Bei Starlink beantwortet Grok Voice nach Angaben des Anbieters an Werktagen rund 20.000 Kundenanrufe, von denen etwa 70 Prozent ohne menschliche Hilfe abgeschlossen würden.

Erst kostenlos reinschnuppern, dann entscheiden

Bevor du dich für eine Weiterbildung entscheidest, sieh dir kostenlos an, wie sie läuft, fünf Lektionen plus Live-Demo, ohne Verpflichtung. Passt es, ist der Digitalisierungsmanager bei bewilligtem Bildungsgutschein für dich kostenlos.

Kostenlos reinschnuppern

Der Schnupperkurs ist gratis. Ob die Weiterbildung über den Bildungsgutschein gefördert wird, entscheidet die Agentur für Arbeit im Einzelfall.

Ein Modell für das Gespräch in Echtzeit

Vorgestellt hat der Anbieter Grok Voice 3.0 in einem Beitrag auf X vom 14. Oktober 2026, heise berichtete am 15. Oktober. Es ist ein Modell für Sprachdialoge in Echtzeit, also „Speech to Speech“: Gesprochenes geht hinein, Gesprochenes kommt heraus. Laut heise soll es vor allem komplexe Kundendienstanfragen zuverlässiger selbstständig bearbeiten. Dazu soll es natürlicher auf Pausen und Unterbrechungen reagieren und im Schnitt nach weniger als einer Sekunde zu sprechen beginnen.

Für Betriebe in Deutschland ist eine Angabe aus der Entwicklerdoku wichtig. Das Modell unterstützt demnach mehr als 20 Sprachen, darunter Deutsch. Die Eingabesprache erkennt es laut Doku selbst und antwortet in derselben Sprache.

Uneinheitlich ist der Name des Anbieters. Der Beitrag auf X kommt vom Konto SpaceX Super Intelligence, die Entwicklerdoku heißt SpaceXSI Docs, und heise schreibt SpaceXAI.

Mit dem Baukastenwerkzeug für Telefonassistenten befasst sich ein früherer Beitrag über den Grok Voice Agent Builder für kleine und mittlere Betriebe.

Vorn im Gesamtindex, Platz zwei im Kundendienst-Test

Die unabhängige Messung stammt von Artificial Analysis. Im Speech-to-Speech-Index erreicht Grok Voice 3.0 dort 86,9, der Vorgänger Grok Voice 2.0 kam auf 81,3. Laut heise folgen GPT-Live-1 von OpenAI mit 83,2 und Gemini 3.8 Live von Google mit 82,6. Näher am Alltag eines Kundendienstes liegt der Test τ-Voice, der mit simulierten Kundendienstgesprächen arbeitet. Hier kommt das neue Modell laut Artificial Analysis auf 71,6 Prozent, der Vorgänger auf 56,5 Prozent. Vorn liegt in diesem Test laut heise allerdings GPT-Live-1 (Astra, Medium) mit 74,5 Prozent, Grok Voice 3.0 folgt auf Platz zwei. Bei der Aufgabenerfüllung misst Artificial Analysis 94,8 Prozent, beim Vorgänger waren es 94,6 Prozent, laut heise liegt das neue Modell damit „nur knapp vor dem Vorgänger“.

Bei der Antwortzeit war der eigene Vorgänger schneller. Bis zur ersten Sprachausgabe vergehen laut Artificial Analysis im Schnitt 0,81 Sekunden, Grok Voice 2.0 lag bei 0,70 Sekunden. Die verglichenen Spitzenkonfigurationen von OpenAI und Google brauchen laut heise etwa 1,3 Sekunden. In Blindtests mit Menschen landet Grok Voice 3.0 laut heise auf Rang drei, hinter zwei Gemini-Modellen.

Der Spitzenplatz gilt damit für den Gesamtindex. In mehreren Einzeldisziplinen sieht die Reihenfolge anders aus.

Gleicher Preis, Vorgänger als veraltet markiert

Am Preis ändert sich laut Preisseite des Anbieters nichts. Grok Voice 3.0 kostet 0,08 US-Dollar je Minute (4,80 US-Dollar je Stunde) und 0,004 US-Dollar je Texteingabe, genau wie Grok Voice 2.0. Im Kostenvergleich von Artificial Analysis liegt das laut heise im Mittelfeld der fünf bestplatzierten Sprachmodelle.

Wer in der Schnittstelle das Kürzel grok-voice-latest nutzt, läuft laut Entwicklerdoku bereits auf Grok Voice 3.0. Schnittstelle und Sitzungsparameter bleiben demnach unverändert, die Ereignisse ebenso. Grok Voice 2.0 ist in der Doku als veraltet („deprecated“) markiert. Wer einen Telefonassistenten über einen Dienstleister betreibt, sollte aus unserer Sicht nachfragen, welche der beiden Versionen dort gerade läuft.

Offen bleibt, wo die Sprachdaten verarbeitet werden. Die Preisseite nennt für die Abrechnung von Tokens nur einen Regionalendpunkt in den USA, und aus Preisseite und Entwicklerdoku geht der Ort der Verarbeitung nicht hervor.

Die Praxiszahlen stammen vom Anbieter

Für den Einsatz im Alltag verweist der Anbieter auf eigene Beispiele. Laut Anbieter laufen täglich Millionen Gespräche in Tesla-Fahrzeugen über Grok Voice, außerdem der Sprachmodus von Grok Bot. Bei Starlink soll der Agent technische Probleme beheben und Gutschriften erteilen, auch Ersatzlieferungen soll er veranlassen.

Die Zahlen zu Starlink, rund 20.000 Kundenanrufe an Werktagen und davon etwa 70 Prozent ohne menschliche Hilfe, sind Angaben des Anbieters über einen eigenen Einsatz. Unabhängig geprüft sind sie nicht.

Unsere Einschätzung

Für kleine Betriebe wird ein Sprachagent am Telefon dann interessant, wenn Anrufe in Momenten kommen, in denen gerade niemand Zeit hat. Mit 0,08 US-Dollar je Minute wirken die Kosten dafür überschaubar. Über die Qualität sagt der Minutenpreis allerdings wenig, weder darüber, wie oft der Agent eine Frage falsch versteht, noch darüber, ob er Anrufer im Kreis schickt.

Wir würden deshalb zuerst auf τ-Voice schauen. Die 71,6 Prozent dort stammen aus simulierten Kundendienstgesprächen, und wie sich ein Agent bei echten Anrufen in einem deutschen Betrieb schlägt, zeigt diese Zahl nur ungefähr.

Aus unserer Sicht gehören vor jeden Einsatz zwei Dinge. Das eine ist ein klar geregelter Weg, auf dem der Agent an einen Menschen übergibt, sobald er nicht weiterkommt. Das andere ist ein Probelauf mit echten Anliegen auf Deutsch, gern auch mit Anrufern, die Dialekt sprechen, und mit Lärm im Hintergrund. Ebenso würden wir vor dem ersten Testanruf klären, wo die Gespräche verarbeitet werden.

Wo der Agent Geld bewegt, etwa über Gutschriften oder Bestellungen, gehört vorher eine Obergrenze festgelegt, bis zu der er allein entscheiden darf.

Quellen

Die genannten Angaben stützen sich auf folgende öffentlich zugängliche Quellen (Stand der Recherche: 16. Oktober 2026):

Häufige Fragen

Was kostet Grok Voice 3.0?

Grok Voice 3.0 wurde am 14. Oktober 2026 vom Grok-Anbieter SpaceX Super Intelligence vorgestellt. Laut Preisseite des Anbieters kostet es 0,08 US-Dollar je Minute (4,80 US-Dollar je Stunde) plus 0,004 US-Dollar je Texteingabe, genauso viel wie Grok Voice 2.0. Im Kostenvergleich von Artificial Analysis liegt der Preis laut heise im Mittelfeld der fünf bestplatzierten Sprachmodelle.

Versteht Grok Voice 3.0 Deutsch?

Laut Entwicklerdoku unterstützt Grok Voice 3.0 mehr als 20 Sprachen, darunter Deutsch. Das Modell erkennt die Eingabesprache nach Angaben der Doku selbst und antwortet in derselben Sprache. Wie es mit Dialekt oder Hintergrundgeräuschen zurechtkommt, sollte ein Betrieb aus unserer Sicht mit eigenen Testanrufen prüfen.

Wie schneidet Grok Voice 3.0 im Vergleich von Artificial Analysis ab?

Im Speech-to-Speech-Index von Artificial Analysis erreicht Grok Voice 3.0 einen Wert von 86,9, laut heise vor GPT-Live-1 von OpenAI mit 83,2 und Gemini 3.8 Live von Google mit 82,6. Im Kundendienst-Test τ-Voice kommt es auf 71,6 Prozent und liegt laut heise hinter GPT-Live-1 (Astra, Medium) mit 74,5 Prozent auf Platz zwei. Bis zur ersten Sprachausgabe vergehen laut Artificial Analysis im Schnitt 0,81 Sekunden, der Vorgänger Grok Voice 2.0 war mit 0,70 Sekunden etwas schneller.

Was sollte ein Betrieb vor dem Einsatz eines KI-Telefonassistenten im Kundendienst regeln?

Aus unserer Sicht zuerst einen klaren Weg, auf dem der Agent an einen Menschen übergibt, und einen Probelauf mit echten Anliegen auf Deutsch. Darf der Agent Gutschriften oder Bestellungen auslösen, gehört vorher eine Obergrenze festgelegt, bis zu der er allein entscheidet. Wo die Sprachdaten verarbeitet werden, geht aus Preisseite und Entwicklerdoku des Anbieters nicht hervor; auch das würden wir vor dem ersten Test klären.

Wer im Betrieb legt fest, was ein Sprachagent am Telefon allein erledigen darf?

Im kostenlosen KI-Schnupperkurs zeigen wir in fünf Lektionen, wie kleine und mittlere Firmen KI im Alltag einsetzen. Tiefer und praxisnah geht es im Vollkurs Digitalisierungsmanager, DEKRA-zertifiziert und förderfähig über den Bildungsgutschein.

Zuletzt aktualisiert: 16. Oktober 2026. Stand der Recherche: 16. Oktober 2026.