulationen müssen im Plan enthalten sein)
* MCP-Tool `create_assistant_test_from_call`

Ein Klick auf eine Transkriptzeile springt in der Aufnahme an diese Stelle.