Start / Lösungen / Voice-Bot DACH

KI-Voice-Bot für den deutschen Mittelstand

Q: Muss ich für den Voice-Bot meine Telefonanlage tauschen?

Nein. Wir docken über SIP-Trunk an die bestehende Anlage an (Sipgate, Zammad, Placetel, 3CX, Telekom CompanyFlex). Kein Hardware-Tausch, keine neue Vertragsbindung, keine Portierung der Rufnummer. Die Audio-Streams werden zum LiveKit-Agent geroutet, der Rest läuft in Ihrer Cloud-Architektur.

Q: Wie hoch ist die Antwortlatenz?

Unter 800 Millisekunden Ende-zu-Ende. Whisper transkribiert in 200ms, gpt-4o oder Claude antwortet in 400-600ms, Text-to-Speech rendert sofort. Im Gespräch wirkt das natürlich, der Anrufer merkt keinen Bruch.

Q: Was passiert wenn der Anrufer zum Menschen will?

Sofortige Übergabe an den passenden Mitarbeiter, mit kompletter Kontext-Zusammenfassung. Der Voice-Bot kann auch automatisch erkennen wenn ein Gespräch eskaliert (Beschwerde, technisches Problem, Wettbewerber-Frage) und proaktiv weiterleiten.

Q: Ist der Voice-Bot DSGVO-konform?

Ja. Anrufer-Einwilligung wird automatisch eingeholt, Audio-Daten werden nur kurzzeitig verarbeitet und nicht dauerhaft gespeichert. Modelle laufen wahlweise über Azure OpenAI Frankfurt oder lokale Llama-Modelle. AVV mit allen Drittanbietern, Auftragsverarbeitung sauber dokumentiert.

Q: Wie lange dauert ein Voice-Bot-Projekt?

Erste produktive Variante typischerweise 2-4 Wochen nach Diagnose und Sprach-Trainings-Phase. Komplexere Use-Cases mit mehreren Routing-Pfaden und CRM-Integration können 4-6 Wochen dauern. Festpreis oder Retainer, kein Tagessatz.

24/7-Erreichbarkeit auf Ihrer bestehenden Telefonanlage. Anrufe klassifiziert, geroutet und transkribiert. Kein Anbieter-Wechsel, kein Hardware-Tausch, keine Portierung. Latenz unter 800 Millisekunden.

30-Min-Erstgespräch Case ansehen

67%Calls automatisch

24/7Erreichbarkeit

<800msAntwort-Latenz

0€Hardware-Tausch

Wann ein Voice-Bot sich lohnt

Wenn das Telefon zum Engpass wird

Typische Anzeichen die uns Mittelständler im Erstgespräch beschreiben. Wenn zwei oder mehr davon stimmen, lohnt sich die Analyse.

Warteschleifen über 5 Minuten

Kunden hängen morgens und nach Feierabend in der Schlange. Mitarbeiter machen Routine-Auskünfte statt Beratung. Erreichbarkeit-Quote unter 70%.

Kein 24/7 ohne Personal-Aufbau

Abends, Wochenende, Feiertage. Anrufe gehen verloren oder landen im Anrufbeantworter den niemand abhört. Umsatz versickert in Off-Hours.

Telefon-Daten landen nicht im CRM

Mitarbeiter notieren Gespräche auf Zetteln, später vielleicht ins CRM, oft nicht. Pipeline-Sicht fehlt. Lead-Verluste sind unsichtbar.

Routing kostet Zeit, nicht Wert

Anrufer landen falsch, werden weitergeleitet, müssen ihr Anliegen dreimal erklären. Frustration auf beiden Seiten, Bearbeitungszeit explodiert.

Architektur

Wie ein Voice-Bot technisch läuft

Auf der bestehenden SIP-Anlage, in EU-Cloud, ohne Datenpfade die außerhalb Deutschlands oder der EU laufen müssen. Stack-agnostisch hinsichtlich Telefonanlage.

Eingehende Anrufe werden über einen SIP-Trunk an einen LiveKit-Agent in Ihrer Cloud-Infrastruktur weitergeleitet. Die Audio-Stream-Übertragung läuft latenzoptimiert über WebRTC. Bestehende Anlage und Rufnummer bleiben unverändert.

Im Agent wird der Audio-Stream in Echtzeit transkribiert (Whisper), das Transkript läuft durch ein LLM (gpt-4o oder Claude), das die Intent-Klassifikation übernimmt: Service, Verkauf, Reklamation, Termin, Weiterleitung Mensch. Die Antwort wird per Text-to-Speech in einer natürlichen deutschen Stimme zurückgegeben.

Bei klar definierten Use-Cases (Öffnungszeiten, Bestellstatus, Termin-Buchung) löst der Bot autonom auf. Bei Komplexität oder Eskalations-Signalen erfolgt sofortige Übergabe an den passenden Mitarbeiter, inklusive Gesprächs-Zusammenfassung als Slack-DM.

Jedes Gespräch wird transkribiert und im CRM hinterlegt (Close, HubSpot oder andere). Lead-Daten landen strukturiert, nicht als Zettel. Reports zeigen Anrufaufkommen, Topics, Eskalations-Quote, durchschnittliche Bearbeitungsdauer.

1Anruf → SIP-Trunk

2Audio → LiveKit-Agent

3Whisper → Transkript

4LLM → Intent-Klassifikation

5Antwort → TTS

6Eskalation? → Slack + Übergabe

7Doku → CRM-Eintrag

Case

Möbel-Einzelhandel, mehrere Filialen, überlastete Hotline

Das messbarste Voice-Bot-Projekt aus unserem Portfolio. Alte Telefonanlage, kein Skalierungs-Spielraum, Outside-Hours bei 0% Erreichbarkeit.

Case 09 · Möbel-Einzelhandel · ~50 Mitarbeiter

Von 8 Minuten Wartezeit zu 24/7-Erreichbarkeit

67%

Calls vollautomatisch

<30s

Average Handle Time

100%

Outside-Hours-Coverage

Die Telefon-Inbox war überlastet, Kunden hingen 8+ Minuten in der Warteschleife. Die alte Telefonanlage konnte ohne kompletten Anbieter-Wechsel nicht skalieren. Outside-Hours: 0% Erreichbarkeit. Verlorene Umsätze waren nicht messbar, aber spürbar.

Lösung: LiveKit-Agent hinter dem bestehenden SIP-Trunk. Anrufe werden klassifiziert, einfache Anfragen (Öffnungszeiten, Filiale finden, Bestellstatus) werden vollautomatisch beantwortet, komplexe Beratungsanfragen werden an die passende Filiale weitergeleitet. Kein Anbieter-Wechsel, keine neue Hardware.

Ergebnis: 67% der Calls werden komplett ohne Mitarbeiter-Kontakt aufgelöst. Average Handle Time sank von Minuten auf Sekunden für die automatisierten Fälle. Outside-Hours-Erreichbarkeit ist jetzt 24/7.

Voller Case mit Stack-Details →

Stack

Komponenten die wir routinemäßig einsetzen

Wir bauen kein eigenes Telefon-Frontend. Wir nutzen das Beste was es gibt und orchestrieren es sauber.

LiveKit Whisper OpenAI gpt-4o Anthropic Claude Sipgate Zammad Placetel 3CX Telekom CompanyFlex ElevenLabs Azure OpenAI Frankfurt n8n Close CRM HubSpot Slack

FAQ

Fragen die Mittelständler vor dem Voice-Bot-Projekt stellen

Q1Muss ich für den Voice-Bot meine Telefonanlage tauschen?

Nein. Wir docken über SIP-Trunk an die bestehende Anlage an (Sipgate, Zammad, Placetel, 3CX, Telekom CompanyFlex). Kein Hardware-Tausch, keine neue Vertragsbindung, keine Portierung der Rufnummer. Die Audio-Streams werden zum LiveKit-Agent geroutet, der Rest läuft in Ihrer Cloud-Architektur.

Q2Wie hoch ist die Antwortlatenz?

Unter 800 Millisekunden Ende-zu-Ende. Whisper transkribiert in 200ms, gpt-4o oder Claude antwortet in 400-600ms, Text-to-Speech rendert sofort. Im Gespräch wirkt das natürlich, der Anrufer merkt keinen Bruch.

Q3Was passiert wenn der Anrufer zum Menschen will?

Sofortige Übergabe an den passenden Mitarbeiter, mit kompletter Kontext-Zusammenfassung. Der Voice-Bot kann auch automatisch erkennen wenn ein Gespräch eskaliert (Beschwerde, technisches Problem, Wettbewerber-Frage) und proaktiv weiterleiten.

Q4Ist der Voice-Bot DSGVO-konform?

Ja. Anrufer-Einwilligung wird automatisch eingeholt, Audio-Daten werden nur kurzzeitig verarbeitet und nicht dauerhaft gespeichert. Modelle laufen wahlweise über Azure OpenAI Frankfurt oder lokale Llama-Modelle. AVV mit allen Drittanbietern, Auftragsverarbeitung sauber dokumentiert.

Q5Wie lange dauert ein Voice-Bot-Projekt?

Erste produktive Variante typischerweise 2-4 Wochen nach Diagnose und Sprach-Trainings-Phase. Komplexere Use-Cases mit mehreren Routing-Pfaden und CRM-Integration können 4-6 Wochen dauern. Festpreis oder Retainer, kein Tagessatz.

Q6Was kostet das in der laufenden Operation?

Laufende Kosten setzen sich aus zwei Teilen zusammen: LiveKit-Hosting (typisch 100-300€/Monat je nach Volumen) und LLM-API-Kosten (Cent-Bereich pro Anruf bei Standard-Use-Cases). Bei einem Mittelständler mit ~2.000 Calls/Monat liegen die Gesamt-Betriebskosten in der Regel unter dem Bruchteil eines zusätzlichen Mitarbeiters.

Ihre Hotline ist überlastet? Schauen wir uns das an.

30-Minuten-Erstgespräch, kostenfrei. Wir hören uns Ihre aktuelle Telefonie-Situation an, schauen welche Anruf-Kategorien Sie täglich plagen und sagen direkt ob ein Voice-Bot sich lohnt.

Erstgespräch buchen