> For the complete documentation index, see [llms.txt](https://library.zoom.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://library.zoom.com/technical-library/de/business-dienstleistungen/zoom-virtual-agent/zoom-virtual-agent-analytics-reporting.md).

# Analysen und Berichterstattung

Erkunden Sie Zoom Virtual Agent-Berichte, Dashboard-Kennzahlen, Filter und Einblicke in das Engagement.

### Analysen und Berichterstattung für Zoom Virtual Agent

Administratoren können ein einzelnes Abonnement mit den verschiedenen in diesem Abschnitt beschriebenen Berichten erstellen. Sie können Abonnements nach bestimmten Agenten, Agentengruppen oder Berichtstypen wie Übersicht, Virtual Agent Performance, Knowledge Performance, Query Insight, Gesprächsdetails und Consumer Engagement Surveys filtern. Empfänger erhalten eine E-Mail mit allen ausgewählten Berichten, gekennzeichnet nach Berichtstyp und Agentenbereich.

Reporting-Abonnements bieten jetzt einen erweiterten Zustellrhythmus, Dashboard-Abdeckung und E-Mail-Inhalt. Admins können für die wöchentliche Zustellung jeden beliebigen Wochentag Wählen oder auf tägliche Zustellung umstellen. Verfügbar ist eine breitere Auswahl berechtigter Dashboards zum Abonnieren, und die Berichts-E-Mail-Vorlage wurde überarbeitet, um mehr Metriken und eine KI-generierte Zusammenfassung aufzunehmen.

Dashboard-Filter unterstützen auch eine präzise Zeitangabe nach Tageszeit und gespeicherte Ansichten. Zusätzlich zu Datumsbereichen können Administratoren Start- und Endzeiten bis auf Stunde und Minute festlegen, um ein Fenster wie eine einzelne Arbeitsschicht oder einen Zeitraum mit hohem Verkehrsaufkommen zu isolieren, und relative Datumsbereiche sind ebenfalls verfügbar. Ein gefiltertes Dashboard kann als benannte Ansicht gespeichert werden, die seine Filter und Diagrammauswahlen für die schnelle Wiederverwendung erfasst, und eine gespeicherte Ansicht kann mit allen Benutzern auf dem Konto geteilt werden.

In den Berichten „Conversation Details“ und „Query Insight“ speichert eine gespeicherte Ansicht auch das Tabellenlayout: die Spaltenauswahl, die Spaltenreihenfolge und die Sortierrichtung. Beim erneuten Öffnen der Ansicht wird die Tabelle genau so wiederhergestellt, wie sie konfiguriert war. Administratoren müssen die Spalten also nicht bei jedem Besuch neu anordnen oder sortieren.

Berichtsabonnements können eine gespeicherte Ansicht bereitstellen. Beim Einrichten eines Abonnements können Administratoren eine gespeicherte Ansicht auswählen. Geplante Zustellungen geben dann diese Ansicht statt der standardmäßigen Berichtsversion wieder. Per E-Mail versendete Berichte enthalten somit dieselbe Datenstruktur, die Administratoren auf dem Bildschirm analysieren.

#### <mark style="color:blau;">Data Dictionary bietet transparente Metrikdefinitionen für Zoom Virtual Agent Analysen</mark>

Zoom Virtual Agent Analysen umfasst ein integriertes Data Dictionary. Administratoren können Datensätze und Berichte durchsuchen, um Metrikdefinitionen, Berechnungen, Filter und Hinweise zum Dolmetschen zu verstehen. Definitionen können zum Teilen exportiert werden, was dabei hilft, KPIs zu klären und die Einführung teamübergreifend zu fördern.

#### <mark style="color:blau;">Dashboard-Metriken unterstützen Drilldowns direkt an Ort und Stelle sowie Spalten-Tooltips</mark>

Administratoren können auf dem Dashboard von Zoom Virtual Agent auf jede beliebige Metrik klicken, um zu den dahinterliegenden Gesprächen zu drillen. Aktive Dashboard-Filter werden automatisch übernommen, sodass Sie von der Gesprächsliste zu einem einzelnen Transkript und wieder zurück wechseln können, ohne den Kontext zu verlieren. Jede Berichtstabelle fügt außerdem Tooltips zu ihren Spaltenüberschriften hinzu. Bewegen Sie den Mauszeiger über eine Metrik, um ihre Definition und einen direkten Link zum vollständigen Data-Dictionary-Eintrag anzuzeigen.

#### <mark style="color:blau;">Der Bericht Virtual Agent Performance beschreibt die Ergebnisse zu Tool, Skill und Latenz während des Endbenutzer-Engagements</mark>

Die Berichterstattung zur Virtual Agent-Performance liefert Daten zu wichtigen Leistungsindikatoren des KI-Agenten.

* **Wichtige Kennzahlen:** Eindeutige und gesamte Anzahl aufgerufener Tools, eindeutige und gesamte Anzahl aufgerufener Skills, Latenzkennzahlen (P90-/P50-Latenz bis zum ersten Token), Latenztrend, Eindämmungsrate, Eskalationsrate, Nutzungsintensität und Kosteneinsparungen.
  * **Kennzahl „Initiierungen“**: Eine neue, erweiterte Kennzahl, die misst, wann und wie Interaktionen initiiert werden. Sie bietet einen besseren Einblick darin, wie Benutzer die Virtual-Agent-Erfahrung starten. Mit dieser Kennzahl können Administratoren die Leistung der Einstiegspunkte beurteilen, Weiterleitungsstrategien bewerten und nachvollziehen, wie sich Änderungen an Workflows oder Einstiegspunkten auf das Interaktionsverhalten insgesamt auswirken.
  * **Kennzahlen zu Nachrichten insgesamt**: Liefert aggregierte Zahlen zu allen Nachrichten, die im Rahmen von Interaktionen mit Zoom Virtual Agent und Zoom AI Expert Assist ausgetauscht werden. Anhand dieser Kennzahlen können Administratoren das Gesprächsvolumen analysieren, Nachrichtenmuster über verschiedene Kanäle hinweg vergleichen und die multimodale Auslastung KI-gestützter Support-Workflows besser verstehen.
  * **Sicherheitsmechanismen**: Eine aggregierte Übersicht über die Aktivitäten der Sicherheitsmechanismen im Backend. Sie umfasst die Gesamtzahl der Verstöße, die Verstoßrate pro 1.000 Interaktionen, eine Aufschlüsselung nach Kategorie und einen zeitlichen Trend. Beim Aufrufen der aggregierten Daten werden im Bericht „Gesprächsdetails“ die betroffenen Gespräche geöffnet, gefiltert nach der ausgewählten Kategorie des Sicherheitsmechanismus. Die Berichte zu Sicherheitsmechanismen umfassen sowohl Sprache als auch Chat.
* **Filter:** Zeitraum, Agententyp (Sprache, Chat, Chatbot) und bestimmter KI-Agent.
  * **Themengruppen** sind in Analyseberichten ebenfalls als Filter und Anzeigedimension verfügbar. So können Vorgesetzte Leistungsdaten auf Ebene der Geschäftskategorien einsehen.
* **Anwendungsfall:** Unterstützt Administratoren dabei, die Effizienz von KI-Agenten zu beurteilen, die Nutzung von Tools und Skills zu überwachen und Latenz- und Eindämmungstrends zu verfolgen, um Leistung und ROI zu verbessern.

{% hint style="info" %}
**Hinweis**

Der KI-Agent-Bericht verfügt über eine Kosteneinsparungs-Einstellung, die die Leistung des virtuellen Agenten auf Grundlage eines voreingestellten Token-Kostensatzes beeinflusst.
{% endhint %}

#### <mark style="color:blau;">Der Bericht zur Wissensleistung liefert Details dazu, wie Wissensartikel während Interaktionen verwendet werden</mark>

Dieser Bericht gibt Einblicke, wie Ihre Wissensdatenbank-Artikel zur Lösung der Probleme Ihrer Kunden beitragen.

* **Wichtige Kennzahlen**: Interaktionen mit Wissensunterstützung, Rate der Interaktionen mit Wissensunterstützung, referenzierte Artikel und durchschnittliche Anzahl referenzierter Artikel pro Interaktion.
* **Filter**: Zeitraum, Agententyp (Sprache, Chat, Chatbot), bestimmter KI-Agent und Artikelquelle.
  * Der Filter für die Artikelquelle hat zwei Werte – KI-vorgeschlagen und Manuell hinzugefügt – und jede Artikelzeile zeigt eine Quellenbezeichnung, sodass Administratoren prüfen können, wie stark die Empfehlungs-Engine beiträgt.
* **Anwendungsfall**: Unterstützt Administratoren dabei, die Wirksamkeit von Wissensinhalten zu beurteilen und diese für höhere Lösungsraten zu optimieren.
* **Kennzeichnung des aktiven/inaktiven Status in der Wissensdatenbank**: Diese Funktion fügt Wissensdatenbankartikeln, die ersetzt oder aktualisiert wurden, ein Symbol für den Status hinzu. Sowohl die alte als auch die neue Version bleiben im ZVA-Bericht sichtbar; eindeutige Statusanzeigen geben an, ob der jeweilige Artikel aktiv oder inaktiv ist.

Die Artikeltabelle enthält eine Spalte **Eindämmung** mit der Eindämmungsrate jedes Artikels bei Chat- und Sprachinteraktionen. Die Rate entspricht der Anzahl der eingedämmten Interaktionen, bei denen der Artikel verwendet wurde, geteilt durch die Gesamtzahl der Interaktionen, bei denen er zum Einsatz kam. So sehen Administratoren, welche Artikel tatsächlich zur Lösung von Problemen beitragen – und nicht nur, welche der Agent abruft.

Administratoren können außerdem sehen, warum Endbenutzer einen Artikel als nicht hilfreich bewertet haben. Das Widget **Verteilung der Gründe für „Nicht hilfreich“** unter **Analysen und Berichte** > **Wissensleistung**schlüsselt die Rückmeldungen zu „Nicht hilfreich“ nach dem vom Endbenutzer ausgewählten Grund auf. Wenn Sie im Diagramm einen Grund auswählen, wird die Ansicht gefiltert. So können Administratoren ermitteln, warum bestimmte Artikel schlechte Ergebnisse erzielen, und Aktualisierungen der Inhalte priorisieren.

#### <mark style="color:blau;">Der Query-Insight-Bericht bietet eine detaillierte Ansicht der von virtuellen Agenten bearbeiteten Kundenanfragen</mark>

Dieser Bericht bietet Ihnen einen Überblick über Anfragedaten, einschließlich Anfragevolumen, Übereinstimmungsabdeckung, Verknüpfung mit Interaktionen und Ergebnissen auf Themenebene.

* **Wichtige Kennzahlen:** Gesamtzahl der Abfragen, durchschnittliche Abfragen pro Interaktion, beliebte Themen, gelöste Themen, eskalierte Themen und Trends bei der Übereinstimmung von Abfragen.
* **Filter:** Zeitraum, Agententyp (Sprache, Chat, Chatbot), KI-Agent, Abfrage-Übereinstimmungstyp, Artikel, Thema, Ergebnis der Interaktion, Wissensdatenbank und Sprache.
* **Anwendungsfall:** Unterstützt Administratoren und Analysten dabei, das Abfrageverhalten zu verstehen, die Themenabdeckung zu beurteilen und Verbesserungsmöglichkeiten für die Antwortqualität und die Automatisierungsleistung zu ermitteln.

Die Zoom Virtual Agent Analysen bieten auch Topic Groups, eine zweistufige Hierarchie, die granulare Themen automatisch in Business-ausgerichtete Kategorien wie „Abrechnung und Zahlungen“ oder „Versand und Lieferung“ einordnet. Vorgesetzte können wichtige Kontaktgründe auf einen Blick auf Kategorieebene erkennen und dabei weiterhin die Möglichkeit behalten, bestimmte Themen tiefer zu analysieren.

In den Zoom Virtual Agent Mandanteneinstellungen konfigurierte Redaktionsregeln gelten jetzt einheitlich im gesamten Query Insights Dashboard, einschließlich der Abfrageliste und der Detailansichten. Diese Bereiche gaben zuvor rohe Äußerungen unabhängig vom konfigurierten Regelwerk aus; jetzt berücksichtigen sie dasselbe Redaktionsregelwerk wie der Rest des Produkts.

Der Bericht „Query Insight“ bietet drei Exportoptionen: die Ansicht der Abfragetabelle, die Interaktionsdaten zu den in der Tabelle aufgeführten Abfragen und die Agent-Traces zu diesen Interaktionen.

#### <mark style="color:blau;">Vergleichsanalysen zeigen zwei Datenschnitte nebeneinander</mark>

Administratoren können zwei Datenschnitte direkt in den Zoom Virtual Agent-Dashboards vergleichen, ohne zu exportieren oder den Bildschirm zu wechseln. Klicken Sie in jedem Bericht auf Vergleichen, wählen Sie einen Satz von Filtern aus, und das Dashboard wird in einem Zwei-Kohorten-Layout neu gerendert, sodass Sie die beiden Datenschnitte miteinander vergleichen können. Vergleichsanalysen funktionieren zusammen mit den Drilldown- und Kreuzfilterungsfunktionen des Dashboards.

#### <mark style="color:blau;">Kreuzfilterung berechnet Dashboard-Visualisierungen nach Dimension neu</mark>

Vorgesetzte können auf einen Dimensionswert auf den Seiten Query Insights, Gesprächsdetails, Knowledge Performance und Agent Performance klicken, um jede Visualisierung auf der Seite kreuzzufiltern. Zu den anklickbaren Werten gehören Themen, Agenten, Tools oder Diagrammsegmente.

Ein Filterchip zeigt die aktive Auswahl an. Sie können ihn entfernen, indem Sie auf **x**klicken, den Wert erneut auswählen oder außerhalb des Chips klicken. Mehrere Kreuzfilter lassen sich miteinander und mit den vorhandenen Einstellungen der Filterleiste kombinieren, um übereinstimmende Ergebnisse anzuzeigen. Wenn Sie den Mauszeiger über ein filterbares Element bewegen, wird ein Zeiger angezeigt und eine Kurzinfo zur jeweiligen Aktion eingeblendet.

#### <mark style="color:blau;">Der Bericht Gesprächsdetails bietet auf Interaktionen basierende Einblicke in Unterhaltungen für virtuelle Agenten</mark>

Die Berichterstattung zu Gesprächsdetails liefert Daten für wichtige Kennzahlen zum Engagement von KI-Agenten.

* **Wichtige Kennzahlen:** Gesamtzahl der Interaktionen, Interaktionen mit mehreren Gesprächsrunden, durchschnittliche und gesamte Interaktionsdauer sowie Interaktionsprotokolle mit Metadaten (Themen, Tools, Skills, Eskalationsgründe und Antwortende). Bei Bereitstellungen mit mehreren Instanzen enthält der Bericht außerdem eine Spalte **Instanz** mit der Angabe, welche Instanz die jeweilige Interaktion bearbeitet hat.
* **Filter:** Zeitraum, Agententyp (Sprache, Chat, Chatbot), KI-Agent, Tool, Ergebnis der Interaktion, letzter Antwortender, Skill, Thema, Übergabe angenommen (nur Sprache), Auslöser des Sicherheitsmechanismus „KI-Agent hat beendet“ (nur Sprache) sowie – bei Bereitstellungen mit mehreren Instanzen – Instanz und Instanzgruppe.
* **Anwendungsfall:** Ermöglicht Administratoren, die Qualität von Interaktionen zu analysieren, die Leistung von KI-Agenten und Skills zu verfolgen und das Verhalten auf Gesprächsebene zu überprüfen. Dies dient der Optimierung, der betrieblichen Überwachung und der internen Berichterstattung.

Wenn eine Unterhaltung eine Back-End-Sicherheits-Guardrail auslöst, markiert der Bericht Gesprächsdetails sie mit einem Guardrail-Symbol beim betroffenen Engagement und einer Diskussionsgruppe, die zeigt, welche Guardrail-Kategorien ausgelöst wurden und bei welchem Turn. Administratoren können die Engagement-Liste nach Verstoßkategorie filtern — beispielsweise Gewaltverbrechen, Missbrauch des Code-Dolmetschers, Datenschutz oder Verleumdung —, um nur die Unterhaltungen zu prüfen, die eine Regel ausgelöst haben. Dies sind die Back-End-Sicherheits-Guardrails von Zoom, nicht Guardrails, die ein Administrator in Agent Guidance schreibt.

Gesprächsdetails umfasst außerdem oben im Dashboard eine konfigurierbare Visualisierungsleiste. Sie können eigene Visualisierungen für Variablen — sowohl System- als auch benutzerdefinierte — erstellen und zwischen Kreis-, Balken- und Liniendiagrammen wählen. Visualisierungen können hinzugefügt, verschoben und in der Größe geändert werden, und Ihre Einstellungen bleiben auf Kontoebene für Ihre nächste Sitzung erhalten. Angeheftete Diagramme berücksichtigen die aktiven Filter der Seite und geben Ihnen einen klaren Überblick über die Verteilung der Variablen genau dort, wo Sie ihn brauchen.

#### <mark style="color:blau;">Der Bericht zu den Umfragen zur Verbraucherinteraktion stellt Feedback von Verbrauchern dar, das aus Umfragen nach der Interaktion in Zoom Virtual Agent erfasst wurde</mark>

Dieser Bericht fasst das Feedback aus Umfragen nach der Interaktion zusammen, um die Kundenzufriedenheit, den Erfolg der Problemlösung und Verbesserungsmöglichkeiten zu messen.

* **Wichtige Kennzahlen:** Dem Agenten zugewiesen, Starts, Antworten, Antwortrate, Abschlussrate, Starttrend, Antworten auf Umfragefragen und Verteilung des Freitext-Feedbacks.
* **Filter:** Datumsbereich, KI-Agent und Bot (einschließlich Varianten, falls mehrere vorhanden sind).
* **Anwendungsfall:** Ermöglicht Administratoren, die Stimmung der Kunden zu beurteilen, die Leistung des Chatbots zu messen und Möglichkeiten zur Verbesserung der Interaktionsqualität und Benutzerzufriedenheit zu erkennen.

#### <mark style="color:blau;">Metriken zur impliziten Lösung leiten Kundenergebnisse aus dem Interaktionsverhalten ab</mark>

Administratoren können die Leistung des virtuellen Agents mit impliziter Auflösung messen, die die Problemlösung und Zufriedenheit der Benutzer automatisch auf Grundlage des tatsächlichen Verhaltens ableitet, z. B. anhand des Abschlusses von Workflows und des Engagement-Niveaus.

Diese Kennzahl bietet eine Alternative zu traditionellen Umfragen, wenn die expliziten CSAT-Antwortraten niedrig sind. Sie funktioniert außerdem zusammen mit bestehenden umfragebasierten Kennzahlen, anstatt sie zu ersetzen. Daten zur impliziten Auflösung sind im Zoom-Webportal, über die API oder in herunterladbaren Berichten verfügbar und helfen Administratoren, die Effektivität von Zoom Virtual Agent zu optimieren.

Die Logik, die die implizite Lösung bestimmt, wurde verbessert, um Gespräche präziser zu lesen und Fehlklassifizierungen in beide Richtungen zu reduzieren. Dadurch spiegelt die Lösungsrate die tatsächlichen Ergebnisse genauer wider. Administratoren können eine leichte Verschiebung der Metrik sehen, während die Verbesserung wirksam wird.

Zoom Virtual Agent Analysen erfasst außerdem die Kennzahl **ohne Rückkehr gelöst** für Sprach- und Chatkanäle. Eine Interaktion gilt als ohne Rückkehr gelöst, wenn sie ohne Weiterleitung bearbeitet wurde und derselbe Kunde innerhalb des festgelegten Rückkehrzeitraums nicht erneut Kontakt aufnimmt. Da diese Kennzahl die Bearbeitung ohne Weiterleitung mit dem anschließenden Verhalten des Kunden verknüpft, bietet sie Administratoren einen aussagekräftigeren Hinweis auf eine tatsächliche Lösung als die Bearbeitung ohne Weiterleitung allein.

Berichtsbezogene Einstellungen für jeden Agenten werden in einem eigenen Abschnitt für Berichtseinstellungen in der Konfiguration des Agenten festgelegt. Dieser Abschnitt umfasst drei Einstellungen: erfüllte Ziele, Gesprächsergebnisse und ohne Wiederkehr gelöst. Diese Einstellungen wirken sich nur auf die Berichterstellung aus, nicht auf das Verhalten des Agenten. „Erfüllte Ziele“ und „Gesprächsergebnisse“ gelten für ausgehende Agenten; „ohne Wiederkehr gelöst“ gilt für eingehende Agenten.

#### <mark style="color:blau;">Das Interaktionsprotokoll bietet eine detaillierte Aufzeichnung jeder Interaktion mit KI- und Sprachagenten, einschließlich Ergebnissen, Dauer und Transkripten zur Überprüfung</mark>

<div data-with-frame="true"><img src="https://590569539-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FctBXUMeBy4rtLMmMkKRG%2Fuploads%2FBekwbdgq0PzE6LyvSslJ%2Funknown.png?alt=media&amp;token=228a0e64-0379-4341-8546-1567ff1ccd6d" alt=""></div>

Das Interaktionsprotokoll bietet eine detaillierte Übersicht über jede Interaktion, die von Ihren KI- oder Sprachagenten bearbeitet wurde. Es hilft Ihnen zu analysieren, wie jedes Gespräch abgewickelt wurde, ob es von der KI abgeschlossen oder an einen Live-Agenten weitergeleitet wurde, und zeigt die wichtigsten Leistungskennzahlen dieser Interaktion.

Dieser Bericht ist wertvoll für Vorgesetzte, Administratoren und Analysten, die Einblick in die Leistung der Agenten, das Kundenerlebnis und die Systemleistung benötigen.

**Wichtige Spalten im Interaktionsprotokoll**

* **Interaktions-ID**: Eine eindeutige Kennung für jede Interaktion. Mit dieser ID können Sie bestimmte Gespräche suchen und überprüfen.
* **Kanal**: Gibt an, ob die Interaktion über einen Chat-Agenten oder einen Sprachagenten erfolgte.
* **Quelle**: Zeigt den Einstiegspunkt, z. B. das Zoom Contact Center, an, über den die Interaktion initiiert wurde.
* **Verbraucher**: Der Kunde oder Endbenutzer, der den Vorgang gestartet hat. Bei Sprachanrufen wird möglicherweise eine Telefonnummer angezeigt, bei Chatsitzungen ein Benutzername.
* **KI-Agent**: Gibt an, welcher KI-Agent die Interaktion bearbeitet hat.
* **Tool / Skill / Thema / Artikel**: Zeigt, welche Tools, Skills oder Wissensressourcen der KI-Agent während des Vorgangs verwendet hat, z. B. „Ticketstatus abrufen“ oder „Agentenübergabe anfordern“.
* **Ergebnis der Interaktion**: Das Endergebnis der Interaktion. „Containment“ bedeutet, dass der KI-Agent das Problem ohne Eskalation gelöst hat. „Eskalation“ bedeutet, dass die Interaktion an einen menschlichen Agenten übergeben wurde. Gründe für die Eskalation werden gegebenenfalls angezeigt, z. B. „Eskalation gemäß Design“ oder „Eskalation angefordert.“
* **Startzeit / Endzeit**: Die Zeitstempel für Beginn und Ende der Interaktion.
* **Letzter Antwortgeber**: Gibt an, wer die Interaktion abgeschlossen hat: der KI-Agent oder nach einer Eskalation ein menschlicher Agent.
* **Dauer der Interaktion**: Die Gesamtdauer der Interaktion.
* **Interaktionswechsel**: Die Anzahl der abwechselnden Nachrichten zwischen dem KI-Agenten und dem Kunden.
* **Interaktive Dauer**: Wie lange der Kunde an der Interaktion beteiligt war; besonders nützlich bei Sprachanrufen.
* **Übergabe angenommen / KI-Agent hat die Interaktion verlassen**: Gibt an, ob die Übergabe an einen Live-Agenten erfolgreich war und ob der KI-Agent die Interaktion verlassen hat.

Diese Berichterstattung unterstützt Prüfbarkeit, Überprüfung und Schulung, indem Prüfpfade bereitgestellt werden, die sowohl die Leistung von KI als auch von menschlichen Agenten verbessern können.

Wenn beispielsweise beim IT-Helpdesk-Agenten eine hohe Anzahl von Eskalationen für Ticketerstellungsaufgaben angezeigt wird, können Vorgesetzte Transkripte überprüfen, um zu identifizieren, warum Benutzer einen menschlichen Agenten anfordern, und die Konfiguration oder Schulungsdaten der KI aktualisieren.

**Agent Tracing bietet Schritt-für-Schritt-Transparenz in die Entscheidungsfindung virtueller Agenten**

Wenn sie ein Engagement überprüfen, können Administratoren Agent Tracing verwenden, um die gesamte Entscheidungskette von der Eingabeverarbeitung bis zur endgültigen Antwort zu sehen. Dies unterstützt die Fehlersuche, die Überprüfung durch die Qualitätssicherung und die Leistungsoptimierung.

Agent Tracing bietet eine einheitliche, für Menschen lesbare Nachverfolgung, die mit einem bestimmten Engagement verknüpft ist. Sie umfasst ein vollständiges Kunden-Transkript zusammen mit Systemaktionen. Jeder Pipeline-Schritt ist mit Start- und Endzeiten versehen.

Agent Tracing umfasst:

* Eingabeerfassung
* NLU-/Intent-Klassifizierung
* Such- und Abrufschritte (d. h. Umschreiben von Abfragen und Quellenauswahl)
* LLM-Inferenz
* Tool-/Funktionsaufrufe
* Antwortdarstellung

Agent Tracing bietet außerdem Zusammenfassungen auf Engagement-Ebene, die die Fehlersuche beschleunigen. Eine Zusammenfassung der Tool-Aufrufe listet jedes während des Engagements aufgerufene Tool mit seinem Erfolgs- oder Fehlstatus auf, sodass Administratoren den Trace nicht mehr Turn für Turn durchsuchen müssen, um einen bestimmten Aufruf zu finden. Eine Variablenzusammenfassung bietet eine konsolidierte Ansicht jeder während desselben Engagements gesetzten Variablen. Zusammen machen diese Zusammenfassungen Skriptausführungen, Skill-Trigger und den gesamten Interaktionspfad auf einen Blick sichtbar.

Agent Tracing erfasst außerdem detaillierte Tracing- und Debugging-Informationen für integrierte Tools, einschließlich des SMS-Tools, des E-Mail-Tools, der Funktion „Antwort speichern“ und „Konversation beenden“. Für jeden Tool-Aufruf zeichnet der Trace den Grund auf, warum das Tool ausgewählt wurde, die übergebenen Eingabeparameter, die Ausgabe der Variablenauflösung, den Ausführungsstatus und alle zurückgegebenen Fehler. Der Trace zeigt auch, warum eine Konversation beendet wurde, einschließlich der Frage, ob sie durch eine Anweisung oder durch ein Timeout nach Erinnerungs-Wiederholungen ausgelöst wurde.

{% hint style="info" %}
**Hinweis**

Sie finden Agent Tracing innerhalb der Zoom Virtual Agent Analysen. Es ist über das Engagement-Protokoll zugänglich, wenn Sie einzelne Interaktionen überprüfen.
{% endhint %}

Zum Validieren von Änderungen am Agenten vor der Bereitstellung siehe den untenstehenden Abschnitt Evaluation.

#### <mark style="color:blau;">Evaluation validiert Änderungen am Agenten vor der Bereitstellung durch Szenario-Tests und Versionsvergleich</mark>

Wenn Administratoren die Konfiguration, Guidance, Skills oder Tools eines Agenten ändern, müssen sie überprüfen, dass diese Änderungen die Leistung vor der Veröffentlichung in der Produktion nicht verschlechtern. Evaluation bietet dafür eine strukturierte Testumgebung.

Admins können Evaluierungen gegen jede veröffentlichte oder historische Agent-Version ausführen, nicht nur gegen den aktuellen Entwurf. Evaluierungen laufen schreibgeschützt gegen den ausgewählten Versions-Snapshot, sodass der aktive Agent nicht verändert wird. Dadurch werden die Ergebnisse an eine bestimmte, bekannte Konfiguration gebunden.

Sie können dann zwei Agent-Versionen nebeneinander mit demselben Szenario-Set evaluieren. Die Ergebnisse zeigen versionsspezifische Metriken an (z. B. Erfolgsraten der Szenarien, Übereinstimmungswerte des Verhaltens und mehr), sodass Admins genau sehen können, wo sich die Leistung zwischen den Versionen geändert hat. Eine detaillierte Transkriptansicht ermöglicht es Admins, einzelne Testfälle im Detail zu untersuchen, um zu sehen, wie sich die Antworten unterscheiden.

Vor der Ausführung einer Evaluation validiert das System die Integrität der Testfälle. Dazu gehört die Prüfung auf fehlende Tools, nicht definierte Variablen oder Schemaabweichungen. So werden unnötige Evaluierungsläufe vermieden und Fehlalarme ausgeschlossen, die eher durch Konfigurationsfehler als durch das tatsächliche Verhalten des Agenten verursacht werden.

Evaluation unterstützt die Bemühungen der Administratoren, agentenänderungen produktionsreif zu machen, was die Iterationszyklen beschleunigen und Risiken besser steuern helfen kann. Zusammen mit Agent Tracing entsteht ein robuster Diagnose- und Validierungs-Workflow.

#### <mark style="color:blau;">Das ZVA Receptionist Dashboard bietet kleineren Bereitstellungen eine Leistungsansicht auf einem Bildschirm</mark>

Für kleinere ZVA Receptionist-Bereitstellungen, die nicht die vollständige Analysen-Suite benötigen, präsentiert ein Dashboard auf einem Bildschirm die Leistung in klarer Sprache. Jeder Wert wird aus vorhandenen Metriken zusammengefasst, sodass keine neue Instrumentierung erforderlich ist. Eine Hervorhebungszeile zeigt bearbeitete Anrufe, bearbeitete Telefonzeit (in Stunden angegeben) und eingesparte Kosten. Ein Containment-Ring wird mit einem Eskalationszähler und einem Link „Diese Konversationen lesen“ kombiniert, der direkt zu den zugrunde liegenden Engagements führt. Das Dashboard zeigt außerdem die häufigsten Gründe, warum Menschen angerufen haben, sowie eine Aufschlüsselung der gelösten/ungelösten Ergebnisse; eine Tabelle pro Agent und ein vereinfachtes Konversationsprotokoll runden die Ansicht ab — alles begrenzt durch eine einzige Filterzeile.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://library.zoom.com/technical-library/de/business-dienstleistungen/zoom-virtual-agent/zoom-virtual-agent-analytics-reporting.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
