Voicebot: Was ist das und wie unterscheidet er sich von IVR und Chatbot?

Das Wichtigste in Kürze

• Ein Voicebot ist ein Programm, das Gespräche in gesprochener Sprache führt, meist am Telefon: Er versteht frei formulierte Sätze, antwortet mit synthetischer Stimme und erledigt einfache Aufgaben.
• Anders als ein Sprachmenü (IVR) braucht er keine Tasten und keine festen Stichworte. Anders als ein Chatbot arbeitet er mit Stimme in Echtzeit, was kurze Antworten und schnelle Reaktionen verlangt.
• Moderne KI-Voicebots arbeiten mit großen Sprachmodellen, entweder als Kette aus Spracherkennung, Sprachmodell und Sprachausgabe oder als Echtzeit-Sprachmodell, das direkt hört und spricht.
• Typische Aufgaben: Anrufe annehmen, Anliegen erfassen, Termine aufnehmen oder buchen, Fragen aus einer Wissensbasis beantworten, an Menschen weiterleiten.

Inhalt (6 Abschnitte)

„Guten Tag, Sie sprechen mit dem KI-Assistenten der Praxis Beispiel. Wie kann ich helfen?“ Wer diesen Satz hört und einfach frei antworten kann, spricht mit einem Voicebot.

Ein Voicebot ist ein Programm, das Gespräche in gesprochener Sprache führt, meist am Telefon. Er versteht frei formulierte Sätze, antwortet mit einer synthetischen Stimme und erledigt einfache Aufgaben: Anliegen aufnehmen, Fragen beantworten, Termine eintragen, an einen Menschen weiterleiten. Anders als ein Sprachmenü braucht er keine Tasten, anders als ein Chatbot arbeitet er mit Stimme in Echtzeit.

Wie ein Voicebot funktioniert

Hinter jedem KI-Voicebot stecken drei Fähigkeiten: hören, verstehen, sprechen. Technisch gibt es zwei Bauweisen.

1. 1

   Kette aus drei Bausteinen

   Die Spracherkennung (Speech-to-Text) wandelt das Gesagte in Text um, ein Sprachmodell entscheidet über die Antwort, die Sprachausgabe (Text-to-Speech) liest sie vor. Bewährt und gut kontrollierbar, aber jeder Schritt kostet etwas Zeit.

2. 2

   Echtzeit-Sprachmodell

   Ein einziges Modell hört zu und antwortet direkt mit Stimme, ohne Umweg über Text. Das verkürzt die Antwortzeit und klingt natürlicher, weil Betonung und Pausen erhalten bleiben.

Unabhängig von der Bauweise braucht ein brauchbarer Voicebot drei weitere Dinge: einen Gesprächsablauf (was er fragt, in welcher Reihenfolge, wann er aufhört), Wissen (Öffnungszeiten, Preise, Abläufe) und Werkzeuge, mit denen er handeln kann, etwa einen Kalender abfragen oder einen Anruf weiterleiten. Mehr zu den Bausteinen im Beitrag Echtzeit-Sprachmodell und im Begriff Speech-to-Text und Text-to-Speech.

Voicebot, IVR, Chatbot, Voice-Agent: die Unterschiede

IVR (Interactive Voice Response) ist das klassische „Für Termine drücken Sie die 1“. Es sortiert Anrufe, versteht aber nichts. Ausführlich: IVR oder Voicebot.

Chatbot und Voicebot nutzen oft dieselben Sprachmodelle, stellen aber andere Anforderungen. Am Telefon kann niemand zurückscrollen: Antworten müssen kurz sein, Aufzählungen mit zehn Punkten funktionieren nicht, und der Bot muss es verkraften, wenn der Anrufer ihm ins Wort fällt.

Voice-Agent ist der neuere Begriff für einen KI-Voicebot, der nicht nur redet, sondern Aufgaben ausführt. In der Praxis werden die Begriffe oft gleich verwendet. Mehr dazu: Was ist ein Voice-Agent?.

Was ein Voicebot heute kann und was nicht

Typische Einsatzfälle

Beispiel: Ein Handwerksbetrieb lässt Anrufe während der Arbeitszeit auf der Baustelle von einem Voicebot annehmen. Der Bot fragt nach Art des Schadens, Adresse, Dringlichkeit und Rückrufnummer. Bei „Wasser läuft aus der Decke“ leitet er sofort aufs Handy des Meisters weiter, alles andere landet als Zusammenfassung im Postfach.

Was kostet ein Voicebot?

Am Markt gibt es drei Preismodelle: je Anruf (z. B. IONOS ab 39 € inklusive USt. mit 30 Anrufen), Minutenpakete (z. B. fonio.ai Solo 119 € netto mit 1.000 Minuten) und Grundpreis plus Minutenpreis (Agile Voice: 29 € netto mit 150 Minuten, danach 0,20 € je Minute). Stand: Oktober 2026. Hinzu kommen je nach Anbieter Gebühren für Rufnummer und Telefonie.

Welches Modell günstiger ist, hängt an Anrufzahl und Gesprächsdauer. Bei wenigen, kurzen Anrufen ist ein Minutenpreis ohne Paket günstig, ab etwa 600 Minuten im Monat ist ein Paket wie fonio Solo günstiger, eine Anrufpauschale wie die IONOS All-Flat ab etwa 420 Minuten, Free-Tarife oft schon früher. Rechenbeispiele für verschiedene Volumen finden Sie im Beitrag Was kostet ein KI-Telefonassistent?.

Woran Sie einen guten Voicebot erkennen

• Er nennt zu Beginn, dass ein KI-System spricht
• Er antwortet ohne spürbare Pause und lässt sich unterbrechen
• Er wiederholt wichtige Angaben wie Telefonnummer oder Termin zur Bestätigung
• Er sagt ehrlich, wenn er etwas nicht weiß, statt zu raten
• Er leitet bei Dringendem oder auf Wunsch an einen Menschen weiter
• Nach dem Gespräch liegen Transkript und Zusammenfassung vor

Agile Voice ist ein solcher KI-Telefonassistent: Den Gesprächsablauf bauen Sie im visuellen Editor, testen ihn im Browser und verbinden ihn dann mit Ihrer Rufnummer über Ihren Telefonieanbieter. Der KI-Hinweis zu Beginn ist eingebaut. Preis: 29 € netto im Monat mit 30 Credits (150 Minuten), danach 0,20 € je Gesprächsminute.

Alle weiteren Fachbegriffe von Barge-in bis Webhook erklärt das Glossar KI-Telefonie, den vollständigen Einstieg ins Thema bietet der Ratgeber KI-Telefonassistent.

Häufige Fragen

Was ist ein Voicebot einfach erklärt?

Ein Voicebot ist ein digitaler Gesprächspartner, mit dem Sie sprechen statt tippen. Am Telefon nimmt er Anrufe an, versteht, was Sie sagen, stellt Rückfragen und antwortet mit einer künstlichen Stimme. Er kann zum Beispiel Termine aufnehmen oder Ihr Anliegen an die richtige Person weitergeben.

Was ist der Unterschied zwischen Voicebot und Chatbot?

Ein Chatbot kommuniziert per Text, etwa auf der Website oder in Messengern; der Nutzer kann nachlesen und sich Zeit lassen. Ein Voicebot arbeitet mit gesprochener Sprache in Echtzeit, muss also schnell und knapp antworten, Unterbrechungen verkraften und mit Hintergrundgeräuschen oder Dialekten umgehen.

Ist ein Voicebot dasselbe wie ein Voice-Agent?

Die Begriffe überschneiden sich stark. „Voicebot“ ist der ältere, allgemeine Begriff und umfasst auch einfache regelbasierte Systeme. „Voice-Agent“ betont, dass das System mit KI selbstständig handelt, also Werkzeuge aufruft, Daten abfragt und Aufgaben erledigt.

Muss ein Voicebot sagen, dass er eine KI ist?

Ja, seit dem 2. August 2026 verlangt Art. 50 Abs. 1 der KI-Verordnung, dass Menschen informiert werden, wenn sie mit einem KI-System interagieren, sofern das nicht offensichtlich ist. Am Telefon geschieht das am einfachsten mit einem kurzen Hinweis in der Begrüßung, der ausdrücklich „KI“ nennt; „digitaler Assistent“ allein ist nicht eindeutig.

Gibt es Voicebots auf Deutsch?

Ja. Aktuelle Sprachmodelle verstehen und sprechen Deutsch natürlich, auch mit Umgangssprache. Schwierig bleiben starke Dialekte, Eigennamen und buchstabierte Angaben wie E-Mail-Adressen; ein guter Gesprächsablauf lässt solche Angaben wiederholen und bestätigen.

Quellen

1. Verordnung (EU) 2024/1689 (KI-Verordnung), Art. 50
2. Agile Voice – Produktseite

Redaktion Agile Voice

Wir entwickeln Agile Voice in Deutschland und schreiben hier aus der täglichen Arbeit mit unseren Kundinnen und Kunden. Jeder Artikel wird fachlich geprüft und aktualisiert, wenn sich Gesetze, Preise oder Funktionen ändern.

Link kopieren