Wie Unternehmen Voice-KI-Agenten vom Prototyp in die Produktion überführen

Nov 18, 2026
7 minute read
Person viewing a customer profile and audio playback waveform on a desktop monitor, with a headset on a stand beside the keyboard.

Voice AI agents are moving beyond customer conversations to handle business transactions, where reliable integrations and human oversight are essential for successful deployment. Image generated via ChatGPT

eWeek Inhalte und Produktempfehlungen sind redaktionell unabhängig. Wir können Geld verdienen, wenn Sie auf Links zu unseren Partnern klicken. Mehr erfahren

Ein Voice-KI-Agent kann selbstsicher die Änderung eines Termins bestätigen, die das Planungssystem niemals erfasst. Der Anrufer hört, dass die Anfrage abgeschlossen ist, doch die ursprüngliche Buchung bleibt unverändert. Ein überzeugendes Gespräch ist kein Ersatz für eine abgeschlossene Transaktion.

Unternehmen setzen Voice-Agenten inzwischen für Anfragen ein, die Kundendaten, Zahlungen und Terminplanung betreffen. Produktionsreife hängt von autorisierten Aktionen, der Wiederherstellung nach Fehlern und zuverlässigen Übergaben an Menschen ab. IT- und Customer-Experience-Teams müssen außerdem abgeschlossene Transaktionen überprüfen und die Leistung unter realem Anrufaufkommen überwachen.

Voice-KI entwickelt sich von Antworten zu Transaktionen

Advertisement

Die Studie von RingCentral und G2 für 2026 ergab, dass 57 % der von Voice-KI-Agenten befragten Entscheidungsträger von aktiven agentischen Voice-KI-Bereitstellungen berichteten. Die 359 Befragten kamen aus sprachzentrierten Organisationen, die KI bereits erwogen, evaluierten oder einsetzten. Die Zahl beschreibt daher eine ausgewählte Gruppe und nicht die Akzeptanz in Unternehmen insgesamt.

Eine separate Studie von AVOXI und Metrigy ergab, dass 55 % von 200 multinationalen IT- und Customer-Experience-Führungskräften Voice-KI einsetzten. Unter den Anwendern nutzten 69 % die Technologie für Transaktionen wie Zahlungen und Anfragen zum Bestellstatus. Beide Studien wurden von Anbietern gesponsert und verwendeten unterschiedliche Stichproben; ihre Prozentsätze sollten daher nicht direkt miteinander verglichen werden.

Transaktionsbezogene Arbeit erhöht die Anforderungen. Eine Buchung zu ändern, erfordert Identitätsprüfungen, Zugriff auf den richtigen Datensatz und die Bestätigung, dass die Aktualisierung erfolgreich war.

Advertisement

Produktive Bereitstellungen liefern unterschiedliche Arten von Belegen

In einer Fallstudie von Google Cloud berichtete Bell Canada von mehr als fünf Millionen Interaktionen mit seinem virtuellen Sprachassistenten. Separat meldete das Unternehmen über 16 Millionen Chat-Interaktionen, von denen mehr als die Hälfte autonom gelöst wurde. Diese Lösungsquote bezieht sich auf Chat, nicht auf Sprache.

„Daten sind entscheidend, um wirklich autonome und zuverlässige Ergebnisse zu erzielen“, sagte Hadeer Hassaan, Bells Chief Information and Customer Experience Officer. Präzise Kundendaten helfen Agenten, Anfragen zuverlässig abzuschließen.

Ein von McKinsey beschriebenes Versorgungsunternehmen bearbeitet jährlich mehr als sieben Millionen Supportanrufe. KI-Agenten übernehmen etwa 40 % der Anrufe und lösen mehr als 80 % davon ohne menschliche Unterstützung. McKinsey berichtete außerdem von rund 50 % niedrigeren durchschnittlichen Kosten pro Anruf und einer Verbesserung der Kundenzufriedenheit um sechs Prozentpunkte.

Advertisement

Bells Zahlen zeigen das Bereitstellungsvolumen, während die Ergebnisse des Versorgungsunternehmens auch Lösungsquote, Kosten und Zufriedenheit abdecken. Käufer sollten für ihre eigenen Anwendungsfälle vergleichbare Kennzahlen anfordern, statt Interaktionszahlen als Erfolgsnachweis zu betrachten.

Architekturentscheidungen beeinflussen Latenz und Kontrolle

Produktive Voice-Agenten benötigen Echtzeit-Audio, Sprecherwechselerkennung, Unterbrechungsbehandlung und Geschäftsintegrationen. Die Audioübertragung transportiert das Gespräch, während die Orchestrierung Antworten und autorisierte Aktionen koordiniert.

Die technische Dokumentation von LiveKit beschreibt modulare Sprachpipelines, Sprachmodelle in Echtzeit und hybride Konfigurationen:

  • Modulare Pipeline: Separate Speech-to-Text-(STT)-, Large-Language-Model-(LLM)- und Text-to-Speech-(TTS)-Dienste bieten Entwicklern mehr Auswahl bei den Anbietern und Einblick in Fehler, führen aber zusätzliche Verarbeitungsschritte ein.
  • Native Speech-to-Speech-Verarbeitung: Ein Echtzeitmodell verarbeitet Audio direkter, wodurch sich Verzögerungen potenziell verringern und stimmliche Nuancen erhalten lassen. Das Update der Realtime API von OpenAI veranschaulicht diesen Ansatz, auch wenn sich einzelne Fehler schwerer isolieren lassen.
  • Hybride Architektur: Teams kombinieren die Audioverarbeitung in Echtzeit mit separaten Komponenten, etwa für die Sprachgenerierung, um Reaktionsfähigkeit und Kontrolle auszubalancieren.
Advertisement

Ein Modellwechsel behebt nicht jede langsame Antwort. Microsofts Leitfaden zur Überwachung von Voice-Agenten unterscheidet zwischen Verzögerungen bei Erkennung, Sprecherwechselerkennung, Modellverarbeitung, Sprachgenerierung und externen API-Aufrufen. Wenn ein Agent jemanden beim Vorlesen einer Kontonummer unterbricht, kann die Sprecherwechselerkennung verantwortlich sein. Dauert die Bestätigung einer Buchung zu lange, könnte die Terminplanungs-API der Engpass sein.

Teams sollten die Verzögerung zwischen den letzten Worten des Anrufers und der ersten hörbaren Antwort messen und langsamere Anrufe nach Verarbeitungsstufe untersuchen. Streaming kann die Reaktionsfähigkeit verbessern, doch ein Agent darf eine abgeschlossene Transaktion nicht ankündigen, bevor das zugrunde liegende System sie bestätigt.

Zuverlässigkeit an echten Anrufen testen, nicht an Demo-Skripten

Echte Anrufer unterbrechen, sprechen mit unterschiedlichen Akzenten und telefonieren aus geräuschvollen Umgebungen. Im τ-Voice-Benchmark 2026 testeten Forscher Voice-Agenten anhand von 278 Aufgaben mit simulierten Anrufern. Die getesteten Agenten erledigten unter sauberen Bedingungen 31–51 % der Aufgaben und unter Bedingungen mit Geräuschen und unterschiedlichen Akzenten 26–38 %. Die Ergebnisse gelten für die getesteten Systeme, nicht für jeden kommerziellen Voice-Agenten.

Verbesserungen bei konversationeller Voice-KI in Echtzeit können Antworten natürlicher machen, doch flüssige Sprache belegt nicht, dass eine geschäftliche Anfrage erfolgreich war. Ein Integrationsfehler kann die Aktualisierung eines Datensatzes verhindern, selbst wenn die Antwort des Agenten korrekt klingt.

Advertisement

Testen Sie Unterbrechungen, falsche Kennungen, Ausfälle, Geräusche und Übergaben. Spielen Sie nach Änderungen an Prompts, Modellen oder Integrationen repräsentative Anrufe erneut ab und überprüfen Sie die Geschäftsdaten. Überwachen Sie das System auch nach dem Start weiter.

Integrationen und Verantwortlichkeiten bestimmen die Skalierbarkeit

Telefonische Bereitstellungen müssen sich mit dem öffentlichen Telefonnetz (PSTN) verbinden, häufig über das Session Initiation Protocol (SIP), und mit vorhandener Contact-Center-Software funktionieren. Der Leitfaden von LiveKit zur direkten Übergabe beschreibt, wie ein menschlicher Mitarbeiter vor der Verbindung mit einem Anrufer informiert wird. Teams benötigen außerdem einen Fallback, falls diese Übergabe fehlschlägt.

In einer Diskussion von McKinsey im Februar 2026 bezeichnete Replicant-CEO Gadi Shamia fehlende Transaktions-APIs als Automatisierungsbarriere. Fehlende oder unzuverlässige Transaktions-APIs können verhindern, dass ein Agent Anfragen über die vorgesehene Integration abschließt.

Die Geografie bringt eine weitere Einschränkung mit sich. Der Leitfaden von LiveKit zur regionalen Bereitstellung behandelt die Platzierung der Agentenverarbeitung näher bei den Nutzern. Unternehmen sollten jedoch den gesamten Pfad testen, einschließlich Sprachmodellen, Geschäfts-APIs und Backup-Regionen. Einen Telefonendpunkt näher an einen Anrufer zu verlagern, beseitigt keine Verzögerungen durch eine entfernte Kundendatenbank.

Advertisement

Hosting-Entscheidungen bestimmen, wer Kapazität und Wiederherstellung verwaltet. Die Dokumentation von LiveKit vergleicht den verwalteten Cloud-Service mit selbst gehosteten Bereitstellungen, bei denen Kunden ihre eigene Infrastruktur betreiben und skalieren. Verwaltete Dienste können den Betriebsaufwand senken, während Self-Hosting mehr Kontrolle bietet, aber eine dedizierte Wartung erfordert. Beziehen Sie diese Verantwortlichkeiten in den Kostenvergleich und den Infrastrukturbedarf für die Skalierung von KI-Agenten ein.

Sicherheit und menschliche Aufsicht bleiben unverzichtbar

In derselben Studie von AVOXI und Metrigy nannten 61 % Sicherheits- und Compliance-Bedenken als Hindernisse für die globale Ausweitung von Voice-KI, während 51 % Datensouveränität und Datenschutz anführten. Unternehmen benötigen Identitätsprüfungen, eingeschränkte Systemberechtigungen, Transaktionsprotokolle, Regeln zur Aufbewahrung von Aufzeichnungen und klare Genehmigungsgrenzen für sensible Aktionen.

Menschliche Unterstützung muss weiterhin zugänglich sein. Eine aktuelle Gartner-Umfrage unter 3.566 Kunden ergab, dass 87 % den Zugang zu einer Person für unverzichtbar hielten, wenn Unternehmen generative KI im Kundenservice einsetzen. Obwohl sich die Untersuchung nicht speziell auf Sprache bezog, spricht sie dafür, Übergaben anzubieten, bei denen verifizierte Details erhalten bleiben, statt Anrufer zum erneuten Beginn zu zwingen.

Advertisement

Fünf Schritte vom Pilotprojekt zur Produktion

In der Diskussion von McKinsey betonte Partner Eric Buesing, die Initiative vollständig zu finanzieren und die richtigen Talente mit ihrer Leitung zu betrauen. Unternehmen können diese Disziplin in fünf Stufen umsetzen:

  1. Eine klar begrenzte Anfrage auswählen. Beginnen Sie mit der Bestätigung oder Umbuchung von Terminen. Legen Sie Ausgangswerte für Lösungsquote, erneute Kontakte, Zufriedenheit und Kosten fest. Definieren Sie Erfolg anhand des resultierenden Datensatzes, nicht danach, ob der Agent ausgeredet hat.
  2. Berechtigungen begrenzen und Systeme verbinden. Überprüfen Sie die Identität, gewähren Sie nur die erforderlichen API-Berechtigungen und verhindern Sie, dass Wiederholungsversuche doppelte Buchungen oder Zahlungen erzeugen.
  3. Anrufe und Fehlerpfade testen. Beziehen Sie verrauschtes Audio, Unterbrechungen, falsche Angaben, Ausfälle und Bitten um einen menschlichen Ansprechpartner ein. Prüfen Sie Tool-Fehler und ob der Agent Unsicherheit anerkennt.
  4. Schrittweise starten. Überwachen Sie Antwortverzögerungen, fehlgeschlagene Aktionen, Übergaben und abgebrochene Anrufe. Halten Sie einen getesteten Fallback vor und führen Sie Szenarien nach wesentlichen Änderungen erneut aus.
  5. Auf verifizierten Ergebnissen aufbauen. Vergleichen Sie abgeschlossene Aufgaben, erneute Kontakte und Übergaben mit den Ausgangswerten des Pilotprojekts. Bewerten Sie regionale Latenz, Kapazität, Datenschutzpflichten und Kosten neu, bevor Sie weitere Märkte oder mehr Datenverkehr hinzufügen.
Advertisement

ROI anhand verifizierter Lösungen messen

RingCentral und G2 stellten fest, dass 82 % der Führungskräfte mit produktiven Bereitstellungen, die ihre Rendite bewerteten, von einem positiven ROI berichteten. Dabei handelte es sich um Selbsteinschätzungen, nicht um geprüfte Einsparungen. 

Auch das Beispiel des Versorgungsunternehmens von McKinsey wies niedrigere durchschnittliche Kosten pro Anruf aus, was nicht unbedingt niedrigere Kosten für die Lösung von Kundenproblemen bedeutet.

Unternehmen sollten den ROI anhand vergleichbarer Anfragearten und einheitlicher Messzeiträume bewerten. Die folgenden Kennzahlen helfen dabei, erfolgreiche Automatisierung von Anrufen zu unterscheiden, die lediglich ohne menschliche Unterstützung enden.

Kennzahl

Messmethode

Worauf zu achten ist

Verifizierte LösungsquoteTeilen Sie bestätigte, erfolgreich abgeschlossene Anfragen durch die für eine Bearbeitung durch KI geeigneten Anfragen.Agenten melden Erfolg, ohne die Geschäftsdaten zu aktualisieren.
Quote erneuter KontakteErfassen Sie Kunden, die sich innerhalb eines festgelegten Zeitraums wegen desselben Problems erneut melden.Die Automatisierung nimmt zu, doch ungelöste Probleme erzeugen mehr Anrufe.
Erfolg menschlicher ÜbergabenMessen Sie abgeschlossene Übergaben, bei denen der Kundenkontext erhalten bleibt.Fehlgeschlagene Übergaben oder Kunden, die Informationen wiederholen müssen.
KundenzufriedenheitVergleichen Sie Zufriedenheitswerte nach dem Anruf für ähnliche Anfragen.Sinkende Zufriedenheit trotz niedrigerer Kosten.
Kosten pro verifizierter LösungTeilen Sie die gesamten Betriebs- und Nacharbeitskosten durch die bestätigten Lösungen.Niedrigere Kosten pro Anruf ohne entsprechende Einsparungen pro gelöstem Problem.
Advertisement

Fazit: Prüfen, was nach dem Anruf geschieht

Der Erfolg einer Voice-KI-Bereitstellung hängt davon ab, was nach dem Ende des Gesprächs geschieht. Unternehmen müssen bestätigen, dass Termine aktualisiert, Transaktionen abgeschlossen und bei menschlichen Übergaben die bereits bereitgestellten Informationen erhalten wurden. Ohne diese Prüfungen können hohe Automatisierungsquoten ungelöste Anfragen und operative Fehler verbergen.

Auch die finanziellen Auswirkungen verdienen eine genauere Betrachtung. Niedrigere Kosten pro Anruf können vielversprechend wirken, doch erneute Kontakte, fehlgeschlagene Transaktionen und zusätzliche menschliche Eingriffe können diese Einsparungen schmälern. Der Vergleich verifizierter Lösungen, der Kundenzufriedenheit und der gesamten Betriebskosten für ähnliche Anfragen vermittelt Entscheidungsträgern ein klareres Bild davon, ob die Automatisierung einen Mehrwert liefert.

Bevor Unternehmen in neue Märkte expandieren oder mehr Anrufe bearbeiten, sollten sie Leistungsschwellen festlegen und testen, wie sich Agenten bei höherem Datenverkehr und Systemänderungen verhalten. Verschlechtern sich die Ergebnisse, sollten Teams das zugrunde liegende Problem identifizieren, die betroffene Integration verbessern oder komplexe Anfragen wieder an menschliche Mitarbeiter übergeben. Die zuverlässige Leistung sollte die Expansion bestimmen, nicht die Zahl der Anrufe, die ein Agent automatisieren kann.

Advertisement

Klare Anweisungen sind auch bei der Arbeit mit und der Überwachung von KI-Systemen wichtig. Lernen Sie praktische Prompting-Techniken mit dem kostenlosen Kurs So sprechen Sie mit KI der The Neuron Academy. Erkunden Sie anschließend weitere KI-Lektionen mit einer siebentägigen kostenlosen Testphase.

Kezia Grace Jungco

Kezia Jungco is a technology writer and researcher specializing in artificial intelligence, data analytics, CRM software, cloud infrastructure, cybersecurity, and emerging business technologies. With more than five years of experience evaluating software platforms and technology solutions, she helps business leaders understand the tools and trends shaping the future of work.

Kezia has extensive hands-on experience testing and analyzing generative AI platforms, chatbots, natural language processing (NLP) tools, CRM systems, and business software. Her work focuses on translating complex technologies into practical insights that help organizations make informed decisions about technology adoption, operational efficiency, and digital transformation.

As a staff writer for TechnologyAdvice, Kezia covers AI innovation, business applications of machine learning, data-driven technologies, cloud computing, cybersecurity, and sales technology. Her background in journalism, research, and education enables her to combine rigorous analysis with clear, accessible reporting for both enterprise and consumer audiences.

Kezia holds a bachelor's degree in Development Communication with a major in Development Journalism from the University of the Philippines Los Baños. She has also completed professional training in artificial intelligence, data privacy, and information security. Her work has been featured in TechnologyAdvice, TechRepublic, eWeek, Datamation, and Selling Signals, where she helps readers navigate a rapidly evolving technology landscape with practical, research-driven guidance.

eWeek Logo

eWeek has the latest technology news and analysis, buying guides, and product reviews for IT professionals and technology buyers. The site's focus is on innovative solutions and covering in-depth technical content. eWeek stays on the cutting edge of technology news and IT trends through interviews and expert analysis. Gain insight from top innovators and thought leaders in the fields of IT, business, enterprise software, startups, and more.

Eigentum von TechnologyAdvice. © 2026 TechnologyAdvice. Alle Rechte vorbehalten

Werbetreibenden-Offenlegung: Einige der auf dieser Website erscheinenden Produkte stammen von Unternehmen, von denen TechnologyAdvice eine Vergütung erhält. Diese Vergütung kann beeinflussen, wie und wo Produkte auf dieser Website erscheinen, einschließlich beispielsweise der Reihenfolge, in der sie erscheinen. TechnologyAdvice schließt nicht alle Unternehmen oder alle auf dem Marktplatz verfügbaren Produkttypen ein.