Glossar

Vertrag nach Art. 28 DSGVO zwischen Verantwortlichem und Auftragsverarbeiter. Regelt Zweck, Umfang und Schutzmaßnahmen der Datenverarbeitung. Pflicht für jeden SaaS-Einsatz mit personenbezogenen Daten.

Fähigkeit, dass Anrufer dem Assistenten ins Wort fallen können. Gilt als Indikator für natürliche Gespräche; technisch realisiert durch parallele STT mit Voice-Activity-Detection.

Anzahl der parallel führbaren Telefonate. Bestimmt die Skalierung bei Lastspitzen — wichtig bei Marketing-Kampagnen oder Notdiensten. Limit ist meist tarifabhängig.

Schnittstelle zwischen Telefonassistent und Customer-Relationship-System (HubSpot, Salesforce, Pipedrive). Ermöglicht automatisches Anlegen von Kontakten und Aktivitäten nach Anrufen.

EU-Datenschutz-Grundverordnung. Regelt die Verarbeitung personenbezogener Daten in der EU. Verlangt u. a. Rechtsgrundlage, Zweckbindung, AVV bei Auftragsverarbeitung und EU-Server bei sensiblen Daten.

Speicherung und Verarbeitung von Daten ausschließlich in EU-Rechenzentren. Reduziert Drittland-Transfer-Risiken nach Schrems II und ist Voraussetzung für viele DSGVO-konforme Setups.

Inbound = der Assistent nimmt eingehende Anrufe entgegen (Terminbuchung, Support). Outbound = der Assistent ruft aktiv heraus (Bestätigungen, Umfragen). Beide Modi haben unterschiedliche Compliance-Anforderungen.

Klassisches Sprachdialogsystem mit Tastenmenüs ("Drücken Sie 1 für ..."). KI-Telefonassistenten ersetzen IVR durch freie Sprache und Intent-Erkennung.

Software, die eingehende und ausgehende Anrufe autonom führt — auf Basis von Sprache-zu-Text, einem Sprachmodell zur Antwortfindung und Text-zu-Sprache. Übergibt bei Bedarf an Menschen.

Verzögerung zwischen Sprecherende und Antwort des Assistenten. Unter 700 ms wirkt natürlich, über 1500 ms abgehackt. Setzt sich aus STT, LLM und TTS zusammen.

Großes Sprachmodell (z. B. GPT-4, Claude, Llama) zur Generierung von Antworten. Im Telefonkontext kombiniert mit RAG, um auf unternehmensspezifisches Wissen zuzugreifen.

Komponente, die Anrufer-Sätze in strukturierte Intents und Entities übersetzt ("Termin am Dienstag um 10" → intent=book, slot=dienstag-10). Heute meist von LLMs übernommen.

Architektur, bei der ein LLM vor der Antwort relevante Dokumente aus einer Wissensbasis abruft. Ermöglicht aktuelle, unternehmensspezifische Antworten ohne Modell-Fine-Tuning.

Internet-basierte Telefonleitung, die Rufnummern an den KI-Assistenten weiterleitet. Standard-Protokoll für VoIP. Häufig portiert von bestehenden Anbietern (Telekom, Sipgate, Vodafone).

Vertraglich zugesicherte Dienstgüte: Verfügbarkeit (z. B. 99,9 %), Reaktionszeit, Wiederherstellungszeit. Pflicht für geschäftskritische Setups, oft mit Pönalen bei Verletzung.

Wandelt gesprochene Sprache in Text um. Auch ASR genannt (Automatic Speech Recognition). Qualität entscheidet über Verständnis-Rate; spezialisierte Modelle für Deutsch sind Pflicht.

Wandelt Text in gesprochene Sprache um. Aktuelle neuronale TTS-Systeme klingen nahezu menschlich. Variiert in Latenz, Sprachenauswahl und Stimm-Klonungs-Fähigkeit.

Oberbegriff für KI-Systeme, die Sprache verstehen und sprechen. Umfasst STT, NLU/LLM und TTS. KI-Telefonassistenten sind eine konkrete Anwendung von Voice AI.

Erzeugung einer synthetischen Stimme aus einer Sprachprobe (oft 30 s–10 min). Erlaubt einheitliche Markenstimme. DSGVO- und einwilligungsrechtliche Prüfung erforderlich.

HTTP-Callback, der nach einem Anruf-Event (Anrufende, Termin gebucht) automatisch ein Drittsystem informiert. Wichtigste Integrations-Technik neben Direkt-APIs.