KI-Telefonassistent: Wie er arbeitet und wo er scheitert
Kurz gesagt
Ein KI-Telefonassistent nimmt Anrufe an, wandelt die Sprache des Anrufers in Text um, lässt ein Sprachmodell eine Antwort formulieren und liest sie mit synthetischer Stimme vor. Er beantwortet Standardfragen, bucht Termine und nimmt Anliegen auf. Schwach ist er bei Eigennamen, Dialekt, Notfällen und Anrufern, die aufgebracht sind.
Zwischen zwei Sätzen in einem normalen Gespräch vergeht erstaunlich wenig Zeit. Eine vielzitierte Studie zu zehn Sprachen fand, dass die Pausen beim Sprecherwechsel typischerweise um 200 Millisekunden liegen (Stivers u. a., PNAS 2009). Ein KI-Telefonassistent muss in diesem Zeitfenster zuhören, verstehen, eine Antwort formulieren und sie aussprechen. Dass das überhaupt halbwegs flüssig klappt, ist neu. Dass es manchmal hakt, liegt genau an dieser Kette.
Wer versteht, wie die Technik aufgebaut ist, kann besser einschätzen, wofür sie taugt.
Was bei einem Anruf technisch passiert
Die meisten Systeme arbeiten mit einer Pipeline aus vier Bausteinen. Einige neuere Modelle verarbeiten Sprache direkt, ohne Zwischenschritt über Text, das Prinzip bleibt aber ähnlich.
- TelefonieDer Anruf kommt über eine Rufumleitung oder eine eigene Nummer per SIP bei der Plattform an.
- SpracherkennungEin Speech-to-Text-Modell schreibt laufend mit, was der Anrufer sagt, und erkennt, wann er fertig ist.
- SprachmodellEin großes Sprachmodell liest Mitschrift, Anweisungen und Wissensbasis und entscheidet, was als Nächstes passiert.
- WerkzeugeBei Bedarf fragt es freie Termine im Kalender ab, legt einen Kontakt im CRM an oder verschickt eine SMS.
- SprachausgabeEin Text-to-Speech-Modell spricht die Antwort mit synthetischer Stimme, oft schon während der Rest noch formuliert wird.
Jeder Baustein kostet Zeit. Und Geld. Das sieht man an den Preisseiten der Plattformen: Sie rechnen jeden dieser Bausteine als eigenen Posten ab, die Telefonie oft noch extra. Eine Übersicht dazu steht im Beitrag zu den Kosten eines KI-Telefonassistenten.
Der heikelste Teil ist unscheinbar: die Erkennung, wann der Anrufer ausgeredet hat. Wartet das System zu lange, entsteht eine unnatürliche Pause. Springt es zu früh ein, fällt es dem Anrufer ins Wort, etwa wenn er nach „Meine Nummer ist null eins sieben…“ kurz nachdenkt. Gute Systeme lassen sich auch unterbrechen. Fängt der Anrufer an zu sprechen, verstummt die KI.
Was die Technik heute gut kann
Bei klar umrissenen Aufgaben sind die Assistenten inzwischen zuverlässig. Dazu gehören:
- Öffnungszeiten, Anfahrt, Preise aus einer festen Liste nennen
- Termine in freie Zeitfenster eines angebundenen Kalenders buchen, verschieben oder absagen
- Anliegen strukturiert aufnehmen und als Notiz per Mail weiterschicken
- Anrufer nach Thema an die richtige Durchwahl weiterleiten
- Rückfragen in mehreren Sprachen beantworten
- beliebig viele Anrufe parallel annehmen, auch nachts
Der größte Vorteil gegenüber einem Callcenter ist die Anbindung. Ein menschlicher Telefonservice notiert einen Terminwunsch. Eine KI mit Kalenderzugriff trägt ihn direkt ein und schickt die Bestätigung per SMS hinterher.
Wo KI am Telefon scheitert
Die Schwächen sind genauso klar. Sie zu kennen, ist wichtiger als jede Demo.
| Kriterium | KI-Assistent | Mensch am Telefon |
|---|---|---|
| Standardfragen beantworten | ||
| Termin direkt im Kalender buchen | teilweise | |
| Eigennamen und Adressen korrekt erfassen | teilweise | |
| Starker Dialekt, Lärm im Hintergrund | teilweise | |
| Aufgebrachte oder weinende Anrufer | ||
| Notfall erkennen und richtig reagieren | teilweise | |
| Nachts und bei Anrufspitzen erreichbar | teilweise |
Eigennamen sind der Klassiker. „Schmidt“ oder „Schmitt“, „Meier“ oder „Mayer“: Die Spracherkennung schreibt, was am wahrscheinlichsten klingt. Ein guter Assistent buchstabiert zurück oder bittet um Bestätigung per Tastatur. Ein schlecht konfigurierter speichert den falschen Namen und keiner merkt es.
Erfundene Antworten sind das zweite Risiko. Ein Sprachmodell formuliert flüssig, auch wenn es die Antwort nicht kennt. Fragt jemand, ob am Brückentag geöffnet ist, und das steht nirgends, kann die KI aus Höflichkeit raten. Deshalb gehört in jede Konfiguration die feste Regel, bei fehlenden Informationen eine Notiz aufzunehmen statt zu antworten.
Emotionen und Notfälle sind die dritte Grenze. Ein Anrufer, der weint oder unter Schock steht, braucht keine fehlerfreie Satzstruktur, sondern einen Menschen. Für Arztpraxen ist das so wichtig, dass es einen eigenen Beitrag gibt: KI-Telefonassistent in der Arztpraxis.
Was der Assistent von dir wissen muss
Ein Sprachmodell weiß nichts über deinen Betrieb. Alles, was es am Telefon sagen soll, muss in zwei Quellen stehen: in den Anweisungen und in der Wissensbasis. Die Anweisungen beschreiben das Verhalten. Die Wissensbasis liefert die Fakten.
In die Wissensbasis gehören mindestens:
- Öffnungszeiten, Feiertage, Betriebsurlaub mit Datum
- Leistungen mit kurzer Beschreibung und, falls du sie nennen willst, Preisen
- Zuständigkeiten: wer welche Themen übernimmt, mit Durchwahl
- Einzugsgebiet, Anfahrt, Parkmöglichkeiten
- die zehn häufigsten Fragen mit deinen Antworten
Die Anweisungen sind kürzer, aber wichtiger. Sie legen fest, wie sich der Assistent meldet, was er nie tun darf und wann er abgibt. Ein Beispiel für den Kern, in Alltagssprache formuliert: Melde dich mit Firmenname und dem Hinweis, dass du ein KI-Assistent bist. Nenne nur Informationen aus der Wissensbasis. Wenn du etwas nicht weißt, nimm Name, Nummer und Anliegen auf und sag einen Rückruf zu. Lies Namen und Telefonnummern immer zur Bestätigung vor. Leite sofort weiter, wenn jemand von einem Notfall spricht oder ausdrücklich einen Menschen verlangt.
Klingt banal. Ist es nicht. Fehlt einer dieser Sätze, merkst du es spätestens beim zehnten echten Anruf.
Pflege die Wissensbasis wie eine Website. Wenn sich Öffnungszeiten ändern und niemand den Assistenten aktualisiert, nennt er wochenlang falsche Zeiten, und zwar freundlich und überzeugend. Leg im Kalender eine monatliche Erinnerung an. Fünf Minuten genügen.
Die Stimme ist dagegen Geschmackssache. Die meisten Plattformen bieten Dutzende synthetische Stimmen an, teils von verschiedenen Herstellern zu unterschiedlichen Minutenpreisen. Wähl eine ruhige, nicht zu schnelle Stimme und hör sie dir über ein echtes Telefon an, nicht über Kopfhörer. Am Telefon klingen viele Stimmen dünner als in der Demo.
So testest du einen Assistenten vor dem Start
Eine Demo des Anbieters zeigt den Idealfall. Bevor echte Kunden anrufen, solltest du selbst versuchen, das System aus dem Tritt zu bringen. Ein Testplan mit rund 20 Anrufen reicht für den Anfang.
- Name mit ungewöhnlicher Schreibweise nennen und prüfen, was in der Notiz steht
- Telefonnummer mit Pausen und Korrektur diktieren
- Aus dem Auto oder von der Straße anrufen
- Mitten in der Antwort der KI dazwischenreden
- Eine Frage stellen, deren Antwort nicht in der Wissensbasis steht
- Einen Termin außerhalb der Öffnungszeiten verlangen
- Nach einem Menschen fragen und prüfen, ob die Weiterleitung klappt
- Ein dringendes Anliegen schildern, das sofort weitergehen muss
- Auf Englisch oder einer anderen Sprache anfangen
Lies anschließend alle Mitschriften und Notizen. Die Fehler, die du dort findest, lassen sich meist über die Anweisungen beheben, also über den Text, der dem Sprachmodell sagt, wie es sich verhalten soll.
Rechtliche Grundregeln in einem Absatz
Der Assistent muss sich als KI zu erkennen geben, das verlangt Art. 50 der KI-Verordnung (EU) 2024/1689 seit dem 2. August 2026, spätestens bei der ersten Interaktion. Er verarbeitet personenbezogene Daten, also brauchst du einen Vertrag zur Auftragsverarbeitung mit dem Anbieter und musst Anrufer informieren. Mitschnitte sind ohne Einwilligung nach § 201 StGB tabu. Die Einzelheiten stehen im Beitrag KI-Telefonassistent und DSGVO.
Für wen sich das lohnt
Meine Einschätzung: KI am Telefon lohnt sich, wenn ein großer Teil deiner Anrufe Routine ist. Terminvereinbarungen, Öffnungszeiten, „Ist meine Bestellung fertig?“. Wo fast jeder Anruf eine individuelle Beratung oder ein Problem ist, spart die KI wenig und frustriert eher. Viele Betriebe fahren mit einer Mischung am besten: KI für Routine und Nachtstunden, ein menschlicher Telefonservice oder das eigene Team für alles andere.
Ob Standardprodukt oder eigene Lösung, hängt an der Anbindung. Wer nur Notizen braucht, kommt mit einem fertigen Dienst aus. Wer in eine Praxissoftware, ein Warenwirtschaftssystem oder ein eigenes CRM schreiben will, braucht eine Integration, wie sie Studios wie OnlineBuilders für Telefon- und Chat-Assistenten umsetzen.
Bevor du Anbieter vergleichst, mach eine Strichliste. Notier eine Woche lang bei jedem Anruf in einem Wort, worum es ging. Wenn mehr als die Hälfte der Striche bei drei oder vier Standardthemen landet, ist ein KI-Assistent einen Test wert.
Häufige Fragen
Merken Anrufer, dass sie mit einer KI sprechen?
Viele merken es an kleinen Pausen oder daran, dass die Stimme nie zögert. Unabhängig davon musst du es ihnen sagen: Seit dem 2. August 2026 verlangt Art. 50 der KI-Verordnung, dass Menschen erkennen können, wenn sie mit einem KI-System interagieren, sofern das nicht offensichtlich ist.
Kann ein KI-Telefonassistent mehrere Anrufe gleichzeitig annehmen?
Ja. Jede Verbindung läuft als eigene Sitzung. Die Plattformen begrenzen allerdings die Zahl paralleler Gespräche je Tarif, bei einem großen Anbieter sind etwa 20 gleichzeitige Anrufe inklusive, jede weitere Leitung kostet extra.
Spricht der Assistent auch andere Sprachen?
Die gängigen Systeme erkennen und sprechen Dutzende Sprachen und können mitten im Gespräch wechseln. Die Qualität schwankt aber. Bei Deutsch und Englisch ist sie gut, bei selteneren Sprachen solltest du vorher selbst testen.
Was passiert, wenn die KI eine Frage nicht beantworten kann?
Das legst du fest. Üblich ist eine Notiz mit Rückrufversprechen oder die Weiterleitung an einen Menschen. Wichtig ist, dass der Assistent die Grenze erkennt, statt eine plausibel klingende Antwort zu erfinden.
