Voicebot: Was er ist, wie er funktioniert und was er kostet

Was ist ein Voicebot?

Ein Voicebot ist eine Software, die automatisch mit Menschen spricht, meist am Telefon: Er erkennt, was Anrufer sagen, und antwortet mit synthetischer Stimme. Andere Namen sind Voice Bot, Sprachbot, Callbot und Phonebot. Voicebots gehören zu den Sprachdialogsystemen, zu denen auch klassische Telefonmenüs (IVR) zählen.

Der Begriff hat im Markt zwei Bedeutungen. Als Oberbegriff steht „Voicebot“ für jede Software, die am Telefon spricht, auch für Systeme mit großen Sprachmodellen. Im engeren Sinn meint er Systeme, die Sätze festen Absichten (Intents) zuordnen und vorgegebenen Gesprächspfaden folgen. Dieser Beitrag nennt die skriptbasierte Bauart deshalb „klassischer Voicebot“. Systeme, die freie Sprache mit einem Sprachmodell verstehen, aus freigegebenem Wissen antworten und Aufgaben in angebundenen Systemen erledigen, heißen hier KI-Telefonassistenten. International ist dafür „Voice Agent“ üblich.

Nicht jedes Sprachdialogsystem ist KI. Ein Tastenmenü arbeitet nur feste Regeln ab. Spracherkennung und Sprachmodelle dagegen wurden mit großen Datenmengen trainiert.

Die Technik ist in Unternehmen angekommen. Laut Statistischem Bundesamt nutzte 2025 gut jedes vierte Unternehmen ab 10 Beschäftigten KI (26 Prozent). Von diesen setzten 42 Prozent Spracherkennung ein. Der Digitalverband Bitkom hat am 14. September 2026 eine Umfrage unter 603 Unternehmen ab 20 Beschäftigten veröffentlicht. Darin gaben 57 Prozent an, KI zu nutzen (2025: 36 Prozent). Am häufigsten setzen diese Unternehmen KI bei der Bearbeitung von Kundenanfragen ein (72 Prozent).

Wie funktioniert ein Voicebot am Telefon?

Ein Voicebot verarbeitet jeden Anruf in sechs Stationen: Telefonie, Spracherkennung, Sprachverstehen, Wissen und Aktionen, Sprachsynthese und Abschluss. Diese Stationen bestimmen, wie schnell das System antwortet, wie gut es versteht und wohin die Daten fließen.

• Telefonie: Der Anruf kommt über eine Rufnummer oder einen SIP-Trunk der Telefonanlage an.
• Spracherkennung (Speech-to-Text, STT, auch ASR): Die Stimme des Anrufers wird laufend in Text umgewandelt.
• Sprachverstehen (NLU): Ein klassischer Voicebot ordnet den Text einer vordefinierten Absicht (Intent) zu. Ein KI-Telefonassistent nutzt ein großes Sprachmodell (LLM), das auch unvorhergesehene Formulierungen, Rückfragen und Themenwechsel verarbeitet.
• Wissen und Aktionen: Das System schlägt in einer freigegebenen Wissensdatenbank nach oder löst über Schnittstellen Aktionen aus (Tool Calling), etwa einen Kalendereintrag.
• Sprachsynthese (Text-to-Speech, TTS): Die Antwort wird als Stimme ausgegeben.
• Abschluss: Weiterleitung, Rückruf, Ticket oder eine Zusammenfassung für das Team.

Warum Pausen und Unterbrechungen wichtig sind

Am Telefon fällt jede Verzögerung auf. Das System muss erkennen, ob jemand fertig gesprochen hat, kurz nachdenkt oder dazwischenredet (Turn-Taking). Klassische Systeme spielen ihre Ansage oft zu Ende, auch wenn der Anrufer längst antwortet. Teste deshalb nicht nur, ob ein Voicebot die richtige Antwort kennt. Teste auch, wie er reagiert, wenn Anrufer unterbrechen oder zögern.

Wie gut versteht ein Voicebot Deutsch und Dialekte?

Wie gut ein Voicebot Deutsch und Dialekte versteht, hängt vor allem von der Spracherkennung ab und lässt sich nur mit echten Anrufen prüfen. Typische Fehlerquellen sind starker Dialekt, Schweizerdeutsch, Namen, Fachbegriffe und Ziffernfolgen wie Kunden- oder Vertragsnummern. Dazu kommen Mobilfunk, Freisprechanlage und Hintergrundlärm.

Hilfreich sind eine Liste mit Fachbegriffen und Namen, Rückfragen bei wichtigen Angaben und Testanrufe aus dem Auto statt aus dem ruhigen Büro. Bei smao starten neue Assistenten auf Deutsch. Dazu gibt es ein Glossar, Ausspracheregeln und eine optionale Korrektur von Eigennamen in der Spracherkennung. Schweizerdeutsch ist als Gesprächssprache wählbar, derzeit als Beta.

Voicebot oder KI-Telefonassistent: Wo liegt der Unterschied?

Ein klassischer Voicebot erkennt gesprochene Stichworte und führt Anrufer durch vorgegebene Pfade. Ein KI-Telefonassistent führt ein freies Gespräch, antwortet aus freigegebenem Wissen und erledigt Aufgaben in angebundenen Systemen. Vorläufer beider Bauarten ist das Tastenmenü, bei dem Anrufer Optionen per Tastendruck wählen. Wie Tastenmenüs Anrufe verteilen, erklärt das Glossar unter Sprachdialogsystem (IVR).

So klingt der Unterschied

Anrufer: „Unser Drucker im zweiten Stock druckt seit heute Morgen nur leere Seiten, und wir brauchen ihn bis Mittag.“

Klassischer Voicebot: „Bitte sagen Sie Störung, Rechnung oder Vertrag.“

KI-Telefonassistent: „Verstanden: Der Drucker im zweiten Stock druckt leere Seiten, und Sie brauchen ihn bis Mittag. Nennen Sie mir bitte noch Ihren Firmennamen, dann gebe ich das als dringend an den Support weiter.“

Die Grenze zwischen beiden Bauarten ist nicht scharf, und viele Anbieter nennen auch sprachmodellbasierte Produkte Voicebot. Für die Auswahl hilft deshalb nicht das Etikett, sondern ein Test: Was passiert, wenn ein Anrufer etwas sagt, das niemand vorhergesehen hat? Wie ein Gespräch das Tastenmenü bei der Vermittlung ersetzt, zeigt der Beitrag zur KI-Telefonzentrale.

Was ist der Unterschied zwischen Voicebot und Chatbot?

Ein Chatbot arbeitet mit geschriebenem Text, ein Voicebot mit gesprochener Sprache in Echtzeit. Die Sprachtechnik dahinter ist oft ähnlich, der Kanal stellt aber andere Anforderungen an Tempo, Antwortlänge und Fehlerbehandlung.

Ein Chatbot passt, wenn Kunden ohnehin auf Website, App oder Messenger schreiben. Ein Voicebot passt, wenn das Telefon der wichtigste Kanal ist und Anliegen schnell mündlich geklärt werden sollen. Wer schon einen Chatbot betreibt, kann dessen Wissen oft weiterverwenden. Die Antworten müssen aber fürs Ohr umgeschrieben werden: kürzer, eine Frage nach der anderen und ohne Links oder Listen.

Voicebot-Beispiele: Wofür setzen Unternehmen Voicebots ein?

Unternehmen setzen Voicebots typischerweise für Störungsmeldungen, Terminvereinbarung, Bestellstatus, Vermittlung und Anrufe außerhalb der Geschäftszeiten ein. Am besten eignen sich Anrufe, die häufig vorkommen, klaren Pflichtangaben folgen und mit einem Ergebnis enden: einem Ticket, einem Termin oder einer Weiterleitung. Im Einzelnen:

• Störungsmeldung: Anliegen, System, Standort und Dringlichkeit abfragen und an das Ticketsystem übergeben.
• Terminvereinbarung: Terminwunsch aufnehmen, freie Zeiten anbieten und buchen; Verschiebungs- oder Absagewünsche aufnehmen und übergeben.
• Bestellstatus: Bestell- oder Bearbeitungsstatus nennen, wenn das System angebunden ist.
• Vermittlung: Anliegen klären und zur zuständigen Person oder Abteilung weiterleiten.
• Überlauf und Randzeiten: Anrufe annehmen, wenn alle im Gespräch sind oder das Büro geschlossen ist, und dringende Fälle eskalieren.

In welchen Branchen werden Voicebots eingesetzt?

Voicebots werden vor allem in Branchen mit vielen gleichartigen Anrufen eingesetzt:

• IT-Systemhäuser und IT-Support: Störungen aufnehmen und als Ticket übergeben (IT-Systemhäuser).
• Arztpraxen: Termine, Rezept- und Rückrufwünsche. Gesundheitsangaben sind besonders geschützte Daten (Art. 9 DSGVO).
• Handwerk, Hausverwaltung und Versorger: Schadens- und Störungsmeldungen mit Adresse und Dringlichkeit.
• Handel und E-Commerce: Bestellstatus, Retouren und Lieferfragen.
• Verwaltung: Fragen zu Zuständigkeiten, Unterlagen und Terminen.

Voicebot im Kundenservice und Callcenter

Im Kundenservice und im Callcenter übernimmt ein Voicebot meist den Anfang des Gesprächs. Er fragt Anliegen, Kundennummer und Dringlichkeit ab, beantwortet Standardfragen und übergibt alles Weitere mit einer Zusammenfassung an einen Menschen. Er entlastet das Team bei Lastspitzen, in Randzeiten und bei wiederkehrenden First-Level-Anfragen. Beratung, Beschwerden und Sonderfälle bleiben bei Menschen. Den Erfolg misst du daran, wie viele Anliegen korrekt abgeschlossen oder vollständig übergeben werden. Wie viele Anliegen schon beim ersten Kontakt gelöst sind, zeigt die Erstlösungsquote (First Call Resolution).

Beispiele aus Deutschland

Die Branddirektion München hat im Februar 2026 einen KI-Sprachbot getestet, der Anrufe zu nicht dringenden Krankentransporten annimmt. Laut Rathaus Umschau der Stadt München vom 25. Februar 2026 laufen in der Integrierten Leitstelle täglich rund 2.500 Anrufe zusammen, darunter etwa 400 Anfragen für Krankentransporte. Übernimmt der Bot einen solchen Anruf, entfällt für das Leitstellenpersonal die Bearbeitung, die im Schnitt dreieinhalb Minuten dauert. Erkennt die KI Unsicherheiten oder kommt das anrufende Klinikpersonal nicht weiter, wird der Anruf laut einem Bericht von Microsoft sofort an einen Menschen übergeben. Notrufe bearbeiten weiterhin ausschließlich Menschen.

Das Standesamt Düsseldorf beantwortet Fragen zu Geburt, Namensänderung, Eheschließung und Sterbefall mit einem KI-Voicebot. Laut den Datenschutzhinweisen der Stadt wird die Stimme in Echtzeit in Text umgewandelt, Audiodaten werden nicht gespeichert. Die Daten werden nach sieben Tagen gelöscht und nicht zum Training von KI genutzt. Rechtsgrundlage ist die Einwilligung der Anrufenden nach Art. 6 Abs. 1 lit. a DSGVO.

Beide Beispiele zeigen, worauf es ankommt: eine klar abgegrenzte Aufgabe, eine definierte Übergabe und dokumentierte Datenpfade. Wie ein KI-Telefonassistent Störungsmeldungen auch außerhalb der Bürozeiten aufnimmt, zeigt die Fallstudie Selecta.

Welche Vorteile und Grenzen hat ein Voicebot?

Ein Voicebot macht ein Unternehmen am Telefon besser erreichbar und nimmt wiederkehrende Anliegen einheitlich auf. Grenzen hat er dort, wo Wissen fehlt, Identitäten geprüft werden müssen oder Gespräche emotional werden.

• Erreichbarkeit: Anrufe werden rund um die Uhr angenommen, auch abends, am Wochenende und bei Lastspitzen.
• Keine Warteschleife: Mehrere Anrufer können gleichzeitig ihr Anliegen loswerden.
• Einheitliche Erfassung: Jedes Anliegen wird mit denselben Pflichtangaben aufgenommen und strukturiert übergeben.
• Entlastung: Das Team konzentriert sich auf Fälle, die Beratung oder Entscheidungen brauchen. Ein Voicebot ergänzt das Team, er ersetzt es nicht.

Ist ein Voicebot sicher?

Sicher ist ein Voicebot nur, wenn seine Risiken vor dem Start bekannt und abgefangen sind. Diese Risiken gehören in die Planung:

• Fachfragen ohne Grundlage: Fehlt das Wissen, darf das System nicht raten. Ein KI-Telefonassistent sollte nur aus freigegebenem Wissen antworten und sonst Rückruf oder Weiterleitung anbieten.
• Falsche Antworten: Das BSI beschreibt Halluzinationen, also glaubhaft wirkende, aber erfundene Aussagen, als großes Problem von Sprachmodellen (LLMs). Gegenmittel sind begrenzte Wissensquellen, feste Regeln und Tests mit echten Anliegen.
• Manipulation: Anrufer können versuchen, das System mit eigenen Anweisungen umzulenken. Das BSI nennt solche Prompt Injections als Risiko von Sprachmodellen. Aktionen sollten deshalb nur über freigegebene Schnittstellen mit geprüften Angaben laufen.
• Identität: Am Telefon lässt sich schwer prüfen, wer spricht. Auskünfte zu Verträgen oder Gesundheit sollte es deshalb erst nach einer Identitätsprüfung geben oder nur durch einen Menschen.
• Emotionale Gespräche: Beschwerden, Kündigungen und Notfälle gehören früh zu einem Menschen.

Wie funktioniert die Übergabe an einen Menschen?

Für die Übergabe an einen Menschen gibt es drei Wege: direkte Weiterleitung, Weiterleitung mit Ankündigung sowie Rückruf oder Ticket mit Zusammenfassung. Entscheidend ist, dass Anrufer nicht in einer Sackgasse landen und ihr Anliegen nicht wiederholen müssen. Wie Kunden auf KI am Telefon reagieren, beschreibt der Beitrag zur Akzeptanz von KI im Kundenservice.

Direkte Weiterleitung

Der Anruf geht ohne Rückfrage an eine Nummer, eine Durchwahl oder eine Warteschlange der Telefonanlage. Das ist schnell, die Zielperson erfährt vorab aber nichts über das Anliegen.

Weiterleitung mit Ankündigung

Der Anrufer wartet kurz, während das System die Zielperson anruft und Name und Anliegen nennt. Erst wenn sie zusagt, wird verbunden. Bei smao heißt dieser Weg „Persönliche Vermittlung“. Der Anrufer hört Wartemusik, der Assistent stellt sich der Zielperson als KI-Assistent vor und verbindet erst nach einem gesprochenen Ja. Nimmt niemand ab, ist die Leitung besetzt oder lehnt die Person ab, kommt der Anrufer zum Assistenten zurück und kann sein Anliegen hinterlassen.

Rückruf oder Ticket mit Zusammenfassung

Ist niemand erreichbar, nimmt das System Anliegen, Kontaktdaten und Dringlichkeit auf und übergibt sie strukturiert an CRM oder Ticketsystem. Das Team meldet sich per Rückruf mit vollständigen Angaben.

Vor dem Start festlegen

Drei Punkte legst du vor dem Start fest:

• Wann automatisch übergeben wird, zum Beispiel bei Beschwerden, Notfällen oder wiederholten Missverständnissen.
• Wer Ziel der Weiterleitung ist und was passiert, wenn niemand erreichbar ist.
• Welche Angaben der Mensch vorab bekommt, damit der Anrufer nichts wiederholen muss.

Was kostet ein Voicebot?

Ein Voicebot wird häufig pro Gesprächsminute abgerechnet. Dazu kommen je nach Anbieter Einrichtung, Grundgebühr, Telefonie mit Rufnummern oder SIP-Trunk und die Integration in bestehende Systeme. Öffentliche Minutenpreise, Stand 06.10.2026: Vapi nennt 0,05 US-Dollar Hosting-Gebühr plus die Kosten der Sprach- und Telefonieanbieter, Retell AI 0,07 bis 0,31 US-Dollar. Beim KI-Telefonassistenten smao sind es im Tarif Pay as you Go 0,35 €, KI-Modelle und Telefonie inklusive (Preisseite). Vergleichbar sind Minutenpreise nur, wenn klar ist, welche Bausteine enthalten sind. Unter den Unternehmen, die KI nutzen, nennen laut Bitkom 54 Prozent schwer kalkulierbare Kosten als Hürde. 41 Prozent nennen die Integration in bestehende Systeme als großen Kostenpunkt.

Plattformen zum Selbstbauen weisen die Bausteine oft einzeln aus. Vapi berechnet laut Preisseite, abgerufen am 06.10.2026, 0,05 US-Dollar pro Minute für das Hosting. Spracherkennung, Sprachmodell und Sprachsynthese kommen zum Listenpreis der jeweiligen Anbieter ohne Aufschlag dazu. Die Kosten der Anrufübertragung (Transport) stellt laut Preisseite der Telefonieanbieter selbst in Rechnung, nicht Vapi. Die kostenlosen Vapi-Rufnummern haben laut Dokumentation (Stand: 06.10.2026) US-Vorwahlen. Für deutsche Nummern importierst du eine Nummer eines anderen Anbieters, dessen Transportkosten dazukommen. Vapi dokumentiert außerdem eine EU-Region (Stand: 06.10.2026) mit eigenem Dashboard, eigener API und eigenem SIP-Host.

Retell AI nennt auf seiner Preisseite, abgerufen am 06.10.2026, 0,07 bis 0,31 US-Dollar pro Minute für Sprachagenten. Der Preis setzt sich aus Sprachinfrastruktur, Sprachmodell, Sprachsynthese und Telefonie zusammen. Laut Dokumentation (Stand: 06.10.2026) kaufst du bei Retell Rufnummern für die USA und Kanada. Nummern aus anderen Ländern bindest du über einen eigenen Telefonieanbieter an oder importierst sie. Auf beiden Plattformen baust du den Sprachagenten selbst; der Anbieter stellt die Infrastruktur (Vapi, Retell AI).

Bei smao sind KI-Modelle und Telefonie laut Preisseite im Minutenpreis enthalten. Weiterleitungsminuten, zusätzliche Rufnummern, SMS und WhatsApp kommen dazu:

Rechenbeispiel: 1.000 Gesprächsminuten im Monat

Bei 1.000 Gesprächsminuten im Monat fallen im Tarif Pay as you Go 350 € für die Minuten an. Der Tarif Advanced enthält 1.250 Minuten für 249 € im Monat bei 12 Monaten Laufzeit, bei monatlicher Laufzeit für 299 €. Bei dieser Menge ist Advanced damit günstiger. Im Tarif Pay as you Go ist keine smao-Rufnummer enthalten, jede kostet 5 € im Monat; Advanced enthält 3. Leitet der Assistent an einen Menschen weiter, kostet jede Weiterleitungsminute bei smao-Rufnummern 0,06 €. Bindest du eigene Nummern per SIP an, fallen dafür bei smao keine Weiterleitungskosten an. Die Einrichtung eines eigenen SIP-Trunks kostet im Tarif Pay as you Go einmalig 99 €, ab Advanced ist sie enthalten. Alle Posten stehen auf der Preisseite.

Den Nutzen misst du nicht am Minutenpreis allein, sondern an korrekt erledigten Anliegen: Wie viele Anrufe enden mit Ticket, Termin oder richtiger Weiterleitung? Wie du das kalkulierst, zeigt der Beitrag zu den Kosten eines KI-Telefonassistenten.

Voicebot und DSGVO: Welche Daten fließen wohin?

Ein Voicebot lässt sich nur dann DSGVO-konform betreiben, wenn für jede Station des Anrufs klar ist, wer die Daten verarbeitet, wo, auf welcher Rechtsgrundlage und wie lange. Personenbezogene Daten fallen bei jedem Anruf an: Rufnummer, Stimme und Gesprächsinhalt, je nach Anliegen auch Name, Kundennummer oder Gesundheitsangaben. Unter Unternehmen, die KI bereits nutzen, sind Datenschutzanforderungen laut Bitkom die häufigste Hürde (66 Prozent).

• Rechtsgrundlage: Jede Verarbeitung braucht eine Grundlage nach Art. 6 DSGVO, etwa die Erfüllung oder Anbahnung eines Vertrags, ein berechtigtes Interesse oder eine Einwilligung.
• Information: Anrufer müssen nach Art. 13 DSGVO bei der Erhebung erfahren, wer ihre Daten wofür verarbeitet. Praktisch heißt das: ein kurzer Hinweis im Gespräch und ausführliche Informationen online.
• Auftragsverarbeitung: Mit jedem Dienstleister, der Daten in deinem Auftrag verarbeitet, brauchst du einen Vertrag nach Art. 28 DSGVO. Er muss seine Unterauftragsverarbeiter ebenso vertraglich binden.
• Drittländer: Läuft eine Station außerhalb von EU und EWR, gelten die Regeln für Übermittlungen in Drittländer (Kapitel V DSGVO).
• Aufzeichnung: § 201 StGB stellt die unbefugte Aufnahme des nichtöffentlich gesprochenen Wortes unter Strafe. Wer Gespräche als Audio aufzeichnet, braucht deshalb eine Befugnis, in der Regel die Einwilligung der Beteiligten.
• Automatisierte Entscheidungen: Entscheidungen mit rechtlicher Wirkung oder ähnlich erheblicher Beeinträchtigung dürfen grundsätzlich nicht ausschließlich automatisiert fallen (Art. 22 DSGVO).
• Gesundheitsdaten: Für besondere Kategorien wie Gesundheitsangaben in Arztpraxen gelten strengere Voraussetzungen (Art. 9 DSGVO).
• Training: Nach der Orientierungshilfe der Datenschutzkonferenz vom 6. Mai 2024 sind Anwendungen vorzugswürdig, die Ein- und Ausgabedaten nicht zu Trainingszwecken verwenden.

Wie smao mit Gesprächsdaten umgeht

smao ruft keine OpenAI-Dienste auf. Die smao Cloud wird in Deutschland gehostet. Kundendaten nutzt smao nicht für KI-Training. Welche Dienstleister an Sprachmodell und Sprachausgabe beteiligt sind und wo sie verarbeiten, klärst du vor dem Start. Grundlage sind der Auftragsverarbeitungsvertrag (AVV) und die technischen und organisatorischen Maßnahmen (TOMs). Angebundene Dienste wie CRM oder Kalender prüfst du separat. AVV, TOMs, Löschfristen und Unterstützung bei der Datenschutz-Folgenabschätzung stimmt smao mit dir passend zum Einsatz ab.

Standardmäßig ist die Tonaufnahme eingeschaltet. Ob Gespräche als Audio aufgezeichnet werden, legst du pro Assistent fest. Prüfe vor dem Start, ob diese Einstellung zu deiner Begrüßung und zur Rechtsgrundlage passt, denn für Audioaufnahmen brauchst du in der Regel eine Einwilligung. Transkripte speichert smao auch ohne Tonaufnahme. Die Aufbewahrungsdauer stellst du pro Organisation zwischen 1 und 365 Tagen ein; neue Organisationen starten mit 60 Tagen. Danach löscht smao die Anrufe automatisch mit Transkript und Aufnahme. Backups, versandte E-Mails und Kopien in angebundenen Systemen folgen eigenen Regeln.

Muss die Verarbeitung auf eigener Infrastruktur laufen, ist ein Betrieb in deiner Linux- und Docker-Umgebung als Projekt möglich (smao On-Premises). Typische Datenschutzanforderungen im Kundenservice zeigt die Seite Kundenservice & DSGVO.

Muss ein Voicebot sagen, dass er eine KI ist?

Ja. Seit dem 2. August 2026 muss ein Voicebot nach Art. 50 der KI-Verordnung so gestaltet sein, dass Anrufer erfahren, dass sie mit einer KI sprechen. Das gilt nur dann nicht, wenn es offensichtlich ist. Die EU-Kommission legt diese Ausnahme eng aus. Bei einer natürlich klingenden Stimme am Telefon solltest du dich deshalb nicht auf die Ausnahme verlassen.

• Wer verpflichtet ist: Die Pflicht aus Art. 50 Abs. 1 trifft den Anbieter des Systems. Wer einen Voicebot einsetzt (Betreiber), sollte im Vertrag und im Test prüfen, ob der Hinweis im Gesprächsablauf vorgesehen ist. Wer ein System unter eigenem Namen oder eigener Marke in Verkehr bringt, etwa als White-Label-Angebot, kann selbst als Anbieter gelten (Art. 3 Nr. 3).
• Wann die Pflicht greift: Laut EU-Kommission müssen vier Kriterien zusammen erfüllt sein. Es handelt sich um ein KI-System. Es ist auf einen echten wechselseitigen Austausch ausgelegt, statt nur Daten zu erfassen oder automatische Antworten auszugeben. Die KI spricht selbst mit der Person, und das Gegenüber ist ein Mensch. Ein Tastenmenü, das nur von Menschen festgelegte Regeln abarbeitet, ist nach Erwägungsgrund 12 kein KI-System.
• Zeitpunkt: spätestens bei der ersten Interaktion, klar, erkennbar und barrierefrei (Art. 50 Abs. 5). Am Telefon heißt das: in der Begrüßung.
• Synthetische Stimme: Anbieter von Systemen, die synthetische Audioinhalte erzeugen, müssen diese maschinenlesbar kennzeichnen (Art. 50 Abs. 2). Für Systeme, die vor dem 2. August 2026 in Verkehr gebracht wurden, gilt diese Pflicht laut EU-Kommission erst ab dem 2. Dezember 2026.
• Hochrisiko: Voicebots im Kundenservice sind meist keine Hochrisiko-Systeme. Anders kann es sein, wenn ein System Notrufe bewertet oder Einsätze priorisiert. Das kann auch gelten, wenn es über öffentliche Unterstützungsleistungen, Kreditwürdigkeit oder Prämien in der Lebens- und Krankenversicherung mitentscheidet (Anhang III Nr. 5). Nach dem KI-Omnibus, in Kraft seit dem 27. Juli 2026, gelten die Pflichten für diese Systeme ab dem 2. Dezember 2027.
• Aufsicht: Das KI-Marktüberwachungs- und Innovationsförderungsgesetz (KI-MIG) vom 22. Juli 2026 bestimmt die Bundesnetzagentur als zuständige Marktüberwachungsbehörde. Für KI-Systeme, die beaufsichtigte Finanzunternehmen im direkten Zusammenhang mit regulierten Finanztätigkeiten einsetzen, ist die BaFin zuständig. Für öffentliche Stellen der Länder und für Medien gelten eigene Zuständigkeiten.
• Bußgelder: Für Verstöße gegen die Transparenzpflichten sieht die KI-Verordnung laut EU-Kommission Geldbußen von bis zu 15 Millionen Euro oder 3 Prozent des weltweiten Jahresumsatzes vor. Bei KMU und kleinen Midcap-Unternehmen kann die Verhältnismäßigkeit berücksichtigt werden.

Beispiel für die Begrüßung

„Guten Tag, hier ist der digitale Assistent der Muster GmbH. Ich bin eine KI und nehme Ihr Anliegen gern auf. Wenn Sie lieber mit einem Menschen sprechen möchten, sagen Sie es einfach.“

Bei smao stellt sich der Assistent standardmäßig zu Beginn als KI vor. Die Begrüßung kannst du anpassen; den KI-Hinweis solltest du dabei behalten.

Die rechtliche Bewertung deines Einsatzes gehört zu Datenschutzbeauftragten oder Rechtsberatung. Mehr zu Betreiberpflichten, Dokumentation und menschlicher Aufsicht steht im Beitrag EU-KI-Verordnung im Kundenservice.

Voicebot einführen: selbst bauen oder fertig nutzen?

Ob du selbst baust oder fertig nutzt, hängt vor allem davon ab, ob ein technisches Team den Sprachagenten bauen und betreiben kann. Um Anrufe zu automatisieren, gibt es drei Wege. Du kannst ein Projekt mit einer Contact-Center-Plattform aufsetzen, den Sprachagenten auf einer Plattform zum Selbstbauen entwickeln oder einen fertigen KI-Telefonassistenten selbst über ein Dashboard einrichten.

Die Dauer der Einführung bestimmen vor allem Integrationen, Telefonanlage und Tests, weniger die Sprachtechnik. Bei smao ist ein Assistent für Standardfälle in der Cloud in rund 15 Minuten startklar: Assistent einrichten, Wissen hinterlegen, Nummer verbinden, erste Testanrufe führen. Jeder Assistent bekommt beim Anlegen automatisch eine Rufnummer. So testest du, bevor du die Telefonanlage umstellst. Komplexere Abläufe und die SIP-Anbindung stimmt smao mit deiner IT ab.

In fünf Schritten zum Start

Die Einführung lässt sich in fünf Schritten planen:

• Anliegen auswählen: die drei bis fünf häufigsten Anrufgründe mit klarem Ergebnis.
• Wissen und Regeln festlegen: freigegebene Antworten, Pflichtangaben und Grenzen.
• Übergabe definieren: Ziele, Auslöser, Ausweichweg und was der Mensch vorab erfährt.
• Mit echten Anrufen testen: Unterbrechungen, Dialekt, Mobilfunk und Anliegen, die niemand vorhergesehen hat.
• Starten und messen: zuerst Überlauf oder Randzeiten, dann ausweiten. Als Kennzahl zählen korrekt erledigte oder vollständig übergebene Anliegen.

Voicebot-Anbieter auswählen: 10 Fragen vor dem Vertrag

Vor dem Vertrag mit einem Voicebot-Anbieter zeigen zehn Fragen, ob das Angebot im Alltag trägt und nicht nur in der Demo. Sieben Kriterien für einen ausführlichen Vergleich stehen im Beitrag KI-Telefonassistent auswählen. Einen Überblick über Anbieter am deutschen Markt gibt die Seite KI-Telefonassistenten im Überblick.

• Was passiert, wenn ein Anrufer etwas sagt, das nicht vorgesehen ist?
• Antwortet das System nur aus freigegebenem Wissen, und was tut es bei Unsicherheit?
• Welche Übergabewege gibt es, und was erfährt die Zielperson vorab?
• Was passiert, wenn niemand erreichbar ist?
• Wie lautet der KI-Hinweis in der Begrüßung, und wer hat ihn freigegeben?
• Wo laufen Telefonie, Spracherkennung, Sprachmodell und Stimme, und bei welchen Dienstleistern?
• Werden Audio, Transkripte oder Zusammenfassungen gespeichert, wie lange, und fließen sie ins Training?
• Welche Systeme sind nativ angebunden, welche nur über eine individuelle Schnittstelle?
• Was ist im Minutenpreis enthalten: Sprachmodell, Stimme, Telefonie, Weiterleitungen?
• Kannst du mit echten Anrufen testen, bevor du dich bindest?

Wann passt ein KI-Telefonassistent wie smao?

Ein KI-Telefonassistent wie smao passt zu Teams, die erreichbar bleiben wollen, ohne ständig ans Telefon zu müssen. smao ist ein KI-Telefonassistent aus Deutschland: Er nimmt Anrufe an, klärt das Anliegen, beantwortet Standardfragen aus freigegebenem Wissen und übergibt Ticket, Rückrufwunsch oder Weiterleitung strukturiert an dein Team. Die smao Cloud wird in Deutschland gehostet; Gespräche laufen ohne OpenAI und ohne US-KI-Subprozessoren in der Gesprächsverarbeitung. Termine bucht er live im Gespräch über Cal.com oder meetergo (ab Advanced); andere Kalender bindest du über eigene Webhooks an. Weiß der Assistent etwas nicht sicher, erfindet er keine Antwort, sondern nimmt das Anliegen auf, verspricht Rückruf oder leitet an einen Menschen weiter.

Auf smao laufen mehr als 550 aktive Assistenten. Sie führen zusammen über 150.000 Gesprächsminuten im Monat. Das Integrationsverzeichnis führt über 70 Einträge für CRM, Helpdesk, Kalender und Team-Tools: native Konnektoren und Anleitungen für API und Webhooks. IT-Systemhäuser und Agenturen können smao auch unter eigener Marke anbieten (White-Label).

Du kannst mit 50 Freiminuten und ohne Kreditkarte starten oder deinen Anwendungsfall in einer Demo durchgehen. Tarife und Zusatzposten stehen auf der Preisseite, Funktionen und Einsatzfälle im Leitfaden zum KI-Telefonassistenten.

Passt gut, wenn

• viele Anrufe wiederkehrenden Anliegen folgen und mit Ticket, Termin oder Weiterleitung enden sollen,
• Überlauf und Randzeiten abgefangen werden sollen, ohne dass Anrufer in der Warteschleife hängen,
• Ergebnisse strukturiert im CRM, Kalender oder Ticketsystem landen sollen,
• für deine Datenschutzprüfung AVV, TOMs und dokumentierte Datenpfade zählen; die smao Cloud wird in Deutschland gehostet.

Passt weniger, wenn

• du nur ein Tastenmenü zur Anrufverteilung brauchst; das kann die Telefonanlage meist selbst,
• Anrufe vor allem nach Uhrzeit oder Bereitschaftsplan verteilt werden sollen; das regelt die Telefonanlage, nicht smao,
• fast jedes Gespräch individuelle Beratung verlangt, die niemand vorab als Wissen freigeben kann.