← zur Übersicht

Was man beim Audio-Agenten (Server 09) noch bauen könnte — Recherche und Reihenfolge


titel: Was man beim Audio-Agenten (Server 09) noch bauen könnte — Recherche und Reihenfolge

erstellt: 2026-10-31

status: Recherche abgeschlossen, Vorschlagsliste mit Aufwand

betrifft: Server 09 (grok-audio-voice), xAI Realtime, Marktvergleich DACH

tags: [recherche, features, audio-agent, roadmap]


Was beim Audio-Agenten noch fehlt — und was davon sinnvoll ist

Grundlage: die Anbieter-Dokumentation von xAI (Voice-API) und der Funktionsumfang

etablierter deutschsprachiger KI-Telefonassistenten (Stand 31.10.2026).

1. Was die Schnittstelle hergibt (belegt)

Aus der xAI-Dokumentation (docs.x.ai — Voice):

FähigkeitStand
Speech-to-Speech grok-voice-latestEchtzeit über WebSocket, Tool-Nutzung ausdrücklich unterstützt, ~0,08 $/Minute
Text-to-Speechmehrsprachige, ausdrucksstarke Stimmen, Speech-Tags, Telefonie-Codecs, eigene Stimmen („Custom Voices")
Speech-to-Text38+ Sprachen, Batch und Streaming
WerkzeugeFunction Calling, Web Search, X Search, Code Execution, Collections Search (RAG), Remote-MCP

Damit sind Live-Recherche, Kalender-/CRM-Anbindung und Wissensdatenbank **technisch

vorgesehen** — es fehlt nur die Verkabelung bei uns.

2. Was der Markt im DACH-Raum als Standard zeigt

Die Anbieter (fonial, Placetel, IONOS Momentum, HalloMia) bewerben fast

deckungsgleich (fonial.de,

placetel.de,

IONOS/Hannover Messe):

Was wir davon schon haben: Recap-Mail mit Aufnahme, eigene Dokumente als

Wissen (Text), 14 Rollen mit eigenem Ton, Grenzen und Protokolle.

3. Vorschlagsliste mit Aufwand

#FeatureNutzenAufwandAbhängigkeit
1Themenfragen-Knöpfe (typische Fragen zum Anklicken)Anrufer kommt sofort ins Gespräch, ohne zu überlegenerledigt 31.10.—
2Live-Recherche (Web Search)„Was kostet Feuchtigkeitssanierung?" beantwortet er mit Quellenerledigt 31.10. (Wegwerf 09 geprüft; Produktion 09 noch nicht)Werkzeug web_search → Browser ruft /api/websearch → serverseitig POST /v1/responses mit tools:[{type:'web_search'}], Modell grok-4.3
3Terminbuchung im KalenderAnrufer bucht wirklich, nicht nur „Rückruf notiert"2–4 hFunction Calling + CalDAV/Google-Kalender
4Rückruf-Auftrag per Mail an den Betriebstrukturierte Anfrage statt Zettel1 hhaben wir halb (Protokoll-Mail)
5PDF/Word als WissenPreislisten, Prospekte direkt nutzbar1 hpdf-parse ins Paket
6RAG über große Wissensbestände (Collections Search)Antworten aus Handbüchern, nicht nur aus 30 000 Zeichen3–5 hxAI Collections plus Upload
7Update des Wissens per Anruf („merk dir: …")Franz kann unterwegs Fakten ergänzen1–2 hFunction Calling + Schreibrecht
8Warme Übergabe an MenschenAnrufer wird verbunden, wenn er es verlangt2–3 hSIP/Telefonanlage (Server 01 hat livekit-sip)
9Eigene Stimme je Rolle (Custom Voice)Werkstatt kräftig, Sozialarbeit weiblich, Mental ruhig1 h + StimmenerstellungCustom Voices bei xAI
10Mehrsprachig (EN/IT neben DE)Gäste, Tourismus, internationale Kunden1 hlanguage_hint + Rollenfeld
11Schlagwörter und Stimmung im ProtokollAnrufe sortieren, ohne alles zu lesen1–2 hNachanalyse des Transkripts
12Anrufbeantworter-Modus nachtsanderer Ton außerhalb der Zeiten1 hZeitfenster je Rolle
13Warteschlange/Rückruf bei Überlastkein verlorener Anruf2 hTelefonanlage
14Selbsttest-Knopf in der Verwaltung„prüfe Stimme, Wissen, Mail" in 20 Sekunden1 hwir haben die Bausteine
15DSGVO-Bausteine (Löschfrist, Auskunft, Auftragsverarbeitung)Pflicht vor Echtbetrieb2 hAufbewahrungsfristen, Löschknopf

4. Empfohlene Reihenfolge

Welle 1 (heute sinnvoll, wenig Aufwand): 2 Live-Recherche, 5 PDF-Wissen,

9 eigene Stimme je Rolle, 14 Selbsttest.

Welle 2 (Geschäftsnutzen): 3 Terminbuchung, 4 Rückruf-Auftrag strukturiert,

10 Mehrsprachig, 12 Nacht-Modus.

Welle 3 (braucht Infrastruktur): 8 warme Übergabe (SIP), 6 RAG, 13 Warteschlange.

Pflicht vor Echtbetrieb: 15 DSGVO-Bausteine — Aufbewahrung, Löschung,

Auskunft, Auftragsverarbeitung. Ohne das darf der Assistent nicht mit echten

Anrufern sprechen.

5. Was ich ausdrücklich nicht empfehle

Sätze; für Wort-für-Wort beim Anrufer wäre ein zweiter Erkennungsweg nötig,

der doppelt kostet und nichts verbessert.

bewusste Grenze in jeder Rolle.