Voice AI: Wie eine KI zuhört, versteht und antwortet
Eine KI, die telefoniert, klingt nach Zukunft und ist längst Alltag. Ob sie gut ist, entscheidet sich an Kleinigkeiten: wie schnell sie antwortet, ob sie dich ausreden lässt, ob sie weiß, wann sie an einen Menschen übergibt. Hier steht, wie Voice AI funktioniert und worauf du achten musst.
150 € pro Stunde, pauschal für alles. Für Unternehmen, zzgl. USt.
Was ist Voice AI?
Voice AI ist der Sammelbegriff für künstliche Intelligenz, die mit Stimme arbeitet: Sie hört zu, versteht, was gemeint ist, und antwortet hörbar. Früher waren Sprachdialogsysteme starre Menüs („Drücken Sie die Eins“). Heute können sie frei formulierte Anliegen verstehen, nachfragen und in natürlich klingender Sprache antworten.
Für Unternehmen ist das vor allem am Telefon interessant: Termine vergeben, Fragen beantworten, Anliegen aufnehmen, Rückrufe planen, auch nachts und wenn alle Leitungen besetzt sind. Was ein KI-Telefonassistent konkret leisten kann und was er kostet, steht auf unserer Seite KI-Telefonassistent. Hier geht es um die Technik dahinter und die Regeln, die für Stimmen gelten.
Die drei Bausteine und was sie ausmacht
Jede Voice-AI-Lösung ist so stark wie ihr schwächster Baustein. Die Tabelle zeigt, wo es typischerweise hakt.
| Baustein | Aufgabe | Typische Schwachstelle | Worauf achten |
|---|---|---|---|
| Spracherkennung | gesprochene Sprache in Text umwandeln | Dialekt, Hintergrundlärm, Namen, Zahlen, Fachbegriffe | Test mit echten Anrufen, eigenes Vokabular hinterlegen |
| Sprachmodell und Logik | Anliegen verstehen, Wissen nachschlagen, Antwort formulieren | erfundene Antworten, falsche Zusagen | nur aus freigegebenem Wissen antworten, klare Grenzen |
| Sprachausgabe | Text in natürlich klingende Stimme umwandeln | Betonung, Aussprache von Namen und Abkürzungen | Aussprache-Listen, ruhiges Tempo |
| Gesprächssteuerung | wer spricht wann, Unterbrechungen, Pausen | Ins-Wort-Fallen, lange Stille | kurze Antwortzeiten, Unterbrechen erlauben |
| Telefonie und Anbindung | Anruf annehmen, weiterleiten, Daten an Kalender und CRM | Übergabe an Menschen ohne Kontext | Zusammenfassung bei Übergabe mitgeben |
Manche Systeme verarbeiten Sprache inzwischen direkt, ohne Umweg über Text. Das spart Zeit, verändert aber nicht die Aufgaben: zuhören, verstehen, richtig antworten, rechtzeitig übergeben.
Warum Latenz alles entscheidet
Am Telefon wirkt eine Pause von einer Sekunde schon lang, von drei Sekunden wie ein Abbruch. Die Antwortzeit setzt sich aus allen Bausteinen zusammen: erkennen, verstehen, nachschlagen, sprechen. Gute Systeme beginnen zu sprechen, während die Antwort noch entsteht, und lassen sich unterbrechen, wenn der Anrufer dazwischenredet. Wer eine Lösung testet, sollte genau darauf achten, und zwar mit echten Anrufen über das Mobilnetz, nicht in der Demo am Schreibtisch. Ein guter Test sind zehn Anrufe mit typischen Anliegen, einer davon mit Unterbrechung mitten im Satz und einer mit Lärm im Hintergrund.
Was Voice AI darf: Recht und Stimme
Hinweis auf die KI: Seit dem 2. August 2026 verlangt Art. 50 Abs. 1 der KI-Verordnung, dass Menschen erfahren, dass sie mit einem KI-System interagieren, sofern das nicht offensichtlich ist. Am Telefon gehört der Hinweis deshalb an den Anfang.
Aufnahmen: Wer das nichtöffentlich gesprochene Wort eines anderen ohne Befugnis aufnimmt, macht sich nach § 201 StGB strafbar. Gespräche werden deshalb nur mit Einwilligung aufgezeichnet. Für die Verarbeitung der Inhalte gelten außerdem die Informations- und Rechtsgrundlagen der DSGVO.
Fremde Stimmen: Die Stimme eines echten Menschen nachzubilden, verletzt ohne Einwilligung dessen Persönlichkeitsrecht. Das gilt auch für Mitarbeitende. Realistische künstliche Stimmen echter Personen sind zudem Deepfakes im Sinne der KI-Verordnung und offenzulegen. Orientierung, keine Rechtsberatung.
Checkliste: bevor die KI ans Telefon geht
Acht Punkte, die wir vor jedem Livegang prüfen. Jeder davon hat schon einmal einen Test gerettet.
KI-Hinweis in der Begrüßung
Ein Satz, freundlich und klar, bevor das Anliegen beginnt.
Grenzen festgelegt
Was beantwortet die KI, was nie: Preiszusagen, Rechtsauskünfte, Beschwerden mit Schadenersatz.
Übergabe an Menschen
Jederzeit auf Wunsch, automatisch bei Ärger, Unsicherheit oder sensiblen Themen, mit Zusammenfassung.
Wissen gepflegt
Öffnungszeiten, Leistungen, Preise, Abläufe aus einer gepflegten Quelle, mit Datum.
Zahlen und Namen getestet
Telefonnummern, Kundennummern, Straßennamen, Dialekt. Hier versagen Systeme am häufigsten.
Aufnahme geregelt
Ohne Einwilligung keine Aufzeichnung, Transkripte nur so lange wie nötig.
Notfall definiert
Was passiert bei Ausfall, Überlast oder einem Anruf in einer echten Notlage?
Auswertung geplant
Wie viele Anliegen gelöst, wie viele übergeben, welche Fragen fehlten? Daraus wird jede Woche nachgebessert.
Vorlage: Gesprächsleitfaden für einen Voice-Bot
GESPRÄCHSLEITFADEN · [UNTERNEHMEN] · Stand [DATUM]
BEGRÜSSUNG
"[Unternehmen], hier spricht der digitale Assistent. Ich bin eine KI
und helfe dir gern weiter oder verbinde dich mit einem Menschen.
Worum geht es?"
ANLIEGEN (erlaubt)
- Termin vereinbaren / verschieben → Kalender [SYSTEM]
- Öffnungszeiten, Anfahrt, Leistungen → Wissen [QUELLE]
- Rückruf aufnehmen → Name, Nummer, Anliegen, Zeitfenster
GRENZEN (nie selbst beantworten)
- verbindliche Preise und Rabatte · Reklamationen mit Forderung ·
Rechts- und Gesundheitsfragen · alles mit Notfallcharakter
ÜBERGABE
Auslöser: Wunsch nach Mensch · Unsicherheit · Ärger · Grenzthema
Satz: "Ich verbinde dich mit [Team]. Ich gebe kurz weiter, worum es geht."
Mit: Zusammenfassung in zwei Sätzen an [Team/Postfach]
ABSCHLUSS
"Habe ich alles richtig verstanden? Dann [Bestätigung]. Danke für
deinen Anruf."Wofür sich Voice AI lohnt
Am meisten bringt Voice AI dort, wo viele gleichartige Anrufe kommen: Terminvergabe in Praxen und Werkstätten, Standardfragen in Hotels und Verwaltungen, Annahme von Störungen außerhalb der Bürozeiten. Wenig bringt sie, wo jedes Gespräch anders ist und Beziehung zählt, etwa im Verkauf komplexer Leistungen oder in heiklen Beschwerden.
Wie viel ein automatisch angenommener Anruf im Vergleich zum Menschen kostet, rechnet unser KI-Ersparnis-Rechner mit deinen Zahlen durch. Für Vertrieb über Telefon, Chat und Mail bauen wir PEITHO, die Abnehmerin, mehr unter KI-Vertrieb.
Wann du keine Voice AI brauchst
Wenn bei dir wenige Anrufe am Tag eingehen und jeder davon persönlich sein soll, ist ein Mensch mit gutem Rückrufsystem die bessere Lösung. Auch eine klare Ansage mit Rückruf-Angebot löst oft schon viel. Voice AI lohnt sich, wenn Anrufe verloren gehen, weil niemand rangehen kann, oder wenn dein Team den Tag mit denselben fünf Fragen verbringt.
Häufige Fragen zu Voice AI
Was ist Voice AI?
Voice AI ist künstliche Intelligenz, die gesprochene Sprache versteht und selbst spricht. Typisch ist das Zusammenspiel aus Spracherkennung, einem Sprachmodell, das Anliegen versteht und Antworten formuliert, und Sprachausgabe. Eingesetzt wird sie etwa in Telefonassistenten, Sprachsteuerung und Vorlesefunktionen.
Muss ein Voice-Bot sagen, dass er eine KI ist?
Ja, in der Regel. Seit dem 2. August 2026 verlangt Art. 50 Abs. 1 der KI-Verordnung, dass Menschen über die Interaktion mit einem KI-System informiert werden, sofern das nicht offensichtlich ist. Am Telefon gehört der Hinweis deshalb in die Begrüßung. Orientierung, keine Rechtsberatung.
Darf ich Telefonate mit einem Voice-Bot aufzeichnen?
Nur mit Einwilligung der Anrufenden. Die unbefugte Aufnahme des nichtöffentlich gesprochenen Wortes ist nach § 201 StGB strafbar. Für Transkripte und Auswertungen gelten zusätzlich die Regeln der DSGVO, etwa Information, Zweckbindung und Löschfristen.
Kann Voice AI meine eigene Stimme verwenden?
Technisch ja, viele Systeme können Stimmen nachbilden. Rechtlich braucht es die Einwilligung der Person, deren Stimme genutzt wird, auch bei Mitarbeitenden. Realistische künstliche Stimmen echter Menschen sind außerdem offenzulegen. Für Telefonassistenten reicht meist eine neutrale, gut verständliche Stimme.
Was kostet Voice AI für ein Unternehmen?
Die Kosten bestehen aus Einrichtung (Wissen, Gesprächsleitfaden, Anbindung an Telefonie, Kalender und CRM), laufenden Gebühren pro Gesprächsminute oder Anruf und der Pflege im Betrieb. Wie sich das im Vergleich zu menschlicher Annahme rechnet, zeigt unser KI-Ersparnis-Rechner mit deinen Zahlen. Wir rechnen Einrichtung und Pflege nach Aufwand ab, 150 € pro Stunde, für Unternehmen, zzgl. USt.
Wie gut versteht Voice AI Dialekt?
Deutlich besser als frühere Systeme, aber nicht perfekt. Starke Dialekte, Hintergrundlärm, Namen und Zahlenfolgen bleiben die häufigsten Fehlerquellen. Deshalb testen wir vor dem Livegang mit echten Anrufen aus deiner Region und bauen Rückfragen ein, wenn das System unsicher ist.
Quellen
- Verordnung (EU) 2024/1689 (KI-Verordnung), Art. 50, abgerufen am 14.11.2026.
- § 201 Strafgesetzbuch: Verletzung der Vertraulichkeit des Wortes, abgerufen am 14.11.2026.
- Verordnung (EU) 2016/679 (DSGVO), Art. 6 und 13, abgerufen am 14.11.2026.