← zur Übersicht

Wer hört zu? Auswahl der Berater, Mikrofon und die drei Verbesserungswege


titel: Wer hört zu? Auswahl der Berater, Mikrofon und die drei Verbesserungswege

erstellt: 2026-10-31

status: Stand heute gilt; Verbesserung beschlossen, aber noch nicht gebaut

betrifft: agents.py (Tonannahme), AntwortBaum.tsx / MeetingAdvisors.tsx (Auswahl), docs/21 (Servergröße)

tags: [sprache, mikrofon, auswahl, berater, entscheidung]


Wer hört zu — und warum erst nach einem Klick

1. Wie es heute läuft

Ein Berater hört erst zu, wenn er ausgewählt ist. Im Code steht das in

/root/meeting-test-agents/agents.py:


selected = json.loads(packet.data.decode()).get('selected', '')
selected_for_me = selected == which          # which = mia, ben, makler …
session.input.set_audio_enabled(selected_for_me)
if not selected_for_me:
    session.interrupt(force=True)            # laufende Antwort abbrechen

Die Auswahl schickt die Oberfläche als Datenbotschaft auf dem Thema

meeting-selection (AntwortBaum.tsx, MeetingAdvisors.tsx):


await room.startAudio();                     // Browser-Ton freischalten
room.localParticipant.publishData(
  new TextEncoder().encode(JSON.stringify({ selected: which })), …)

Was das für die Bedienung heißt:

Sperre). Auch deshalb kommt vor dem ersten Klick kein Ton.

bricht dessen laufende Antwort ab.

2. Warum das so gebaut ist

Ohne Auswahl müssten alle sechs Berater dauerhaft Sprache erkennen: sechs

Silero-VAD-Ketten plus sechs Spracherkennungs-Verbindungen

(openai.STT, Modell gpt-4o-transcribe).

Gemessen am 31.10.2026 auf dem Lernserver (cx23: 2 Kerne, 4 GB):

MesswertWert
Speicher belegt3 469 von 3 819 MB
Last im Leerlauf0,11
Berater-Prozesse6 Dienste à 1 Prozess (Reserve 0)

Sechs Dauer-Erkennungen wären auf diesem Server nicht zu halten — und sie kosten

laufend Geld, weil jede Erkennung pro Minute abgerechnet wird. Die Auswahl ist

deshalb kein Versehen, sondern die billigste Lösung.

3. Die drei Verbesserungswege

WegWas passiertKosten/AufwandAuf diesem Server?
A — so lassenEin Klick wählt, wer zuhörtnichtsja
B — ein Berater hört immer mit (Vorschlag: Mia)Mia erkennt dauerhaft Sprache, prüft, ob ein Name fällt, und gibt an den genannten Berater weitereine zusätzliche Dauer-Erkennung; Code in agents.py (Namensprüfung + Weiterleitung)knapp; sauber ab 8 GB
C — alle hören immerjeder Berater erkennt dauerhaft, antwortet nur, wenn er angesprochen wirdsechs Dauer-Erkennungen: Rechenlast und Kosten pro Minutenein, würde stocken

Beschlossen am 31.10.2026 (Franz): vorerst Weg A beibehalten, die

Optionen hier festhalten. Weg B wird der nächste Schritt — sinnvoll zusammen

mit dem Wechsel auf cx33 (4 Kerne, 8 GB, 10,19 € statt 6,59 €, siehe

docs/21-NAECHSTER-AUFBAU-PERFORMANCE.md).

4. Was Weg B konkret braucht

(Mia), die anderen bleiben wie heute.

(„Ben", „Makler", „Investor", „Fischer", „Handwerker") — Groß-/Kleinschreibung

und Sprachvarianten beachten.

meeting-selection, die heute der Browser sendet) und beantwortet die Frage

nicht selbst.

(b) „Ben, was meinst du" → Ben antwortet, Mia nicht; (c) Last bleibt unter

der Schwelle berater_last_schwelle, sonst schickt LiveKit niemanden mehr.

5. Was Ansible dabei nicht prüfen kann

Die Abnahme prüft Dienste, Ports, Raum und Zertifikat — nicht, ob ein

Mensch gehört wird. Ein Probeanruf bleibt Handarbeit: antippen, sprechen,

Antwort abwarten. Steht auch in docs/19-…, Abschnitt Abnahme.