Was ist ein
KI-Telefonassistent?

Wie ein Anruf technisch abläuft

Ein KI-Telefonassistent verarbeitet jeden Satz des Anrufers in vier Schritten, und zwar während das Gespräch läuft. Die vier Schritte sind bei allen Anbietern dieselben, auch wenn sie verschiedene Dienstleister dafür einsetzen.

• Zuhören (Spracherkennung): Das Gesprochene wird laufend in Text umgewandelt, nicht erst am Satzende.
• Verstehen (Sprachmodell): Ein Sprachmodell ordnet dem Text eine Absicht zu, etwa „Terminverschiebung“ oder „Frage nach Öffnungszeiten“, und entscheidet, was zu tun ist.
• Handeln: Falls nötig, greift der Assistent auf angebundene Systeme zu, liest also zum Beispiel freie Termine aus dem Kalender oder legt einen Eintrag an.
• Sprechen (Sprachsynthese): Die Antwort wird als Stimme ausgegeben.

Dass hinter dem Zuhören, dem Verstehen und dem Sprechen jeweils eigene zugekaufte Dienste stecken, lässt sich an den Datenschutzerklärungen der Anbieter ablesen. Fonio nennt dort unter anderem Deepgram und Soniox für die Spracherkennung, ElevenLabs für die Sprachausgabe und LiveKit für die Echtzeitübertragung. Ein Teil dieser Dienstleister hat den Firmensitz in den USA. Für die Datenschutzbewertung zählt aber nicht der Sitz allein, sondern auch, in welcher Region tatsächlich verarbeitet wird. Mehr dazu weiter unten.

Entscheidend für den Eindruck beim Anrufer ist die Antwortzeit. Am Telefon fehlt jedes Bild, deshalb wird schon eine kurze Stille als Störung gelesen: Anrufer fragen nach, ob noch jemand da ist, und reden dem Assistenten ins Wort. Alle vier Schritte zusammen müssen deshalb ohne merkliche Pause durchlaufen sein. Daran entscheidet sich, ob ein Gespräch flüssig wirkt, stärker als an der Qualität der Stimme. Wie es sich anfühlt, lässt sich nur im Testanruf beurteilen, nicht an einer Datenblattangabe.

Der zweite Punkt, an dem sich Systeme unterscheiden, ist das Unterbrechen. Ein Assistent, der seine Ansage zu Ende spricht, obwohl der Anrufer längst dazwischenredet, wirkt sofort wie eine Maschine. Systeme, die das beherrschen, hören während des eigenen Sprechens weiter zu und brechen ab.

Anrufbeantworter, Sprachmenü, Chatbot, KI-Assistent: wo ist der Unterschied?

Die vier Begriffe werden im Alltag durcheinandergeworfen, bezeichnen aber vier verschiedene Dinge. Der Unterschied liegt darin, ob das System zuhört, ob es versteht und ob es selbst handeln kann.

Der praktische Unterschied zum Sprachmenü ist der größte. Ein Sprachmenü zwingt den Anrufer, sein Anliegen in die Kategorien des Betriebs zu übersetzen, und scheitert, sobald keine davon passt. Ein KI-Telefonassistent dreht das um: Der Anrufer sagt in eigenen Worten, was er will, und das System ordnet es zu. Deshalb entfällt auch das Durchhangeln durch Menüebenen.

Gegenüber dem Anrufbeantworter ist der Unterschied ein wirtschaftlicher. Eine aufgesprochene Nachricht muss jemand abhören, zuordnen und zurückrufen. Ein beantworteter Anruf ist erledigt.

Was ein KI-Telefonassistent im Alltag übernimmt

In der Praxis deckt ein KI-Telefonassistent die wiederkehrenden Anrufe ab, nicht die schwierigen. Genau das ist auch der Punkt: In den meisten Betrieben sind die wiederkehrenden Anrufe die Mehrheit.

• Termine vereinbaren, verschieben und absagen, mit Zugriff auf einen angebundenen Kalender.
• Standardfragen beantworten: Öffnungszeiten, Anfahrt, Parkmöglichkeiten, benötigte Unterlagen, Bearbeitungsdauer.
• Rückrufbitten aufnehmen und strukturiert weitergeben, statt sie auf Band zu sprechen.
• Anliegen vorqualifizieren und erst dann an die richtige Person durchstellen.
• Außerhalb der Öffnungszeiten erreichbar sein, also abends, am Wochenende und während der Mittagspause.

Wie das konkret aussieht, hängt vom Betrieb ab. In einer Arztpraxis fängt der Assistent die Anrufwelle am Montagmorgen ab, in der das Telefon dauerbesetzt ist. In einem Handwerksbetrieb nimmt er Anrufe an, während alle auf der Baustelle sind, und hält fest, worum es geht. In einer Kanzlei sortiert er vor, ob ein Anrufer Mandant ist oder eine Erstanfrage stellt.

Wie viel Umsatz an verpassten Anrufen hängt, lässt sich mit eigenen Zahlen im ROI-Rechner durchrechnen.

Wo die Technik heute noch scheitert

Ein KI-Telefonassistent hat klare Schwachstellen, und sie liegen nicht dort, wo man sie vermutet. Die Stimme klingt bei allen aktuellen Systemen gut. Die Probleme entstehen beim Zuhören und beim Umgang mit dem Unerwarteten.

• Starker Dialekt und undeutliche Aussprache. Die Spracherkennung ist auf Standardsprache trainiert. Je weiter ein Anrufer davon abweicht, desto häufiger muss der Assistent nachfragen.
• Hintergrundgeräusche. Anrufe von der Straße, aus dem Auto oder von einer Baustelle sind deutlich fehleranfälliger als Anrufe aus einem ruhigen Raum.
• Namen, Adressen und Nummern. Eigennamen lassen sich nicht aus dem Zusammenhang erschließen. Genau hier entstehen die Fehler, die auffallen, weil ein falsch verstandener Nachname einen Termin unbrauchbar macht.
• Beschwerden und Notfälle. Ein verärgerter Anrufer will nicht strukturiert abgefragt werden. Hier ist die schnelle Übergabe an einen Menschen die einzig richtige Antwort.
• Ironie, Andeutungen, Zwischentöne. Wer sagt „na super“, meint meistens das Gegenteil. Das erkennen die Systeme nicht zuverlässig.

Daraus folgt ein praktisches Auswahlkriterium: Wichtiger als die Frage, was ein Assistent alles kann, ist die Frage, was er tut, wenn er nicht weiterweiß. Ein System, das dann sauber an einen Menschen übergibt oder einen Rückruf zusagt, richtet keinen Schaden an. Ein System, das weiterrät, schon.

Wie die Einrichtung abläuft

Die Einrichtung besteht aus vier Schritten und setzt in der Regel kein technisches Fachwissen voraus. Der Aufwand liegt nicht in der Technik, sondern darin, das eigene Wissen einmal aufzuschreiben.

• Rufnummer anbinden. Üblich ist eine Weiterleitung von der bestehenden Nummer auf den Assistenten, entweder immer, nur bei Besetzt oder nur außerhalb der Öffnungszeiten. Die eigene Nummer bleibt dabei erhalten.
• Wissensbasis befüllen. Öffnungszeiten, Leistungen, Preise, häufige Fragen, Zuständigkeiten. Das ist der Teil, der echte Arbeitszeit kostet.
• Systeme anbinden, soweit gewünscht: Kalender, CRM, Ticketsystem.
• Testen. Selbst anrufen, und zwar mit den Anliegen, die typischerweise kommen, nicht mit den einfachen.

Für den Test bieten mehrere Anbieter eine kostenlose Phase an. VITAS nennt 30 Tage mit 500 Konversationen ohne Zahlungsdaten, Meiti 14 Tage ebenfalls ohne Zahlungsdaten. Fonio bietet keine kostenlose Testphase, sondern eine 30-tägige Geld-zurück-Garantie, dort zahlt man also zuerst. Das ist nicht dasselbe.

Preise und warum der Grundpreis wenig sagt

Die günstigsten Pakete beginnen bei 49 Euro netto im Monat, die mittleren liegen zwischen 119 und 359 Euro. Wo ein Anbieter einsteigt, unterscheidet sich allerdings: VITAS beginnt bei 49 Euro, die kleinsten Pakete von Fonio und Meiti kosten 119. Ein Preisvergleich allein über den Grundpreis führt ohnehin in die Irre.

Sortiert alphabetisch nach Anbietername, wie in unserer Vergleichstabelle. Die Reihenfolge ist keine Rangfolge und hängt nicht von der Höhe unserer Provision ab.

Der Grund, warum diese Zahlen nicht direkt vergleichbar sind, steht in der letzten Spalte. Fonio rechnet in Minuten, VITAS in Konversationen, Meiti in Credits. Eine Minute, eine Konversation und ein Credit sind drei verschiedene Dinge, und keine davon lässt sich in die andere umrechnen.

Praktisch bedeutet das: Wer viele kurze Gespräche hat, fährt mit einer Abrechnung je Minute günstiger, weil die Dauer kaum ins Gewicht fällt. Wer wenige, dafür längere Gespräche hat, fährt mit einer Abrechnung je Vorgang besser, weil die Dauer dort keine Rolle spielt. Welches Modell passt, hängt also am eigenen Anrufverhalten und nicht am Grundpreis.

Alle Preise sind netto, Stand Oktober 2026, bei monatlicher Zahlung. Bei Jahreszahlung liegen sie niedriger. Die vollständigen Pakete mit Nachbuchungspreisen und Funktionsumfang stehen im Anbietervergleich. Wie sich die Kosten zu einem menschlichen Telefonservice verhalten, steht im Artikel KI-Telefonassistent oder Telefonservice.

Datenschutz und Kennzeichnung

Ein KI-Telefonassistent verarbeitet personenbezogene Daten, weil Anrufer ihren Namen, ihr Anliegen und häufig Gesundheits- oder Vertragsdaten nennen. Damit gelten die üblichen Pflichten: ein Auftragsverarbeitungsvertrag mit dem Anbieter, eine Information der Anrufer und die Frage, wo die Daten liegen.

Bei der Frage nach dem Serverstandort lohnt der genaue Blick. Alle drei Anbieter nennen Deutschland als Standort. Das betrifft aber nur das Hosting, nicht zwingend die gesamte Verarbeitungskette. Fonio führt in der Datenschutzerklärung der Webapp mehrere Auftragsverarbeiter mit Firmensitz in den USA auf, darunter Soniox, LiveKit, Deepgram und ElevenLabs; Vertragspartner für die Telefonie ist Twilio Ireland Limited in Dublin. Anhang 3 der Auftragsverarbeitungsvereinbarung nennt für diese Dienste jeweils eine europäische Verarbeitungsregion und sagt zu, dass keine Audiodaten gespeichert werden. Deepgram und ElevenLabs stehen dort als Ersatzanbieter für den Störungsfall. Meiti nennt Deutschland als Serverstandort, ohne weitere Angaben. VITAS gibt an, ohne US-Anbieter zu arbeiten.

Beim Nachweis gibt es einen klaren Unterschied. VITAS ist der einzige der verglichenen Anbieter mit einer extern auditierten ISO-27001-Zertifizierung und einem BSI-C5-Testat (Typ 1). Den Auftragsverarbeitungsvertrag veröffentlichen VITAS und Fonio. Bei Fonio und Meiti beruht die DSGVO-Aussage auf Selbstauskunft. Das heißt nicht, dass sie unzutreffend ist; es heißt, dass sie nicht von außen geprüft wurde.

Zur Frage, ob Anrufern gesagt werden muss, dass eine KI spricht: Artikel 50 der KI-Verordnung richtet diese Pflicht an den Anbieter des Systems, nicht an den Betrieb, der es einsetzt. Ausführlich steht das im Artikel KI-Telefonassistent oder Telefonservice. Unabhängig von der Rechtslage spricht viel dafür, es zu sagen: Anrufer merken es ohnehin, und ein verschwiegener Hinweis wirkt schlechter als ein offener.

Häufige Fragen

Was ist der Unterschied zwischen einem KI-Telefonassistenten und einem Sprachmenü?

Ein Sprachmenü (IVR) bietet feste Auswahlpunkte an und erwartet einen Tastendruck oder ein Stichwort. Ein KI-Telefonassistent versteht frei gesprochene Sätze und ordnet das Anliegen selbst zu. Der Anrufer muss sein Anliegen also nicht in vorgegebene Kategorien übersetzen, und es entfällt das Durchhangeln durch Menüebenen.

Versteht ein KI-Telefonassistent Dialekt?

Eingeschränkt. Die Spracherkennung ist auf Standardsprache trainiert und kommt mit leichter regionaler Färbung gut zurecht. Bei starkem Dialekt steigt die Fehlerquote, der Assistent fragt häufiger nach. Wer viele Anrufer mit ausgeprägtem Dialekt hat, sollte das in der Testphase gezielt ausprobieren.

Was passiert, wenn die KI nicht weiterweiß?

Das hängt vom System ab und ist eines der wichtigsten Auswahlkriterien. Gute Assistenten übergeben an einen Menschen, nehmen eine Rückrufbitte auf oder sagen offen, dass sie die Frage nicht beantworten können. Schlechte raten weiter. Dieses Verhalten sollte vor dem Abschluss getestet werden, und zwar mit einem Anliegen, das bewusst nicht vorgesehen ist.

Kann ein KI-Telefonassistent auch selbst anrufen?

Manche Systeme können das, es heißt dort Outbound. Der Funktionsumfang unterscheidet sich je Anbieter und Tarif deutlich, teils ist Outbound nur in höheren Paketen enthalten. Rechtlich ist Vorsicht geboten: Werbeanrufe ohne vorherige Einwilligung sind unabhängig davon unzulässig, ob ein Mensch oder eine Maschine anruft.

Was kostet ein KI-Telefonassistent?

Das günstigste Einstiegspaket der auf top3-ki.de verglichenen Anbieter kostet 49 Euro netto im Monat: VITAS FLEX ohne Inklusivvolumen. VITAS BASIC mit 500 Konversationen, Fonio Solo mit 1.000 Minuten und Meiti Solo mit 5.000 Credits kosten je 119 Euro netto im Monat. Ein Vergleich allein über den Grundpreis führt in die Irre, weil die Anbieter in drei verschiedenen Einheiten abrechnen: Fonio in Minuten, VITAS in Konversationen, Meiti in Credits. Diese Einheiten lassen sich nicht ineinander umrechnen. Stand der Preise: Oktober 2026, netto, bei monatlicher Zahlung.

Weitere Artikel

• KI-Telefonassistent Kosten: drei Anbieter nachgerechnet
• So finden Sie den richtigen KI-Telefonassistenten
• Gibt es einen kostenlosen KI-Telefonassistenten?
• KI-Telefonassistent oder Telefonservice?

Quellen

Preise, Pakete, Testphasen, Serverstandorte und Zertifizierungen der KI-Anbieter: offizielle Anbieterseiten von Fonio, Meiti und VITAS, vollständig erhoben am 8. Oktober 2026. Die genannten Auftragsverarbeiter und der Telefonie-Vertragspartner stammen aus der Datenschutzerklärung der Fonio-Webapp und der Fonio-Preisseite. Zertifizierungen VITAS: ISO 27001 mit externer Auditierung sowie BSI-C5-Testat (Typ 1) nach Anbieterangabe. Rechtslage: Artikel 50 der Verordnung (EU) 2024/1689. Alle Preise netto und ohne Gewähr. Maßgeblich ist die jeweils gültige Preisliste des Anbieters. Keine Rechts- oder Steuerberatung.