KI-Telefonassistent einrichten: Praxisleitfaden am Beispiel von fonio

Das Telefon ist der letzte analoge Engpass im Mittelstand

Ein Handwerksbetrieb mit acht Mitarbeitern bekommt an einem normalen Werktag zwischen 20 und 40 Anrufe. Angenommen wird ein Teil davon – der Rest landet auf einem Anrufbeantworter, den niemand gern bespricht, oder läuft ins Leere. Wer nicht durchkommt, wählt die nächste Nummer. Die verlorene Anfrage taucht in keiner Statistik auf, weil sie nie ein System erreicht hat.

Dasselbe Muster finden wir in Arztpraxen, in denen die Leitung zwischen 8 und 9 Uhr dauerbelegt ist. In Hausverwaltungen, deren Sprechzeiten drei Stunden am Tag umfassen. In Autohäusern, wo der Serviceberater am Fahrzeug steht und nicht am Hörer. In Kanzleien, deren Sekretariat mittags unbesetzt ist.

Das Problem ist nicht mangelnde Digitalisierung. Diese Betriebe haben CRM, Kalender, Ticketsystem und Warenwirtschaft. Das Problem ist, dass der häufigste Erstkontakt – der Anruf – als einziger Kanal keine Warteschlange kennt, die man abarbeiten kann. Eine E-Mail bleibt liegen, bis jemand sie liest. Ein Anruf ist weg.

Ein KI-Telefonassistent setzt genau hier an: Er nimmt ab, wenn sonst niemand abnimmt, versteht frei gesprochene Sprache, beantwortet Standardfragen, bucht Termine und schreibt das Ergebnis strukturiert in die Systeme, die ohnehin schon da sind. Dieser Beitrag zeigt am Beispiel von fonio, wie das technisch funktioniert, wie das Setup konkret abläuft und welche rechtlichen Pflichten dabei zu beachten sind.

Offenlegung: innFactory AI Consulting ist Partner von fonio. Wir setzen die Plattform bei Kunden auf und begleiten Auswahl, Integration und Compliance. Die Fakten in diesem Beitrag stammen aus öffentlich zugänglichen Quellen; Angaben, die fonio über sich selbst macht, kennzeichnen wir als solche.

Was ein KI-Telefonassistent ist – und was er nicht ist

Abgrenzung zum klassischen Sprachdialogsystem

Ein klassisches IVR-System („Für Terminvereinbarung drücken Sie die 1") führt den Anrufer durch einen vorab definierten Entscheidungsbaum. Jeder Pfad muss ausmodelliert sein. Was nicht im Baum steht, existiert nicht. Anrufer drücken deshalb reflexhaft die 0, um zu einem Menschen zu gelangen.

Ein KI-Telefonassistent kennt keinen Entscheidungsbaum. Der Anrufer sagt in eigenen Worten, was er will, und der Assistent ordnet das Anliegen selbst ein. Statt Pfade zu pflegen, pflegt man Wissen und Regeln.

Abgrenzung zum Chatbot

Der Unterschied zwischen einem Chatbot und einem Sprachassistenten ist nicht das Sprachmodell – das kann dasselbe sein. Der Unterschied ist die Physik des Gesprächs.

Im Chat darf eine Antwort drei Sekunden brauchen. Am Telefon ist eine Sekunde Stille bereits unangenehm, zwei Sekunden wirken wie eine abgebrochene Verbindung. Der Assistent muss also zuhören, transkribieren, verstehen, gegebenenfalls in einer Wissensbasis nachschlagen, formulieren und sprechen – und das alles unterhalb der Schwelle, ab der ein Mensch „Hallo?" sagt.

Noch schwieriger ist das Turn-Taking: Woran erkennt eine Maschine, dass der Anrufer ausgeredet hat? Wer nach jeder Sprechpause antwortet, fällt Menschen ins Wort, die nur kurz nachdenken. Wer zu lange wartet, wirkt schwerfällig. Diese beiden Größen – Latenz und Turn-Taking – entscheiden darüber, ob ein Anrufer das Gespräch als brauchbar empfindet oder auflegt. Nicht die Intelligenz des Modells.

Die Anbieterlandschaft sachlich einordnen

Der Markt für Voice-Agenten hat sich seit 2024 stark ausdifferenziert. Grob lassen sich drei Kategorien unterscheiden – ohne Wertung, denn jede Kategorie hat ihre Berechtigung:

Developer- und Infrastrukturplattformen. Sie liefern Bausteine: Telefonie-Anbindung, Echtzeit-Medientransport, Speech-to-Text, Text-to-Speech, Orchestrierungs-Frameworks. Der Funktionsumfang ist maximal, die Integrationstiefe frei wählbar – dafür baut man Zustandslogik, Fehlerbehandlung und Oberfläche selbst. Sinnvoll für Produktteams, die Voice zum Bestandteil des eigenen Produkts machen.

Schlüsselfertige Lösungen für KMU. Sie liefern eine fertige Anwendung mit Weboberfläche, Nummernverwaltung, Kalenderanbindung, Wissensbasis und Auswertung. Man konfiguriert statt zu programmieren. Der Preis ist Planbarkeit gegen Flexibilität. In diese Kategorie fällt fonio.

Enterprise-CX-Suiten. Sie kommen aus der Contact-Center-Welt und bringen Workforce-Management, Qualitätssicherung, Omnichannel-Routing und tiefe Integration in bestehende Kundenserviceprozesse mit. Sinnvoll ab einer Größenordnung, in der das Contact Center eine eigene Organisationseinheit ist.

Die richtige Kategorie ergibt sich aus der Frage, wer den Assistenten künftig betreut. Ein Betrieb ohne eigene Entwicklung ist mit einer schlüsselfertigen Lösung besser bedient, auch wenn eine Plattform theoretisch mehr könnte.

fonio im Porträt

Die fonio GmbH sitzt in der Neustiftgasse 73–75 in 1070 Wien (Firmenbuch FN 644725a, HG Wien, eingetragen am 28.01.2025). Geschäftsführer sind Daniel Keinrath (Co-Founder & CEO) und Matthias Gruber (Co-Founder & CTO); der operative Start erfolgte im Herbst 2024.

Die Finanzierung verlief schnell: Im Dezember 2025 eine Angel-Runde über 3 Millionen Euro, am 09.06.2026 eine Seed-Runde über 17 Millionen US-Dollar (rund 14,6 Millionen Euro) bei einer Bewertung von 140 Millionen US-Dollar unter Führung von 20VC. Die Gesamtfinanzierung liegt damit über 20 Millionen US-Dollar. Im September 2025 übernahm fonio den Linzer Anbieter fluently.

Zur Traktion macht fonio folgende Eigenangaben: über 10 Millionen US-Dollar ARR in weniger als zwölf Monaten (Stand 11.08.2026), rund zwei Millionen automatisierte Anrufe pro Monat und über 7.000 Kunden – die Website nennt inzwischen „10.000+". Das Team umfasst nach eigenen Angaben rund 60 Personen. Aktive Märkte sind Österreich, Deutschland, Schweiz, Italien, Polen, Frankreich, Großbritannien, Niederlande, Spanien, Brasilien und die USA. Öffentlich genannte Referenzkunden sind Volkswagen, Brita und Storebox.

Das Produkt deckt Telefon inbound und outbound ab, dazu einen WhatsApp-Chatbot als separates Produkt; E-Mail, Chat und ein KI-natives CRM sind angekündigt. Zum Funktionsumfang gehören Anrufannahme rund um die Uhr, Transkription und Zusammenfassung mit Versand per E-Mail oder SMS an je nach Gesprächsthema unterschiedliche Empfänger, Live-Weiterleitung mit Wenn-Dann-Regeln und Geschäftszeiten, Terminbuchung über Google Calendar, Microsoft 365, cal.com und Calendly (Calendly nur mit kostenpflichtigem Abo) sowie ein eigener fonio-Terminplaner mit Buchungs-URL und SMS-Fallback.

Die Wissensdatenbank füllt sich aus Q&A-Paaren, Text-PDFs (keine Scans), einem automatischen Website-Crawl und einer Live-Websuche im Gespräch. Fragen, die der Assistent nicht beantworten konnte, landen im Posteingang; das System schlägt Antworten vor, die erst nach Bestätigung übernommen werden.

Mit fonio PBX gibt es zusätzlich eine vollwertige Telefonanlage: Team-Routing einzeln, parallel oder sequenziell über bis zu zehn Stufen, Voicemail, Browser-Softphone, Blind-Transfer, eine Anrufer-Allowlist, die die KI umgeht, und SIP-Zugang für Tischtelefone. Outbound-Kampagnen laufen per CSV-Upload (ab Team-Tarif) oder über die Outbound-API; eine KYC-Verifizierung ist dafür Pflicht, je Zielland fallen zusätzliche Carrier-Kosten an.

Preise (fonio-Preisseite, Stand 17.08.2026, netto zzgl. USt.)

Solo enthält eine Rufnummer und einen Nutzer. Team bringt drei Nummern, unbegrenzt Nutzer, einen eigenen SIP-Trunk sowie Outbound und Kampagnen. Scale ergänzt eigene Stimme, Zero Data Retention, individuelles SLA, SSO und individuelle AVVs.

Zusatzminuten kosten 15 Euro je 100 Minuten (jährlich 12 Euro), eine weitere Rufnummer 7 Euro pro Monat, ein Nummern-Import 5 Euro pro Monat. fonio gewährt 30 Tage Geld-zurück-Garantie, bietet aber keine klassische Gratis-Testphase. Ergänzend verkauft fonio Setup-Pakete: Basis für einmalig 1.000 Euro (8 Stunden im Jahr), Erweitert für einmalig 2.500 Euro (20 Stunden, ein bis zwei API-Integrationen) und ein Care Package ab 99 Euro pro Monat.

Achten Sie bei der Tarifwahl vor allem auf die Parallelität. Nicht die Minuten sind in der Praxis der Engpass, sondern die gleichzeitigen Gespräche. Eine Praxis mit einer Anrufspitze um acht Uhr morgens braucht mehr als einen Kanal, auch wenn das Monatsvolumen klein ist. Die Statistik der bestehenden Telefonanlage beantwortet diese Frage in fünf Minuten.

Wie fonio technisch funktioniert

Hier lohnt sich Genauigkeit, weil im Netz viel Ungenaues kursiert.

fonio beschreibt den eigenen Ansatz als selbst entwickelten Orchestration-Layer, damit die Daten im eigenen Haus bleiben. Als Eigenentwicklung führt fonio konkret an:

1. eine auf schwierige Dialekte getunte Spracherkennung,
2. ein eigenes Turn-Detection-Modell, das unterscheidet, ob jemand ausgeredet hat oder nur nachdenkt – laut einem Interview mit dem CEO senkte das den dadurch verursachten Churn von rund 50 Prozent auf unter ein Prozent,
3. eine Echtzeit-Emotionserkennung, die Tonfall und Sprechtempo anpasst,
4. den Orchestration-Layer, der diese Komponenten in Echtzeit mit Unternehmenssystemen koordiniert,
5. eine neue Generation selbst produzierter Stimmen.

Als Kennzahlen nennt fonio eine Latenz konstant unter 800 Millisekunden, einen RAG-Abruf in 0,2 Sekunden auch bei 300-seitigen PDFs und – ausdrücklich als Eigenangabe – dass „in rund 90 Prozent der Fälle der Agent die Anfrage vollständig löst".

Darauf aufsetzend nennt fonios eigene Datenschutzerklärung für die Web-App etablierte Subprozessoren: OpenAI für das Sprachmodell, Deepgram für Speech-to-Text, ElevenLabs für Text-to-Speech, LiveKit für Echtzeit-Media und WebRTC, Twilio Ireland für Telefonie und Hetzner für das Hosting. Ergänzend New Relic, PostHog, Stripe, Attio und Microsoft Ireland.

Die korrekte Beschreibung lautet deshalb: eine eigene Orchestrierungs- und Sprachqualitätsschicht auf Basis etablierter Sprach- und Sprachmodell-Anbieter. Die pauschale Aussage „fonio hat eigene KI-Modelle" wäre falsch. Auch die kursierende Behauptung, es kämen in Europa gehostete Sprachmodelle zum Einsatz, ist nicht belegt und steht im Widerspruch zu fonios eigenen Rechtsdokumenten.

Warum diese Schichtung der eigentliche Hebel ist

Das ist kein Nachteil, sondern die sinnvolle Arbeitsteilung. Sprachmodelle wie GPT und Sprachsynthese-Modelle wie die von ElevenLabs sind austauschbare, sich schnell verbessernde Bausteine. Kein Anbieter mit 60 Mitarbeitern wird dort eigene Grundlagenforschung betreiben – und müsste es auch nicht.

Die Qualität eines Telefonagenten entscheidet sich woanders: Wann fängt er an zu sprechen? Was tut er, wenn im Hintergrund eine Kreissäge läuft? Wie reagiert er auf Vorarlbergerisch oder Ostwestfälisch? Wie schnell hat er die richtige Stelle aus einem 300-seitigen Dokument gefunden, ohne dass eine Pause entsteht? Wie überbrückt er die Wartezeit, während im Hintergrund eine API antwortet? Genau diese Fragen beantwortet die Orchestrierungsschicht. Sie ist der Teil, den man nicht einkaufen kann.

In neun Schritten zum eigenen Telefonagenten

Die folgende Reihenfolge orientiert sich an fonios offizieller Dokumentation unter fonio.info. Die Registrierung läuft über app.fonio.ai/register; fonio wirbt damit, „in 60 Sekunden bereit zum Testen" zu sein. Realistisch sollten Sie für ein produktionsreifes Setup einen halben bis ganzen Arbeitstag einplanen – der Zeitaufwand steckt nicht in der Technik, sondern im Prompt und im Wissen.

1. Dashboard sichten. Der Einstieg zeigt Anrufhistorie, verbrauchte Minuten, Nummern, Nutzer und parallele Anrufe. Nutzen Sie diese Ansicht später als Kontrollinstrument: Sie zeigt, ob der Tarif zur Realität passt.

2. Assistenten anlegen. Begrüßung und Stimme wählen. Wichtig bei Mehrsprachigkeit: Stimme „Multi" und Sprache „Multi" auswählen.

3. Unternehmenswissen erzeugen. Eigene Website-URL eintragen, „Generieren" klicken – fonio crawlt die Seite und extrahiert die Kerninformationen automatisch. Das Ergebnis ist ein brauchbarer Rohentwurf, kein fertiges Wissen. Ergänzen Sie anschließend Q&A-Paare für die zehn häufigsten Fragen und laden Sie Text-PDFs hoch (Scans funktionieren nicht).

4. Telefonnummer verbinden. Drei Wege stehen offen: eine fonio-Nummer buchen (Carrier laut Preisseite Twilio), die eigene Nummer für 5 Euro pro Monat importieren oder die bestehende Anlage per SIP-Trunk anbinden. In der Praxis der häufigste Weg ist die Rufumleitung beim eigenen Provider – fonio dokumentiert die GSM-Codes *21* (alle Anrufe), *61* (bei Nichtmelden) und *67* (bei besetzt). Damit lässt sich der Assistent risikoarm einführen: Er übernimmt zunächst nur das, was sonst ins Leere liefe. Der SIP-Trunk ist als statischer IP-basierter Peer-Trunk ohne Registrierung ausgelegt und für 3CX, STARFACE, easybell, Zadarma, Twilio, Telnyx und Yeastar dokumentiert; registrar-basierte Anlagen erfordern Rücksprache mit dem Support.

5. Anrufweiterleitung konfigurieren. Wenn-Dann-Regeln, Geschäftszeiten oder Betrieb rund um die Uhr. Hier entscheidet sich, welche Anliegen der Assistent selbst erledigt und welche er an einen Menschen übergibt.

6. E-Mail nach dem Anruf einrichten. Feste Empfänger oder – deutlich nützlicher – themenabhängig dynamische: Terminanfragen an die Rezeption, Reklamationen an die Serviceleitung, Angebote an den Vertrieb.

7. Prompt schreiben. Der Kern des Ganzen. fonio stellt Vorlagen für Anrufbeantworter, Rezeption, Terminbuchung und First-Level-Support bereit. Mehr dazu im nächsten Abschnitt.

8. SMS nach dem Anruf und Terminbuchung aktivieren. Kalender anbinden (Google Calendar, Microsoft 365, cal.com, Calendly) oder den fonio-eigenen Terminplaner mit Buchungs-URL und SMS-Fallback nutzen.

9. API und Webhooks anbinden. Drei Hooks stehen zur Verfügung: der Inbound-Webhook vor Gesprächsbeginn, der Anruferdaten als {{variable}} in den Prompt liefert und sie als {{inboundContext.feldname}} persistiert; der API-Request während des Calls, der auch bedingt ausgelöst werden kann; und der Post-Call-Webhook nach dem Gespräch. Die API-Dokumentation liegt unter app.fonio.ai/api/docs, die API-Keys im Workspace.

Vor dem Livegang testen. Stimmen lassen sich kostenlos als Audio anhören; echte Testanrufe verbrauchen Minuten aus dem Kontingent. Planen Sie eine Handvoll realistischer Testgespräche ein – inklusive der unangenehmen Fälle: Anrufer mit Dialekt, Anrufer mit Hintergrundlärm, Anrufer, die etwas wollen, das nicht im Wissen steht.

Prompt-Praxis: Woran gute Telefonagenten scheitern

Der Prompt ist nicht die Bedienungsanleitung des Assistenten, sondern seine Arbeitsanweisung. Sechs Punkte entscheiden über die Qualität:

Rolle und Kontext. Wer ist der Assistent, für welches Unternehmen arbeitet er, und was ist der Rahmen? „Du bist Anna von der Hausverwaltung Müller. Du nimmst Anrufe außerhalb der Sprechzeiten entgegen." Das ist präziser als jede Persönlichkeitsbeschreibung.

Gesprächsziel. Was soll am Ende eines gelungenen Gesprächs vorliegen? Ein gebuchter Termin? Ein qualifizierter Rückrufwunsch mit Name, Objekt und Anliegen? Ohne definiertes Ziel plaudert der Assistent freundlich, liefert aber keine verwertbaren Daten.

Eskalationsregeln. Wann wird weitergeleitet, wann beendet? Formulieren Sie explizite Auslöser: Wasserschaden, Heizungsausfall, ein verärgerter Anrufer, ein rechtliches Thema. Ein Assistent ohne Notausgang ist gefährlicher als gar keiner.

Umgang mit Unbekanntem. Die wichtigste Regel im ganzen Prompt: Was tut der Assistent, wenn er etwas nicht weiß? Die brauchbare Anweisung lautet, das offen zu sagen, das Anliegen aufzunehmen und einen Rückruf zuzusagen – nicht, plausibel klingend zu improvisieren.

Aussprache und Glossar. fonio erlaubt ein Glossar für Fachbegriffe und Eigennamen. Nutzen Sie es. Ein Assistent, der den eigenen Firmennamen oder das Hauptprodukt falsch ausspricht, verliert im ersten Satz an Glaubwürdigkeit. Dasselbe gilt für Ortsnamen, Modellbezeichnungen und medizinische Begriffe.

Datenerfassung. fonio kann E-Mail-Adressen, Telefonnummern und Kundennummern exakt erfassen und Variablen in strukturierte Felder extrahieren. Definieren Sie diese Felder vorab – sie sind die Schnittstelle zwischen Gespräch und CRM.

Zusätzlich lassen sich Sprechgeschwindigkeit, Empfindlichkeit, Kreativität (Temperature) und Hintergrundgeräusche justieren. Der Assistent kann außerdem DTMF-Töne senden und damit fremde IVR-Menüs bedienen – interessant für Outbound-Szenarien.

Ein ehrlicher Hinweis zur Mehrsprachigkeit, der so in fonios Dokumentation steht: Im Multi-Sprach-Modus wechselt der Assistent die Sprache nicht zuverlässig von selbst. Der Wechsel muss im Prompt ausdrücklich erlaubt werden, und fonio empfiehlt dafür eine neutrale Stimme. Wer zweisprachigen Betrieb plant, sollte das gezielt testen. Insgesamt stehen über 20 Stimmen und über 25 Sprachen in allen Tarifen bereit; eine eigene Stimme (Custom Voice) gibt es nur im Scale-Tarif.

Automatisierung weiterdenken: vom Anruf in die Systemlandschaft

Ein Assistent, der Anrufe annimmt und eine E-Mail schickt, hat das Telefonproblem gelöst, aber kein Prozessproblem. Interessant wird es, wenn das Gesprächsergebnis dort landet, wo ohnehin gearbeitet wird.

Der Weg dorthin führt über den Post-Call-Webhook. fonio schickt nach jedem Gespräch Transkript, Zusammenfassung und die extrahierten Variablen an eine hinterlegte URL. Was dann passiert, entscheiden Sie. In der Praxis übernimmt eine Automatisierungsplattform die Verteilung – und fonio empfiehlt in der eigenen Dokumentation ausdrücklich Make.com oder n8n als Middleware und stellt feste Backend-IPs zum Whitelisting bereit. Nativ integriert sind neben E-Mail und SMS außerdem HTTP-Request (GET, POST, PUT, PATCH, DELETE gegen beliebige APIs), Google Sheets, Websuche, WhatsApp sowie Make und n8n.

Typische Strecken, die wir bei Kunden bauen:

• Neuanfrage → CRM-Lead. Der Assistent erfasst Name, Firma, Anliegen und Budget-Indikation; n8n legt den Lead an, ordnet ihn dem zuständigen Vertriebler zu und setzt eine Wiedervorlage.
• Störungsmeldung → Ticket. Objekt, Wohnung, Störungsart und Dringlichkeit gehen als strukturiertes Ticket ins Servicesystem; kritische Fälle lösen zusätzlich eine Benachrichtigung aus.
• Terminanfrage → Kalender plus Bestätigung. Buchung im Kalender, SMS-Bestätigung an den Anrufer, Eintrag in der Patienten- oder Kundenakte.
• Statusanfrage → ERP-Abfrage im Gespräch. Über den API-Request während des Calls fragt der Assistent den Auftragsstatus live ab und nennt ihn direkt am Telefon. Das ist der Punkt, an dem der Anrufer den Unterschied zu einem Anrufbeantworter merkt.
• Bekannter Anrufer → personalisierter Einstieg. Der Inbound-Webhook zieht vor Gesprächsbeginn die Kundendaten anhand der Rufnummer und übergibt sie in den Prompt.

Wie eine solche Automatisierungsstrecke praktisch aufgebaut wird, beschreiben wir ausführlich auf unserer Seite zur Workflow-Automation mit n8n sowie im Beitrag KI-Agenten im Mittelstand: warum n8n die ideale Startrampe ist.

DSGVO, Aufzeichnung und Recht

Dieser Abschnitt ist der Grund, warum viele Telefonassistenten-Projekte im Mittelstand nach dem Piloten stehenbleiben. Die Technik funktioniert – die Freigabe fehlt.

Was fonio zur Datenverarbeitung sagt

Die fonio-FAQ formuliert wörtlich: „Unsere Server befinden sich in Nürnberg, Deutschland." Die Datenschutzerklärung nennt Hetzner mit Rechenzentrumsstandort Deutschland. Robust formuliert heißt das: Hosting bei Hetzner in Deutschland (fonio nennt Nürnberg).

Im Footer führt fonio die Badges „made in Austria", „DSGVO konform" und „EU AI Act konform" – das sind Eigenangaben des Anbieters, keine externen Zertifikate. Öffentlich verlinkt sind AGB, ein AVV unter fonio.ai/de/avv, Datenschutzerklärungen für Website und Web-App, Verschwiegenheitserklärungen für Deutschland und Österreich sowie ein Schweiz-Addendum. Für Enterprise nennt die Preisseite individuelle AVVs und NDAs.

Drei Punkte gehören ehrlich dazu:

Zero Data Retention gibt es ausschließlich im Scale-Tarif – für Telefon und WhatsApp. Wer ZDR als Voraussetzung für die interne Freigabe braucht, kalkuliert also ab 499 Euro monatlich.

Drittlandtransfers finden statt. OpenAI, Deepgram, ElevenLabs und LiveKit sind US-Anbieter. Die Übermittlung wird über das EU-US Data Privacy Framework und Standardvertragsklauseln abgesichert. Das ist ein gangbarer, verbreiteter Weg – aber ein Punkt, den ein Datenschutzbeauftragter sehen und bewerten muss, statt ihn zu übersehen.

Nicht belegt und deshalb hier nicht behauptet: eine ISO-27001-Zertifizierung, regelmäßige Penetrationstests oder eine vertragliche Kein-Training-Klausel. Solche Angaben kursieren in Drittquellen, lassen sich aber aus den öffentlichen Dokumenten nicht bestätigen. Auch eine Aufbewahrungsfrist von 30 Tagen für Aufzeichnungen findet sich nur in technischer Dokumentation und sollte im Zweifel vertraglich geklärt werden.

Der praktische Knackpunkt: die Einwilligung in die Aufzeichnung

Und hier wird es interessant, weil Recht und Produktdesign direkt kollidieren.

Unsere Einordnung – ausdrücklich keine Rechtsberatung: Aufzeichnung und Transkription von Telefonaten benötigen in Deutschland die Einwilligung des Anrufers. Ohne sie droht ein Verstoß gegen § 201 StGB (Verletzung der Vertraulichkeit des Wortes). Hinzu kommen die Informationspflichten nach Art. 13 DSGVO. Praktisch löst man das über eine Ansage zu Beginn des Gesprächs.

fonio bildet das ab: Die automatische Löschung von Anrufdaten ist konfigurierbar (Assistent → Technisches → Aufzeichnung). Lehnt der Anrufer die Aufzeichnung ab, werden Aufnahme und Transkript gelöscht. Dann sind allerdings auch keine Nachverarbeitung und keine Extraktionen mehr möglich – kein Transkript, keine Zusammenfassung, keine strukturierten Felder, keine CRM-Übergabe. fonio empfiehlt für diesen Fall, das Gespräch zu beenden oder an einen Menschen zu übergeben.

Das ist der Punkt, den man vor dem Rollout durchdenken muss und nicht danach: Ihr Prozess braucht einen definierten Pfad für den Anrufer, der Nein sagt. Wer diesen Pfad nicht baut, hat entweder einen Rechtsverstoß oder einen Anrufer, der im Nichts landet.

Weitere Pflichten

Outbound-Kampagnen unterliegen zusätzlich § 7 UWG. Werbeanrufe ohne vorherige ausdrückliche Einwilligung sind unzulässig – daran ändert die Automatisierung nichts, sie erhöht nur das Volumen und damit das Risiko.

Der EU AI Act verlangt, dass Nutzer erkennen können, dass sie mit einer KI sprechen. Die durchsetzbaren Transparenzpflichten gelten seit dem 2. August 2026. In der Praxis: Die Eröffnungsansage muss den KI-Einsatz benennen, nicht verschleiern.

Der Betriebsrat ist je nach Ausgestaltung mitbestimmungspflichtig zu beteiligen – insbesondere dann, wenn der Assistent auch Gespräche von Mitarbeitern erfasst oder Auswertungen ermöglicht, die Rückschlüsse auf Leistung und Verhalten zulassen.

Alle diese Punkte sind lösbar. Sie brauchen nur jemanden, der sie vor dem Livegang stellt. Wie wir das strukturiert aufsetzen, beschreiben wir unter KI-Compliance; die Bewertung muss immer im Einzelfall erfolgen.

Wann sich das rechnet – und wann nicht

Gute Fälle

Ein KI-Telefonassistent rechnet sich dort, wo viele gleichartige Anrufe auf wenige Leitungen treffen und der Inhalt gut dokumentierbar ist: Terminvereinbarung, Statusauskunft, Rückrufwunsch, Erstqualifizierung, wiederkehrende Standardfragen. Arztpraxen, Handwerksbetriebe, Hausverwaltungen, Autohäuser und Werkstätten, Kanzleien, Steuerbüros, Reinigungs- und Sicherheitsdienste, Hotellerie und Gastronomie.

Die Rechnung ist meist einfacher als gedacht. Der Vergleichswert ist nicht die Personalstunde, sondern die verlorene Anfrage. Ein Betrieb, der pro Tag fünf Anrufe nicht annimmt, verliert bei einer Abschlussquote von 20 Prozent und einem durchschnittlichen Auftragswert von 400 Euro rechnerisch rund 400 Euro Umsatz pro Tag. Gegen einen Tarif ab 99 Euro im Monat ist das keine schwierige Entscheidung. Setzen Sie in diese Rechnung Ihre eigenen Zahlen ein, nicht unsere.

Schlechte Fälle

Emotionale Eskalationen. Ein Anrufer im Wasserschaden, ein Angehöriger in einer medizinischen Notlage, eine Beschwerde nach dem dritten Fehlversuch – das gehört an einen Menschen. Ein Assistent muss diese Fälle erkennen und sofort abgeben.

Komplexe Beratung. Wo jedes Gespräch anders verläuft und die Antwort Ermessen erfordert, kann ein Telefonagent vorqualifizieren, aber nicht beraten.

Schlechte Datenlage. Wenn Öffnungszeiten, Preise und Zuständigkeiten intern nicht sauber dokumentiert sind, wird der Assistent das schonungslos sichtbar machen. Das ist keine Schwäche der Technik – ein neuer Mitarbeiter hätte dasselbe Problem. Es bedeutet aber, dass der eigentliche Aufwand im Aufräumen des Wissens liegt.

Falsches Erwartungsmanagement. Die von fonio genannte Lösungsquote von rund 90 Prozent ist eine Eigenangabe über die Gesamtheit aller Kunden. Für Ihren Anwendungsfall wird sie erst dann aussagekräftig, wenn Sie sie an Ihren eigenen Gesprächen gemessen haben. Planen Sie eine Pilotphase mit Auswertung ein und definieren Sie vorher, woran Sie Erfolg messen: gelöste Anliegen, korrekt erfasste Daten, Weiterleitungsquote, Gesprächsabbrüche.

Unsere Rolle als fonio-Partner

innFactory AI Consulting ist Partner von fonio. Sie können fonio über uns beziehen – aber dabei bleibt es nicht. Eine Lizenz allein löst kein Prozessproblem; entscheidend ist, dass der Assistent in Ihre bestehende Landschaft passt. Konkret übernehmen wir:

Auswahl und Einordnung. Zuerst die Frage, ob ein Telefonassistent überhaupt das richtige Werkzeug ist – und wenn ja, in welcher Ausbaustufe. Wir prüfen Anrufvolumen, Spitzenlast, Parallelität und Prozessreife, bevor über Tarife gesprochen wird.

Setup und Telefonie-Integration. Rufnummern, Rufumleitung oder SIP-Trunk gegen die bestehende Anlage, Routing-Regeln, Geschäftszeiten, Eskalationspfade. Wir kennen die Stolperstellen bei registrar-basierten Anlagen und bei gewachsenen Telefonie-Landschaften.

Prompt-Engineering und Wissensaufbau. Der Teil, der über die Qualität entscheidet. Wir schreiben den Prompt, strukturieren die Wissensbasis, definieren die zu extrahierenden Felder, bauen das Glossar für Fachbegriffe und Eigennamen – und testen gegen echte Gesprächsverläufe statt gegen Idealfälle.

Integration in Ihre Systeme. Post-Call-Webhook, Inbound-Kontext, API-Requests während des Gesprächs, Anbindung an CRM, Ticketsystem, Kalender und ERP über n8n. Hier liegt der Unterschied zwischen einem netten Anrufbeantworter und einem Prozessbaustein.

Schulung Ihres Teams. Ihre Mitarbeiter müssen den Assistenten selbst anpassen können – neue Q&A ergänzen, Weiterleitungen ändern, Auswertungen lesen. Wir übergeben Betriebsfähigkeit, keine Abhängigkeit. Passende Formate finden Sie unter KI-Schulungen.

Compliance-Begleitung. Ansagetext und Einwilligungspfad, Löschkonzept, Rollen- und Rechtekonzept, Betriebsratsthemen, Dokumentation für den EU AI Act – und die Aufnahme von fonio als Unterauftragsverarbeiter in Ihre eigene Auftragsverarbeitung. Genau dieser letzte Punkt wird in Eigenprojekten regelmäßig vergessen und fällt später beim Audit auf. Für rechtliche Fragen arbeiten wir mit einem Fachanwalt für IT-Recht zusammen.

Fazit

Ein KI-Telefonassistent ist keine Zukunftstechnologie mehr. Die entscheidenden Probleme – Latenz unter einer Sekunde, verlässliches Turn-Taking, Dialekterkennung – sind gelöst, und Anbieter wie fonio liefern das als konfigurierbares Produkt statt als Entwicklungsprojekt. Der Einstieg über eine simple Rufumleitung ist so risikoarm, dass die technische Hürde faktisch entfällt.

Die verbleibende Arbeit liegt woanders: im Prompt, im Wissen, in der Integration und in der rechtlichen Ausgestaltung. Wer diese vier Punkte ernst nimmt, hat nach wenigen Tagen einen Assistenten, der Anfragen annimmt, die vorher verloren gingen. Wer sie überspringt, hat einen teuren Anrufbeantworter mit Sprachsynthese.

Ihr nächster Schritt: Sehen Sie sich die Statistik Ihrer Telefonanlage der letzten vier Wochen an. Wie viele Anrufe wurden nicht angenommen? Zu welchen Uhrzeiten? Diese Zahl ist die ehrlichste Grundlage für die Entscheidung.

• Gespräch vereinbaren – wir schauen uns Ihren Anwendungsfall an und sagen offen, ob sich der Einsatz lohnt
• Workflow-Automation mit n8n – die Strecke vom Anruf ins CRM
• KI-Compliance – Einwilligung, AVV und EU AI Act sauber aufgesetzt
• fonio.ai und fonio.info – Hersteller-Website und offizielle Dokumentation