Dieses Glossar erklärt 40 Begriffe der KI-Telefonie in Kurzdefinitionen mit je 40 bis 60 Wörtern. Jede Definition steht für sich und ist über einen eigenen Anker direkt verlinkbar. Die Auswahl umfasst technische und rechtliche Begriffe, dazu die Kostenlogik der Anbieter. Startpunkt für Grundlagen ist der Begriff KI-Telefonassistent.
So nutzen Sie das Glossar der KI-Telefonie
Jeder Begriff hat einen eigenen Anker nach dem Muster #begriff, etwa #rufweiterleitung. Diese Anker lassen sich direkt verlinken, auch von externen Seiten. Wo eine Definition ein Thema nur anreißt, führt ein Verweis zur ausführlichen Seite. Die Reihenfolge ist alphabetisch; verwandte Einträge verweisen aufeinander, sodass sich das Feld auch quer lesen lässt. Wer ohne Vorwissen startet, beginnt am besten bei den Einträgen KI-Telefonassistent und Rufweiterleitung.
Sprungnavigation:
- A: AI Act · Anrufbeantworter · Answer-First · ASR (Spracherkennung) · AVV
- B: Barge-in
- C: Callcenter · Combox · Conversational AI
- D: Dialekt-Erkennung · DSGVO · DTMF
- E: Eskalation
- F: Feste Netzansage
- G: GSM-Code
- H: Halluzination
- I: IVR
- K: KI-Anrufbeantworter · KI-Telefonassistent
- L: Latenz · LLM
- M: Mailbox · Minutenpreis
- N: No-Show
- O: Outbound-Anruf
- P: Parallele Anrufe
- R: revDSG · Rufweiterleitung
- S: SIP/VoIP · SLA · Sprachbox · Spracherkennungsrate
- T: Telefonservice · Text-to-Speech (TTS) · Transkript · Transparenzpflicht
- V: Voice Agent · Voicebot
- W: Wissensbasis
- Z: Zusammenfassung (E-Mail)
A
AI Act
Anrufbeantworter
Ein Anrufbeantworter zeichnet Nachrichten auf, wenn niemand abhebt. Er führt kein Gespräch: Der Anrufer hört eine Ansage und kann aufsprechen, mehr passiert nicht. Viele legen an dieser Stelle auf, ohne eine Nachricht zu hinterlassen. Die Weiterentwicklung, die Anliegen versteht und beantwortet, beschreibt der Eintrag KI-Anrufbeantworter.
ASR (Spracherkennung)
ASR steht für Automatic Speech Recognition, die automatische Spracherkennung. Sie wandelt gesprochene Sprache in Text um und bildet die erste Stufe jedes KI-Telefonats: Erst wenn das Gesagte als Text vorliegt, kann ein Sprachmodell das Anliegen erfassen. Wie gut das gelingt, misst die Spracherkennungsrate.
AVV
Der Auftragsverarbeitungsvertrag (AVV) regelt nach Art. 28 DSGVO, wie ein Dienstleister personenbezogene Daten im Auftrag eines Unternehmens verarbeitet. Wer einen KI-Telefonassistenten einsetzt, braucht einen AVV mit dem Anbieter, weil dieser Anruferdaten wie Namen und Rückrufnummern verarbeitet. Seriöse Anbieter stellen den Vertrag ohne Aufforderung bereit.
B
Barge-in
Barge-in bezeichnet die Fähigkeit eines Sprachsystems, Unterbrechungen zuzulassen: Der Anrufer darf ins Wort fallen, das System stoppt die eigene Ausgabe und reagiert auf die neue Eingabe. Ohne Barge-in müssen Anrufer jede Ansage bis zum Ende anhören. Für Gespräche, die natürlich wirken sollen, gilt die Funktion als Grundvoraussetzung.
C
Callcenter
Ein Callcenter ist ein Betrieb, in dem Mitarbeiter Telefonate für ein oder mehrere Unternehmen führen, eingehend oder ausgehend. Für KMU relevant ist die Kleinform, der externe Telefonservice mit Abrechnung pro Anruf. KI-Systeme übernehmen dort zunehmend die Standardgespräche, während komplexe Fälle bei Menschen bleiben.
Combox
Combox ist der Produktname der netzeigenen Sprachbox von Swisscom, also des Anrufbeantworters im Schweizer Netz. Anrufer können dort Nachrichten hinterlassen, ein Gespräch findet nicht statt. Wer stattdessen eine KI antworten lassen will, ersetzt die Combox per Rufweiterleitung (interner Link: „Rufweiterleitung bei Swisscom einrichten").
Conversational AI
Conversational AI ist der Oberbegriff für KI-Systeme, die mit Menschen in natürlicher Sprache kommunizieren, per Text oder per Stimme. Dazu zählen Chatbots ebenso wie Voicebots. Die Systeme kombinieren Spracherkennung mit einem Sprachmodell und formulieren ihre Antworten frei, statt ein starres Menü mit festen Ansagen abzuspielen.
D
Dialekt-Erkennung
Dialekt-Erkennung beschreibt, wie gut eine Spracherkennung regionale Färbungen versteht, etwa Schweizerdeutsch oder bairische Mundart. Für den DACH-Raum ist das ein hartes Qualitätskriterium: Ein System, das nur klares Hochdeutsch versteht, scheitert an vielen Anrufern. Was das für die Schweiz bedeutet, zeigt die Dialekt-Seite (interner Link: „KI-Telefonassistent und Schweizerdeutsch").
DSGVO
Die Datenschutz-Grundverordnung (DSGVO) regelt seit Mai 2018 die Verarbeitung personenbezogener Daten in der EU. Für die KI-Telefonie heißt das: Anrufer müssen über die Verarbeitung informiert werden, und mit dem Anbieter ist ein AVV zu schließen. Serverstandort und Löschfristen gehören in jede Anbieterprüfung.
DTMF
DTMF (Dual-Tone Multi-Frequency) ist das Tonwahlverfahren: Jede Taste am Telefon erzeugt einen eigenen Doppelton, den die Gegenstelle auswertet. Klassische Sprachmenüs nutzen DTMF für die Auswahl per Tastendruck. Moderne KI-Assistenten brauchen keine Tastenwahl mehr, verstehen die Töne aber weiterhin, etwa für Durchwahlen oder PIN-Eingaben.
E
Eskalation
Eskalation bezeichnet die geregelte Übergabe eines Gesprächs von der KI an einen Menschen. Auslöser sind definierte Fälle wie Notfälle oder Anliegen außerhalb der Wissensbasis. Ein gutes System erfindet dann keine Antwort, sondern stellt durch oder nimmt eine Rückrufnotiz auf. Das Stufenmodell beschreibt der Beitrag zur KI-Sekretärin (interner Link: „Eskalations-Modell von Mensch und KI").
F
Feste Netzansage
Eine feste Netzansage ist eine Ansage im Netz des Telefonanbieters, die Anrufern vorgespielt wird, ohne dass sie eine Nachricht hinterlassen können, etwa ein Hinweis auf Öffnungszeiten. Sie ersetzt die Mailbox dort, wo keine Aufzeichnung gewünscht ist. Formulierungshilfen für Ansagetexte bietet der Generator (interner Link: „Ansagen für den Anrufbeantworter formulieren").
G
GSM-Code
GSM-Codes sind standardisierte Steuerbefehle, die wie eine Rufnummer gewählt werden und Netzfunktionen schalten. Für die KI-Telefonie zählt vor allem die Rufweiterleitung: *21*Zielnummer# leitet dauerhaft um, ##21# schaltet die Umleitung wieder ab. Die Codes gehören zum GSM-Standard und funktionieren netzübergreifend im gesamten DACH-Raum.
H
Halluzination
Als Halluzination bezeichnet man erfundene Angaben eines Sprachmodells, die überzeugend klingen. Am Telefon wäre das etwa ein zugesagter Termin, der nie im Kalender landet. Anbieter begrenzen das Risiko, indem der Assistent nur aus der hinterlegten Wissensbasis antwortet und bei Unsicherheit an einen Menschen eskaliert.
I
IVR
IVR (Interactive Voice Response) ist das klassische Sprachmenü: Ansagen wie „Drücken Sie die 1" verteilen Anrufer per Tastendruck oder Einzelwort auf feste Ziele. Ein IVR versteht keine frei formulierten Anliegen und löst sie nicht selbst. Genau darin liegt der Unterschied zum KI-Telefonassistenten.
K
KI-Anrufbeantworter
Ein KI-Anrufbeantworter nimmt Anrufe an, wenn der Betrieb nicht abhebt, und führt ein echtes Gespräch, statt nur aufzuzeichnen. Er beantwortet Standardfragen und dokumentiert jedes Anliegen per E-Mail. Der Begriff betont den Ersatz der Mailbox; die Produktseite zeigt den Einsatz im Betrieb (interner Link: „KI-Anrufbeantworter für KMU").
KI-Telefonassistent
Ein KI-Telefonassistent ist eine Software, die im Namen eines Betriebs telefoniert. Sie nimmt Anrufe rund um die Uhr an und bucht Termine direkt im Kalender; angebunden wird sie per Rufweiterleitung an die vorhandene Nummer. Die ausführliche Definition liefert der Grundlagenbeitrag (interner Link: „was ein KI-Telefonassistent ist").
L
Latenz
Latenz ist die Verzögerung zwischen dem Ende einer Äußerung und der Antwort des Systems. Am Telefon entscheidet sie über die Gesprächsqualität: Pausen deutlich unter einer Sekunde wirken natürlich, längere wie eine gestörte Leitung. Die Latenz lässt sich in jedem Testanruf ohne Messtechnik beurteilen, einfach durch Zuhören.
LLM
Ein LLM (Large Language Model) ist ein großes Sprachmodell, das Text versteht und erzeugt. In der KI-Telefonie arbeitet es als Gehirn des Assistenten: Es erkennt das Anliegen im transkribierten Gespräch und formuliert die Antwort, die eine synthetische Stimme ausspricht. Die Gesprächslogik entsteht also im Modell, nicht in starren Skripten.
M
Mailbox
Die Mailbox ist der netzseitige Anrufbeantworter des Telefonanbieters. Nach einer Ansage können Anrufer eine Nachricht hinterlassen, die der Anschlussinhaber später abhört. Für Betriebe ist das verlustreich, weil viele Anrufer nicht aufsprechen, sondern beim nächsten Anbieter anrufen. Je nach Netz heißt die Mailbox auch Sprachbox oder Combox.
Minutenpreis
Der Minutenpreis ist der Betrag, der pro Gesprächsminute anfällt, sobald die Inklusivminuten eines Plans verbraucht sind. Er beeinflusst die Monatskosten häufig stärker als die Grundgebühr. In der Schweiz sind rund 0.39 Franken pro Minute üblich. Eine Beispielrechnung zeigt der Kostenbeitrag (interner Link: „was ein KI-Telefonassistent kostet").
N
No-Show
No-Show bezeichnet einen Kunden oder Patienten, der einen gebuchten Termin ohne Absage verstreichen lässt. Terminausfälle kosten Praxen und Dienstleister bares Geld, weil die Zeit nicht neu vergeben werden kann. KI-Assistenten senken das Risiko, indem sie Absagen jederzeit telefonisch annehmen und frei gewordene Termine sofort neu vergeben.
O
Outbound-Anruf
Ein Outbound-Anruf ist ein ausgehender Anruf, den das System selbst startet, etwa eine Terminerinnerung oder ein Rückruf nach verpasstem Kontakt. Das Gegenstück ist der eingehende Inbound-Anruf. Für automatisierte Outbound-Anrufe gelten engere rechtliche Grenzen; Werbeanrufe bei Verbrauchern sind ohne Einwilligung unzulässig (UWG).
P
Parallele Anrufe
Parallele Anrufe bezeichnen die Fähigkeit eines Systems, mehrere Gespräche gleichzeitig zu führen. Eine Software kennt anders als eine einzelne Bürokraft kein Besetztzeichen: Rufen fünf Kunden gleichzeitig an, finden fünf Gespräche statt. Für Betriebe mit Stoßzeiten ist das der messbarste Vorteil gegenüber menschlicher Anrufannahme.
R
revDSG
Das revDSG ist das revidierte Datenschutzgesetz der Schweiz, in Kraft seit dem 1. September 2023. Es verlangt wie die DSGVO Transparenz gegenüber betroffenen Personen und Verträge mit Auftragsbearbeitern. Schweizer Betriebe prüfen beim KI-Anbieter auch den Serverstandort und die Zulässigkeit einer Datenübermittlung ins Ausland.
Rufweiterleitung
Die Rufweiterleitung leitet eingehende Anrufe an eine andere Nummer um, wahlweise dauerhaft oder nur in Fällen wie Nichtannahme. Sie ist der Standardweg, einen KI-Assistenten an die vorhandene Nummer anzubinden; die Rufnummer bleibt beim bisherigen Anbieter. Die Einrichtung dauert Minuten (interner Link: „Rufweiterleitung einrichten").
S
SIP/VoIP
VoIP (Voice over IP) ist Telefonie über das Internet; SIP ist das Protokoll, das die Verbindungen dafür auf- und abbaut. Praktisch alle KI-Telefonassistenten arbeiten auf dieser Basis. Für den Betrieb heißt das: Eine Rufweiterleitung genügt, spezielle Hardware oder eine neue Telefonanlage sind nicht nötig.
SLA
Ein SLA (Service Level Agreement) ist eine vertragliche Zusage zur Dienstqualität, in der Telefonie vor allem zur Verfügbarkeit, zum Beispiel 99,9 %. Entscheidend ist der Unterschied zwischen Werbeaussage und vertraglich zugesicherter Größe mit Folgen bei Unterschreitung. CallButler nennt das SLA in jedem Plan (interner Link: „Pläne mit vertraglichem SLA").
Sprachbox
Sprachbox ist der Name der netzseitigen Mailbox bei mehreren Anbietern, in Deutschland etwa bei der Telekom. Anrufer hinterlassen Nachrichten, die der Anschlussinhaber abruft. Wie jede Mailbox nimmt die Sprachbox Anliegen nur entgegen, statt sie zu lösen. Wie sie sich umleiten lässt, zeigt die Telekom-Anleitung (interner Link: „Rufweiterleitung bei der Telekom").
Spracherkennungsrate
Die Spracherkennungsrate gibt an, welcher Anteil des Gesagten korrekt in Text umgewandelt wird; das Gegenstück ist die Wortfehlerrate. Herstellerangaben entstehen oft unter Laborbedingungen und sagen wenig über laute Umgebungen oder Dialekt aus. Aussagekräftiger als jede Prozentzahl ist deshalb ein eigener Testanruf mit realistischem Anliegen.
T
Telefonservice
Ein Telefonservice ist ein externes Sekretariat: Mitarbeiter des Dienstleisters nehmen Anrufe im Namen des Betriebs an und senden Gesprächsnotizen. Abgerechnet wird pro Anruf, marktüblich 0,59 bis 1,79 €, oft mit Grundgebühr. Den Vergleich zwischen menschlichem Service und KI zieht die Übersichtsseite (interner Link: „Telefonservice im Vergleich").
Text-to-Speech (TTS)
Text-to-Speech ist die Sprachsynthese: Sie wandelt den Antworttext des Sprachmodells in eine hörbare Stimme um. Moderne TTS-Stimmen klingen natürlich, mit Betonung und Sprechpausen. Qualitätsunterschiede zeigen sich bei Eigennamen und Zahlen; gute Systeme sprechen auch eine Rufnummer in verständlichem Tempo, Ziffer für Ziffer.
Transkript
Ein Transkript ist die Verschriftlichung eines Gesprächs, wortgetreu oder leicht geglättet. KI-Telefonassistenten erzeugen Transkripte automatisch; der Betrieb kann jedes Gespräch nachlesen, statt sich auf Notizen zu verlassen. Datenschutzrechtlich zählen Transkripte zu personenbezogenen Daten; sie fallen unter den AVV und vereinbarte Löschfristen.
Transparenzpflicht
Die Transparenzpflicht verlangt, dass Menschen erfahren, wenn sie mit einer KI interagieren. Der EU AI Act schreibt das für KI-Telefonate ab dem 2. August 2026 verbindlich vor; seriöse Systeme geben sich schon heute zu Gesprächsbeginn zu erkennen. Die Folgen für Betriebe erklärt der Rechtsbeitrag (interner Link: „EU AI Act für KI-Anrufe").
V
Voice Agent
Voice Agent ist der englische Fachbegriff für einen KI-Sprachagenten, der Telefonate selbstständig führt und dabei Aufgaben erledigt, etwa Termine bucht. Der Begriff betont die Handlungsfähigkeit: Ein Agent löst Anliegen, statt nur zu antworten. Im deutschsprachigen Markt werden Voice Agent und KI-Telefonassistent weitgehend deckungsgleich verwendet.
Voicebot
Ein Voicebot ist ein Sprachdialogsystem, das gesprochene Anliegen versteht und in natürlicher Sprache antwortet. Er ist der Oberbegriff; der KI-Telefonassistent ist die auf Betriebe spezialisierte Ausprägung mit Kalender und Betriebswissen. Grundlagen und Beispiele liefert der Überblicksbeitrag (interner Link: „was ein Voicebot ist").
W
Wissensbasis
Die Wissensbasis ist die Sammlung der Informationen, aus denen der Assistent antwortet, etwa Öffnungszeiten und Terminregeln des Betriebs. Sie begrenzt zugleich das Halluzinationsrisiko, weil das System nur zusagt, was hinterlegt ist. Gepflegt wird sie ohne Programmierkenntnisse; Änderungen wirken sofort auf das nächste Gespräch.
Z
Zusammenfassung (E-Mail)
Die Zusammenfassung ist die automatische E-Mail nach jedem Gespräch, mit dem Anliegen und der Rückrufnummer, dazu ein gebuchter Termin, falls vorhanden. Sie ersetzt das Abhören einer Mailbox: Der Betrieb überfliegt morgens die Nachrichten der Nacht. Viele Anbieter legen das vollständige Transkript bei.
Andreas Hächler, CMO CallButler