KI-Telefonassistent: Nutzen, Grenzen und Rechtslage

Das Wichtigste in Kürze

• Der Nutzen liegt in den Anrufen, die heute verloren gehen, nicht darin, das Team zu ersetzen.
• Der EU AI Act verlangt in Artikel 50, dass Anrufer spätestens bei der ersten Interaktion erfahren, dass sie mit einer KI sprechen.
• Gesprächsaufzeichnung braucht in Deutschland eine aktive Einwilligung; ein bloßer Hinweis genügt nicht — sonst droht neben Bußgeldern § 201 StGB.
• Den größten Hebel bringt die Anbindung an CRM und ERP, nicht das Sprachmodell.
• Eine saubere Übergabe an einen Menschen ist ein Entwurfsziel, kein Eingeständnis des Scheiterns.

Wo sich ein Sprachagent rechnet, und wo nicht

Die ehrlichste Rechnung beginnt bei den Gesprächen, die Sie gar nicht erst führen. Wie viele Anrufe gehen abends, in der Mittagspause oder bei besetzter Leitung verloren? Wie viele Anrufer legen nach dem dritten Klingeln auf und wählen die nächste Nummer? Diese Zahl kennt kaum jemand. Dabei ist sie der eigentliche Business Case. Ein entgangener Erstkontakt kostet nicht ein paar Minuten Arbeitszeit, sondern potenziell einen Auftrag.

Gut geeignet sind Fälle mit hohem Volumen und niedriger Varianz: Statusauskünfte, Terminvereinbarung und -verschiebung, Weiterleitung an die richtige Stelle, Aufnahme von Standardanliegen, Erstqualifizierung eingehender Anfragen. Alles, was heute schon nach einem festen Muster abläuft, lässt sich abbilden.

Schlecht geeignet ist das Gegenteil: Gespräche, die Verhandlung, Fingerspitzengefühl oder fachliche Tiefe brauchen. Eine Eskalation eines verärgerten Bestandskunden gehört nicht an einen Bot, ebenso wenig eine technische Klärung, bei der eine falsche Auskunft teuer wird. Wer das ignoriert, spart am Telefon und zahlt beim Kundenverhältnis drauf.

Die Transparenzpflicht: Anrufer müssen es wissen

Artikel 50 der KI-Verordnung verlangt, dass KI-Systeme, die direkt mit Menschen interagieren, so gestaltet sind, dass die betroffene Person darüber informiert wird, dass sie es mit einer KI zu tun hat — klar, unterscheidbar und spätestens zum Zeitpunkt der ersten Interaktion. Eine Ausnahme gilt nur, wenn es aus Sicht einer verständigen Person ohnehin offensichtlich ist. Bei einer Stimme, die klingt wie ein Mensch, ist es das gerade nicht.

Praktisch heißt das: Der Hinweis gehört in die Begrüßung, nicht in eine Datenschutzerklärung, die niemand am Telefon liest. Ein Satz reicht. Wer stattdessen versucht, den Assistenten als Menschen durchgehen zu lassen, riskiert nicht nur ein Compliance-Problem, sondern den unangenehmsten Moment im Kundenkontakt überhaupt — den, in dem der Anrufer es selbst merkt.

Erfahrungsgemäß ist die Offenlegung kein Conversion-Killer. Anrufer akzeptieren einen Assistenten, wenn er schnell hilft und erkennbar den Weg zum Menschen freigibt. Was sie nicht akzeptieren, ist eine Warteschleife mit Verkleidung.

Aufzeichnung: der Punkt, an dem die meisten Projekte unsauber werden

Hier lohnt eine Unterscheidung, die in Anbieterpräsentationen gern verschwimmt: Ein Gespräch zu verarbeiten ist etwas anderes, als es aufzuzeichnen. Für den Mitschnitt gilt in Deutschland ein strenger Maßstab. Das routinemäßige Aufzeichnen von Kundengesprächen lässt sich nicht auf ein berechtigtes Interesse stützen; es braucht eine Einwilligung, die freiwillig, informiert und aktiv erteilt wird, etwa durch ein ausdrückliches „Ja“ oder das Drücken einer Taste.

Der verbreitete Ansatz „Dieses Gespräch wird zu Qualitätszwecken aufgezeichnet; wenn Sie das nicht wünschen, teilen Sie es uns mit“ erfüllt diese Anforderung nicht. Neben datenschutzrechtlichen Bußgeldern steht bei fehlender Einwilligung § 201 StGB im Raum, der die Vertraulichkeit des gesprochenen Wortes schützt. Wo aufgezeichnet wird, gehören außerdem eine begrenzte Speicherdauer und ein dokumentierter Löschprozess dazu.

Der pragmatische Ausweg ist meist, die Aufzeichnung schlicht wegzulassen. Für die allermeisten Anwendungsfälle brauchen Sie kein Audio, sondern das Ergebnis: Anliegen, erfasste Daten, nächster Schritt. Wenn der Agent live verarbeitet und nur eine strukturierte Zusammenfassung ablegt, entfällt der heikelste Teil der Diskussion, und der Nutzen bleibt derselbe.

Der eigentliche Hebel liegt in der Integration

Ein Sprachagent, der nur spricht, ist ein besserer Anrufbeantworter. Wertvoll wird er erst, wenn er auf die Systeme zugreift, in denen Ihre Daten ohnehin liegen. Der Unterschied ist groß:

• Anrufererkennung über die Rufnummer, statt Name und Kundennummer abzufragen
• Live-Auskunft zu Auftrag, Liefertermin oder offener Rechnung direkt aus dem ERP
• Neue Kontakte landen als qualifizierter Lead im CRM: im richtigen Feld, nicht im Freitext
• Termine gehen direkt in den Kalender, inklusive Verfügbarkeitsprüfung
• Die Gesprächszusammenfassung wird zur Aktivität am Datensatz, nicht zur E-Mail im Posteingang

Wie ein Einstieg aussehen sollte

Beginnen Sie mit einer Rufnummer und einem klar umrissenen Fall — typischerweise die Anrufannahme außerhalb der Geschäftszeiten. Das ist der Bereich mit dem geringsten Risiko: Was der Agent dort nicht löst, wäre sonst auf einer Mailbox gelandet. Sie können in Ruhe beobachten, welche Anliegen tatsächlich kommen und wie die Formulierungen ankommen.

Planen Sie eine Feinschliffphase ein. Die ersten echten Gespräche fördern immer Formulierungen zutage, an die im Konzept niemand gedacht hat — Dialekt, Nebengeräusche, Anrufer, die mitten im Satz das Thema wechseln. Das ist normal und in wenigen Iterationen behoben, sofern jemand die Protokolle tatsächlich durchsieht.

Und definieren Sie von Anfang an, wann übergeben wird. Ein Agent, der bei Unklarheit sauber an einen Menschen weiterleitet und dabei den Kontext mitgibt, wird als hilfreich erlebt. Einer, der um jeden Preis selbst antworten will, wird als Hindernis erlebt, und untergräbt genau das Vertrauen, das Sie am Telefon aufbauen wollen.

Häufige Fragen

Ersetzt ein KI-Telefonassistent Mitarbeiter?

In der Praxis verschiebt er Arbeit, statt sie zu ersetzen. Er übernimmt Wiederholungen und die Zeiten, in denen ohnehin niemand erreichbar ist, und gibt Fachkräften die Gespräche zurück, für die deren Wissen gebraucht wird. Unternehmen, die ihn als reines Sparprogramm einführen, sind meist enttäuscht, der messbare Effekt liegt eher bei Erreichbarkeit und Reaktionszeit als bei der Personalkostenzeile.

Funktioniert das auch mit Dialekt und Fachbegriffen?

Deutsch wird von aktuellen Systemen gut beherrscht, ausgeprägter Dialekt bleibt aber die anspruchsvollste Disziplin. Fachbegriffe, Artikelnummern und Eigennamen lassen sich gezielt hinterlegen, was die Erkennung deutlich verbessert. Ein Test mit echten Anrufen aus Ihrem Umfeld sagt hier mehr als jede Demo — genau dafür ist die Pilotphase da.

Was kostet so eine Lösung?

Die Kosten setzen sich aus der Einrichtung, den laufenden Gesprächsminuten und dem Integrationsaufwand zusammen. Der Betrieb selbst ist meist der kleinere Posten; den Ausschlag gibt, wie tief die Anbindung an CRM und ERP geht. Wer mit einem abgegrenzten Anwendungsfall startet, hält die Einstiegskosten niedrig und kann am realen Nutzen entscheiden, ob ausgebaut wird.