KI-Telefonassistent: was er im Betrieb leistet und was nicht
Ein KI-Telefonassistent nimmt Anrufe an, bucht Termine und nimmt Anliegen auf — zuverlässig aber nur in engen Grenzen. Was heute funktioniert, was es kostet und warum schon die Mitschrift eines Anrufs eine Einwilligung braucht.
Was ein KI-Telefonassistent ist
Ein KI-Telefonassistent ist ein Sprachsystem, das eingehende Anrufe selbstständig annimmt, das Gesagte versteht und mit synthetischer Stimme antwortet. Technisch besteht er meist aus drei Stufen: Spracherkennung wandelt die Stimme in Text, ein Sprachmodell entscheidet über die Antwort, und eine Sprachsynthese spricht sie aus. Neuere Systeme fassen diese Kette in einem einzigen Modell zusammen.
Vom klassischen Sprachmenü („Drücken Sie die 1") unterscheidet er sich dadurch, dass Anrufer frei sprechen können. Vom Anrufbeantworter unterscheidet er sich dadurch, dass er zurückfragt: Er kann eine Telefonnummer bestätigen lassen, einen Terminwunsch gegen den Kalender prüfen und ein Anliegen so aufnehmen, dass jemand im Betrieb es ohne Rückruf bearbeiten kann.
Im Unterschied zum Text-Chatbot auf der Website, dessen Kosten der Beitrag „Was kostet ein KI-Chatbot?" einordnet, arbeitet der Telefonassistent in Echtzeit und ohne Bildschirm. Genau daraus entstehen die meisten seiner Grenzen.
Was heute zuverlässig funktioniert
Zuverlässig funktionieren Gespräche mit kleinem, klar umrissenem Ziel: Öffnungszeiten nennen, einen Termin vereinbaren oder verschieben, eine Rückrufbitte mit Namen, Nummer und Anliegen aufnehmen, eine Bestellung oder Schadensmeldung vorstrukturieren. In diesen Fällen ist die Zahl möglicher Antworten begrenzt, und das System kann jede Angabe gezielt bestätigen lassen.
Der größte praktische Nutzen liegt außerhalb der Geschäftszeiten und in Stoßzeiten. Ein Handwerksbetrieb, eine Praxis oder eine Kanzlei verliert Anfragen weniger durch schlechte Beratung als durch Anrufe, die niemand annimmt. Ein KI-Anrufbeantworter für die Firma, der das Anliegen vollständig aufnimmt und als strukturierte Notiz ins Postfach oder ins CRM legt, schließt genau diese Lücke.
Ebenfalls belastbar ist die Weiterleitung: Das System erkennt, ob es um eine Rechnung, einen Notfall oder einen neuen Auftrag geht, und verbindet zur richtigen Stelle. Die Entscheidung, wohin ein Anruf gehört, ist leichter zu automatisieren als die Beratung selbst.
Wo KI am Telefon an Grenzen stößt
Am Telefon scheitert ein KI-Assistent am häufigsten nicht am Inhalt, sondern an der Akustik. Eine klassische Telefonleitung überträgt nur Frequenzen zwischen etwa 300 und 3.400 Hertz; dazu kommen Baustellenlärm, Freisprechanlagen im Auto und starke Dialekte. Spracherkennung, die im ruhigen Büro sehr gut arbeitet, verliert unter diesen Bedingungen merklich an Genauigkeit — und jeder falsch verstandene Name zieht sich durch das ganze Gespräch.
Die zweite Grenze ist das Timing. Menschen erwarten im Gespräch eine Antwort innerhalb eines Sekundenbruchteils und fallen dem Gegenüber ins Wort. Ein System, das spürbar nachdenkt oder nicht aufhört zu sprechen, wenn der Anrufer unterbricht, wirkt kaputt, auch wenn die Antwort inhaltlich stimmt. Gute Systeme brechen ihre eigene Ansage ab, sobald der Anrufer spricht; schlechte reden weiter.
Die dritte Grenze ist dieselbe wie beim Chatbot: Ein Sprachmodell formuliert auch dann flüssig, wenn es die Antwort nicht kennt. Am Telefon ist das gefährlicher, weil niemand nachlesen kann. Preise, Fristen, Diagnosen und rechtliche Auskünfte gehören deshalb nicht in die freie Antwort des Modells, sondern entweder in fest hinterlegte Daten — oder an einen Menschen.
Termine per KI am Telefon buchen: was die Anbindung leisten muss
Damit ein KI-Telefonassistent Termine buchen kann, braucht er Schreibzugriff auf den echten Kalender, nicht auf eine Kopie. Er muss freie Zeiten abfragen, einen Termin verbindlich reservieren und dabei Dauer, Puffer und Zuständigkeit berücksichtigen. Fehlt eine dieser Regeln, entstehen Doppelbuchungen, die erst auffallen, wenn zwei Kunden gleichzeitig vor der Tür stehen.
Die zweite Anbindung ist das System, in dem Anfragen weiterbearbeitet werden — CRM, Ticketsystem oder schlicht das Postfach. Entscheidend ist, dass am Ende eines Anrufs ein vollständiger, strukturierter Datensatz entsteht: wer, warum, bis wann, mit welcher Rückrufnummer. Ein Gesprächsprotokoll in Fließtext verschiebt die Arbeit nur, statt sie zu erledigen.
Technisch geschieht das über Schnittstellen der jeweiligen Systeme. Viele Kalender- und Praxisprogramme bieten sie an, manche nur in teureren Tarifen, einige gar nicht. Die Frage, ob die vorhandene Software eine Schreibschnittstelle hat, entscheidet oft mehr über das Projekt als die Wahl des Sprachmodells.
KI am Telefon kennzeichnen: die Pflicht aus Artikel 50
Seit dem 2. August 2026 muss ein Betrieb, der Anrufer von einer KI bedienen lässt, dies offenlegen. Artikel 50 Absatz 1 der KI-Verordnung verlangt, dass Menschen erfahren, wenn sie mit einem KI-System interagieren, sofern das nicht ohnehin offensichtlich ist. Eine natürlich klingende Stimme am Telefon ist gerade nicht offensichtlich — die Kennzeichnung ist hier deshalb der Regelfall.
Praktisch gehört der Hinweis an den Anfang des Gesprächs, gesprochen und nicht versteckt: „Sie sprechen mit dem digitalen Assistenten von …" genügt. Ein Hinweis auf der Website oder in den Geschäftsbedingungen erreicht den Anrufer nicht. Wie Form und Zeitpunkt der Kennzeichnung allgemein geregelt sind, beschreibt der Beitrag zur Chatbot-Kennzeichnung nach Artikel 50.
Die Kennzeichnung ist keine Formalie, die man möglichst kurz hält. Sie verändert, wie Anrufer sprechen: Wer weiß, dass er mit einer Maschine redet, formuliert knapper und deutlicher — was die Erkennungsquote eher verbessert als verschlechtert.
Voicebot und DSGVO: warum schon die Mitschrift eine Einwilligung braucht
Ein Voicebot verarbeitet zwangsläufig das gesprochene Wort des Anrufers, und dafür gelten zwei Regelwerke nebeneinander. Strafrechtlich verbietet § 201 des Strafgesetzbuchs, das nichtöffentlich gesprochene Wort eines anderen unbefugt auf einen Tonträger aufzunehmen; angedroht sind bis zu drei Jahre Freiheitsstrafe oder Geldstrafe. Datenschutzrechtlich ist jede Verarbeitung von Stimme und Gesprächsinhalt eine Verarbeitung personenbezogener Daten nach der DSGVO.
Die sächsische Datenschutzaufsicht hat in ihrem Tätigkeitsbericht für 2022 klargestellt, dass bereits das schriftliche Festhalten des gesprochenen Wortes einer Einwilligung bedarf. Die Unterscheidung „wir speichern kein Audio, nur ein Transkript" schützt also nicht automatisch. Die frühere Praxis, eine Aufzeichnung anzukündigen und das Weitersprechen als Zustimmung zu werten, gilt nach Auffassung der Datenschutzkonferenz nicht als wirksame Einwilligung.
Daraus folgt eine schlichte Gestaltungsregel: Audio nur speichern, wenn es einen Zweck gibt, und dann mit ausdrücklicher Zustimmung zu Gesprächsbeginn; im Übrigen nur die strukturierten Felder ablegen, die für die Bearbeitung nötig sind. Dazu kommen ein Auftragsverarbeitungsvertrag mit dem Anbieter, eine Prüfung, ob Daten in ein Drittland fließen, und feste Löschfristen.
Was ein KI-Telefonassistent kostet
Die am Markt aufgerufenen Preise für fertige KI-Telefonassistenten liegen nach Übersichten aus diesem Jahr überwiegend zwischen rund 30 und 500 Euro im Monat, je nach Paket. Dazu kommen bei den meisten Modellen Minutenpreise, die in den Übersichten zwischen etwa 0,08 und 0,50 Euro je Gesprächsminute liegen; einzelne Abrechnungen pro Anruf bewegen sich zwischen 0,50 und 1,50 Euro.
Diese Spannen gelten für Standardpakete mit einfacher Kalender- oder E-Mail-Anbindung. Sie enthalten selten die Arbeit, die ein Projekt tatsächlich teuer macht: die Anbindung an ein Fachprogramm ohne Standardschnittstelle, die saubere Übergabe an Menschen und das Testen mit echten Anrufen. Einrichtungskosten reichen nach denselben Übersichten von null bis zu mehreren Tausend Euro.
Für die Wirtschaftlichkeit zählt weniger der Minutenpreis als das Volumen verlorener Anrufe. Ein Betrieb, der kaum Anrufe verpasst, gewinnt mit einem Voicebot wenig; einer, bei dem abends und in der Mittagspause regelmäßig niemand abnimmt, gewinnt vor allem Aufträge, die sonst bei der Konkurrenz gelandet wären.
Die Übergabe an Menschen entscheidet über die Akzeptanz
Ein KI-Telefonassistent wird von Anrufern dann akzeptiert, wenn jederzeit ein Weg zu einem Menschen offensteht. Wer merkt, dass er in einer Schleife festsitzt, legt auf — und ruft im ungünstigsten Fall nicht wieder an. Ein Satz wie „Ich verbinde Sie mit einer Kollegin" oder, außerhalb der Zeiten, „Wir rufen Sie bis morgen zehn Uhr zurück" gehört deshalb in jeden Gesprächsablauf.
Ebenso wichtig ist, dass bei der Übergabe nichts verloren geht. Die Person, die übernimmt, muss sehen, was der Anrufer bereits gesagt hat; sonst beginnt das Gespräch von vorn, und der Vorteil der Automatisierung kehrt sich um.
Die ehrliche Grenze der Sache: Ein KI-Telefonassistent ersetzt keine Beratung, keine Beschwerdebearbeitung und kein Gespräch, in dem es um Vertrauen geht. Er nimmt dem Team wiederkehrende, gut strukturierbare Anrufe ab — und genau so sollte er geplant werden.
Rechtsgrundlagen
- Verordnung (EU) 2024/1689 (KI-Verordnung / EU AI Act)(öffnet in neuem Tab)Volltext im Amtsblatt der EU
- Verordnung (EU) 2016/679 (DSGVO)(öffnet in neuem Tab)Volltext im Amtsblatt der EU
- Strafgesetzbuch (StGB)(öffnet in neuem Tab)§ 201 Verletzung der Vertraulichkeit des Wortes, § 202a unbefugter Zugang zu gesicherten Daten, § 203 Verletzung von Privatgeheimnissen