Was „die KI von smao" konkret bedeutet
„KI-Telefonassistent" sagt nichts darüber, was im Gespräch tatsächlich passiert. Die meisten Produkte in diesem Markt sind eine Oberfläche über eingekauften Modellen: Ein Anbieter baut Dialogführung und Dashboard, die Spracherkennung kommt von einem Dienst, das Sprachmodell von einem zweiten, die Sprachsynthese von einem dritten, die Orchestrierung von einem Open-Source-Framework. Das ist ein legitimer Bauplan, aber er verschiebt die entscheidende Frage nach hinten: Wer verarbeitet das Gespräch wirklich?
Bei smao ist die Antwort darauf der Kern des Produkts und kein Nebensatz im Datenschutzhinweis. Telefonie-Layer, Orchestrierung und Anwendung sind selbst entwickelt, und die Sprachmodelle betreibt smao selbst, statt sie als API bei einem Modellanbieter aufzurufen. In der Gesprächsverarbeitung sind weder OpenAI noch andere US-KI-Subprozessoren beteiligt. Betrieben wird in Deutschland, und wer will, lässt dasselbe System auf der eigenen Infrastruktur laufen.
Dieser Artikel beschreibt, was das technisch bedeutet: welchen Weg ein Anruf nimmt, welche Systeme ihn verarbeiten, woher die Antworten kommen, was nach dem Gespräch passiert und wo die Grenzen liegen. Wer stattdessen Preise und Funktionen sucht, findet die im Anbietervergleich am Ende der Seite.
Der Weg eines Anrufs durch die KI
Ein Anruf durchläuft fünf Stufen. Interessant an dieser Kette ist nicht ihre Existenz, die ist bei jedem Anbieter ähnlich, sondern wo die einzelnen Stufen ausgeführt werden und wer sie betreibt.
- Annahme und Spracherkennung: Der Anruf kommt über einen SIP-Trunk von smao oder über die eigene, angebundene Telefonanlage. Gesprochenes wird in Text überführt.
- Anliegen verstehen: Das Sprachmodell erfasst, worum es geht, in welcher Sprache gesprochen wird und wie dringend der Fall ist.
- Wissen abrufen: Der Assistent sucht die Antwort in der freigegebenen Wissensbasis, nicht im allgemeinen Modellwissen.
- Handeln: Antworten, Termin im Kalender prüfen und buchen, Ticket anlegen, Rückrufwunsch aufnehmen oder per Warm Transfer an die richtige Person weiterleiten.
- Übergeben: Anliegen, Kontaktdaten, Dringlichkeit und Zusammenfassung landen als strukturierte Felder im Zielsystem, dazu kommt das dokumentierte Gesprächsprotokoll.
Welche Modelle das Gespräch verarbeiten
Die Stufen zwei bis vier sind der Punkt, an dem sich der Markt sortiert, weil dort personenbezogene Gesprächsinhalte verarbeitet werden. Drei Eigenschaften der smao-KI hängen daran.
Selbst betriebene Modelle statt eingekaufter Modell-APIs
In der Gesprächsverarbeitung kommen Open-Source- und Open-Weight-Modelle zum Einsatz, dazu lizenzierte Modelle. Der Unterschied zum Rest des Feldes liegt dabei nicht in der Herkunft dieser Modelle, sondern darin, wer sie betreibt: smao betreibt sie selbst, in angemieteter Infrastruktur in Deutschland, statt sie als API bei einem Modellanbieter aufzurufen. Kein OpenAI, keine US-KI-Subprozessoren.
Das ist kein vertragliches Konstrukt über die EU-Region eines US-Anbieters, sondern eine andere Bauweise. Der praktische Unterschied zeigt sich in der Datenschutzprüfung: Wo andere Anbieter erklären müssen, welcher Subprozessor unter welchem Vertragsrahmen in welcher Region beteiligt ist, verlässt das Gespräch die von smao betriebene Umgebung nicht. Das nimmt niemandem die eigene Prüfpflicht ab, verkürzt aber die Liste der Fragen erheblich.
Was das ausdrücklich nicht heißt: dass smao eigene Sprachmodelle von Grund auf trainiert. Die Modelle stammen aus dem Open-Source- und Open-Weight-Ökosystem oder sind lizenziert. Die eigene Leistung liegt in der Plattform darum herum und darin, die Modelle selbst zu betreiben, anstatt Gesprächsinhalte an einen fremden Dienst zu geben.
Telefonie-Layer und Orchestrierung sind selbst gebaut
Viele Voice-AI-Produkte setzen für die Echtzeit-Orchestrierung auf Frameworks wie LiveKit oder Pipecat: also auf die Schicht, die Audioströme, Unterbrechungen, Latenz und Modellaufrufe während des Gesprächs koordiniert. Bei smao ist diese Schicht selbst entwickelt, ebenso der Telefonie-Layer darunter und die Anwendung darum herum. Eine Abhängigkeit von einem dieser Frameworks gibt es nicht.
Das ist zunächst eine Aussage über Kontrolle, nicht über Qualität: Wer Telefonie und Orchestrierung selbst verantwortet, kann Gesprächsverhalten, Unterbrechungslogik und Eskalationsregeln ändern, ohne auf den Roadmap-Takt eines Dritten zu warten. Für die Datenschutzbetrachtung zählt zusätzlich, dass in dieser Schicht kein weiterer Dienst im Gesprächspfad sitzt, der bewertet werden müsste.
Eine Codebasis für Telefon, Chat und E-Mail
Telefon, Chat und E-Mail greifen auf dieselbe Wissensbasis und dieselbe KI zu. Praktisch heißt das: Eine Antwort, die im Telefonat gilt, gilt auch im Chat, und eine Korrektur in der Wissensbasis wirkt auf allen Kanälen gleichzeitig. Was hier ausdrücklich nicht behauptet wird, ist eine fertige Omnichannel-Suite für jeden denkbaren Kundenkontakt. Produktiv im Fokus steht die KI-Telefonassistenz; Chat und E-Mail laufen auf derselben Grundlage mit.
Wo die KI läuft: zwei Betriebsmodelle
Dieselbe KI, zwei Orte. Die Wahl fällt nicht nach Funktionsumfang, sondern nach der Frage, wer die Infrastruktur verantwortet.
smao Cloud, gehostet in Deutschland
- Rechenzentren in Deutschland, angemietet und von smao selbst betrieben.
- Gesprächsverarbeitung ohne OpenAI und ohne US-KI-Subprozessoren.
- Modelle und Anwendung laufen in derselben von smao betriebenen Umgebung, nicht über externe Modell-APIs.
- Kein KI-Training mit Kundendaten.
- Saubere Mandantentrennung über Konten hinweg.
- Kein eigener Server nötig: Konto anlegen, Assistent konfigurieren, Testanruf führen.
Betrieb auf eigener Infrastruktur
Wer das Gespräch nicht in einer fremden Cloud verarbeiten lassen will, kann smao projektbezogen vollständig selbst betreiben, auf kundeneigener Linux- und Docker-Infrastruktur. Zielarchitektur, Datenpfade, notwendige externe Verbindungen und Betriebsverantwortung werden vor dem Projektstart dokumentiert, ebenso Funktionsumfang, Update- und Wartungsmodell.
Dass diese Option existiert, ist auch für reine Cloud-Kunden ein Signal: Ein Produkt, das in einer fremden Umgebung ohne den Hersteller lauffähig ist, hängt nicht an einem Dienst, den der Hersteller selbst nur einkauft.
Headless per API
Für Produktteams gibt es einen dritten Weg: Die Voice AI lässt sich per API headless einbinden, also ohne die smao-Oberfläche, als Baustein im eigenen Produkt. Dazu kommen SIP-Trunk und Webhooks für die Anbindung an bestehende Telefonie und Systeme.
Woher die KI ihre Antworten nimmt
Die häufigste Sorge vor dem ersten Einsatz ist nicht der Datenschutz, sondern die erfundene Antwort. Die Architektur beantwortet das über die Herkunft des Wissens.
Der Assistent antwortet auf Basis freigegebenen Wissens: FAQs, Prozessleitfäden, Produktinformationen und Unterlagen, die zentral gepflegt werden. Rollen, Freigaben und Scopes legen fest, welche Inhalte er überhaupt verwenden darf. Änderungen werden versioniert ausgerollt, sodass nachvollziehbar bleibt, wann welche Antwort live ging.
Und wenn das Wissen nicht reicht: Dann erfindet der Assistent keine Antwort. Er sagt, dass er es nicht weiß, nimmt das Anliegen auf, verspricht Rückruf oder leitet an einen Menschen weiter. Welche Fälle er selbst klärt und welche grundsätzlich an einen Menschen gehen, legst du in den Eskalationsregeln fest.
Was daraus nicht folgt, ist eine Garantie fehlerfreier Antworten. Ein Sprachmodell im Gespräch kann Anliegen falsch einordnen oder eine freigegebene Information unpassend anwenden. Die Architektur macht den Fehlerfall unwahrscheinlicher und ihn nachvollziehbar; sie schließt ihn nicht aus. Deshalb gehören Gesprächsprotokolle und Eskalationsregeln zum Produkt und nicht ins Kleingedruckte.
Was die KI nach dem Gespräch auslöst
Der Teil, der im Betrieb über den Nutzen entscheidet. Ein Assistent, der freundlich annimmt und ein Transkript ins Postfach legt, verschiebt Arbeit statt sie abzunehmen.
- Anrufanalysen: konfigurierbare Workflows, die nach jedem Anruf automatisch auslösen. Datenextraktion, Ticket-Erstellung, Lead-Qualifizierung oder Benachrichtigungen, je nach definierter Regel.
- Strukturierte Übergabe: Kontaktdaten, Anliegen, Dringlichkeit und Ergebnis landen als Felder im Zielsystem, nicht als Freitext. Genau hier unterscheidet sich der Aufwand nach dem Anruf von dem eines klassischen Telefonservice.
- 70+ fertige Integrationen und offene API: CRM- und Ticketsysteme, ITSM-Werkzeuge, Kalender und deutsche Telefonanlagen; alles Weitere per Webhook, etwa über Make, Zapier oder n8n.
- Persönliche Vermittlung: Warm Transfer an die richtige Person oder Queue, mit Notizen und Kontext, damit niemand sein Anliegen wiederholen muss.
- Protokolle: alle Gespräche dokumentiert, nachvollziehbar und exportierbar. Die Grundlage für Qualitätskontrolle und für die Dokumentationspflichten, die die EU-KI-Verordnung Betreibern auferlegt.
Was mit den Gesprächsdaten passiert
Kundendaten werden nicht für KI-Training genutzt. Aufbewahrung und Löschfristen werden für den konkreten Einsatz festgelegt, nicht pauschal gesetzt.
Für Datenschutz- und IT-Prüfungen liegen die Unterlagen vor, die in Beschaffungsprozessen tatsächlich verlangt werden: Auftragsverarbeitungsvertrag nach Art. 28 DSGVO, technische und organisatorische Maßnahmen, Unterstützung bei der Datenschutz-Folgenabschätzung, Transfer Impact Assessment für angebundene Dienste, die es erfordern, Lösch- und Aufbewahrungsrichtlinie sowie Sicherheitskonzept.
Zur Zertifizierungslage, offen gesagt: Die ISO-27001-Zertifizierung läuft, angepeilt ist der Abschluss im ersten Quartal 2027. Bis dahin führen wir sie bewusst nicht als vorhandenen Nachweis, sondern als laufendes Vorhaben mit Zieltermin. Wer heute ein Zertifikat im Auswahlprozess braucht, soll das vorher wissen und nicht im Audit erfahren.
KI von smao, KI von Parloa, KI von fonio: der Unterschied im Datenpfad
Die Frage „welche KI steckt da drin" ist bei jedem Anbieter berechtigt und bei den meisten öffentlich beantwortbar. Diese Übersicht stellt die Angaben nebeneinander, jeweils aus öffentlichen Anbieterquellen. Sie bewertet keine Stimmqualität und keinen Funktionsumfang, sondern nur, wer das Gespräch verarbeitet.
Bemerkenswert an dieser Aufstellung ist, wie unterschiedlich präzise die Angaben ausfallen. Einige Anbieter nennen die Modelle beim Namen, andere beschreiben nur die Kategorie, und bei den Entwickler-Plattformen entscheidet das aufbauende Team und trägt damit auch die Verantwortung für den Datenpfad. Wer diese Frage im Beschaffungsprozess beantworten muss, stellt sie besser schriftlich, bevor der Test beginnt.
Was die KI von smao nicht ist
Eine Architekturbeschreibung ohne Grenzen ist Werbung. Diese vier Punkte gehören dazu:
- Kein Ersatz für dein Team. Die KI fängt ab, was sonst liegen bleibt: Überlauf zu Stoßzeiten, Randzeiten, wiederkehrende First-Level-Fragen. Alles, was Urteilsvermögen oder Verantwortung braucht, gehört an einen Menschen, und die Eskalationsregeln sind dafür da, das verlässlich zu machen.
- Keine Zusage, dass jede Antwort stimmt. Antworten kommen aus freigegebenem Wissen und der Assistent sagt es, wenn er etwas nicht weiß. Eine Garantie fehlerfreier Gespräche ist das nicht, und niemand in diesem Markt sollte eine geben.
- Keine selbst trainierten Sprachmodelle. Die Modelle kommen aus dem Open-Source- und Open-Weight-Ökosystem oder sind lizenziert. Der Unterschied zum Feld liegt darin, dass smao sie selbst betreibt und die Plattform darum herum selbst gebaut hat, nicht darin, ein eigenes Modell trainiert zu haben.
- Keine Contact-Center-Plattform. Für ein eigenes Routing-Regelwerk über hunderte Agents mit vielen Skill-Gruppen ist smao nicht gebaut. Dafür gibt es Enterprise-Plattformen, und die stehen im Anbietervergleich mit Namen.
- Kein „100 % DSGVO-sicher". Die Architektur unterstützt eine datenschutzgerechte Ausgestaltung durch Hosting in Deutschland, dokumentierte Datenpfade und die passenden Unterlagen. Die Bewertung selbst hängt von Zweck, Rechtsgrundlage, Aufbewahrung, Integrationen und gewähltem Betriebsmodell ab. Wer Pauschalzusagen macht, sagt mehr über sein Marketing als über seine Technik.
Was Teams im Betrieb davon merken
Architektur ist nur so viel wert, wie im Alltag davon ankommt. Vier Dinge merken Teams zuerst:
- Unbegrenzte Parallelanrufe, in jedem Tarif. Auch im Pay as you Go, ohne Aufpreis und ohne Staffelung. Der Montagmorgen, an dem zwanzig Leute gleichzeitig anrufen, ist der Grund für die Anschaffung und nicht die Ausnahme.
- In 15 Minuten startklar. 50 Freiminuten, keine Kreditkarte, keine Setup-Fee. Kein Discovery-Call und keine Rollout-Planung, bevor der erste echte Anruf läuft. Komplexere Abläufe richtet das smao-Team auf Wunsch gemeinsam mit dir ein.
- Ein Minutenpreis. Ab 0,35 €/Min sind KI-Modelle und Telefonie enthalten. Bei Plattformen, die Modelle einkaufen, kommen Spracherkennung, Sprachmodell, Sprachsynthese und Telefonie separat dazu.
- Im produktiven Einsatz: 4,6/5 Sterne auf OMR Reviews, 550+ aktive Assistenten und 150k+ Gesprächsminuten pro Monat über alle Kunden hinweg.
