Um Parloa einzuordnen, hilft ein kurzer Blick zurück. Telefonautomatisierung ist kein neues Thema. Jahrzehntelang bestand sie aus klassischen Sprachdialogsystemen (IVR): „Drücken Sie die 1 für Rechnungsfragen, die 2 für technische Störungen“. Später kamen Sprachmenüs mit einfacher Schlüsselworterkennung hinzu. Beides hatte denselben Grundfehler: Der Anrufer musste sich der Logik der Maschine anpassen. Wer sein Anliegen nicht in die vorgesehenen Kästchen pressen konnte, landete in Schleifen oder legte genervt auf. Parloa steht für die nächste Generation, in der große Sprachmodelle (LLMs), moderne Spracherkennung und natürlich klingende Sprachsynthese zusammenwirken – und die Maschine sich dem Menschen anpasst, nicht umgekehrt.
Drei Eigenschaften prägen Parloa im Marktbild:
Der wichtigste Unterschied zwischen einem klassischen IVR und einem Parloa-Agenten ist nicht die Technik, sondern das Ergebnis für den Anrufer. Ein IVR sortiert Anrufe vor, löst aber selten ein Problem. Ein moderner KI-Agent kann dagegen einen Zählerstand aufnehmen, eine Adressänderung durchführen, einen Termin verschieben, den Status einer Bestellung nennen oder einen Schaden vorab erfassen – und das rund um die Uhr, ohne Warteschleife. Erst wenn der Fall den definierten Rahmen verlässt, kommt ein Mensch ins Spiel, und dieser Mensch muss dann nicht noch einmal von vorn fragen.
Dieser Wechsel von der Vorsortierung zur Fallabschließung ist der eigentliche wirtschaftliche Hebel. Er verschiebt die Diskussion von „Wie viele Anrufe leiten wir richtig weiter?“ hin zu „Wie viele Anliegen erledigen wir vollständig, ohne dass ein Mensch eingreifen muss?“. Genau an dieser Kennzahl, häufig als Automatisierungs- oder Containment-Quote bezeichnet, muss sich jede Voice-AI-Plattform messen lassen – auch Parloa.
Dass KI-Telefonie in den letzten Jahren den Sprung von der Demo in den produktiven Betrieb geschafft hat, liegt am Zusammentreffen mehrerer Entwicklungen. Spracherkennung ist robust genug für Hintergrundgeräusche, Dialekte und schlechte Mobilfunkverbindungen geworden. Sprachmodelle verstehen Absichten auch dann, wenn sie umständlich formuliert sind. Sprachsynthese klingt so natürlich, dass viele Anrufer den Unterschied erst bemerken, wenn sie darauf hingewiesen werden. Gleichzeitig steigt der Druck im Kundenservice: Fachkräftemangel, hohe Fluktuation in Contact Centern, steigende Erwartungen an Erreichbarkeit. Parloa positioniert sich genau an dieser Schnittstelle zwischen technischer Reife und betrieblichem Bedarf.
In der Anfangszeit war Parloa vor allem als visueller Dialog-Designer bekannt: Gesprächsabläufe wurden als Flussdiagramme modelliert, Absichten über Trainingsbeispiele erkannt, Antworten vordefiniert. Das war robust und gut kontrollierbar, aber aufwendig in der Pflege. Mit dem Durchbruch der großen Sprachmodelle hat Parloa seine Positionierung verschoben. Heute steht die Idee im Vordergrund, dass ein KI-Agent wie ein neuer Mitarbeiter „gebrieft“ wird: Man beschreibt Aufgabe, Regeln, Wissen und Grenzen, statt jeden Gesprächszweig einzeln zu zeichnen.
Für Unternehmen ist das zweischneidig. Einerseits sinkt der Aufwand für neue Anwendungsfälle erheblich, und die Gespräche wirken natürlicher. Andererseits steigt der Bedarf an Qualitätssicherung, weil ein freier formulierender Agent auch unerwartete Antworten geben kann. Genau deshalb betont Parloa Simulation, Tests und Leitplanken so stark. Die Plattform versucht, die Flexibilität generativer KI mit der Verlässlichkeit klassischer Abläufe zu verbinden – ein Spagat, den jeder Anbieter in diesem Markt meistern muss.
Der Markt für Voice AI im Kundenservice lässt sich grob in vier Gruppen gliedern. Erstens die großen CCaaS-Suiten (Contact Center as a Service) wie Genesys, NICE oder Five9, die KI-Funktionen als Teil einer umfassenden Contact-Center-Plattform anbieten. Zweitens spezialisierte Conversational-AI-Plattformen wie Cognigy, PolyAI oder eben Parloa, die sich auf die Automatisierung des Gesprächs konzentrieren und sich in bestehende Contact-Center-Systeme einklinken. Drittens Entwickler-Plattformen und Frameworks für Voice Agents, mit denen technisch versierte Teams eigene Lösungen bauen. Und viertens Sprachtechnologie-Anbieter, die einzelne Bausteine wie Spracherkennung oder Sprachsynthese liefern.
Parloa sitzt in der zweiten Gruppe, mit einem klaren Schwerpunkt auf Voice und auf Enterprise-Kundenservice. Die Botschaft an Unternehmen lautet sinngemäß: Ihr behaltet eure Telefonanlage, euer Contact Center und euer CRM – wir liefern die KI-Schicht, die Gespräche führt und Prozesse anstößt. Diese Positionierung als „Overlay“ ist für viele Mittelständler attraktiv, weil sie keinen Komplettwechsel der Infrastruktur erfordert.
Der Kern jeder Voice-AI-Plattform ist die Fähigkeit, ein flüssiges Gespräch zu führen. Dazu gehört mehr als Spracherkennung und Sprachausgabe. Ein guter Telefonagent muss erkennen, wann der Anrufer fertig gesprochen hat, darf ihn nicht unterbrechen, muss aber selbst unterbrechbar sein („Barge-in“), wenn der Anrufer dazwischenredet. Er muss mit Füllwörtern, Korrekturen („Nein, warten Sie, die Hausnummer ist 17, nicht 71“), Nebengeräuschen und Dialekten umgehen. Und er muss in Situationen, in denen er etwas nicht verstanden hat, sinnvoll nachfragen, statt stumpf zu wiederholen.
Parloa legt besonderen Wert auf diese gesprächstechnischen Details, weil sie am Telefon über Akzeptanz oder Ablehnung entscheiden. Ein Chatbot, der zwei Sekunden für eine Antwort braucht, fällt kaum auf. Am Telefon wirkt dieselbe Pause unnatürlich und verunsichernd. Wie schnell und natürlich ein Agent in Ihrer konkreten Umgebung reagiert, hängt von vielen Faktoren ab – Netz, Telefonieanbindung, gewählte Sprachmodelle, Komplexität der Systemabfragen – und sollte immer im eigenen Proof of Concept gemessen werden, nicht aus Herstellerfolien übernommen.
Viele Serviceanrufe folgen einem ähnlichen Muster: Der Anrufer muss identifiziert werden, sein Anliegen wird erfasst, ein Vorgang wird angelegt oder geändert. Parloa-Agenten können strukturierte Daten im Gespräch abfragen und validieren – Kundennummern, Vertragsnummern, Geburtsdaten, Postleitzahlen, Zählerstände, E-Mail-Adressen. Gerade die zuverlässige Erfassung von alphanumerischen Angaben, Buchstabierungen und Zahlenfolgen am Telefon ist technisch anspruchsvoll und ein Bereich, in dem sich Voice-first-Anbieter von generischen Lösungen unterscheiden.
Über Schnittstellen zu Backend-Systemen kann der Agent anschließend handeln: einen Termin im Kalendersystem buchen, eine Adresse im CRM ändern, eine Schadenmeldung im Bestandssystem anlegen, den Lieferstatus aus dem ERP abrufen oder eine SMS mit einem Link versenden. Erst diese Handlungsfähigkeit macht aus einem Gesprächspartner einen echten Sachbearbeiter. Ohne Integrationen bleibt jeder Voice Agent ein freundlich sprechendes Auskunftssystem.
Kein KI-Agent löst alle Anliegen. Entscheidend ist deshalb, wie elegant die Übergabe an menschliche Mitarbeitende funktioniert. Parloa kann Anrufe in bestehende Warteschlangen des Contact Centers routen und dabei Kontext mitgeben: wer anruft, was bereits geklärt wurde, welches Anliegen vorliegt, ob der Kunde verärgert wirkt. So entfällt das frustrierende „Können Sie mir das bitte noch einmal von vorn erzählen?“. Gut umgesetzt, verbessert die KI auch die Qualität der menschlich bearbeiteten Anrufe.
Ein weiterer Pluspunkt ist die Mehrsprachigkeit. Moderne Sprachmodelle ermöglichen es, denselben Agenten in mehreren Sprachen anzubieten, ohne für jede Sprache einen eigenen Dialog zu bauen. Für Unternehmen mit Kunden in der Schweiz, in Österreich oder mit fremdsprachiger Kundschaft im Inland ist das ein relevanter Vorteil. Wie gut Dialekte, Schweizerdeutsch oder spezielle Fachbegriffe erkannt werden, ist allerdings von Fall zu Fall unterschiedlich und gehört in jeden Test.
Ein Voice Agent arbeitet vereinfacht in vier Schritten. Zuerst wandelt die Spracherkennung (Speech-to-Text) das Gesprochene in Text um. Dann interpretiert ein Sprachmodell diesen Text, erkennt die Absicht, extrahiert relevante Informationen und entscheidet über den nächsten Schritt. Falls nötig, ruft es über definierte Werkzeuge externe Systeme auf. Schließlich formuliert es eine Antwort, die per Sprachsynthese (Text-to-Speech) wieder hörbar gemacht wird. Neuere Architekturen verschmelzen einzelne Schritte teilweise, das Grundprinzip bleibt aber gleich.
Parloa orchestriert diese Kette als verwaltete Plattform. Der Vorteil für Unternehmen: Man muss sich nicht selbst um die Auswahl, das Zusammenspiel und die Optimierung einzelner Komponenten kümmern. Der Nachteil: Man ist bei der Wahl der zugrunde liegenden Modelle und deren Verarbeitungsorten von den Entscheidungen und Partnerschaften des Anbieters abhängig. Welche Sprach- und Sprachverarbeitungsmodelle konkret eingesetzt werden, in welchen Regionen sie laufen und ob Daten für das Training verwendet werden, ist eine der wichtigsten Fragen im Auswahlprozess und muss vertraglich geklärt sein.
Die zentrale Designentscheidung bei KI-Telefonie lautet: Wie viel Freiheit bekommt das Sprachmodell? Ein vollständig generativer Agent wirkt sehr natürlich, kann aber in seltenen Fällen falsche Auskünfte geben, Zusagen machen, die das Unternehmen nicht halten will, oder vom Thema abschweifen. Ein vollständig deterministischer Ablauf ist sicher, aber steif. Parloa ermöglicht eine Kombination: Freie Gesprächsführung dort, wo es um Verstehen und Formulieren geht, feste Regeln und Prozessschritte dort, wo es um Identifikation, rechtlich relevante Aussagen, Zahlungen oder Vertragsänderungen geht.
In der Praxis empfehlen wir, kritische Schritte immer deterministisch abzusichern. Ein Agent darf das Anliegen „Ich möchte kündigen“ frei verstehen und empathisch reagieren. Die eigentliche Erfassung der Kündigung, die Bestätigung und die Belehrung sollten aber einem definierten Ablauf folgen. Ebenso sollten Preis- und Leistungsauskünfte aus geprüften Datenquellen kommen, nicht aus dem allgemeinen Weltwissen eines Sprachmodells. Leitplanken („Guardrails“) definieren, worüber der Agent nicht spricht und wann er zwingend an einen Menschen übergibt.
Damit ein Agent korrekte Auskünfte gibt, braucht er Zugriff auf unternehmensspezifisches Wissen: Produktinformationen, Tarife, Prozessbeschreibungen, häufige Fragen. Parloa erlaubt es, solche Wissensquellen anzubinden, sodass der Agent Antworten auf einer geprüften Grundlage formuliert. Die Qualität dieser Wissensbasis ist dabei mindestens so wichtig wie die Qualität der KI. Veraltete oder widersprüchliche Dokumente führen zu falschen Antworten – das gilt für Menschen wie für Maschinen.
Besonders wertvoll ist die Möglichkeit, Agenten vor dem Go-live mit simulierten Anrufen systematisch zu testen. Hunderte synthetische Gespräche mit unterschiedlichen Persönlichkeiten, Anliegen und Störfaktoren zeigen, wo der Agent stolpert. Nach dem Go-live liefern echte Gesprächsdaten die Grundlage für Verbesserungen: Wo brechen Anrufer ab? Welche Anliegen werden nicht erkannt? Welche Übergaben wären vermeidbar gewesen? Dieser Kreislauf aus Testen, Messen und Nachschärfen ist der eigentliche Betriebsalltag einer Voice-AI-Lösung.
Die Grundlage ist die Verbindung zum Telefonnetz. In Enterprise-Umgebungen erfolgt diese typischerweise über SIP-Trunks, also eine standardisierte Sprachverbindung zwischen der Telefonanlage oder dem Carrier des Unternehmens und der Parloa-Plattform. Alternativ lassen sich Rufnummern über Telefonie-Plattformen bereitstellen, wie sie etwa Cloud-Kommunikationsanbieter anbieten. Für den Mittelstand ist die zentrale Frage: Wie kommt der Anruf vom bestehenden Anschluss zum KI-Agenten, und wie wieder zurück zu einem Menschen?
Häufig bewährt sich ein schrittweiser Ansatz. Zunächst wird nur ein Teil der Anrufe an den KI-Agenten geleitet, etwa eine bestimmte Rufnummer, ein Zeitfenster außerhalb der Geschäftszeiten oder ein bestimmter Menüpunkt im bestehenden IVR. So lässt sich die Lösung im Echtbetrieb erproben, ohne das gesamte Telefonaufkommen umzustellen. Wichtig ist, dass die IT-Abteilung oder der Telefonie-Dienstleister früh eingebunden wird, denn Fragen zu Codecs, Verschlüsselung, Rufnummernübermittlung und Weiterleitungslogik sind in der Praxis oft der Engpass.
Viele Unternehmen betreiben bereits eine Contact-Center-Lösung, etwa von Genesys, NICE, Five9 oder aus dem Microsoft-Umfeld. Parloa positioniert sich hier als ergänzende KI-Schicht: Der Agent nimmt Anrufe vor oder anstelle der menschlichen Warteschlange an, löst, was er lösen kann, und übergibt den Rest in die bestehende Routing-Logik. Entscheidend ist, dass der Kontext mitwandert – idealerweise erscheint beim menschlichen Mitarbeitenden eine Zusammenfassung des bisherigen Gesprächs im gewohnten Agenten-Desktop.
Wie tief die Integration mit einer bestimmten CCaaS-Plattform reicht, ob es vorgefertigte Konnektoren gibt oder ob individuelle Anpassungen nötig sind, ist bei jedem Anbieter unterschiedlich und ändert sich laufend. Die Liste der offiziell unterstützten Systeme und der genaue Funktionsumfang der Anbindungen sollten deshalb im konkreten Auswahlprozess beim Anbieter abgefragt und idealerweise im Proof of Concept praktisch nachgewiesen werden.
Damit der Agent handeln kann, braucht er Zugriff auf Kundendaten und Geschäftsprozesse. Parloa stellt hierfür Möglichkeiten bereit, über APIs und Webhooks auf externe Systeme zuzugreifen: CRM-Lösungen für Kundendaten und Vorgangshistorie, ERP-Systeme für Bestell- und Lieferstatus, Ticketsysteme für Servicefälle, Terminkalender für Buchungen. Für verbreitete Plattformen existieren teilweise vorgefertigte Integrationen, für individuelle Branchensoftware wird in der Regel eine Schnittstelle programmiert oder über eine Integrationsplattform angebunden.
Im Mittelstand liegt hier oft der größte Aufwand. Viele Fachsysteme verfügen über keine modernen, gut dokumentierten Schnittstellen. Dann muss eine Zwischenschicht gebaut werden, die zwischen KI-Agent und Altsystem vermittelt. Das ist kein Parloa-spezifisches Problem, sondern gilt für jede Voice-AI-Lösung. Wer es früh erkennt, kann den Aufwand realistisch planen – und vielleicht mit einem Anwendungsfall starten, der mit vorhandenen Schnittstellen auskommt.
Cognigy stammt ebenfalls aus Deutschland und ist eine der etabliertesten Plattformen für Conversational AI im Enterprise-Umfeld. Cognigy ist traditionell stärker omnichannel ausgerichtet – Chat, Messenger, Voice – und bietet sehr umfangreiche Integrations- und Erweiterungsmöglichkeiten, was für komplexe Großprojekte attraktiv ist, aber auch eine steilere Lernkurve bedeuten kann. Cognigy ist inzwischen Teil eines großen US-amerikanischen Contact-Center-Konzerns; für Unternehmen, denen EU-Eigentümerschaft wichtig ist, verändert das die Abwägung. Parloa wirkt im Vergleich fokussierter auf das Telefongespräch.
PolyAI aus London ist der direkteste Wettbewerber im Voice-first-Segment. PolyAI ist bekannt für sehr natürlich klingende Agenten und arbeitet häufig nach einem stärker begleiteten Modell, bei dem der Anbieter einen großen Teil der Gesprächsgestaltung übernimmt. Parloa betont demgegenüber stärker die Befähigung der Kundenteams, Agenten selbst zu gestalten und zu pflegen. Welcher Ansatz besser passt, hängt davon ab, wie viel Kompetenz ein Unternehmen intern aufbauen will. Mit Blick auf Datenhoheit gilt: Großbritannien ist kein EU-Mitglied, verfügt aber über einen Angemessenheitsbeschluss der EU – die konkrete Datenverarbeitung ist trotzdem individuell zu prüfen.
Genesys ist einer der großen Anbieter kompletter Contact-Center-Plattformen und integriert zunehmend eigene KI- und Voicebot-Funktionen. Wer ohnehin ein Genesys-Contact-Center betreibt oder plant, kann diese nativen Funktionen nutzen und vermeidet einen weiteren Anbieter. Der Vorteil liegt in der Integration aus einer Hand. Der mögliche Nachteil: Spezialisierte Plattformen wie Parloa sind in der Tiefe der Gesprächsautomatisierung und im Innovationstempo teilweise weiter, weil sie sich ausschließlich darauf konzentrieren.
In vielen Projekten ist die Frage daher nicht „Parloa oder Genesys“, sondern „Genesys mit nativer KI oder Genesys plus Parloa“. Beides kann sinnvoll sein. Ähnliches gilt für NICE und Five9. Die ehrliche Bewertung erfordert einen Vergleich der konkreten Anwendungsfälle im Pilotbetrieb, nicht der Funktionslisten. Und sie muss die Folgekosten eines zusätzlichen Anbieters – Verträge, Schnittstellenpflege, Verantwortlichkeiten – mitberücksichtigen.
Technisch versierte Unternehmen können Voice Agents heute auch selbst bauen: mit Open-Source-Frameworks für die Echtzeit-Sprachverarbeitung, Telefonie-APIs, Spracherkennungs- und Sprachsynthese-Diensten sowie einem Sprachmodell eigener Wahl. Der Reiz liegt in maximaler Kontrolle, freier Modellwahl – inklusive europäischer oder selbst gehosteter Modelle – und potenziell niedrigeren laufenden Kosten bei großem Volumen.
Der Preis ist hoch: Ein produktionsreifer Telefonagent erfordert Expertise in Echtzeit-Audio, Telefonie, Gesprächsdesign, Qualitätssicherung, Monitoring und Sicherheit. Funktionen, die bei Parloa mitgeliefert werden – Simulation, Analytics, Übergabelogik, Compliance-Features – müssen selbst entwickelt und dauerhaft gepflegt werden. Für die meisten Mittelständler ist der Eigenbau deshalb nur dann sinnvoll, wenn es sehr spezielle Anforderungen gibt oder ein eigenes Entwicklungsteam mit Erfahrung in Sprachtechnologie vorhanden ist.
Ein häufiger Irrtum: Nach dem Go-live läuft der Agent von allein. Tatsächlich braucht eine Voice-AI-Lösung eine klare Verantwortlichkeit im Unternehmen. Bewährt hat sich ein kleines Kernteam aus einer fachlichen Verantwortlichen aus dem Kundenservice, die Gesprächsqualität und Inhalte steuert, einer technischen Ansprechperson für Integrationen und Telefonie sowie einer Person, die regelmäßig Kennzahlen auswertet. In kleineren Unternehmen können diese Rollen in einer Hand liegen oder teilweise an einen Dienstleister ausgelagert werden – sie dürfen aber nicht unbesetzt bleiben.
Besonders wichtig ist die Rückkopplung aus dem Serviceteam. Die Mitarbeitenden, die übergebene Anrufe annehmen, sehen als Erste, wo der Agent Fehler macht oder Kunden verärgert. Ein einfacher Meldeweg für solche Beobachtungen ist eine der wirkungsvollsten Maßnahmen zur Qualitätssicherung – und stärkt nebenbei die Akzeptanz, weil das Team aktiv mitgestaltet, statt sich ersetzt zu fühlen.
KI-Telefonie berührt die Arbeitsplätze im Kundenservice unmittelbar. Ängste vor Stellenabbau sind verständlich und sollten offen angesprochen werden. In den meisten mittelständischen Szenarien geht es nicht um Personalreduktion, sondern um Entlastung: Routineanfragen übernimmt der Agent, das Team hat mehr Zeit für beratungsintensive, wertschöpfende oder emotional anspruchsvolle Gespräche. Wer diese Perspektive glaubwürdig vermittelt und durch konkrete Maßnahmen untermauert, gewinnt Verbündete statt Gegner.
Aus unserer Sicht passt Parloa besonders gut zu mittelständischen und größeren Unternehmen mit einem eigenen Kundenservice- oder Contact-Center-Team, einem spürbaren Anrufvolumen mit wiederkehrenden Anliegen, einer zumindest teilweise modernen IT-Landschaft mit nutzbaren Schnittstellen sowie einem hohen Stellenwert von Datenschutz und europäischer Datenverarbeitung. Typische Branchen sind Energie- und Wasserversorgung, Versicherungen und Finanzdienstleistungen, Handel mit telefonischem Kundenservice, Mobilität und Tourismus sowie Dienstleister mit großem Bestandskundenstamm.
Weniger geeignet ist Parloa für kleine Betriebe mit geringem Anrufaufkommen, bei denen sich Projektaufwand und Plattformkosten kaum amortisieren; für Unternehmen, deren Anrufe überwiegend individuelle Beratungsgespräche ohne wiederkehrende Muster sind; und für Organisationen ohne Kapazität, eine KI-Lösung dauerhaft zu betreuen. In solchen Fällen können einfachere Lösungen – ein modernisiertes Sprachmenü, ein Rückrufservice oder ein schlanker Voice Agent auf Entwickler-Plattformen – wirtschaftlich sinnvoller sein.
Erfolgreiche Mittelständler beginnen meist mit einem klar umrissenen Anwendungsfall – häufig der intelligenten Vorqualifizierung oder der Erreichbarkeit außerhalb der Geschäftszeiten. Diese Szenarien sind risikoarm, liefern schnell messbare Ergebnisse und schaffen Vertrauen im Team. Im zweiten Schritt folgen Anwendungsfälle mit Backend-Aktionen wie Statusauskünfte oder Terminbuchungen. Erst wenn diese stabil laufen, werden komplexere Prozesse mit Identifikation, Vertragsänderungen oder sensiblen Daten angegangen. Dieser schrittweise Ausbau verteilt Investitionen und Lernkurve sinnvoll über die Zeit.
Parloa veröffentlicht keine Standardpreisliste für Endkunden; Angebote werden in der Regel individuell erstellt. Typische Kostenbestandteile bei Enterprise-Voice-AI-Plattformen sind eine Plattform- oder Lizenzgebühr, nutzungsabhängige Kosten etwa pro Gesprächsminute oder pro Gespräch, gegebenenfalls Kosten für Telefonie und Rufnummern, einmalige Implementierungs- und Integrationsleistungen sowie optionale Support- und Servicepakete. Welche Bestandteile in welcher Form anfallen, ist beim Anbieter zu prüfen.
Für eine ehrliche Wirtschaftlichkeitsrechnung reichen die Plattformkosten nicht aus. Hinzu kommen interne Aufwände für Projektleitung, Gesprächsdesign und Pflege, Integrationskosten für Schnittstellen zu Altsystemen, Kosten für Datenschutzberatung und gegebenenfalls Betriebsratsverfahren sowie laufende Betreuung. Auf der Nutzenseite stehen eingesparte Bearbeitungszeit, bessere Erreichbarkeit, weniger verlorene Anrufe, höhere Kundenzufriedenheit und die Möglichkeit, Wachstum ohne proportionalen Personalaufbau zu bewältigen. Die Rechnung geht dort am ehesten auf, wo viele gleichartige Anrufe anfallen.
Parloas Herkunft aus Berlin ist für viele DACH-Unternehmen ein gewichtiges Argument. Ein europäisches Unternehmen unterliegt primär europäischem Recht, versteht die Erwartungen von Datenschutzbeauftragten und Betriebsräten und spricht die Sprache der Kunden – im wörtlichen wie im übertragenen Sinn. Bei US-Anbietern stellt sich dagegen grundsätzlich die Frage nach dem Zugriff US-amerikanischer Behörden und nach der Belastbarkeit von Transfermechanismen.
Allerdings endet Souveränität nicht beim Firmensitz. Moderne Voice-AI-Plattformen nutzen Cloud-Infrastruktur und Sprachmodelle, die häufig von großen, oft US-amerikanischen Technologiekonzernen stammen – auch wenn sie in europäischen Rechenzentren betrieben werden. Für eine belastbare Bewertung sollten Unternehmen deshalb die gesamte Verarbeitungskette betrachten: Wo läuft die Plattform? Welche Modelle für Spracherkennung, Sprachverständnis und Sprachsynthese werden eingesetzt? Wer betreibt diese, in welcher Region, unter welchem Recht? Diese Informationen sollten im Auswahlprozess schriftlich eingeholt werden. Erst dann wird aus dem Herkunftsvorteil eine nachweisbare Datenhoheit.
Der EU AI Act sieht Transparenzpflichten für KI-Systeme vor, die mit Menschen interagieren. Für KI-Telefonie bedeutet das im Kern: Anrufer müssen erkennen können, dass sie mit einem KI-System sprechen, sofern das nicht ohnehin offensichtlich ist. Bei natürlich klingenden Stimmen ist es das in der Regel nicht. Ein klarer Hinweis zu Beginn des Gesprächs ist deshalb Pflicht und schafft zugleich Vertrauen. Auch synthetisch erzeugte Inhalte unterliegen Kennzeichnungsanforderungen. Ob ein konkreter Anwendungsfall darüber hinaus in eine höhere Risikokategorie fällt – etwa bei Entscheidungen über Zugang zu Versicherungs- oder Finanzleistungen –, ist im Einzelfall zu prüfen.
Besonders sorgfältig ist mit Gesprächsaufzeichnungen umzugehen. Nach deutschem Recht ist die Aufzeichnung des nichtöffentlich gesprochenen Wortes ohne Zustimmung strafbewehrt. Audioaufnahmen und Transkripte sind zudem personenbezogene Daten, die eine Rechtsgrundlage nach DSGVO benötigen. Werden Stimmmerkmale zur Identifizierung genutzt, können besondere Kategorien personenbezogener Daten berührt sein. Praktisch heißt das: Anrufer transparent informieren, Aufzeichnungen nur mit tragfähiger Rechtsgrundlage und in der Regel mit Einwilligung, klare Speicherfristen und Löschroutinen, Zugriffsrechte beschränken und gegebenenfalls eine Datenschutz-Folgenabschätzung durchführen. Werden Gespräche zur Leistungs- oder Verhaltenskontrolle von Mitarbeitenden ausgewertet, ist zudem die betriebliche Mitbestimmung zu beachten.