Pillar · Was ist ein KI-Telefonassistent?
Was ist ein KI-Telefonassistent? Definition, Funktion und Einsatz.
Ein KI-Telefonassistent ist ein Software-System, das eingehende Anrufe in natürlicher Sprache annimmt, versteht und entweder selbst beantwortet oder strukturiert an einen Menschen weiterleitet. Im Unterschied zum klassischen IVR braucht der Anrufer keine Tastenwahl und kein Stichwort-Vokabular.
Synonyme: Voice-Agent, KI-Anrufannahme, Sprach-Bot. Im DACH-B2B-Kontext meist gleichbedeutend.
Definition
KI-Telefonassistent
Software-Agent, der eingehende Telefonanrufe in natürlicher Sprache entgegennimmt, versteht, beantwortet oder strukturiert weiterleitet — auf Basis von Spracherkennung (STT), einem Sprach-Modell (LLM) und Sprach-Synthese (TTS).
Wie funktioniert er?
Vier Schichten, ein Echtzeit-Audio-Strom.
Jeder KI-Telefonassistent besteht aus vier Schichten, die in Echtzeit zusammenspielen:
- Telefonie-Bridge: Verbindet das öffentliche Telefonnetz (oder die unternehmenseigene Telefonanlage) mit dem KI-Stack. Typische Anbieter: VAPI, Twilio, Telnyx.
- Spracherkennung (STT): Wandelt gesprochene Sprache des Anrufers in Text. Aktuelle Modelle reagieren in unter 300 ms und sind für klares Deutsch zuverlässig.
- Sprach-Modell (LLM): Versteht den Text in Kontext, greift bei Bedarf auf eine Wissensbasis zu (Retrieval-Augmented Generation) und formuliert die Antwort.
- Sprach-Synthese (TTS): Wandelt die Antwort in gesprochene Sprache zurück. Anbieter wie ElevenLabs liefern Stimmen, die kaum von menschlichen Aufnahmen zu unterscheiden sind.
Entscheidend für die Gesprächs-Qualität ist die Voice-to-Voice-Latenz — also die Zeit zwischen dem Ende der Anrufer-Äußerung und dem Beginn der Agenten-Antwort. Unter 700 ms wirkt natürlich, über 1.500 ms fühlt sich kaputt an.
Wie grenzt er sich ab?
KI-Telefonassistent ≠ IVR ≠ Chatbot ≠ Callcenter. Die Unterschiede zählen.
In der Praxis werden vier Begriffe oft verwechselt:
- IVR (Interactive Voice Response): Menü-Baum mit Tasten- oder festen Sprach-Befehlen. Skaliert billig, scheitert an freier Sprache.
- Chatbot: Text-basiert (Website, WhatsApp), kein Audio-Interface.
- Callcenter: Menschen am Telefon. Höchste Flexibilität, hohe Personalkosten, begrenzte Verfügbarkeit.
- KI-Telefonassistent: Software, die wie ein Mensch spricht — aber 24/7 und parallel skalierbar.
Eine ausführliche Vergleichstabelle steht in der Vergleichs-Übersicht.
Wofür wird er im Mittelstand eingesetzt?
Hotellerie, Hausverwaltung, Kanzleien — drei Branchen, ein Pattern.
Die typischen Einsatzfelder im deutschsprachigen Mittelstand teilen ein Muster: hohe Anruf-Frequenz mit wiederkehrenden Mustern, Personal-Engpass an der Telefon-Zentrale, klar definierte Eskalations-Pfade an Menschen.
- Hotellerie: Reservierungs-Anfragen außerhalb der Rezeptions-Zeit, Standard-Gäste-Fragen (Anreise, Frühstück, Parken), Restaurant-Reservierungen.
- Hausverwaltung: Mieter-Anliegen, Schaden-Meldungen (Wasser, Heizung, Strom), Termin-Koordination für Handwerker.
- Kanzleien (Steuer/Recht): Erstkontakt-Qualifizierung, Termin-Vereinbarung, Routine-Fragen zu Fristen und Dokumenten.
- SHK-Handwerk und Notdienste: Notruf-Annahme nachts und am Wochenende, Termin-Vergabe, Vor-Qualifizierung des Schadens.
- Arzt- und Physio-Praxen: Rezept-Anfragen, Termin-Verschiebungen, Rückruf-Anforderungen — wo PVS-Integration rechtlich freigegeben ist.
Was kann er (noch) nicht?
Ehrlich gesagt: vieles. Vier Limitationen, die Sie kennen sollten.
- Sensible Beratung:Medizinische Diagnosen, individuelle Rechtsberatung im Detail oder Bonitätsentscheidungen sollten weiterhin bei Menschen liegen. Ob ein konkreter Use-Case als Hochrisiko-System im Sinne des EU AI Act (Art. 6 i. V. m. Annex III) gilt, hängt vom konkreten Einsatzkontext ab — pauschal „medizinisch oder rechtlich = hochrisiko“ ist zu kurz gegriffen. Eine Einordnung typischer Use-Cases steht im Pillar zu DSGVO und EU AI Act.
- Starke Dialekte und schlechte Audio-Qualität: Bayerisch, Schwyzerdütsch und Wiener Färbung sind herausfordernd. Hintergrundlärm (Baustelle, laute Küche) reduziert die Verständnis-Rate spürbar.
- Emotional aufgeladene Anrufe: Beschwerden mit hoher Emotion sind selten gut bei einem KI-System aufgehoben. Saubere Fallback-Pfade an einen Menschen sind hier Pflicht.
- Live-System-Integration in legacy-PMS oder DATEV: Häufig erst in Phase 2 sinnvoll. In Phase 1 reichen strukturierte E-Mail-Übergaben.
Welche rechtlichen Pflichten gelten?
DSGVO, EU AI Act, Telekommunikationsrecht — drei Dimensionen.
Beim Betrieb eines KI-Telefonassistenten greifen drei Regelwerke parallel:
- DSGVO: Der Anbieter ist Auftragsverarbeiter, der Betreiber Verantwortlicher. AVV nach Art. 28 ist Pflicht. Bei US-Sub-Processors (OpenAI, ElevenLabs, VAPI) zusätzlich SCCs und ggf. Transfer Impact Assessment.
- EU AI Act Art. 50: Anrufer müssen darüber informiert werden, dass sie mit einem KI-System sprechen — sofern das nicht offensichtlich ist. Anwendbar ab 02.08.2026.
- TKG / TDDDG und § 201 StGB: Audio-Aufzeichnungen von Telefonaten sind ohne Einwilligung des Anrufers strafbar (§ 201 StGB, „Verletzung der Vertraulichkeit des Wortes“). Wer aufzeichnen will, braucht eine eindeutige Einwilligung — viele Betriebe verzichten bewusst und arbeiten nur mit strukturierten Transkripten.
Detaillierter dazu im Pillar DSGVO und EU AI Act für Voice-Agents.
So macht es Podschi.
Branchen-Vorlagen statt generischer Plattform — der Stack im Überblick.
Podschi entwickelt KI-Telefonassistenten für Hotels, Hausverwaltungen und Kanzleien im DACH-Raum. Wir bauen bewusst keine Plattform für jeden Use-Case der Welt, sondern fertige Branchen-Vorlagen mit Festpreis-Modell (Pilot, Produktiv-Einrichtung, monatlicher Betrieb), das wir individuell nach einem 20-minütigen Erstgespräch kalkulieren. Der Pilot läuft mit Erfolgs-Klausel.
Tech-Stack: VAPI + OpenAI + ElevenLabs, Workflow-Automation über selbst-gehostetes n8n in der EU. Sub-Processor-Liste, Drittland-Transfer-Tabelle, technisch-organisatorische Maßnahmen und AVV-Vorlage sind im Trust Center einsehbar.
Eckdaten
Eckdaten zum KI-Telefonassistent.
Typische Voice-to-Voice-Latenz
0,5–1,2 s
Verfügbarkeit
24/7, parallel skalierbar
Setup-Dauer (mit Vorlage)
4 Wochen
DSGVO-Grundlage
Art. 28 AVV + SCCs
AI-Act-Transparenz
Pflicht ab 02.08.2026
Typische Monatskosten KMU
ab 990 €
Häufige Fragen
Antworten auf einen Blick.
Wie unterscheidet sich ein KI-Telefonassistent von einem klassischen Sprach-Bot (IVR)?
Ein klassisches IVR arbeitet mit baumartigen Menüs („Drücken Sie die 1 für Reservierung“). Ein KI-Telefonassistent versteht freie Sprache und führt offene Dialoge, ohne dass der Anrufer Tasten oder Stichworte raten muss.
Klingt ein KI-Telefonassistent natürlich oder roboterhaft?
Aktuelle neuronale Sprach-Synthese (z. B. ElevenLabs) klingt für den Großteil der Anrufer natürlich. Die Erkennbarkeit als KI ist deshalb gerade kein technisches Problem, sondern eine rechtliche Pflicht (Art. 50 EU AI Act).
Welche Use-Cases lohnen sich im DACH-Mittelstand?
Reservierungs- und Termin-Annahme außerhalb Geschäftszeit, wiederkehrende FAQs (Öffnungszeiten, Anfahrt, Standard-Anfragen), Schaden- und Mieter-Meldungen sowie Vor-Qualifizierung von Vertriebsanfragen. Komplexe Beratung bleibt beim Menschen.
Was passiert, wenn der Voice-Agent eine Frage nicht beantworten kann?
Eine sauber konfigurierte Fallback-Logik gibt das Gespräch entweder an einen Menschen weiter oder leitet zur Mailbox mit klarem Rückrufhinweis — inklusive vollem Kontext, damit der Anrufer nichts wiederholen muss.
Ab welcher Anrufmenge lohnt sich ein KI-Telefonassistent?
Faustregel: Ab 20 relevanten Anrufen pro Tag wird das Verhältnis aus Monatskosten und gesparter Personalzeit oder gehobenem Umsatz attraktiv. Unter dieser Schwelle reichen oft Mailbox und gut gepflegte Telefonanlage.
Wie lange dauert die Einrichtung eines KI-Telefonassistenten?
Mit einer branchen-spezifischen Vorlage: Pilot in vier Wochen, voll produktiv ab Woche 5–6. Generische Eigenbauten brauchen erfahrungsgemäß 4–6 Monate, weil Datenschutz, Telefonie-Anbindung und Stimm-Pflege parallel gelöst werden müssen.