Einen KI-Telefonassistenten zu erstellen hat heute wenig mit Programmieren zu tun. Es ähnelt eher der Einarbeitung einer neuen Kraft am Empfang. Der Assistent braucht Wissen über Ihren Betrieb, klare Regeln für heikle Fälle, eine Begrüßung, eine Stimme und eine Rufumleitung. Dafür gibt es drei Wege: selbst auf einer Plattform bauen, einrichten lassen oder aus der eigenen Website erstellen.
Was steckt in einem KI-Telefonassistenten?
Von außen wirkt ein KI-Telefonassistent wie eine einzige Software. Tatsächlich arbeiten fünf Bausteine zusammen, die man sich gut wie die Teile eines Menschen vorstellen kann. Die Spracherkennung ist das Ohr und schreibt mit, was der Anrufer sagt. Das Sprachmodell ist das Gehirn, versteht das Anliegen und entscheidet, was zu tun ist. Die Sprachsynthese ist die Stimme. Die Telefonleitung bringt den Anruf überhaupt erst zum System. Und Werkzeuge wie der Kalender oder die Weiterleitung sind die Hände, mit denen der Assistent etwas erledigt.
Wie diese Teile im Gespräch ineinandergreifen, erklären wir ausführlich im Artikel Wie funktioniert ein KI-Telefonassistent?. Für das Erstellen ist eine Sache wichtig: Wer selbst baut, setzt diese fünf Teile oft von verschiedenen Herstellern zusammen. Dann ist er auch selbst dafür verantwortlich, dass sie im Takt bleiben.
Warum ist die Stimme das Einfachste und das Timing das Schwerste?
Die meisten, die zum ersten Mal einen Telefonassistenten bauen, verbringen viel Zeit mit der Auswahl der Stimme. Dabei klingen moderne künstliche Stimmen fast durchweg ordentlich. Ob ein Gespräch natürlich wirkt, entscheidet sich an anderer Stelle: in den Pausen.
Menschen wechseln sich im Gespräch erstaunlich schnell ab. Über zehn Sprachen hinweg liegt die typische Pause zwischen zwei Redebeiträgen bei rund 200 Millisekunden (Stivers u. a., 2009). Das ist weniger Zeit, als wir bräuchten, um eine Antwort überhaupt zu planen. Dafür sind über 600 Millisekunden nötig. Wir planen unsere Antwort deshalb schon, während der andere noch spricht (Levinson und Torreira, 2015).
Eine KI arbeitet dagegen der Reihe nach. Erst muss das Ohr erkennen, dass der Anrufer fertig ist. Dann denkt das Gehirn nach, dann formt die Stimme die Antwort. Jede Stufe kostet Zeit, und die Zeiten addieren sich. Das Ergebnis kennt jeder, der schon einmal mit einem schlecht abgestimmten Sprachbot telefoniert hat: kleine Funkstille nach jedem Satz, die KI fällt einem ins Wort, oder sie redet einfach weiter, obwohl man sie unterbricht.
Daraus folgt die erste Erkenntnis beim Erstellen: Eine schöne Stimme rettet kein schlechtes Timing. Es kommt darauf an, wie gut die Bausteine aufeinander abgestimmt sind, ob die Antwort schon beginnt, während der Rest noch entsteht, und ob die KI sofort aufhört, wenn der Anrufer dazwischenredet.
Welche drei Wege gibt es, einen KI-Telefonassistenten zu erstellen?
| Weg | Was Sie selbst tun | Bis zum ersten Testanruf | Wer pflegt |
|---|---|---|---|
| Selbst bauen | Bausteine auswählen, Anweisungen schreiben, Telefonleitung und Kalender per Schnittstelle anbinden, Timing einstellen | Tage bis Wochen, je nach Vorwissen | Sie selbst |
| Einrichten lassen | Fragebogen ausfüllen, Termin mit dem Anbieter, Änderungen anfragen | meist einige Tage | der Anbieter |
| Aus der Website erstellen | Website-Adresse eingeben, Vorschläge prüfen, Stimme wählen | wenige Minuten | Sie, mit Unterstützung im Programm |
Der Selbstbau auf einer Entwickler-Plattform wirkt auf den ersten Blick am günstigsten. Die Plattformen rechnen pro Gesprächsminute ab. Eine große Plattform nennt auf ihrer Preisseite 0,07 bis 0,31 US-Dollar pro Minute, je nach gewähltem Sprachmodell und gewählter Stimme (Stand 2. November 2026). Ein Kundenanruf dauert bei unseren Kunden im Mittel 103 Sekunden (7.799 Anrufe bei 14 Betrieben, 30. April bis 27. Oktober 2026). Bei 300 Anrufen im Monat sind das rund 515 Minuten und damit etwa 36 bis 160 US-Dollar für die Technik.
Der größere Posten steht aber auf keiner Preisseite: Ihre eigene Zeit. Jemand muss die Anweisungen schreiben, Testanrufe führen, Fehler finden und nachbessern. Wenn ein Baustein ein Update bekommt, ändert sich manchmal das Verhalten des ganzen Assistenten. Und wenn die Verbindung zum Kalender nachts ausfällt, merkt es beim Selbstbau niemand außer dem Anrufer. Was ein fertiger Assistent im Vergleich kostet, steht im Artikel Was kostet ein KI-Telefonassistent?.
Was braucht ein KI-Telefonassistent vor dem ersten Anruf?
Egal welchen Weg Sie wählen: Der Assistent braucht dieselben vier Dinge, die auch eine neue Mitarbeiterin am Empfang braucht.
Zuerst Wissen. Welche Leistungen bieten Sie an, wann haben Sie geöffnet, wie kommt man zu Ihnen, was fragen Kunden immer wieder? Das Erstaunliche: Das meiste davon haben Sie längst aufgeschrieben, nämlich auf Ihrer Website. Leistungen, Öffnungszeiten und Kontaktdaten stehen dort, Ihr Name und Ihre Rechtsform im Impressum. Eine gute Wissensbasis beginnt deshalb fast immer mit der eigenen Website und wird dann um das ergänzt, was nur im Kopf des Teams steht.
Dann Regeln. Hier liegt der zweite Aha-Moment: Wichtiger als das, was der Assistent sagen soll, ist das, was er nie sagen darf. Einen Festpreis zusagen, einen Liefertermin versprechen, eine Diagnose stellen. Ohne solche Grenzen füllt ein Sprachmodell Lücken gern mit plausibel klingenden Antworten. Dazu kommen die typischen Anliegen mit ihrem Ablauf: Was sagen Anrufer, wenn sie einen Termin wollen? Was soll dann passieren? Wie Sie die Kontrolle behalten, wenn die KI doch etwas Falsches sagt, steht im Artikel Was, wenn die KI Blödsinn erzählt?
Drittens die Weitergabe. Bei welchen Anliegen soll der Assistent zu einem Menschen durchstellen, und an welche Nummer? Ein Assistent ohne diesen Ausweg wird für Anrufer schnell zur Sackgasse.
Viertens Begrüßung und Stimme. Die Begrüßung sollte sagen, dass hier eine KI spricht. Seit dem 2. August 2026 verlangt die KI-Verordnung der EU grundsätzlich, dass Menschen erfahren, wenn sie mit einer KI sprechen (Art. 50). Ein kurzer Satz genügt.
Was dagegen nicht nötig ist: die KI zu trainieren. Viele stellen sich vor, man müsse ihr erst wochenlang Gespräche zeigen. Tatsächlich bringt das Sprachmodell die Fähigkeit zum Gespräch schon mit. Sie weisen den Assistenten nur ein, so wie Sie einer erfahrenen Kraft am ersten Tag Ihren Betrieb erklären.
Wie klingt ein gut eingerichteter Assistent?
Ein Beispiel aus einem erfundenen Elektrobetrieb zeigt, wie die vier Dinge im Gespräch zusammenspielen:
KI: Elektro Krüger, hier spricht der digitale Assistent. Was kann ich für Sie tun?
Anrufer: Ja, hallo, bei uns ist seit heute Morgen die Sicherung für die Küche dauernd raus, und ich wollte fragen, ob jemand...
KI: Das klingt unangenehm. Ist gerade etwas warm geworden oder riecht es verbrannt?
Anrufer: Nein, nein, nichts dergleichen.
KI: Gut. Dann schauen wir nach einem Termin. Morgen Vormittag kommt ein Kollege, zwischen 9 und 12 Uhr. Passt das?
Anrufer: Was kostet das denn ungefähr?
KI: Einen genauen Preis kann ich Ihnen am Telefon leider nicht nennen, das hängt davon ab, was der Kollege vor Ort findet. Die Anfahrt und die erste Viertelstunde stehen auf unserer Website, die schicke ich Ihnen gern per SMS.
Anrufer: Ach, ich würde doch lieber kurz mit Herrn Krüger selbst sprechen.
KI: Natürlich, ich verbinde Sie.
An diesem kurzen Gespräch sieht man alle vier Bausteine der Einarbeitung: Wissen (Termine, Website), eine Regel (keine Preise zusagen, aber vorher nach Gefahr fragen), die Weitergabe an den Chef und eine Begrüßung, die offen sagt, wer spricht.
Wie testen Sie einen KI-Telefonassistenten vor dem Start?
Ein einziger Testanruf, bei dem Sie freundlich die Öffnungszeiten erfragen, sagt wenig. Ihre Kunden sind nicht immer freundlich, und sie fragen selten so, wie es auf der Website steht. Rufen Sie deshalb an wie ein schwieriger Kunde, am besten in dieser Reihenfolge:
- Die drei häufigsten Anliegen durchspielen, mit Ihren eigenen Worten statt den Worten der Website.
- Zahlen diktieren: eine Telefonnummer, eine Hausnummer mit Zusatz, ein Datum. Wiederholt der Assistent sie richtig?
- Mitten im Satz unterbrechen. Hört er sofort auf und geht auf Sie ein?
- Undeutlich oder mit Hintergrundlärm sprechen, etwa im Auto oder auf der Baustelle.
- Etwas fragen, das nirgends steht. Sagt er ehrlich, dass er es nicht weiß, statt zu raten?
- Nach einem Menschen verlangen. Wird zuverlässig durchgestellt?
- Ungeduldig werden oder abschweifen. Bleibt er ruhig und kommt auf das Anliegen zurück?
Lesen Sie danach die Zusammenfassung und den Gesprächstext. Jede Lücke, die Sie finden, wandert ins Wissen oder in die Regeln, dann testen Sie erneut. Die meisten Anbieter lassen Sie vor dem Kauf kostenlos testen. Nutzen Sie das genau für diese Prüfanrufe.
So einfach geht es mit Vorzimmer
Bei Vorzimmer haben wir uns für den dritten Weg entschieden, weil er Inhabern die meiste Arbeit abnimmt. Sie brauchen dafür drei Dinge: die Adresse Ihrer Website, eine geschäftliche E-Mail-Adresse und Ihr Handy. Eine Kreditkarte brauchen Sie nicht.
Aus Ihrer Website liest Vorzimmer bis zu zehn Seiten, das Impressum immer. Daraus entstehen Wissen und Begrüßung, und Sie bekommen Vorschläge für die Anrufgründe, die Sie am meisten Zeit kosten. Sie wählen eine Stimme, und nach wenigen Minuten ruft Ihr Assistent Sie auf dem Handy an. Dann können Sie ihm genau die Fragen stellen, die Ihre Kunden sonst stellen.
Danach geht es an den Feinschliff. Der KI-Trainer führt Sie in rund zehn Minuten durch fünf Themen: Ton und Anrede, typische Anliegen, Preise, Zeiten und heikle Fragen, Grenzen und Durchstellen sowie das Gesprächsende. Das sind genau die Regeln, um die es weiter oben ging. Wollen Sie später etwas ändern, beschreiben Sie es dem Copilot im Chat in Ihren eigenen Worten, etwa „Bei Rechnungsfragen bitte an Frau Weber durchstellen“. Er bereitet die Änderung vor, und Sie übernehmen sie mit einem Klick.
Für den Echtbetrieb brauchen Sie weder eine neue Nummer noch eine neue Telefonanlage. Eine Rufumleitung von Ihrer bestehenden Nummer genügt. Wie das bei Fritzbox, Telekom oder Cloud-Anlage geht, steht im Artikel KI-Telefonassistent mit Telefonanlage und Software verbinden. Testen können Sie 14 Tage lang, eine Einrichtungsgebühr gibt es nicht.
Häufige Fragen
Kann ich einen KI-Telefonassistenten ohne Programmierkenntnisse erstellen?
Ja. Beim Selbstbau auf einer Entwickler-Plattform hilft technisches Verständnis, etwa für Schnittstellen und Telefonleitungen. Anbieter, die den Assistenten aus Ihrer Website erstellen oder für Sie einrichten, brauchen dagegen keine Programmierkenntnisse. Sie beschreiben Ihren Betrieb und Ihre Regeln in normaler Sprache.
Wie lange dauert es, einen KI-Telefonassistenten zu erstellen?
Das hängt vom Weg ab. Aus einer Website entsteht ein erster testbarer Assistent in wenigen Minuten. Wird er für Sie eingerichtet, sind es meist einige Tage. Beim Selbstbau rechnen Sie eher mit Tagen bis Wochen. In allen Fällen sollten Sie danach einige Prüfanrufe einplanen.
Muss ich die KI selbst trainieren?
Nein. Das Sprachmodell kann schon Gespräche führen. Sie geben ihm nur das Wissen über Ihren Betrieb und die Regeln, an die es sich halten soll. Das ist eine Einweisung, kein Training. Die Gespräche Ihrer Kunden müssen dafür nicht verwendet werden.
Kann ich meine bestehende Telefonnummer behalten?
In der Regel ja. Die meisten KI-Telefonassistenten werden per Rufumleitung angebunden. Ihre Kunden wählen weiter die gewohnte Nummer, und die Anrufe werden an den Assistenten weitergereicht, entweder immer oder nur, wenn niemand abnimmt.
Kann ich einen KI-Telefonassistenten kostenlos testen?
Bei vielen Anbietern ja, oft mit einer Testphase von ein bis zwei Wochen. Achten Sie darauf, dass Sie mit einem Assistenten testen, der Ihren eigenen Betrieb kennt. Ein allgemeiner Demo-Anruf zeigt nur, wie die Stimme klingt, nicht, wie gut der Assistent Ihre Kunden versteht.
Selbst ausprobieren: Geben Sie Ihre Website ein, und Ihr eigener Assistent ruft Sie in wenigen Minuten an. KI-Telefonassistent mit Vorzimmer kostenlos testen