Warum Ihre Kunden am Telefon schlechter verstehen als im Laden

Altersschwerhörigkeit nimmt zuerst die hohen Töne

Presbyakusis, die altersbedingte Schwerhörigkeit, beginnt fast immer im Hochtonbereich. Tiefe und mittlere Frequenzen bleiben lange erhalten, während die Empfindlichkeit oberhalb von etwa 2000 Hertz nachlässt.

Das erklärt eine Beobachtung, die Ihnen im Laden täglich begegnet: Betroffene sagen nicht „ich höre Sie nicht“, sondern „ich verstehe Sie nicht“. Die Lautstärke reicht aus, die Feinheiten fehlen. Lauter sprechen hilft deshalb kaum – es verstärkt vor allem die Frequenzen, die ohnehin ankommen.

Die Weltgesundheitsorganisation geht davon aus, dass weltweit über 1,5 Milliarden Menschen mit einer Hörminderung leben, und rechnet bis 2050 mit 2,5 Milliarden. In einem Optik- oder Hörakustikbetrieb ist dieser Anteil an der Kundschaft naturgemäß deutlich höher als in der Allgemeinbevölkerung – ein Teil Ihrer Anrufer ruft genau deswegen an.

Die Verständlichkeit steckt in den Konsonanten

Vokale tragen den größten Teil der Lautstärke, Konsonanten den größten Teil der Bedeutung. Und die Energie der Konsonanten liegt hoch: /s/, /f/ und /sch/ haben ihren Schwerpunkt oberhalb von 4000 Hertz.

Wer diese Frequenzen nicht mehr hört, verliert nicht das Sprachsignal, sondern dessen Unterscheidungsmerkmale. „Fassung“ und „Fassungen“, „Termin“ und „Termine“, „sechs“ und „sechzehn“ klingen dann fast gleich. Das Gehirn ergänzt aus dem Zusammenhang – und liegt bei Uhrzeiten, Zahlen und Eigennamen regelmäßig daneben.

Deshalb ist die Rückfrage am Telefon fast immer dieselbe: nicht „wie bitte?“ zum ganzen Satz, sondern die Nachfrage nach genau einer Zahl oder einem Namen.

Das Telefonband endet bei 3400 Hertz

Klassische Telefonie überträgt nach ITU-T G.711 nur den Bereich von 300 bis 3400 Hertz. Alles darüber wird nicht gedämpft, sondern gar nicht erst übertragen – und damit fehlt der obere Teil genau der Konsonanten, auf die es ankommt.

Dieser Zuschnitt stammt aus der analogen Fernsprechtechnik und war eine bewusste Abwägung: 300 bis 3400 Hertz reichen aus, damit normalhörende Menschen einander verstehen, und sparen Bandbreite. Für Normalhörende funktioniert das. Für jemanden mit Hochtonverlust addieren sich zwei Beschneidungen desselben Frequenzbereichs.

Damit lässt sich beantworten, warum dieselbe Person Sie im Laden gut versteht und am Telefon nicht: Im Verkaufsraum kommen die Konsonanten an, nur leiser. Am Telefon sind sie oberhalb von 3400 Hertz schlicht nicht im Signal.

Eine tiefere Stimme hilft, aber nicht aus dem Grund, den man vermutet

Eine tiefe Stimme verbessert nicht die Konsonanten – die liegen unabhängig von der Stimmlage hoch. Sie sorgt dafür, dass der tragende Teil des Signals in dem Bereich liegt, den ein Hochtonverlust noch gut abbildet.

Die Grundfrequenz einer Stimme liegt bei etwa 85 bis 180 Hertz bei Männern und 165 bis 255 Hertz bei Frauen. Beides liegt im gut erhaltenen Bereich. Eine tiefere Stimme trägt also stabiler, und der Zuhörer muss weniger Aufmerksamkeit dafür aufwenden, dem Signal überhaupt zu folgen.

Die eigentliche Arbeit an der Verständlichkeit leisten aber Tempo und Artikulation. Wer langsamer spricht, gibt dem Gehirn Zeit für das Ergänzen fehlender Konsonanten. Wer Endsilben ausspricht statt sie zu verschlucken, liefert die Information, die das Telefonband beschneidet, wenigstens in voller Länge.

Was im Gespräch tatsächlich hilft

Vier Dinge wirken messbar: langsameres Tempo, deutliche Konsonanten, Pausen an Sinngrenzen und geduldiges Wiederholen. Lautstärke steht bewusst nicht auf dieser Liste.

Was das für die Telefonannahme im Betrieb bedeutet

Ein Sprachassistent, der auf Effizienz getrimmt ist, scheitert bei genau der Kundschaft, die in Optik und Akustik den Kern ausmacht. Tempo und Artikulation sind hier keine Komforteinstellung, sondern die Voraussetzung dafür, dass das Gespräch überhaupt funktioniert.

Die meisten Sprachassistenten sind auf kurze Antwortzeiten optimiert, weil sich das gut misst. Für einen Betrieb, dessen Anrufer überdurchschnittlich häufig schlecht hören, ist das die falsche Zielgröße. Ein Gespräch, das zwanzig Sekunden länger dauert und beim ersten Mal verstanden wird, ist günstiger als drei Rückrufe.

Emil ist auf diesen Fall ausgelegt: tiefe Stimme, Sprechtempo unterhalb des Standards, deutliche Artikulation und Wiederholungen ohne Ungeduld. Das ist keine Zusatzfunktion, sondern die Grundeinstellung.