Telefonie ist in vielen Unternehmen noch immer der Kanal mit dem höchsten persönlichen Aufwand. Jeder Anruf bindet einen Menschen, Gespräche lassen sich schlecht parallelisieren, und Spitzenlasten führen zu Warteschleifen oder verpassten Kontakten. Gleichzeitig ist ein großer Teil der Telefonate repetitiv: Terminbestätigungen, Statusabfragen, Vorqualifizierung, Erinnerungen, einfache Auskünfte. Genau hier setzen KI-Telefonagenten an. Sie kombinieren Spracherkennung, ein Sprachmodell für Verständnis und Antwort sowie Sprachsynthese zu einem System, das in Echtzeit telefoniert.
Bland AI gehört zu einer Gruppe junger Anbieter, die diese Bausteine nicht nur als Einzelteile, sondern als durchgängige Telefonie-Plattform bereitstellen. Wer einen Anruf auslösen möchte, schickt im einfachsten Fall eine Anfrage an die API – mit Telefonnummer, Anweisungen für den Agenten und gewünschter Stimme. Den Rest übernimmt die Plattform: Rufaufbau, Gesprächsführung, Mitschrift, Auswertung und Rückmeldung an das aufrufende System. Darüber hinaus gibt es eine Weboberfläche, in der Gesprächsabläufe visuell gestaltet, Rufnummern verwaltet und Gespräche nachgehört werden können.
Drei Merkmale prägen die Positionierung von Bland AI:
Bland AI ist in der Welle der Voice-AI-Startups entstanden, die seit dem Durchbruch großer Sprachmodelle den Telefonkanal neu denken. Anfangs stand vor allem die API im Vordergrund: Entwickler konnten mit wenigen Zeilen Code einen KI-Anruf auslösen, was für viel Aufmerksamkeit sorgte. Seither hat sich das Angebot deutlich in Richtung Unternehmenskunden verschoben. Hinzugekommen sind visuelle Werkzeuge für Gesprächsabläufe, Funktionen für Tests und Auswertung, Optionen für Sicherheit und Compliance sowie das Versprechen dedizierter Infrastruktur für große Kunden.
Diese Entwicklung ist typisch für den Markt, sie hat aber Folgen für die Einordnung. Funktionsnamen, Leistungsumfang, Preismodelle und Vertragsoptionen ändern sich bei jungen Anbietern schnell. Was in einem Blogartikel vom Vorjahr steht, muss heute nicht mehr stimmen. Für jede Planung gilt deshalb: Den aktuellen Stand in der Dokumentation und im Gespräch mit dem Anbieter verifizieren und Zusagen schriftlich festhalten.
Bland AI richtet sich an Unternehmen, die viele Telefonate führen und diese teilweise oder weitgehend automatisieren wollen. Typische Zielgruppen sind Contact Center, Vertriebsorganisationen mit hohem Outbound-Anteil, Logistik- und Versorgungsunternehmen, Gesundheitsdienstleister, Versicherungen und Finanzdienstleister sowie Softwareanbieter, die Telefonagenten in eigene Produkte integrieren. Im Zentrum steht der US-Markt; Mehrsprachigkeit wird angeboten, die Qualität in Deutsch muss aber im eigenen Szenario geprüft werden.
Für kleinere Unternehmen ohne technische Ressourcen ist die Plattform nicht unbedingt der naheliegende Einstieg. Zwar lassen sich einfache Agenten über die Oberfläche bauen, doch der volle Nutzen entsteht erst mit Anbindung an CRM, Kalender, Ticketsystem oder eigene Datenbanken – und das verlangt Entwicklungskompetenz oder einen Umsetzungspartner.
Das zentrale Versprechen lautet, dass Unternehmen nicht von einer Kette externer Modell-APIs abhängig sind, sondern eine Plattform erhalten, die Verfügbarkeit, Antwortzeiten und Datenflüsse aus einer Hand verantwortet. Für große Organisationen mit Sicherheitsabteilung und eigenem Einkauf ist das ein relevantes Argument: weniger Unterauftragsverarbeiter, klarere Verantwortlichkeiten, potenziell stabilere Leistung bei Lastspitzen. Ob diese Vorteile im Einzelfall tatsächlich greifen, hängt allerdings stark vom gebuchten Paket und vom Vertrag ab.
Bland AI nimmt Unternehmen die technisch anspruchsvollsten Teile der Sprachverarbeitung ab: Audio-Streaming, Sprechererkennung, Unterbrechungen, Synthese, Anrufsteuerung und Skalierung auf viele parallele Gespräche. Auch Basisfunktionen für Auswertung und Monitoring sind vorhanden. Was die Plattform nicht abnimmt, sind die fachlichen Fragen: Welche Anliegen sollen automatisiert werden? Welche Daten darf der Agent sehen? Wann übergibt er an einen Menschen? Wie werden Fehler erkannt und korrigiert? Und wie wird der Einsatz rechtlich abgesichert? Diese Arbeit bleibt beim Unternehmen oder seinem Partner – unabhängig davon, welche Plattform gewählt wird.
Ein Agent, der allein mit einem langen Prompt gesteuert wird, ist schnell gebaut, aber schwer zu kontrollieren. Je mehr Regeln, Ausnahmen und Prozessschritte im Prompt stehen, desto eher übersieht das Sprachmodell einzelne Vorgaben. Bland AI begegnet dem mit den Conversational Pathways. Ein Gespräch wird dabei als Graph aus Knoten modelliert. Jeder Knoten steht für einen Gesprächsabschnitt – etwa Begrüßung, Identifikation, Anliegen klären, Termin anbieten, Abschluss – und enthält eigene Anweisungen, Beispiele und gegebenenfalls Werkzeugaufrufe. Übergänge zwischen den Knoten werden über Bedingungen definiert, die das Sprachmodell auf Basis des bisherigen Gesprächs auswertet.
Der Vorteil liegt in der Vorhersagbarkeit. Ein Agent kann nicht einfach den Identifikationsschritt überspringen, wenn der Ablauf das nicht vorsieht. Variablen wie Kundennummer, Wunschtermin oder Grund des Anrufs werden in definierten Knoten erfasst und stehen danach für Werkzeuge und Auswertung bereit. Gleichzeitig bleibt das Gespräch innerhalb eines Knotens frei formuliert, sodass es nicht nach starrem Sprachmenü klingt. Für Fachabteilungen hat der visuelle Editor den Vorteil, dass Abläufe verständlich dokumentiert sind und gemeinsam mit IT und Datenschutz abgestimmt werden können.
Pathways haben aber auch Grenzen. Sehr feingliedrige Abläufe werden unübersichtlich, und Anrufer halten sich selten an die vorgesehene Reihenfolge. Wer mitten in der Terminbuchung eine Reklamation erwähnt, muss sinnvoll aufgefangen werden. Bewährt haben sich daher globale Knoten für typische Abweichungen, klare Rückwege und ein Grundprinzip: so viel Struktur wie nötig, so wenig wie möglich. Wie Pathways im Detail versioniert, getestet und freigegeben werden, sollte vor der Einführung mit dem Anbieter geklärt werden.
Bei eingehenden Anrufen wird eine Rufnummer mit einem Agenten oder Pathway verknüpft. Der Agent nimmt den Anruf an, klärt das Anliegen, nutzt Werkzeuge und beendet das Gespräch oder leitet weiter. Typisch sind Hotlines außerhalb der Geschäftszeiten, Vorqualifizierung vor der Weiterleitung an Fachabteilungen und einfache Self-Service-Anliegen. Ob die eigene Rufnummer erhalten bleiben kann, etwa per Rufumleitung oder über eine Anbindung der bestehenden Telefonanlage, ist eine der ersten Fragen im Projekt.
Bei ausgehenden Anrufen löst ein System den Anruf per API aus – zum Beispiel, wenn im CRM ein Termin ansteht, eine Lieferung verspätet ist oder ein Rückrufwunsch eingegangen ist. Der Agent erhält dabei Kontextdaten wie Name, Anlass und relevante Details. Für größere Volumen bietet Bland AI Batch-Calls: Eine Liste von Kontakten wird hochgeladen oder per API übergeben, und die Plattform ruft sie nach definierten Regeln an. Wichtige Parameter sind Anrufzeiten, Anzahl paralleler Gespräche, Wiederholversuche bei Nichterreichen und der Umgang mit Anrufbeantwortern. Gerade bei Outbound gilt in Deutschland ein strenger rechtlicher Rahmen, den wir in Kapitel 09 behandeln. Technisch möglich heißt nicht rechtlich zulässig.
Bland AI bietet eine Bibliothek vordefinierter Stimmen und die Möglichkeit, eigene Stimmen per Voice Cloning zu erzeugen. Auf Basis von Audioaufnahmen entsteht eine synthetische Stimme, die etwa einer Markenstimme oder einer bekannten Ansprechperson ähnelt. Das kann die Wiedererkennung stärken, wirft aber Fragen auf: Liegt eine ausdrückliche, dokumentierte Einwilligung der Person vor, deren Stimme geklont wird? Was passiert mit der Stimme, wenn die Person das Unternehmen verlässt? Und wie wird verhindert, dass eine vertraut klingende Stimme den Eindruck erweckt, ein Mensch spreche? Für deutsche Gespräche ist zudem zu prüfen, wie natürlich die geklonte Stimme Aussprache, Betonung und Zahlen umsetzt.
Neben der Stimme entscheidet die Gesprächsmechanik über die Qualität: Wann ist ein Anrufer fertig? Wie reagiert der Agent auf Unterbrechungen? Wie werden Hintergrundgeräusche gefiltert? Wie lange wartet er bei Stille? Die Plattform bietet hierfür Parameter, deren Standardwerte selten optimal für deutschsprachige Anrufer und typische Telefonsituationen im Mittelstand sind. Zusätzlich gibt es in der Regel Einstellungen für Begrüßung, Hintergrundgeräusch, maximale Gesprächsdauer, Erkennung von Anrufbeantwortern und Sprache. Welche Optionen aktuell verfügbar sind, ist der Dokumentation zu entnehmen.
Während eines Anrufs kann der Agent externe Systeme ansprechen, typischerweise über HTTP-Aufrufe an eigene Schnittstellen. Bland AI bezeichnet das je nach Kontext als Tools oder Custom Tools. Ein Werkzeug wird mit Name, Beschreibung, Zieladresse und benötigten Parametern definiert. Erkennt der Agent, dass er etwa einen Liefertermin abfragen oder einen Termin buchen soll, sammelt er die Parameter im Gespräch, ruft die Schnittstelle auf und verarbeitet die Antwort. In Pathways lassen sich solche Aufrufe auch fest an bestimmte Knoten binden, sodass sie zuverlässig an der richtigen Stelle passieren.
Für den Telefonkanal gelten dabei dieselben Regeln wie bei jedem Voice Agent. Wartezeiten müssen überbrückt werden, sonst wirkt Stille wie ein Verbindungsabbruch. Schreibende Aktionen sollten vorher bestätigt werden. Parameter sind serverseitig zu prüfen, bevor etwas ausgeführt wird. Und sensible Aktionen wie Vertragsänderungen oder Zahlungsvorgänge gehören hinter eine zusätzliche Absicherung oder an einen Menschen. Die Plattform stellt den Mechanismus bereit, die Verantwortung für die Logik dahinter bleibt beim Unternehmen.
Damit der Agent Fragen zu Produkten, Öffnungszeiten oder Abläufen korrekt beantworten kann, lassen sich Wissensquellen hinterlegen – etwa Dokumente, Webseiteninhalte oder Textbausteine. Der Agent greift im Gespräch darauf zu, statt sich allein auf das allgemeine Wissen des Sprachmodells zu verlassen. Qualität und Aktualität dieser Inhalte sind entscheidend: Veraltete Preislisten oder widersprüchliche Dokumente führen zu falschen Auskünften. Ein klarer Verantwortlicher für die Pflege der Wissensbasis ist deshalb Pflicht.
Einige Plattformen bieten zudem eine Art Gedächtnis über mehrere Gespräche hinweg, sodass ein wiederkehrender Anrufer nicht alles erneut erklären muss. Solche Funktionen sind fachlich attraktiv, datenschutzrechtlich aber besonders sensibel, weil personenbezogene Profile entstehen. Ob und in welcher Form Bland AI dies aktuell anbietet, ist zu prüfen; in jedem Fall gehören Speicherdauer und Zweck ins Löschkonzept. Unverzichtbar ist die Übergabe an Menschen: Der Agent leitet den Anruf an eine Rufnummer oder Warteschlange weiter, idealerweise mit einer Zusammenfassung, damit der Mitarbeitende nicht von vorn beginnen muss.
Nach jedem Gespräch liefert Bland AI Mitschrift, Metadaten und auf Wunsch eine Aufzeichnung. Darüber hinaus lassen sich Informationen strukturiert extrahieren: War der Anruf erfolgreich? Wurde ein Termin vereinbart? Welche Einwände hat der Kontakt genannt? Diese Daten werden per Webhook an das aufrufende System übergeben und können direkt in CRM, Ticketsystem oder Reporting fließen. Für Kampagnen entsteht so ein Bild, welche Kontakte erreicht wurden und welche Ergebnisse vorliegen.
Für die Qualitätssicherung bietet die Plattform Funktionen zum Testen von Agenten und Pathways, etwa simulierte Gespräche oder das Nachhören realer Anrufe. Unabhängig vom konkreten Funktionsumfang empfehlen wir eine eigene Testsuite mit typischen und schwierigen Szenarien: undeutliche Aussprache, Dialekt, Zahlen in verschiedenen Formaten, Abschweifungen, Beschwerden, Fragen außerhalb des Themas. Jede Änderung an Pathway, Prompt, Stimme oder Modell wird gegen diese Suite geprüft, bevor sie live geht.
Die zentrale Integrationsform ist die Programmierschnittstelle. Über sie werden Agenten konfiguriert, Anrufe ausgelöst, Kampagnen gestartet und Ergebnisse abgerufen. Für Unternehmen mit eigener Entwicklung oder einem Integrationspartner ist das der flexibelste Weg, weil sich Anrufe direkt aus Geschäftsprozessen heraus steuern lassen: Ein neuer Lead im CRM löst einen Qualifizierungsanruf aus, eine Lieferverzögerung im ERP einen Informationsanruf. Das Gegenstück sind Webhooks, über die Bland AI nach dem Gespräch Ergebnisse zurückmeldet. Eine robuste Integration prüft die Herkunft dieser Meldungen, behandelt Fehler und Wiederholungen sauber und protokolliert, welche Daten wohin geflossen sind.
Daneben gibt es Anbindungen über Automatisierungsplattformen und vorgefertigte Integrationen zu verbreiteten Werkzeugen. Sie erleichtern den Einstieg, fügen aber oft weitere Dienste in den Datenfluss ein – häufig ebenfalls mit Sitz in den USA. Jeder dieser Dienste ist im Verzeichnis der Verarbeitungstätigkeiten und im Datenschutz-Konzept zu berücksichtigen.
Im deutschen Mittelstand ist die Telefonanlage häufig der eigentliche Engpass. Ob Cloud-Telefonanlage, klassische Anlage mit SIP-Trunk oder Contact-Center-Lösung – es muss geklärt werden, wie Anrufe zum Agenten gelangen, wie sie mit Kontext zurück an Menschen gehen und ob Funktionen wie Warteschlangen und Rufgruppen erhalten bleiben. Welche Anbindungsvarianten Bland AI aktuell für den europäischen Markt unterstützt, ist beim Anbieter zu prüfen.
Bland AI unterscheidet sich vor allem durch zwei Punkte: die starke Betonung strukturierter Pathways und das Argument der eigenen Infrastruktur für die Sprachschicht. Wer Wert auf Vorhersagbarkeit und große Outbound-Volumen legt, findet hier ein passendes Profil. Wer dagegen bestimmte Modelle oder Anbieter einsetzen will, ist bei einer Orchestrierungsplattform flexibler. Alle drei Anbieter haben ihren Sitz in den USA, sodass sich die Datenschutzfragen ähneln; Unterschiede liegen im Detail der Datenregionen, Vertragsoptionen und Unterauftragsverarbeiter.
Bland AI bietet nach eigener Darstellung unterschiedliche Betriebsmodelle an. Im Standardfall laufen Agenten auf der gemeinsam genutzten Cloud-Infrastruktur des Anbieters. Für Enterprise-Kunden werden darüber hinaus dedizierte Umgebungen angeboten, in denen Rechenkapazität und Modelle exklusiv für einen Kunden bereitstehen. Das kann Vorteile bei Leistung, Isolation und Sicherheitsanforderungen bringen. Ob eine solche Umgebung in einer EU-Region betrieben werden kann, ob sie beim Anbieter, bei einem Cloud-Provider oder in einer kundenseitigen Umgebung läuft und wer administrativen Zugriff hat, ist im Einzelfall beim Anbieter zu prüfen und vertraglich festzuhalten.
Wichtig ist die Abgrenzung zum klassischen Self-Hosting. Wenn ein Anbieter von eigener oder selbst gehosteter Infrastruktur spricht, ist damit häufig gemeint, dass er Modelle nicht über Drittanbieter-APIs bezieht, sondern selbst betreibt. Für die Datenhoheit des Kunden ist das ein Fortschritt, weil weniger Unterauftragsverarbeiter beteiligt sind. Es bedeutet aber nicht automatisch, dass die Daten in Europa bleiben oder dass der Kunde die volle Kontrolle hat. Wer echte Datenhoheit im eigenen Rechenzentrum benötigt, sollte dies ausdrücklich anfragen oder Alternativen auf Basis von LiveKit oder Pipecat in Betracht ziehen.
Anweisungen für Telefonagenten folgen eigenen Regeln. Antworten müssen kurz sein, Aufzählungen funktionieren am Telefon nicht, und Zahlen, Namen und Adressen verdienen besondere Aufmerksamkeit. Im Deutschen kommen weitere Punkte hinzu: Sie oder Du, regionale Begriffe, zusammengesetzte Fachwörter, Postleitzahlen, Hausnummern mit Zusätzen und die Aussprache von Produktnamen. Ein Pathway, der im Englischen hervorragend funktioniert, kann im Deutschen holprig klingen, wenn Übersetzungen wörtlich übernommen werden. Gesprächsabläufe sollten daher von Beginn an auf Deutsch gestaltet und mit muttersprachlichen Testanrufern geprüft werden.
Ebenso wichtig ist die Qualität von Spracherkennung und Synthese in deutscher Sprache. Bei Anbietern mit Schwerpunkt im US-Markt ist die englische Sprache oft am weitesten entwickelt. Ob Deutsch auf vergleichbarem Niveau verstanden und gesprochen wird, lässt sich nur im eigenen Test beurteilen – idealerweise mit Telefonverbindungen aus dem Mobilfunknetz, Freisprecheinrichtungen, Hintergrundgeräuschen und Sprechern unterschiedlicher Regionen.
Im laufenden Betrieb zählen Kennzahlen wie Lösungsquote, Übergabequote, Abbrüche, Gesprächsdauer, Erreichbarkeit bei Outbound und Fehler bei Werkzeugaufrufen. Hinzu kommt die Überwachung von Kosten pro Gespräch und Verfügbarkeit der Plattform. Für den Fall, dass die Plattform nicht erreichbar ist oder langsamer reagiert, braucht es definierte Rückfallebenen: Weiterleitung an Mitarbeitende, Ansage mit Rückrufangebot oder Pausieren laufender Kampagnen. Klar sein muss auch, wer intern für den Agenten verantwortlich ist – fachlich, technisch und datenschutzrechtlich.
Für den DACH-Markt ist die Sprachqualität die erste Hürde. Ein strukturierter Test sollte mindestens folgende Punkte umfassen: Verständnis unterschiedlicher Dialekte und Akzente, Erkennung von Zahlenfolgen wie Kunden- und Auftragsnummern, Postleitzahlen und Telefonnummern, Buchstabieren von Namen und E-Mail-Adressen, Aussprache von Produkt- und Ortsnamen, natürliche Betonung in längeren Sätzen sowie konsequente Einhaltung der Anrede. Hinzu kommt der Gesprächsfluss: Wirken Pausen natürlich? Unterbricht der Agent zu früh? Reagiert er angemessen, wenn jemand kurz nachdenkt?
Bewährt hat sich ein Testpanel aus zehn bis zwanzig Mitarbeitenden unterschiedlicher Herkunft, die jeweils mehrere vorbereitete Szenarien anrufen. Die Ergebnisse werden strukturiert bewertet und mit mindestens einer Alternative verglichen – etwa einer europäischen Plattform oder einer selbst zusammengestellten Pipeline. Erst dieser Vergleich zeigt, ob die Qualität für den eigenen Kundenkreis ausreicht.
Bland AI passt zu Mittelständlern mit hohem, wiederkehrendem Telefonvolumen, klar strukturierten Prozessen und vorhandener Entwicklungskapazität oder einem Partner, der Pathways, Werkzeuge und Integration umsetzt. Besonders interessant ist die Plattform, wenn Outbound-Anrufe an bestehende Kunden mit Einwilligung eine Rolle spielen, etwa für Terminbestätigungen oder Serviceinformationen, und wenn die Datenschutzfragen über eine geeignete Vertrags- und Infrastrukturoption gelöst werden können.
Die Kosten von Bland AI hängen im Wesentlichen von der Anzahl und Dauer der Gespräche ab. Bei Outbound-Kampagnen kommen Faktoren hinzu, die oft unterschätzt werden: Anrufe, die auf Anrufbeantworter treffen, kurze Gespräche ohne Ergebnis und Wiederholversuche verursachen ebenfalls Kosten. Bei Inbound bestimmen Gesprächsdauer und Übergabequote die Wirtschaftlichkeit. Hinzu kommen Telefonie, Integration und vor allem der laufende Aufwand für Pflege und Qualitätssicherung.
Für die Wirtschaftlichkeitsbetrachtung empfiehlt sich eine Rechnung pro erledigtem Anliegen statt pro Minute: Was kostet ein vollständig durch den Agenten erledigter Anruf inklusive Plattform, Telefonie und anteiligem Betrieb – und was kostet derselbe Vorgang heute? Diese Zahlen lassen sich nur im Pilotbetrieb seriös ermitteln. Aktuelle Preise, Paketgrenzen, Mindestumsätze und Konditionen für dedizierte Umgebungen sind beim Anbieter zu prüfen.
Bland AI ist ein US-Anbieter. Sofern keine abweichende Vereinbarung getroffen wird, ist davon auszugehen, dass Audio, Mitschriften und Metadaten in Rechenzentren in den USA verarbeitet werden. Damit liegt ein Drittlandtransfer vor, der eine tragfähige Grundlage benötigt – etwa einen Angemessenheitsbeschluss wie das EU-US Data Privacy Framework, sofern der Anbieter zertifiziert ist, oder Standardvertragsklauseln mit ergänzender Risikobewertung. Ob eine Zertifizierung besteht, welcher Rechtsträger Vertragspartner ist und welche Unterauftragsverarbeiter beteiligt sind, ist beim Anbieter zu prüfen. Die Rechtslage zum Datentransfer in die USA sollte zudem laufend beobachtet werden.
Zusätzlich ist der CLOUD Act zu berücksichtigen. Dieses US-Gesetz kann US-Unternehmen verpflichten, Behörden unter bestimmten Voraussetzungen Zugriff auf Daten zu gewähren, auch wenn diese außerhalb der USA gespeichert sind. Eine dedizierte Instanz in einer EU-Region reduziert daher den Transfer im Normalbetrieb, beseitigt das Zugriffsrisiko aber nicht vollständig, solange ein US-Unternehmen die Kontrolle über die Umgebung hat. Für Unternehmen mit hohen Anforderungen an Datenhoheit sind deshalb zwei Alternativen ernsthaft zu prüfen: ein europäischer Anbieter wie Parloa, bei dem Vertragspartner und Verarbeitung in der EU angesiedelt sind, oder eine selbst gehostete Lösung auf Basis von LiveKit oder Pipecat mit europäischen oder eigenen Modellen. Beide Wege sind in vielen Fällen die DSGVO-konformere Option.
Für ausgehende Anrufe gelten in Deutschland strenge Regeln. Nach dem Gesetz gegen den unlauteren Wettbewerb (UWG) sind Werbeanrufe gegenüber Verbrauchern ohne vorherige ausdrückliche Einwilligung unzulässig; gegenüber Unternehmen ist zumindest eine mutmaßliche Einwilligung erforderlich. Werbeanrufe mit automatischen Anrufmaschinen unterliegen zusätzlich besonderen Anforderungen, und KI-Telefonagenten dürften im Zweifel darunter fallen. Hinzu kommen Dokumentationspflichten für Einwilligungen. Serviceanrufe an Bestandskunden, etwa Terminbestätigungen, sind anders zu bewerten als Akquise, aber ebenfalls sauber zu begründen. Ob ein geplanter Outbound-Einsatz zulässig ist, muss vor dem Start rechtlich geprüft werden.
Bei Aufzeichnungen ist die Vertraulichkeit des gesprochenen Wortes zu beachten. Die Verarbeitung in Echtzeit ist anders zu bewerten als eine dauerhafte Speicherung von Audio; für Aufzeichnungen kann eine Einwilligung erforderlich sein, und Speicherfristen für Audio und Mitschriften sind festzulegen. Werden sensible Daten verarbeitet oder Gespräche systematisch ausgewertet, kann eine Datenschutz-Folgenabschätzung notwendig sein. Der EU AI Act sieht für KI-Systeme, die direkt mit Menschen interagieren, Transparenzpflichten vor: Angerufene und Anrufer müssen erkennen können, dass sie mit einer KI sprechen. Am Telefon bedeutet das einen klaren gesprochenen Hinweis zu Beginn. Geklonte, menschlich klingende Stimmen machen diese Kennzeichnung umso wichtiger.