Voicebot oder KI-Telefonassistent: Was moderne Telefon-KI vom Sprachmenü unterscheidet

Voicebot, Voice AI, IVR: Was die Begriffe meinen

Am Markt werden die Begriffe unterschiedlich verwendet. Es gibt keine Norm, die festlegt, was ein Voicebot ist. Für diesen Beitrag gilt folgende Einordnung:

• IVR (Interactive Voice Response, Sprachmenü): Der Anrufer hört Ansagen und wählt per Tastendruck oder einem einzelnen Wort. Das System verteilt den Anruf, mehr nicht.
• Voicebot: der Oberbegriff für Software, die am Telefon mit Sprache arbeitet. Ältere Voicebots erkennen eine feste Liste von Anliegen, sogenannte Intents. Jedes Anliegen und jede Antwort wird einzeln angelegt.
• KI-Telefonassistent: ein Voicebot, der auf einem großen Sprachmodell beruht. Er versteht freie Sätze, führt ein Gespräch und kann während des Anrufs Werkzeuge nutzen, etwa einen Kalender, eine Preisliste oder die Weiterleitung.
• Voice AI: ein weiter Begriff für KI rund um Sprache. Er umfasst auch Stimmerzeugung, Vorlesen und Stimmklonen, nicht nur Telefonie.
• KI-Anrufbeantworter: meist ein Assistent, der Nachrichten annimmt und zusammenfasst. Viele Suchen danach meinen private Lösungen für Smartphone oder Router. Im Betrieb wird daraus schnell ein Telefonassistent, sobald er auch antworten oder verbinden soll.

Der Unterschied im Überblick

So arbeitet ein KI-Telefonassistent

Hinter einem KI-Telefonassistenten stehen mehrere Bausteine, die in jedem Gesprächsschritt zusammenarbeiten:

1. Spracherkennung wandelt das Gesprochene in Text um. Hier entstehen die meisten Missverständnisse, vor allem bei Fachbegriffen, Namen und Ortsnamen.
2. Sprachmodell (LLM) liest den Text, die Anweisungen und das Wissen Ihres Betriebs und entscheidet, was es antwortet oder welches Werkzeug es aufruft.
3. Werkzeuge holen Daten oder lösen etwas aus: Preis nachschlagen, Kalender prüfen, an eine Abteilung verbinden, Rückrufwunsch aufnehmen.
4. Sprachsynthese spricht die Antwort mit einer gewählten Stimme. Moderne Stimmen klingen so natürlich, dass Anrufer den Unterschied oft nicht mehr hören.
5. Auswertung nach dem Anruf: Zusammenfassung, erfasste Angaben, Weitergabe an E-Mail, CRM oder Aufgabenwerkzeug.

Der wichtigste Unterschied zum klassischen Voicebot liegt im zweiten Schritt. Dort steht keine feste Entscheidungsliste mehr, sondern ein Modell, das Sprache versteht und selbst formuliert. Das macht das Gespräch natürlich, verschiebt die Arbeit aber: Statt Menübäume zu pflegen, schreiben Sie klare Regeln und halten Ihr Wissen aktuell.

Wofür sich ein KI-Telefonassistent eignet

• Erreichbarkeit außerhalb der Bürozeiten, in der Mittagspause und wenn mehrere gleichzeitig anrufen
• Häufige Fragen zu Öffnungszeiten, Leistungen, Preisen und Abläufen beantworten
• Anliegen aufnehmen: Name, Rückrufnummer, worum es geht, und das vollständig an die richtige Stelle
• Weiterleiten, aber nur, wenn das Anliegen zur Abteilung passt und jemand erreichbar ist
• Bewerberanrufe annehmen und die Angaben zur Stelle notieren
• Termine vorschlagen oder eintragen, wenn ein Kalender angebunden ist

Weniger geeignet sind Gespräche, in denen eine Entscheidung fällt oder verhandelt wird: Reklamationen mit Kulanzfrage, Angebote mit Rabatt, medizinische oder rechtliche Beratung. Hier sollte der Assistent aufnehmen und an einen Menschen übergeben.

Grenzen und typische Fehler

Ein Sprachmodell will hilfreich sein. Genau das ist am Telefon die häufigste Fehlerquelle. Aus unseren eigenen Prüfläufen kennen wir vier Muster:

Dazu kommen technische Grenzen: Bei schlechter Verbindung, starkem Dialekt oder Lärm im Hintergrund versteht die Spracherkennung schlechter. Und ein Assistent weiß nur, was in seinem Wissen steht. Ist die Preisliste veraltet, nennt er veraltete Preise.

Datenschutz und KI-Hinweis

Am Telefon werden fast immer personenbezogene Daten verarbeitet: Name, Rufnummer, Anliegen, oft die Stimme selbst. Fünf Punkte sollten Sie mit jedem Anbieter klären:

• Auftragsverarbeitung: Der Anbieter verarbeitet Daten in Ihrem Auftrag. Dafür brauchen Sie einen Vertrag nach Art. 28 DSGVO.
• Unterauftragsverarbeiter und Drittländer: Spracherkennung, Sprachmodell und Stimme kommen oft von weiteren Dienstleistern, teils aus den USA. Lassen Sie sich die Liste geben und fragen Sie nach der Grundlage der Übermittlung, etwa Standardvertragsklauseln.
• KI-Hinweis: Seit dem 2. August 2026 muss eine KI, die direkt mit Menschen spricht, sich als KI zu erkennen geben. Am Telefon gehört das in die erste Ansage. Mehr dazu im Beitrag KI-Kennzeichnungspflicht.
• Aufzeichnung: Wer das nichtöffentlich gesprochene Wort unbefugt aufnimmt, macht sich nach § 201 StGB strafbar. Wird das Gespräch aufgezeichnet, gehört ein Hinweis in die Ansage, und die Rechtsgrundlage sollte geklärt sein.
• Speicherdauer: Wie lange bleiben Aufnahme, Mitschrift und Zusammenfassung gespeichert, und wer kann sie löschen?

Bei GrisaKI liegen die Plattform im EU-Rechenzentrum Frankfurt und die Infrastruktur bei Hetzner in Deutschland. Die Sprach-KI kommt von ElevenLabs mit Sitz in den USA, abgesichert über Standardvertragsklauseln, die Rufnummern über Twilio. Die vollständige Liste der Unterauftragsverarbeiter steht im Auftragsverarbeitungsvertrag.

Kein Rechtsrat. Für Ihren konkreten Einsatz, etwa mit Gesundheitsdaten in einer Arztpraxis, fragen Sie bitte Ihre Datenschutzbeauftragte oder einen Anwalt.

Voicebot oder Chatbot?

Ein Chatbot schreibt, ein Voicebot spricht. Beide beruhen heute auf denselben großen Sprachmodellen und können auf dasselbe Firmenwissen zugreifen. Der Unterschied liegt im Kanal und in dem, was dort schwierig ist.

Viele Betriebe nutzen beides mit demselben Wissen: den KI-Chat für Website und WhatsApp und den KI-Telefonassistenten.

Was ein KI-Telefonassistent kostet

Fast alle Anbieter rechnen nach Gesprächsminuten ab: entweder je Minute, als Paket mit Inklusivminuten oder als individuelles Angebot. In unserer Marktübersicht vom 16.10.2026 lagen die öffentlichen Preise so:

Neben dem Paketpreis entscheiden der Abrechnungstakt, die Zahl gleichzeitiger Gespräche, Zusatzminuten und Ihre eigene Zeit für Wissen und Nachlesen. Anbieter, Quellen und ein Kostenrechner stehen auf der Seite Was kostet ein KI-Telefonassistent?

So setzen wir es bei GrisaKI um

Unsere Telefonassistenten sind KI-Telefonassistenten im Sinne dieses Beitrags. Einige Entscheidungen, die sich aus der Arbeit mit mittelständischen Kunden ergeben haben:

Vor dem Gespräch

• Jeder Anruf beginnt mit einer festen Begrüßung, die den Hinweis auf die Assistentin enthält. Kunden hören sie vorab in der gewählten Stimme an.
• Die Fachbegriffe des Betriebs, etwa Stellentitel und Produktnamen, gehen bei jedem Abgleich an die Spracherkennung.

Im Gespräch

• Während des Anrufs schlägt die Assistenz in drei Werkzeugen nach: im Wissen aus dem Web-Chat, im Produkt- und Preiskatalog und bei der Weiterleitung. Eine Lieferentfernung rechnet der Server aus der Adresse aus, statt sie schätzen zu lassen.
• Ob verbunden wird, entscheidet nicht das Sprachmodell allein. Der Server prüft, ob das Anliegen zur Abteilung passt und ob gerade Telefonzeit ist. Im Zweifel nimmt die Assistenz auf. Außerhalb der Zeiten wird nur notiert, zur Bereitschaft geht es nur bei einem Notfall.
• Fällt das Hauptmodell aus, springt ein Sprachmodell eines anderen Anbieters ein.

Nach dem Gespräch

• Zusammenfassung und erfasste Angaben stehen im Portal und kommen per E-Mail. Muss jemand die Anfrage bearbeiten, entsteht ein Eintrag in „Kunden & Leads“, auf Wunsch zusätzlich eine Aufgabe in awork.
• Ein automatischer Prüflauf spielt typische Anrufe nach: Lieferant, Bewerber, Anfrage, Werbung, Personenwunsch, nachts. Er läuft auf Knopfdruck, nach jeder Änderung und wöchentlich und meldet Auffälligkeiten per E-Mail.

Checkliste für die Auswahl

• Versteht der Assistent freie Sätze, oder nur vorher angelegte Anliegen?
• Woher kommt sein Wissen, und wie schnell ist eine Änderung im Gespräch angekommen?
• Wer entscheidet über die Weiterleitung, und was passiert außerhalb der Telefonzeiten?
• Wie verhindert der Anbieter erfundene Zusagen, Fristen und Preise?
• Können Sie typische Anrufe vor dem Start und nach jeder Änderung durchspielen?
• Kommt der KI-Hinweis in der ersten Ansage, und ist er eindeutig?
• Wo liegen Aufnahme, Mitschrift und Zusammenfassung, wie lange, und gibt es einen Auftragsverarbeitungsvertrag?
• Wie viele Gespräche nimmt er gleichzeitig an, und wie wird abgerechnet?
• Wohin gehen die Ergebnisse: E-Mail, CRM, Aufgabenwerkzeug?

Häufige Fragen

Über den Autor

Quellen

1. Verordnung (EU) 2024/1689 (KI-Verordnung), Art. 50 Abs. 1 und 5: EUR-Lex, abgerufen am 16.10.2026
2. Verordnung (EU) 2016/679 (DSGVO), Art. 28 und Art. 44 ff.: EUR-Lex, abgerufen am 16.10.2026
3. Strafgesetzbuch, § 201 Verletzung der Vertraulichkeit des Wortes: gesetze-im-internet.de, abgerufen am 16.10.2026
4. GrisaKI: Marktübersicht der öffentlichen Preise von fonio.ai, Famulor, HalloPetra, CloudTalk und GrisaKI, Was kostet ein KI-Telefonassistent?, Stand 16.10.2026
5. GrisaKI: Auftragsverarbeitungsvertrag mit Liste der Unterauftragsverarbeiter, auf Anfrage, Stand 16.10.2026

Stand der Angaben: 16.10.2026. Preise anderer Anbieter ändern sich häufig, maßgeblich sind deren aktuelle Preisseiten. Dieser Beitrag ist keine Rechtsberatung.