Auf die Schnelle

Das Unternehmen xAI hat am 1. Juli 2026 den Grok Voice Agent Builder als Beta gestartet. Damit lässt sich ohne Programmierung ein KI-Telefonassistent bauen: Du beschreibst in normalen Worten, wie ein Anruf ablaufen soll, hängst deine Dokumente an, und nach etwa zwei Minuten steht ein sprechender Agent. Die Nutzung kostet ungefähr 5 US-Cent pro Gesprächsminute. Für kleine Firmen ist das ein greifbares Werkzeug, mit ein paar rechtlichen Punkten, die du kennen musst. Das ist eine Einordnung, keine Rechtsberatung.

Ein Anruf, der ins Leere läuft, ist für viele kleine Betriebe ein verlorener Auftrag. Hier setzt eine neue Klasse von Werkzeugen an, mit der du einen KI-Assistenten ans Telefon setzt, ohne eine Zeile Code zu schreiben. Das jüngste Beispiel kommt von xAI. Wir schauen uns an, was dahintersteckt und worauf du achten solltest, bevor echte Anrufer draufkommen.

Was der Voice Agent Builder kann

Am 1. Juli 2026 hat xAI den Grok Voice Agent Builder als Beta vorgestellt. Der Ablauf ist bewusst einfach gehalten. Du schreibst in normaler Sprache, wie ein Telefongespräch verlaufen soll, hängst Dokumente an, aus denen der Assistent Antworten zieht, und legst Grenzen fest, an die er sich halten muss. Nach ungefähr zwei Minuten ist der Agent einsatzbereit.

Mitgeliefert werden Telefonanbindung, Wissensabruf aus deinen Unterlagen, Werkzeuge, Schutzregeln und eine Beobachtungsansicht in einer Oberfläche. Als Dateiformate für den Wissensabruf nennt xAI unter anderem Text, Word, PowerPoint, Excel und HTML. Technisch läuft das Ganze auf einem einzigen Sprachmodell, was laut Anbieter für Antwortzeiten unter einer Sekunde sorgt. Der Assistent soll über 25 Sprachen beherrschen und mit Störgeräuschen, Dialekten und Unterbrechungen umgehen.

Was es kostet

xAI berechnet ungefähr 5 US-Cent pro Minute Audio, die Stimmen sind darin enthalten. Wer eine feste Telefonnummer über den Dienst bezieht, zahlt rund 1 US-Cent pro Minute zusätzlich. Zur Auswahl stehen laut Anbieter über 80 Stimmen, dazu die Möglichkeit, eine Stimme aus zwei Minuten Tonmaterial nachzubilden.

Gedacht ist das Werkzeug für Gespräche mit hohem Aufkommen: Kundendienst, Vertrieb, das Vorqualifizieren von Anfragen, die Telefonannahme und die Terminvergabe. Für einen kleinen Betrieb, der viele gleichartige Anrufe erhält, ist das eine niedrige Einstiegshürde.

Beim Rechnen lohnt der Vergleich mit dem Aufwand von Hand. Ein Assistent, der pro Minute ein paar Cent kostet, ist meist günstiger als eine verpasste Anfrage oder eine dauerhaft besetzte Leitung. Der Nutzen entsteht aber erst, wenn der Assistent die richtigen Antworten kennt und sauber übergibt. Ein schnell hingestellter Assistent, der ins Blaue antwortet, spart am Ende kein Geld und kostet Vertrauen.

Was das für kleine Firmen heisst

Der Reiz liegt in der Erreichbarkeit. Ein Handwerksbetrieb, eine Praxis oder ein Dienstleister, bei dem tagsüber niemand ans Telefon kann, verliert Anfragen. Ein Assistent, der die häufigen Fragen beantwortet, Termine vorschlägt oder die Anfrage aufnimmt, fängt einen Teil davon auf. Dass so etwas ohne Programmierung und in Minuten entsteht, ist der eigentliche Fortschritt.

In unseren DigiMan-Kursen sehen wir, dass der erste Entwurf eines solchen Assistenten schnell steht, die Feinarbeit aber unterschätzt wird. Der Assistent muss deine echten Fälle kennen, deine Preise, deine Öffnungszeiten, deine Grenzen. Er muss wissen, wann er ein Gespräch an einen Menschen übergibt. Ein Assistent, der falsche Auskünfte gibt, schadet mehr als eine Mailbox.

Die rechtlichen Punkte, die du kennen musst

Drei Themen sind wichtig. Erstens die Kennzeichnung: Ab dem 2. August 2026 greift die Transparenzpflicht der KI-Verordnung. Wer mit einem KI-System spricht, muss das erkennen können. Ein KI-Telefonassistent sollte also zu Beginn sagen, dass er eine KI ist. Zweitens der Datenschutz: Anrufinhalte sind personenbezogene Daten. Du brauchst Klarheit darüber, wo diese Daten verarbeitet werden und ob ein Vertrag zur Auftragsverarbeitung besteht.

Drittens das Klonen von Stimmen. Eine fremde Stimme ohne Einwilligung nachzubilden ist heikel und kann Persönlichkeitsrechte verletzen. Für einen seriösen Einsatz nimmst du eine der bereitgestellten Stimmen oder eine, für die eine Einwilligung vorliegt. Bei der konkreten rechtlichen Bewertung führt der Weg zu einem Fachanwalt oder einer Datenschutzberatung. Das hier ist eine Einordnung, keine Rechtsberatung.

Wo ein KI-Telefonassistent an Grenzen stösst

So verlockend die schnelle Einrichtung ist, ein solcher Assistent hat klare Grenzen. Er ist stark bei Standardfällen mit klaren Antworten, etwa Öffnungszeiten, Terminvergabe oder häufigen Fragen. Bei ungewöhnlichen Anliegen, aufgebrachten Anrufern oder heiklen Absprachen gehört ein Mensch ans Telefon. Ein Assistent, der überfordert ist und trotzdem antwortet, richtet Schaden an.

Wichtig ist deshalb eine saubere Übergabe. Der Assistent sollte erkennen, wann er nicht weiterkommt, und den Anrufer an einen Menschen oder einen Rückruf weiterleiten. Und weil eine KI sich irren kann, prüfst du in den ersten Wochen mit, was der Assistent sagt. Ein Werkzeug am Telefon ist eine Entlastung, es ersetzt aber weder das Urteil noch die Verantwortung des Betriebs.

Wie du starten kannst

Beginne mit einem eng umrissenen Fall, etwa der Terminvergabe oder der Beantwortung der fünf häufigsten Fragen. Fütter den Assistenten mit deinen echten Unterlagen und teste ihn selbst am Telefon, bevor du echte Anrufer draufschaltest. Lege fest, ab wann er an einen Menschen übergibt, und höre in den ersten Wochen in Aufzeichnungen hinein, ob er sauber arbeitet. Erweitere den Umfang erst, wenn die Grundfälle sitzen.

Prüfe vor dem Einsatz auch, wie du die Aufzeichnungen und Daten der Anrufe aufbewahrst und wie lange. Kläre, wer im Betrieb Zugriff hat und wann die Daten gelöscht werden. Und informiere dein Team, damit klar ist, wann der Assistent übernimmt und wann ein Mensch. Ein sauber eingeführter Assistent entlastet, ein überstürzt eingeführter schafft neue Probleme.

Quellen

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

Häufige Fragen

Was ist der Grok Voice Agent Builder?

Ein Werkzeug von xAI, das am 1. Juli 2026 als Beta gestartet ist. Damit lässt sich ohne Programmierung ein KI-Telefonassistent bauen. Du beschreibst in normaler Sprache, wie ein Anruf ablaufen soll, hängst deine Dokumente an und legst Grenzen fest. Nach ungefähr zwei Minuten ist der Assistent einsatzbereit, samt Telefonanbindung und Wissensabruf aus deinen Unterlagen.

Was kostet ein KI-Telefonassistent bei Grok Voice?

xAI berechnet ungefähr 5 US-Cent pro Minute Audio, die Stimmen sind darin enthalten. Wer eine feste Telefonnummer über den Dienst bezieht, zahlt rund 1 US-Cent pro Minute zusätzlich. Zur Verfügung stehen laut Anbieter über 80 Stimmen sowie die Möglichkeit, eine Stimme aus zwei Minuten Tonmaterial nachzubilden.

Muss ein KI-Telefonassistent kenntlich gemacht werden?

Ab dem 2. August 2026 greift die Transparenzpflicht der KI-Verordnung. Wer mit einem KI-System spricht, muss das erkennen können. Ein KI-Telefonassistent sollte deshalb zu Beginn sagen, dass er eine KI ist. Zusätzlich sind Anrufinhalte personenbezogene Daten, für die du Klarheit über die Verarbeitung brauchst. Das ist eine Einordnung, keine Rechtsberatung.

Wie starte ich mit einem KI-Telefonassistenten sinnvoll?

Beginne mit einem eng umrissenen Fall, etwa der Terminvergabe oder den fünf häufigsten Fragen. Fütter den Assistenten mit deinen echten Unterlagen, teste ihn selbst am Telefon und lege fest, ab wann er an einen Menschen übergibt. Höre in den ersten Wochen in Aufzeichnungen hinein und erweitere den Umfang erst, wenn die Grundfälle zuverlässig sitzen.

Telefon, Termine und Kundenservice mit KI entlasten?

Im kostenlosen KI-Schnupperkurs zeigen wir in fünf Lektionen, wie kleine und mittlere Firmen KI im Alltag nutzen, von der Kundenkommunikation bis zur ersten Automatisierung. Tiefer geht es im Vollkurs Digitalisierungsmanager, DEKRA-zertifiziert und förderfähig über den Bildungsgutschein.

Zuletzt aktualisiert: 06. Juli 2026. Stand der Recherche: 06. Juli 2026.