Wissensdatenbank · Voice & Conversational AI · Plattform für KI-Telefonagenten

Retell AI – KI-Telefonagenten bauen, testen und betreiben.

Retell AI ist eine US-amerikanische Plattform, mit der Unternehmen und Agenturen KI-Telefonagenten für eingehende und ausgehende Anrufe aufsetzen. Sie bündelt Spracherkennung, Sprachmodell, Sprachsynthese, Telefonie, Gesprächslogik und Auswertung in einer Oberfläche mit offener API. Das macht den Einstieg schnell – stellt den Mittelstand aber vor klare Fragen: Wie gut funktioniert der Agent auf Deutsch, wie sauber ist er an CRM und Kalender angebunden, und wie lässt sich der Datenfluss zu einem US-Anbieter datenschutzrechtlich tragfähig gestalten?

Dieser Artikel wurde mithilfe künstlicher Intelligenz erstellt und redaktionell geprüft.

27 Min. Lesezeit
Aktualisiert · Oktober 2026
Fachartikel · Expertenbeitrag
Retell AI
Retell AI · USA (Vertragspartner und Hosting prüfen)
Typ
Plattform für KI-Telefonagenten
Bausteine
Agent-Builder, Conversation Flow, Knowledge Base
Kanäle
Inbound, Outbound, Batch-Calls, Web-Calls
Anbindung
API, Webhooks, SIP, n8n/Make
Datenhoheit
US-Cloud – Drittlandtransfer; EU-Optionen prüfen
Hauptwettbewerb
Vapi, Bland AI, Parloa, PolyAI
INAGRO Eignung Mittelstand mit Umsetzungspartner
★★★★★
Kapitel 01 · Überblick

Was ist Retell AI?

Retell AI ist eine Cloud-Plattform für KI-Telefonagenten. Sie richtet sich an Unternehmen, Softwareanbieter und Agenturen, die Anrufe nicht mehr ausschließlich von Menschen oder starren Sprachmenüs bearbeiten lassen wollen, sondern von einem Sprachassistenten, der frei formulierte Anliegen versteht, Rückfragen stellt, Daten nachschlägt und Termine bucht. Das Versprechen: vom ersten Prototyp bis zum produktiven Telefonagenten in einer Umgebung – ohne jeden Baustein selbst zusammenzusetzen.

Wer einen Voice Agent von Grund auf baut, muss viele Komponenten zusammenführen: eine Spracherkennung, die gesprochene Sprache in Text verwandelt, ein Sprachmodell, das die Antwort formuliert, eine Sprachsynthese, die diese Antwort vorliest, eine Telefonie-Anbindung mit Rufnummern, eine Logik für Sprecherwechsel und Unterbrechungen, Schnittstellen zu Geschäftssystemen sowie Protokollierung und Auswertung. Jeder dieser Bausteine hat eigene Tücken, und das Zusammenspiel entscheidet darüber, ob ein Gespräch natürlich wirkt oder holprig. Retell AI nimmt Unternehmen einen großen Teil dieser Arbeit ab. Die Plattform orchestriert die Kette aus Spracherkennung, Sprachmodell und Sprachsynthese, kümmert sich um das Gesprächstiming und stellt Werkzeuge bereit, mit denen sich Gesprächsabläufe gestalten, testen und auswerten lassen.
Im Kern ist Retell AI damit eine Orchestrierungs- und Betriebsplattform. Die eigentlichen Sprachmodelle stammen in der Regel von bekannten Modellanbietern; Retell AI wählt sie nicht exklusiv aus, sondern bietet eine Auswahl an, aus der sich je Agent das passende Modell und die passende Stimme konfigurieren lassen. Der Mehrwert liegt in der Integration: niedrige Reaktionszeiten durch optimierte Abläufe, ein eigenes Modell für den Sprecherwechsel, vorgefertigte Funktionen wie Anrufweiterleitung oder Terminbuchung und eine Oberfläche, die auch Teams ohne tiefes Entwickler-Know-how einen Einstieg ermöglicht.
Drei Eigenschaften prägen die Plattform:
  • Telefonie im Mittelpunkt – Retell AI ist auf Telefongespräche ausgerichtet: eingehende Anrufe annehmen, ausgehende Anrufe führen, Anrufe weiterleiten, Rufnummern verwalten. Web-Anrufe aus dem Browser und Chat-Funktionen ergänzen das Angebot, sind aber nicht der Ausgangspunkt.
  • Baukasten mit offener API – Agenten lassen sich in einer grafischen Oberfläche konfigurieren, aber nahezu alles ist auch per Programmierschnittstelle steuerbar. Das spricht sowohl Fachanwender und Agenturen als auch Entwicklerteams an, die Telefonagenten in eigene Produkte einbauen.
  • Nutzungsbasierte Abrechnung – Statt großer Lizenzpakete steht in der Regel eine Abrechnung nach Gesprächsminuten und genutzten Komponenten. Das senkt die Einstiegshürde, macht die Kosten aber volumenabhängig – mehr dazu in Kapitel 09.

Vom Startup zur Telefonagenten-Plattform

Retell AI gehört zu einer Generation junger US-Anbieter, die mit dem Durchbruch leistungsfähiger Sprachmodelle entstanden sind. Das Unternehmen hat seinen Sitz in Kalifornien und ist mit Wagniskapital finanziert. Ursprünglich als Entwicklerschnittstelle für latenzarme Sprachgespräche gestartet, hat sich das Angebot schrittweise zu einer umfassenden Plattform erweitert: mit visuellem Gesprächsdesign, Wissensdatenbank, Massenanrufen, Analysefunktionen, Testumgebungen und einer wachsenden Zahl an Integrationen. Die Entwicklungsgeschwindigkeit ist hoch; neue Funktionen erscheinen in kurzen Abständen. Für jede Planung gilt deshalb: Den aktuellen Funktionsumfang, die verfügbaren Modelle und die Vertragsbedingungen prüfen Sie in der Dokumentation und beim Vertrieb des Anbieters, nicht in älteren Erfahrungsberichten.
Für die Einordnung im europäischen Kontext ist der Anbietersitz entscheidend. Retell AI ist ein US-Unternehmen, die Verarbeitung findet – sofern keine besonderen Vereinbarungen getroffen werden – in Rechenzentren außerhalb der EU statt. Zudem sind weitere Unterauftragsverarbeiter beteiligt, etwa Modellanbieter und Sprachsynthese-Dienste. Diese Konstellation behandeln wir in Kapitel 09 ausführlich. Wer Retell AI in Betracht zieht, sollte sie vor dem ersten echten Kundengespräch klären.

Für wen Retell AI gedacht ist

Die Plattform spricht drei Gruppen an. Erstens Unternehmen mit hohem Telefonaufkommen, die Standardanliegen automatisieren wollen – Terminvereinbarung, Statusauskünfte, Vorqualifizierung, Erreichbarkeit außerhalb der Geschäftszeiten. Zweitens Agenturen und Systemhäuser, die Telefonagenten für mehrere Kunden aufsetzen und betreiben. Für sie sind Mandantenfähigkeit, wiederverwendbare Vorlagen und die Anbindung an Automatisierungswerkzeuge wichtig. Drittens Softwareanbieter, die Telefonagenten als Funktion in ihr eigenes Produkt integrieren, etwa in eine Praxis-, Handwerker- oder Immobiliensoftware. Für eine Fachabteilung ganz ohne technische Unterstützung ist Retell AI zwar zugänglicher als eine reine Programmierschnittstelle, ein produktiver Agent mit Systemanbindung erfordert aber dennoch technisches Verständnis oder einen Umsetzungspartner.
INAGRO-Einschätzung

Retell AI gehört zu den ausgereiften Plattformen für schnell aufgebaute, natürlich klingende Telefonagenten. Stark ist die Kombination aus visuellem Gesprächsdesign, offener API und Telefonie-Funktionen. Für den DACH-Mittelstand hängt die Eignung aber an zwei Punkten, die vor jeder Entscheidung zu prüfen sind: der Gesprächsqualität auf Deutsch im eigenen Szenario und einer tragfähigen datenschutzrechtlichen Bewertung des US-Bezugs.

Kapitel 02 · Produktumfang & Positionierung

Produktumfang und Positionierung im Markt

Retell AI positioniert sich zwischen reinen Entwicklerschnittstellen und schlüsselfertigen Contact-Center-Plattformen. Die Plattform bietet mehr Fertigbausteine als ein Framework, ist aber offener und technischer als eine klassische Enterprise-Lösung für Kundenservice. Die folgenden Bausteine bilden den Produktumfang – Details und Bezeichnungen ändern sich regelmäßig und sind beim Anbieter zu prüfen.

Voice Agents
Kernprodukt

Telefonagenten für eingehende und ausgehende Anrufe, konfiguriert über Anweisungen oder visuelle Gesprächsabläufe, mit Wahl von Sprachmodell und Stimme sowie Werkzeugen für Weiterleitung und Buchung.

KanalTelefon, Web-Call
SteuerungPrompt oder Flow
StärkeNatürlicher Dialog
EinsatzService, Termine, Vertrieb
Telefonie & Rufnummern
Infrastruktur

Rufnummern über die Plattform oder über eigene Telefonie-Anbieter, Anbindung per SIP, Anrufweiterleitung und Massenanrufe. Verfügbarkeit deutscher Rufnummern und Konditionen sind beim Anbieter zu prüfen.

AnbindungPlattform, SIP-Trunk
RichtungInbound, Outbound
StärkeSchneller Start
HinweisDE-Nummern prüfen
Test & Analyse
Qualität

Gesprächsprotokolle, Transkripte, Auswertung nach Gesprächsende, Kennzahlen und simulierte Testgespräche. Grundlage, um einen Agenten nicht nur zu bauen, sondern dauerhaft zu verbessern.

DatenTranskript, Audio, Metriken
AuswertungPost-Call-Analyse
StärkeKontinuierliche Verbesserung
HinweisSpeicherdauer festlegen
API & SDKs
Entwickler

Programmierschnittstellen und Bibliotheken für die Steuerung von Agenten, Anrufen und Auswertungen, ergänzt um Webhooks und die Möglichkeit, ein eigenes Sprachmodell oder eigene Logik anzubinden.

ZugriffREST, Webhooks, SDK
ErweiterungCustom LLM (prüfen)
StärkeIntegration in Produkte
EinsatzSaaS, Agenturen

Plattform statt Framework – und statt Contact-Center-Suite

Im Markt für Voice Agents lassen sich drei Ebenen unterscheiden. Ganz unten stehen Bausteine und Frameworks wie Echtzeit-Infrastrukturen, Spracherkennungs- und Synthese-APIs oder quelloffene Orchestrierungsbibliotheken. Sie bieten maximale Kontrolle, verlangen aber viel Entwicklungsarbeit. Ganz oben stehen Contact-Center- und Kundenservice-Plattformen, die Voice Agents als Teil eines umfassenden Angebots mit Routing, Agentenarbeitsplatz, Workforce-Management und Enterprise-Verträgen liefern. Dazwischen liegt die Ebene der Voice-Agent-Plattformen – und genau hier ist Retell AI angesiedelt.
Diese mittlere Ebene hat einen klaren Reiz: Die schwierige Echtzeit-Technik ist gelöst, die Plattform liefert sofort einsatzfähige Telefonie, und trotzdem bleibt der Agent offen für eigene Logik und Integrationen. Der Preis dafür ist, dass Unternehmen mehr selbst verantworten als bei einer Komplettlösung: Gesprächsdesign, Systemanbindungen, Qualitätssicherung und Datenschutz-Konzept liegen beim Kunden oder seinem Partner. Retell AI ist damit eher eine Werkbank als ein fertiges Produkt – eine sehr gut ausgestattete, aber eine, an der jemand arbeiten muss.

Stärken und Grenzen im Überblick

Stärken
  • Natürlicher Gesprächsfluss durch optimiertes Timing und Unterbrechungslogik
  • Visueller Conversation-Flow-Builder für kontrollierte Abläufe
  • Freie Wahl von Sprachmodell und Stimme je Agent
  • Offene API, Webhooks und Anbindung an n8n, Make und Co.
  • Test-, Simulations- und Analysefunktionen eingebaut
  • Nutzungsbasierte Abrechnung mit niedriger Einstiegshürde
Einschränkungen
  • US-Anbieter: Drittlandtransfer und CLOUD Act bewerten
  • Deutsche Sprachqualität je Modell und Stimme unterschiedlich – testen
  • Mehrere Unterauftragsverarbeiter im Datenfluss
  • Kosten skalieren mit Minuten und gewählten Komponenten
  • Kein vollständiges Contact Center mit Routing und Arbeitsplätzen
  • Schnelle Produktänderungen verlangen laufende Pflege
Marketingzahlen richtig einordnen

Anbieter im Voice-AI-Markt werben gern mit Reaktionszeiten, Kundenzahlen und Gesprächsvolumen. Solche Angaben sind Momentaufnahmen unter Idealbedingungen. Entscheidend ist, wie schnell und zuverlässig der Agent in Ihrem Szenario reagiert – mit deutscher Sprache, echten Telefonleitungen, Ihrer Systemanbindung und Ihrem Modell. Messen Sie selbst, statt Herstellerangaben zu übernehmen.

Kapitel 03 · Funktionsumfang

Agent-Builder, Conversation Flow und Knowledge Base

Der Funktionsumfang von Retell AI deckt den gesamten Lebenszyklus eines Telefonagenten ab: Konfiguration, Gesprächsgestaltung, Wissensanbindung, Ausrollen auf viele Anrufe und Auswertung. Wer die einzelnen Werkzeuge kennt, kann bewusst entscheiden, wie viel Freiheit und wie viel Kontrolle ein Agent bekommen soll.

Agent-Builder: Prompt-basierte Agenten

Der einfachste Weg zu einem Telefonagenten führt über den Agent-Builder. Hier legen Teams die Grundeigenschaften fest: Anweisungen mit Rolle, Ziel, Tonalität und Regeln, das zugrunde liegende Sprachmodell, die Stimme und Sprache, die Begrüßung, Werkzeuge wie Anrufweiterleitung oder Terminbuchung sowie Parameter für das Gesprächsverhalten – etwa wie schnell der Agent antwortet, wie empfindlich er auf Unterbrechungen reagiert oder ob er Hintergrundgeräusche einspielt, damit das Gespräch weniger steril wirkt. Mit dynamischen Variablen lassen sich Informationen wie Kundenname, Vertragsnummer oder Terminwunsch je Anruf einsetzen, etwa bei ausgehenden Anrufen aus einer Kontaktliste.
Neben einem einzigen, umfassenden Prompt bietet die Plattform nach unserem Kenntnisstand auch Varianten, bei denen ein Gespräch in mehrere Zustände mit jeweils eigenen Anweisungen und Werkzeugen gegliedert wird. Das hilft, wenn ein Agent unterschiedliche Phasen durchläuft – Begrüßung, Identifikation, Anliegen, Abschluss. Prompt-basierte Agenten sind schnell aufgesetzt und flexibel, haben aber eine Schwäche: Je länger und komplexer die Anweisungen werden, desto häufiger weicht das Modell im Einzelfall ab. Für Prozesse mit festen Pflichtschritten ist deshalb oft der Conversation Flow die bessere Wahl.

Conversation Flow: Gespräche als Ablaufdiagramm

Mit dem Conversation-Flow-Builder wird ein Gespräch als visueller Ablauf aus Knoten und Übergängen modelliert. Jeder Knoten steht für einen Gesprächsschritt mit eigener Anweisung – etwa „Kundennummer erfragen“ oder „Terminvorschlag machen“. Übergänge legen fest, unter welcher Bedingung das Gespräch in den nächsten Schritt wechselt. Daneben gibt es Knoten für Funktionsaufrufe, Weiterleitungen, Verzweigungen nach Daten und das Gesprächsende. Innerhalb eines Knotens formuliert das Sprachmodell weiterhin frei; der Ablauf selbst aber ist festgelegt.
Dieser Ansatz verbindet die Natürlichkeit eines Sprachmodells mit der Verlässlichkeit klassischer Dialogsysteme. Für den Mittelstand ist das besonders relevant, weil viele Telefonprozesse Pflichtschritte haben: Identifikation vor Auskunft, Bestätigung vor Buchung, Datenschutzhinweis zu Beginn. Ein Flow macht diese Schritte sichtbar, überprüfbar und für Fachabteilungen nachvollziehbar. Der Aufwand liegt in der Modellierung: Gute Flows entstehen aus echten Gesprächsmustern, nicht aus Wunschabläufen. Und zu feingliedrige Flows lassen den Agenten mechanisch wirken – die Kunst liegt in der richtigen Granularität.

Knowledge Base, Batch-Calls und Analytics

Über die Knowledge Base lassen sich Inhalte wie Webseiten, Dokumente oder Textbausteine hinterlegen, auf die der Agent im Gespräch zugreift. Technisch handelt es sich um eine Wissenssuche, die passende Abschnitte findet und dem Sprachmodell als Kontext mitgibt. Das eignet sich für Öffnungszeiten, Leistungsbeschreibungen, Lieferbedingungen oder häufige Fragen. Die Qualität hängt stark von der Pflege ab: veraltete, widersprüchliche oder zu lange Dokumente führen zu falschen Auskünften. Inhalte für den Sprachkanal sollten knapp, eindeutig und regelmäßig geprüft sein.
Mit Batch-Calls führt der Agent ausgehende Anrufe an eine Liste von Kontakten durch, jeweils mit individuellen Variablen – etwa Terminerinnerungen, Rückfragen zu Angeboten oder Zufriedenheitsbefragungen. Hier ist besondere Vorsicht geboten, denn ausgehende KI-Anrufe berühren wettbewerbs- und datenschutzrechtliche Fragen, die wir in Kapitel 09 als Prüfhinweis aufgreifen. Die Analytics schließlich liefern Gesprächsprotokolle, Transkripte, Aufnahmen, Kennzahlen zu Dauer, Erfolg und Abbrüchen sowie eine konfigurierbare Auswertung nach Gesprächsende, die etwa Stimmung, Anliegen oder ob ein Termin gebucht wurde, strukturiert erfasst. Diese Daten sind wertvoll für die Verbesserung – und zugleich datenschutzrechtlich sensibel.
Prompt oder Flow?

Als Faustregel: Prompt-basierte Agenten passen zu offenen, beratenden Gesprächen mit wenigen Pflichtschritten. Conversation Flows passen zu Prozessen mit festen Abläufen, Identifikation, Buchungen oder rechtlich relevanten Hinweisen. Viele produktive Agenten kombinieren beides: einen festen Rahmen mit freien Abschnitten.

Kapitel 04 · KI- & Automatisierungsfunktionen

Sprachkette, Gesprächstiming und Werkzeugaufrufe

Was einen Telefonagenten von einem Chatbot mit Stimme unterscheidet, ist das Zusammenspiel von Sprachverarbeitung, Timing und Aktionen. Retell AI kapselt diese Bereiche, lässt aber an entscheidenden Stellen Einstellungen zu. Wer sie versteht, kann gezielt nachjustieren, statt nur Anweisungen umzuformulieren.

Modellwahl: Sprachmodell, Stimme und Spracherkennung

Retell AI arbeitet im Kern mit einer verketteten Architektur: Spracherkennung, Sprachmodell und Sprachsynthese werden hintereinandergeschaltet und durch Streaming auf allen Stufen beschleunigt. Je nach Ausbaustand werden auch Speech-to-Speech-Modelle unterstützt; welche Varianten aktuell verfügbar sind, ist beim Anbieter zu prüfen. Die verkettete Architektur hat für Unternehmen einen Vorteil: Jede Antwort entsteht zunächst als Text und ist damit protokollierbar, und für jede Stufe lässt sich ein passender Anbieter wählen. Die Plattform bietet Sprachmodelle verschiedener großer Anbieter an sowie Stimmen unterschiedlicher Synthese-Dienste. Über eine Schnittstelle für eigene Sprachmodelle können Teams zudem ihre eigene Logik oder ein selbst betriebenes Modell anbinden.
Die Modellwahl beeinflusst Qualität, Reaktionszeit und Kosten zugleich. Größere Sprachmodelle befolgen komplexe Anweisungen zuverlässiger und rufen Werkzeuge treffsicherer auf, sind aber langsamer und teurer. Kleinere Modelle antworten schneller, geraten bei verschachtelten Abläufen aber eher ins Straucheln. Bei den Stimmen ist für den deutschsprachigen Raum entscheidend, wie natürlich Aussprache, Betonung, Zahlen und Eigennamen klingen. Nicht jede Stimme, die auf Englisch überzeugt, funktioniert auf Deutsch gleich gut. Ein strukturierter Vergleich mehrerer Kombinationen mit identischen Testszenarien ist daher Pflicht.

Turn-Taking, Unterbrechungen und Gesprächsnatürlichkeit

Ob ein Telefonagent als angenehm empfunden wird, entscheidet sich weniger am Inhalt als am Timing. Retell AI nutzt nach eigenen Angaben ein eigenes Modell für den Sprecherwechsel, das nicht nur auf Stille reagiert, sondern abschätzt, ob ein Anrufer seinen Gedanken beendet hat. Das reduziert das typische Problem, dass ein Agent ins Wort fällt, wenn jemand kurz überlegt oder eine lange Nummer in Etappen nennt. Unterbrechungen durch den Anrufer – im Fachjargon Barge-in – werden erkannt, der Agent verstummt und hört zu. Die Empfindlichkeit lässt sich einstellen, ebenso Rückmeldelaute wie ein kurzes „mhm“, die dem Anrufer signalisieren, dass zugehört wird.
Diese Funktionen sind ein wesentlicher Grund, eine Plattform statt eines Eigenbaus zu wählen. Sie ersetzen aber keine Tests unter realen Bedingungen. Freisprecheinrichtungen, Straßenlärm, Echo, Dialekt und schwache Mobilfunkverbindungen beeinflussen das Timing erheblich. Kleine Änderungen an den Einstellungen haben oft größere Wirkung auf die Zufriedenheit der Anrufer als ein Wechsel des Sprachmodells.

Funktionsaufrufe, Weiterleitung und Auswertung

Damit ein Telefonagent Anliegen tatsächlich erledigt, braucht er Werkzeuge. Retell AI bietet vorgefertigte Funktionen – etwa Anruf beenden, Anruf an eine Rufnummer weiterleiten oder Termin über eine Kalenderintegration prüfen und buchen – sowie eigene Funktionen, die einen Webservice des Unternehmens aufrufen. So kann der Agent einen Lieferstatus im ERP abfragen, ein Ticket anlegen oder einen Rückrufwunsch im CRM hinterlegen. Das Sprachmodell entscheidet, wann es eine Funktion nutzt und mit welchen Parametern; ausgeführt wird sie im System des Unternehmens. Die Kontrolle über schreibende Aktionen bleibt damit dort, wo sie hingehört.
Bei der Weiterleitung unterscheiden Plattformen zwischen einer einfachen Übergabe und einer begleiteten Übergabe, bei der der Agent dem Mitarbeitenden vorab das Anliegen zusammenfasst. Für die Kundenerfahrung ist das ein großer Unterschied: Niemand möchte sein Anliegen zweimal schildern. Nach dem Gespräch erzeugt die Post-Call-Analyse strukturierte Daten – Zusammenfassung, Kategorie, Erfolg, Stimmung oder benutzerdefinierte Felder –, die per Webhook an nachgelagerte Systeme gehen. Hier entsteht der eigentliche Automatisierungsnutzen: Das Gespräch endet nicht in einer Aufnahme, sondern in einem Datensatz, mit dem Prozesse weiterlaufen.
Empfehlung aus der Praxis

Lassen Sie den Agenten jede schreibende Aktion im Gespräch bestätigen – Termin, Adresse, Rückrufnummer – und prüfen Sie alle Parameter serverseitig, bevor etwas gebucht oder geändert wird. Kündigt der Agent längere Abfragen an („Einen Moment, ich schaue nach“), wirken Wartezeiten am Telefon nicht wie ein Verbindungsabbruch.

Kapitel 05 · Integrationen & Ökosystem

Telefonie, CRM, Kalender und Automatisierung

Ein Telefonagent ist nur so gut wie seine Anbindung. Retell AI bringt eigene Telefonie mit, erlaubt aber auch die Integration bestehender Rufnummern und Telefonanlagen. Für Geschäftssysteme stehen Webhooks, eigene Funktionen, vorgefertigte Integrationen und Automatisierungswerkzeuge bereit.

Anbindung Typischer Einsatz Aufwand Hinweis
Plattform-Rufnummern Schneller Start, Pilot, Testnummern Gering Verfügbarkeit deutscher Nummern und Regulierung prüfen
Eigener Telefonie-Anbieter Bestehende Nummern über CPaaS wie Twilio Mittel Weiterer Auftragsverarbeiter im Datenfluss
SIP-Trunk / Telefonanlage Anbindung an vorhandene Cloud-PBX oder Anlage Mittel Kompatibilität, Weiterleitung und Codecs testen
CRM & ERP Kundendaten lesen, Gesprächsergebnisse schreiben Mittel Saubere APIs der Kernsysteme vorausgesetzt
Kalender Freie Termine prüfen und buchen Gering bis mittel Vorgefertigte Integrationen oder eigene Funktion
n8n, Make & Co. Webhooks verarbeiten, Systeme verknüpfen Gering bis mittel Hosting der Automatisierung mitbewerten

Telefonie: Rufnummern, SIP und bestehende Anlagen

Für den schnellen Start lassen sich Rufnummern direkt über die Plattform beziehen. Welche Länder und Nummerntypen verfügbar sind und welche Nachweise für deutsche Rufnummern erforderlich sind, ist beim Anbieter zu prüfen. Häufig sinnvoller ist für den Mittelstand die Anbindung über einen bestehenden Telefonie-Anbieter oder per SIP-Trunk an die vorhandene Telefonanlage. Dann bleibt die bekannte Rufnummer erhalten, und der Agent lässt sich als zusätzlicher Teilnehmer integrieren – etwa für Anrufe außerhalb der Geschäftszeiten, bei Überlast oder als erste Annahmestelle mit Weiterleitung.
Bei der SIP-Anbindung steckt der Teufel im Detail: Wie werden Anrufe an den Agenten geroutet, wie gelangen sie zurück zu Mitarbeitenden, werden Rufnummer und Kontext übergeben, funktionieren Wartemusik und Halteschleifen, und wie verhält sich die Anlage bei Ausfällen? Diese Fragen sollten mit dem Telefonie-Dienstleister vor dem Pilot geklärt werden. Plattformen wie Twilio Voice sind dabei häufig das Bindeglied, bringen aber einen weiteren Dienstleister in die Datenschutz-Dokumentation.

CRM, Kalender und Geschäftssysteme

Für CRM- und ERP-Systeme gibt es zwei Wege. Bei vorgefertigten Integrationen genügt oft eine Konfiguration, etwa für verbreitete Kalender- und Buchungsdienste. Bei eigenen Funktionen ruft der Agent während des Gesprächs eine Schnittstelle des Unternehmens auf – zum Beispiel, um anhand der Rufnummer den Kunden zu identifizieren, offene Aufträge abzufragen oder einen Termin im Kalender des Außendienstes zu buchen. Nach dem Gespräch übermitteln Webhooks Transkript, Zusammenfassung und Analysefelder an die Zielsysteme. Voraussetzung sind saubere, dokumentierte Schnittstellen der Kernsysteme. Gerade bei älteren Warenwirtschaftssystemen ist das oft der eigentliche Aufwandstreiber eines Projekts.
Bei der Kalenderanbindung lohnt ein genauer Blick auf die Geschäftsregeln: Pufferzeiten, Fahrtwege, Qualifikationen von Technikern, Ressourcen wie Räume oder Fahrzeuge. Ein Agent, der freie Slots sieht, aber diese Regeln nicht kennt, erzeugt schnell Folgearbeit. Oft ist eine kleine Zwischenschicht sinnvoll, die die Regeln abbildet und dem Agenten nur gültige Vorschläge liefert.

n8n, Make und das Automatisierungs-Ökosystem

Viele Agenturen und Mittelständler verbinden Retell AI über Automatisierungswerkzeuge wie n8n oder Make mit ihren Systemen. Ein typischer Ablauf: Nach dem Gespräch sendet die Plattform einen Webhook, die Automatisierung legt einen Kontakt im CRM an, verschickt eine Bestätigung per E-Mail und informiert das Team im Chat. Umgekehrt kann eine Automatisierung ausgehende Anrufe auslösen, etwa wenn ein Formular auf der Website eingeht. Das senkt die Einstiegshürde erheblich, weil viele Verbindungen ohne eigene Programmierung entstehen.
Dabei gilt: Jede Automatisierung ist ein weiterer Ort, an dem personenbezogene Daten verarbeitet werden. Selbst gehostetes n8n auf einem Server in Deutschland ist datenschutzrechtlich anders zu bewerten als ein Cloud-Dienst in den USA. Wer Echtzeit-Abfragen während des Gesprächs über solche Werkzeuge leitet, sollte zudem die Reaktionszeit im Blick behalten – mehrere Sekunden Stille wirken am Telefon schnell unprofessionell. Für anspruchsvollere Architekturen lohnt der Blick auf Frameworks wie LiveKit oder Pipecat, die mehr Kontrolle über die gesamte Kette bieten.
Kapitel 06 · Abgrenzung

Retell AI im Vergleich zu Alternativen

Retell AI konkurriert mit anderen Voice-Agent-Plattformen aus den USA, mit europäischen Anbietern für Kundenservice-Automatisierung und mit quelloffenen Frameworks für den Eigenbau. Die folgende Einordnung ist herstellerneutral und qualitativ – sie ersetzt keinen Vergleichstest mit eigenen Gesprächsszenarien.

Aspekt Retell AI Vapi Bland AI Parloa PolyAI
Grundansatz Voice-Agent-Plattform mit Builder und API Entwicklerplattform, stark API-orientiert Plattform mit Fokus auf Telefonie im Volumen Enterprise-Plattform für Kundenservice Enterprise-Voice-Assistenten als Service
Gesprächsdesign Prompt und visueller Flow Prompt, Workflows, Code Prompt und Pfade Low-Code-Designer Weitgehend durch Anbieter
Benötigte Skills Mittel Entwicklung Mittel Gering bis mittel Gering, Anbieter liefert
EU-Hosting / Datenhoheit Prüfen Prüfen Prüfen EU-Anbieter Je nach Vertrag
Einstieg Selbstbedienung Selbstbedienung Selbstbedienung und Vertrieb Enterprise-Vertrieb Enterprise-Vertrieb
Sweet Spot Agenturen, SaaS, schnelle Piloten Entwicklerteams, individuelle Produkte Hohe Volumen, Outbound-Szenarien Contact Center im DACH-Raum Große Serviceorganisationen

Retell AI vs. Vapi und Bland AI

Vapi ist der naheliegendste Vergleichskandidat. Beide Plattformen orchestrieren Spracherkennung, Sprachmodell und Sprachsynthese, bieten Telefonie, Werkzeugaufrufe und eine offene API. Vapi gilt als stärker entwicklerorientiert mit sehr vielen Konfigurationsmöglichkeiten und einer großen Auswahl an kombinierbaren Anbietern. Retell AI legt nach unserer Beobachtung etwas mehr Gewicht auf eine zugängliche Oberfläche, visuelles Gesprächsdesign und integrierte Test- und Analysefunktionen. In der Praxis hängt die Wahl stark davon ab, ob ein Entwicklerteam den Agenten im Code verwaltet oder ob Fachanwender und Agenturen über eine Oberfläche arbeiten.
Bland AI positioniert sich stärker in Richtung Telefonie im großen Maßstab und Enterprise-Kunden, mit Fokus auf Kontrolle über die eigene Infrastruktur und ausgeprägte Outbound-Szenarien. Alle drei Plattformen sind US-Anbieter. Damit stellen sich dieselben Fragen zu Serverstandort, Drittlandtransfer und Unterauftragsverarbeitern. Unterschiede in Deutschqualität, Reaktionszeit, Stabilität und Konditionen sollten mit identischen Testszenarien ermittelt werden.

Retell AI vs. Parloa und PolyAI

Parloa ist ein europäischer Anbieter mit Fokus auf Kundenservice-Automatisierung für größere Organisationen. Die Plattform bietet Gesprächsdesign, Integration in Contact-Center-Umgebungen, Analyse und Betrieb aus einer Hand und adressiert Datenschutzanforderungen im EU-Raum ausdrücklich. Für Unternehmen, die Daten möglichst innerhalb der EU halten wollen und einen Partner mit europäischem Vertragsrahmen suchen, ist Parloa häufig die DSGVO-konformere Option – allerdings mit Enterprise-Vertrieb, längeren Einführungszyklen und anderen Kostenstrukturen als eine Selbstbedienungsplattform.
PolyAI liefert Voice-Assistenten für große Serviceorganisationen und übernimmt einen großen Teil von Design, Umsetzung und Betrieb selbst. Das ist attraktiv für Unternehmen ohne eigene Kapazitäten, aber für kleinere Mittelständler oft überdimensioniert. Retell AI liegt im Vergleich dazu näher am Werkzeug: günstiger Einstieg, hohe Gestaltungsfreiheit, aber mehr Eigenverantwortung.

Retell AI vs. Eigenbau mit LiveKit oder Pipecat

Quelloffene Frameworks wie LiveKit und Pipecat erlauben den Bau eines Telefonagenten auf eigener oder europäischer Infrastruktur. Spracherkennung, Sprachmodell und Synthese lassen sich frei wählen – bis hin zu selbst gehosteten Modellen. Damit ist ein Höchstmaß an Datenhoheit erreichbar. Der Preis ist deutlich mehr Engineering: Gesprächstiming, Telefonie, Skalierung, Monitoring und Tests müssen selbst umgesetzt werden. Für Unternehmen mit strengen Datenschutzanforderungen und eigener Entwicklungskapazität ist das eine ernsthafte Alternative; für einen schnellen Pilot ist eine Plattform wie Retell AI meist der kürzere Weg.
Wann Retell AI gewinnt – und wann nicht
Retell AI gewinnt, wenn ein Telefonagent schnell, mit visuellem Gesprächsdesign und offener API aufgebaut werden soll, eine Agentur oder ein technisch versiertes Team vorhanden ist und der Datentransfer in die USA tragfähig bewertet wurde. Retell AI verliert gegen Parloa, wenn EU-Datenhaltung und Enterprise-Contact-Center im Vordergrund stehen, gegen den Eigenbau mit LiveKit oder Pipecat, wenn volle Datenhoheit gefordert ist, und gegen PolyAI, wenn der Anbieter den Betrieb weitgehend übernehmen soll.
Kapitel 07 · Einführung & Betrieb

Vom Prototyp zum stabilen Telefonagenten

Ein erster Telefonagent ist auf Retell AI in wenigen Stunden aufgesetzt. Ein Agent, der täglich viele Gespräche zuverlässig führt, Systeme korrekt bedient und datenschutzrechtlich dokumentiert ist, braucht deutlich mehr. Der folgende Ablauf hat sich in Voice-Projekten bewährt.

01
Use Case und Erfolgskriterien
Welche Anliegen soll der Agent lösen, eingehend oder ausgehend, mit welchem Volumen? Wir priorisieren nach Häufigkeit, Prozessklarheit und Integrationsaufwand und legen messbare Ziele fest: Lösungsquote, Übergabequote, Gesprächsabbrüche, Zufriedenheit.
02
Datenschutz- und Architekturprüfung
Vertragspartner, Auftragsverarbeitungsvertrag, Serverstandort, Unterauftragsverarbeiter, Speicherdauer, Aufzeichnung, Telefonie-Weg. Diese Fragen gehören vor den Pilot – nicht danach.
03
Prototyp und Deutsch-Test
Zwei bis drei Kernszenarien mit wenigen Funktionen, mehreren Modell- und Stimmkombinationen und echten Telefonverbindungen. Ziel ist eine belastbare Aussage zu Verständnis, Aussprache, Timing und Aufwand.
04
Testsuite und Simulation
Sammlung typischer und schwieriger Szenarien mit erwartetem Ergebnis, automatisierte Simulationen und manuelle Hörproben. Jede Änderung an Prompt, Flow, Modell oder Stimme wird gegen diese Suite geprüft.
05
Pilot mit begrenztem Volumen
Start in einem Zeitfenster oder mit einem Teil der Anrufe, klare Übergabe an Mitarbeitende, enge Auswertung. Fehler aus echten Gesprächen werden zu neuen Testfällen.
06
Skalierung und Betrieb
Ausbau auf weitere Anliegen, Monitoring von Qualität, Kosten und Verfügbarkeit, Versionierung der Agenten und ein festes Team, das den Telefonagenten als Produkt verantwortet.

Prompting und Flow-Design für das Telefon

Anweisungen für einen Telefonagenten folgen anderen Regeln als Prompts für Chat-Anwendungen. Antworten müssen kurz sein, Aufzählungen und lange Absätze funktionieren am Telefon nicht, und der Agent sollte in der Regel nur eine Frage auf einmal stellen. Bewährt haben sich klar gegliederte Anweisungen mit Abschnitten für Rolle, Tonalität, Gesprächsablauf, Werkzeugnutzung, Grenzen und Übergaben. Besonders wichtig sind Regeln für Zahlen, Daten, E-Mail-Adressen und Eigennamen: Wie wird eine Kundennummer wiederholt, wie ein Datum vorgelesen, wie eine Adresse bestätigt?
Im Conversation Flow kommt die Frage der Granularität hinzu. Zu grobe Knoten lassen dem Modell zu viel Spielraum, zu feine Knoten führen zu mechanischen Gesprächen und hohem Pflegeaufwand. Ein guter Ansatz ist, Pflichtschritte als eigene Knoten abzubilden und dazwischen freie Abschnitte zuzulassen. Agenten und Flows sollten versioniert werden wie Software, damit jederzeit nachvollziehbar bleibt, welche Fassung zu welchem Zeitpunkt aktiv war und wie sie getestet wurde.

Testen, Simulieren und Monitoring

Sprachmodelle verhalten sich nicht deterministisch: Dieselbe Frage kann zu leicht unterschiedlichen Antworten führen, und eine kleine Änderung an den Anweisungen kann unerwartete Nebenwirkungen haben. Retell AI bietet dafür Testmöglichkeiten bis hin zu simulierten Gesprächen, bei denen ein zweiter KI-Agent die Rolle des Anrufers übernimmt. Das ist ein großer Fortschritt gegenüber reinem Ausprobieren, ersetzt aber keine Hörproben mit echten Menschen, echten Stimmen und echten Telefonleitungen.
Im laufenden Betrieb zählen Kennzahlen: Anteil gelöster Anliegen, Übergaben an Menschen, Abbrüche, Gesprächsdauer, Reaktionszeiten und Fehler bei Funktionsaufrufen. Hinzu kommen technische Rückfallebenen: Was passiert, wenn die Plattform oder ein Modellanbieter ausfällt, wenn eine Schnittstelle nicht antwortet oder wenn die Reaktionszeiten steigen? Ein Telefonagent braucht definierte Wege – Weiterleitung an Mitarbeitende, Ansage mit Rückrufangebot oder Umschalten auf eine einfache Mailbox. Ebenso wichtig ist ein Prozess für Modellwechsel, denn Modellanbieter kündigen ältere Versionen regelmäßig ab.
Realistische Zeitplanung

Ein überzeugender Prototyp ist mit erfahrenem Team in wenigen Tagen bis Wochen machbar. Bis zum stabilen Produktivbetrieb mit Telefonie-Integration, Systemanbindung, Testsuite, Monitoring und Datenschutz-Dokumentation vergehen typischerweise mehrere Monate. Der Engpass liegt selten in der Plattform, sondern bei Schnittstellen, Freigaben und der Abstimmung mit Datenschutz und Betriebsrat.

Kapitel 08 · Einsatz im Mittelstand

Retell AI im DACH-Mittelstand

Für mittelständische Unternehmen ist telefonische Erreichbarkeit ein echter Wettbewerbsfaktor – gerade wenn Fachkräfte knapp sind und das Telefon im Tagesgeschäft ständig unterbricht. Telefonagenten können hier spürbar entlasten. Die folgenden Szenarien zeigen, wo der Einsatz realistisch Wert stiften kann.

Termin- und Auftragsannahme

Handwerksbetriebe, Werkstätten, Praxen und Dienstleister lassen Termine telefonisch buchen, verschieben oder absagen – mit Anbindung an Kalender und Auftragssystem.

Entlastung am Empfang
Erreichbarkeit nach Feierabend

Abends, am Wochenende oder bei Spitzenlast nimmt der Agent Anliegen und Störungsmeldungen auf und vereinbart Rückrufe, statt Anrufer in die Mailbox zu schicken.

Weniger verlorene Anrufe
Vorqualifizierung und Weiterleitung

Der Agent klärt das Anliegen, erfasst Kundennummer und Kontext und leitet gezielt an die zuständige Person weiter – mit Zusammenfassung im CRM.

Weniger Weiterleitungsschleifen
Status- und Lieferauskünfte

Großhandel und Hersteller beantworten wiederkehrende Fragen zu Lieferterminen und Auftragsstatus automatisch aus dem ERP – nach sicherer Identifikation des Anrufers.

Innendienst entlastet
Terminerinnerungen bei Bestandskunden

Ausgehende Anrufe erinnern an Wartungs- oder Servicetermine und nehmen Verschiebungen auf – nur bei bestehender Kundenbeziehung und nach rechtlicher Prüfung.

Weniger Ausfälle
Telefonagent im eigenen Softwareprodukt

Softwareanbieter für Branchen wie Handwerk, Immobilien oder Gesundheit integrieren Telefonagenten per API als Zusatzfunktion für ihre Kunden.

Produktdifferenzierung

Deutsch testen: Aussprache, Zahlen und Dialekte

Viele Voice-Agent-Plattformen wurden zuerst für den englischsprachigen Markt entwickelt. Die Unterstützung für Deutsch ist vorhanden, die Qualität hängt aber stark von der gewählten Kombination aus Spracherkennung, Sprachmodell und Stimme ab. Für einen belastbaren Test empfehlen wir eine Liste typischer Herausforderungen: Kundennummern und Postleitzahlen, die in Etappen genannt werden; Datums- und Uhrzeitangaben in verschiedenen Formulierungen („nächsten Dienstag“, „am Vierten um halb drei“); Produkt- und Ortsnamen; E-Mail-Adressen; Dialekt und schnelles Sprechen; Hintergrundgeräusche von Baustelle oder Auto; und der Wechsel zwischen Sie und Du.
Ebenso wichtig ist die Ausgabe: Klingt die Stimme natürlich, werden Zahlen korrekt gelesen, stimmen Betonung und Satzmelodie, und wirkt der Agent höflich, ohne steif zu sein? Testen Sie mit Mitarbeitenden aus verschiedenen Regionen und Altersgruppen und mit echten Telefonverbindungen statt im Browser. Erst wenn der Agent diese Hürden in Ihrem Szenario besteht, lohnt die Systemintegration.

Wer zu Retell AI passt – und wer nicht

Retell AI passt zu Mittelständlern, die einen klar umrissenen Telefon-Anwendungsfall mit spürbarem Volumen haben, mit einer Agentur oder einem technisch versierten Team arbeiten und den Datenschutz aktiv angehen. Besonders gut passt die Plattform zu Agenturen und Softwareanbietern, die Telefonagenten für mehrere Kunden bauen, sowie zu Unternehmen, die zunächst mit geringem Risiko einen Pilot starten und Erfahrungen sammeln wollen.
Weniger gut passt sie, wenn Gesprächsinhalte aus rechtlichen oder vertraglichen Gründen die EU nicht verlassen dürfen und keine geeignete EU-Option verfügbar ist, wenn sehr sensible Daten verarbeitet werden – etwa Gesundheitsdaten – oder wenn ein vollständiges Contact Center mit Routing und Arbeitsplätzen gesucht wird. Dann sind ein europäischer Anbieter wie Parloa, ein Eigenbau mit LiveKit oder Pipecat auf europäischer Infrastruktur oder eine Contact-Center-Plattform die passenderen Optionen. Grundlagen zu Sprach-KI insgesamt bietet unser Artikel zu Voice AI.
Kapitel 09 · Kosten & DSGVO

Kosten, DSGVO und Datenhoheit

Retell AI wird nutzungsabhängig abgerechnet und ist das Angebot eines US-Anbieters. Beides prägt die Planung: Die Kosten skalieren mit Gesprächsvolumen, Gesprächsdauer und gewählten Komponenten, und die datenschutzrechtliche Bewertung muss den Drittlandbezug ausdrücklich adressieren. Konkrete Preise nennen wir nicht; sie sind beim Anbieter zu prüfen.

Plattform & Modelle
Variabel / beim Anbieter prüfen
Minutenbasiert, abhängig von Sprachmodell, Stimme und Zusatzfunktionen
  • Größere Sprachmodelle und Premium-Stimmen erhöhen den Minutenpreis. Volumenkonditionen und Enterprise-Verträge gesondert anfragen.
Telefonie
€–€€ / minutenabhängig
Rufnummern, Gesprächsminuten, SIP-Trunks
  • Je nach Weg über die Plattform oder über einen eigenen Telefonie-Anbieter. Auslandsziele und Mobilfunk gesondert prüfen.
Integration
€–€€ / einmalig und laufend
Schnittstellen, Automatisierungen, Hosting
  • Anbindung von CRM, ERP und Kalender, Betrieb von n8n oder Make, Zwischenschichten für Geschäftsregeln.
Team & Betrieb
€€€ / laufend
Gesprächsdesign, Tests, Qualitätssicherung
  • Oft der größte Block: Ein Telefonagent ist ein Produkt, das laufend ausgewertet und verbessert werden muss.

Kosten verstehen und steuern

Die Abrechnung von Voice-Agent-Plattformen setzt sich typischerweise aus mehreren Komponenten zusammen: einem Plattformanteil je Minute, den Kosten für Sprachmodell und Stimme, Telefonie sowie gegebenenfalls Zusatzfunktionen wie Wissensdatenbank, Analysen oder höhere Gleichzeitigkeit. Die Wahl eines größeren Sprachmodells oder einer Premium-Stimme kann den Minutenpreis spürbar erhöhen. Lange Anweisungen, große Wissensbestände und ausführliche Antworten wirken sich ebenfalls aus. Aktuelle Preise, Mindestabnahmen und Enterprise-Konditionen sind beim Anbieter zu prüfen.
Für die Wirtschaftlichkeit empfiehlt sich eine Rechnung pro gelöstem Anliegen statt pro Minute: Was kostet ein durch den Agenten vollständig erledigter Anruf inklusive Plattform, Telefonie und anteiligem Betrieb – und was kostet derselbe Anruf im eigenen Team, einschließlich Unterbrechungen im Tagesgeschäft und verlorener Anrufe? Diese Zahlen lassen sich nur im Pilot seriös ermitteln. Budgets, Warnschwellen und eine maximale Gesprächsdauer schützen vor unangenehmen Überraschungen, insbesondere bei Batch-Calls.
Datenschutz-Stack im Detail

Bei Retell AI werden Stimme, Rufnummer und Gesprächsinhalte an einen Cloud-Dienst übertragen und dort an weitere Dienste wie Modell- und Sprachsynthese-Anbieter weitergereicht. Stimmen sind personenbezogene Daten, Gesprächsinhalte häufig ebenfalls. Folgende Punkte sind für die Bewertung besonders relevant:

Serverstandort
Standardmäßig Verarbeitung in den USA – Drittlandtransfer ausdrücklich bewerten
EU-Hosting
Ob und für welche Komponenten EU-Verarbeitung möglich ist, beim Anbieter prüfen
CLOUD Act
US-Behördenzugriff auf Daten bei US-Unternehmen in die Risikobewertung einbeziehen
AVV & Unterauftragnehmer
AVV abschließen, Liste der Modell-, Synthese- und Telefonie-Dienste prüfen
Speicherung
Aufnahmen, Transkripte und Analysen: Speicherdauer und Löschung festlegen
Outbound
Werbeanrufe nach UWG und Einwilligungen vor jedem Batch-Call prüfen

Drittlandtransfer, CLOUD Act und EU-Alternativen

Retell AI ist ein US-Anbieter, und die Verarbeitung findet im Standardfall in Rechenzentren außerhalb der EU statt. Damit liegt ein Drittlandtransfer vor, der eine tragfähige Grundlage benötigt – etwa das EU-US Data Privacy Framework, sofern der Anbieter und seine Unterauftragsverarbeiter zertifiziert sind, oder Standardvertragsklauseln mit ergänzender Risikobewertung. Hinzu kommt der US CLOUD Act: US-Unternehmen können verpflichtet werden, US-Behörden Zugriff auf Daten zu gewähren, unabhängig davon, wo diese gespeichert sind. Dieser Aspekt gehört in jede Transfer-Folgenabschätzung. Welche Zertifizierungen, Sicherheitsnachweise und Datenschutzzusagen der Anbieter aktuell vorweisen kann, ist bei ihm zu prüfen.
Ob Retell AI eine Verarbeitung oder Speicherung in der EU anbietet und für welche Komponenten – Plattform, Sprachmodell, Spracherkennung, Synthese, Aufnahmen –, ist beim Anbieter zu prüfen. Selbst wenn einzelne Bausteine in Europa laufen, können andere weiterhin in den USA verarbeitet werden. Für Unternehmen, die einen Drittlandtransfer vermeiden wollen, gibt es Alternativen: ein europäischer Anbieter wie Parloa mit EU-Vertragsrahmen oder ein Eigenbau mit quelloffenen Frameworks wie LiveKit oder Pipecat auf europäischer oder eigener Infrastruktur, kombiniert mit Sprachmodellen und Sprachdiensten aus EU-Regionen oder selbst gehosteten Modellen. Beide Wege sind datenschutzrechtlich in der Regel einfacher zu begründen, aber mit anderem Aufwand und anderen Kosten verbunden.

Aufzeichnung, Outbound-Anrufe und KI-Transparenz

Unabhängig vom Anbieter gelten die Grundpflichten der DSGVO: Rechtsgrundlage, transparente Information der Anrufer, Datenminimierung, Löschkonzept sowie technische und organisatorische Maßnahmen. Besonders sensibel ist die Aufzeichnung von Gesprächen. Die Verarbeitung in Echtzeit ist anders zu bewerten als die dauerhafte Speicherung von Audio und Transkripten; für Aufzeichnungen kann eine Einwilligung erforderlich sein, und die Vertraulichkeit des gesprochenen Wortes ist zu beachten. Prüfen Sie, ob Aufnahmen überhaupt nötig sind, wie lange Transkripte gespeichert werden und wer darauf zugreift. Bei systematischer Auswertung oder sensiblen Daten kann eine Datenschutz-Folgenabschätzung notwendig sein; in Unternehmen mit Betriebsrat ist die Mitbestimmung zu beachten.
Für ausgehende Anrufe gelten zusätzliche Anforderungen. Werbeanrufe gegenüber Verbrauchern ohne vorherige ausdrückliche Einwilligung sind nach dem Gesetz gegen den unlauteren Wettbewerb (UWG) grundsätzlich unzulässig; auch gegenüber Unternehmen sind die Voraussetzungen eng. Ob ein konkreter Batch-Call als Werbung gilt, welche Einwilligungen vorliegen und wie sie dokumentiert sind, ist vor jedem Einsatz zu prüfen. Hinzu kommt die Transparenzpflicht aus dem EU AI Act: Anrufer müssen erkennen können, dass sie mit einer KI sprechen – am Telefon idealerweise durch einen klaren Hinweis zu Beginn.
Keine Rechtsberatung

Die Hinweise in diesem Kapitel sind eine allgemeine fachliche Einordnung aus IT- und Projektsicht und keine Rechtsberatung. Die Bewertung des konkreten Einsatzes – insbesondere zu Drittlandtransfer, CLOUD Act, Gesprächsaufzeichnung, Einwilligungen, Werbeanrufen nach UWG und den Pflichten aus dem EU AI Act – sollte mit dem eigenen Datenschutzbeauftragten oder fachkundiger rechtlicher Begleitung erfolgen. Die Verantwortung im Sinne der DSGVO bleibt beim einsetzenden Unternehmen.

Kapitel 10 · FAQ

Häufig gestellte Fragen zu Retell AI

Die wichtigsten Fragen aus Gesprächen mit mittelständischen Unternehmen, die einen KI-Telefonagenten auf Basis von Retell AI prüfen – kompakt beantwortet.

Was ist Retell AI?
Retell AI ist eine Cloud-Plattform eines US-Anbieters, mit der sich KI-Telefonagenten für eingehende und ausgehende Anrufe bauen, testen und betreiben lassen. Sie kombiniert Spracherkennung, Sprachmodell, Sprachsynthese, Telefonie, Gesprächsdesign, Wissensdatenbank und Auswertung in einer Oberfläche mit offener API.
Spricht ein Retell-Agent gut Deutsch?
Deutsch wird unterstützt, die Qualität hängt aber von der Kombination aus Spracherkennung, Sprachmodell und Stimme ab. Testen Sie mit eigenen Szenarien: Kundennummern, Datumsangaben, Eigennamen, Dialekte, Hintergrundgeräusche und echte Telefonleitungen. Erst nach einem bestandenen Deutsch-Test lohnt die Systemintegration.
Brauche ich Programmierkenntnisse?
Für einen ersten Agenten nicht unbedingt – Agent-Builder und Conversation Flow sind über eine Oberfläche bedienbar. Für die Anbindung an CRM, ERP und Kalender, für Telefonie über SIP und für einen stabilen Betrieb mit Tests und Monitoring sind technisches Verständnis oder ein Umsetzungspartner jedoch notwendig.
Kann ich meine bestehende Rufnummer behalten?
In der Regel ja, über einen bestehenden Telefonie-Anbieter oder per SIP-Anbindung an die vorhandene Telefonanlage. Der Agent kann dann etwa außerhalb der Geschäftszeiten oder bei Überlast übernehmen. Kompatibilität, Weiterleitung zurück an Mitarbeitende und Ausfallverhalten sollten vorab getestet werden.
Was ist der Unterschied zwischen Prompt-Agent und Conversation Flow?
Ein Prompt-Agent folgt umfassenden Anweisungen und formuliert frei – flexibel, aber weniger vorhersehbar. Ein Conversation Flow modelliert das Gespräch als Ablauf aus Schritten mit festen Übergängen. Für Prozesse mit Pflichtschritten wie Identifikation, Bestätigung oder rechtlichen Hinweisen ist der Flow meist die bessere Wahl.
Was kostet Retell AI?
Die Abrechnung erfolgt in der Regel nutzungsabhängig nach Gesprächsminuten, wobei Sprachmodell, Stimme, Telefonie und Zusatzfunktionen den Preis beeinflussen. Hinzu kommen Integration, Hosting von Automatisierungen sowie Gesprächsdesign und Betrieb. Aktuelle Preise sind beim Anbieter zu prüfen; belastbare Kosten je gelöstem Anliegen liefert erst ein Pilot.
Ist Retell AI DSGVO-konform nutzbar?
Das hängt von der Ausgestaltung ab. Retell AI ist ein US-Anbieter, die Verarbeitung erfolgt standardmäßig außerhalb der EU, und weitere Unterauftragsverarbeiter sind beteiligt. Zu prüfen sind AVV, Transfergrundlage, CLOUD Act, Speicherdauer und mögliche EU-Optionen. Dies ist keine Rechtsberatung – die Bewertung gehört zum Datenschutzbeauftragten.
Darf ich mit Retell AI Kunden anrufen lassen?
Technisch ja, über Batch-Calls. Rechtlich ist das vor jedem Einsatz zu prüfen: Werbeanrufe sind nach UWG ohne vorherige Einwilligung bei Verbrauchern grundsätzlich unzulässig, und auch Serviceanrufe brauchen eine tragfähige Grundlage. Hinzu kommen Transparenz über den KI-Einsatz und gegebenenfalls Regeln zur Aufzeichnung.
Retell AI, Vapi oder Parloa – was passt besser?
Retell AI passt zu schnellen Piloten, Agenturen und Softwareanbietern, die visuelles Gesprächsdesign und offene API schätzen. Vapi spricht stärker Entwicklerteams an. Parloa ist ein europäischer Anbieter für größere Kundenservice-Organisationen mit Fokus auf EU-Datenschutz. Ein Vergleichstest mit eigenen Szenarien schafft Klarheit.
Gibt es Alternativen mit voller Datenhoheit?
Ja. Mit quelloffenen Frameworks wie LiveKit oder Pipecat lässt sich ein Telefonagent auf europäischer oder eigener Infrastruktur betreiben, kombiniert mit Modellen aus EU-Regionen oder selbst gehosteten Modellen. Das bietet maximale Kontrolle, erfordert aber deutlich mehr Entwicklungs- und Betriebsaufwand als eine Plattform.

Voice AI souverän einsetzen

Brauchen Sie eine tragfähige Voice-Agent-Strategie?

Wir prüfen herstellerunabhängig, ob Retell AI zu Ihren Anforderungen passt: Use-Case-Auswahl, Deutsch-Test, Telefonie-Anbindung, CRM- und Kalender-Integration, Datenschutz mit Blick auf Drittlandtransfer und CLOUD Act sowie Betriebsmodell – pragmatisch auf den Mittelstand zugeschnitten und mit ehrlichem Blick auf Vapi, Parloa und den Eigenbau mit LiveKit oder Pipecat als Alternativen.

Seit 2006 am Markt

Erfahrung aus über 100 Digitalprojekten

DSGVO & Souveränität

Datenschutz von Anfang an mitgedacht

Rückmeldung in 24 h

Schnell, direkt, unverbindlich