Fallstudie: Ein KI-Telefonassistent für einen Betrieb

Diese Fallstudie beruht auf einem echten Projekt von AWA Solutions: einem KI-Telefonassistenten, der seit Oktober 2026 bei einem Betrieb in Berlin Anrufe annimmt. Damit der Kunde nicht erkennbar ist, haben wir Betrieb, Namen und Gesprächsbeispiele erfunden. Technik, Kosten, Pannen und Lehren sind echt – so, wie wir sie erlebt und gemessen haben.

Du kannst hier nichts herunterladen und nachbauen; ein Telefonassistent braucht Telefonie, Spracherkennung, Stimme und einen Server, der rund um die Uhr läuft. Aber du erfährst ehrlich, was dahintersteckt, was es kostet und wo es hakt – und kannst danach entscheiden, ob so etwas für dich infrage kommt.

Der Betrieb (erfunden): Haustechnik Muster

Ein Sanitär- und Heizungsbetrieb mit acht Leuten. Tagsüber sind alle auf Baustellen, das Büro ist bis 14 Uhr besetzt. Die Anrufe kommen aber oft abends und am Wochenende: tropfender Wasserhahn, Heizung aus, Frage nach einem Angebot. Bisher lief um diese Zeit der Anrufbeantworter, und die meisten Leute legen dort einfach auf.

Die wichtigste Erkenntnis kam ganz am Anfang: Hier tritt nicht KI gegen Mitarbeiter an, sondern KI gegen niemand. Jeder angenommene Anruf ist ein Gewinn.

Was die Assistentin „Mia“ tut

• Begrüßt mit dem Firmennamen und sagt gleich, dass hier eine KI spricht und mitschreibt.
• Sortiert das Anliegen: Notfall, Termin, Angebot, Rechnung oder Sonstiges. Für jeden Fall stellt sie feste Fragen, zum Beispiel: Was ist kaputt? Seit wann? Wo? Wann erreichbar?
• Beantwortet einfache Fragen sofort, etwa Öffnungszeiten, Einzugsgebiet oder ob es einen Notdienst gibt – aus dem Wissen des Betriebs.
• Nimmt die Rückrufnummer – meist automatisch, weil der Telefonanbieter die Nummer des Anrufers mitschickt. Nur bei unterdrückter Nummer fragt sie nach.
• Schickt nach jedem Anruf eine Mail mit Zusammenfassung an das Team. Darin stecken zwei Knöpfe: „Ich kümmere mich“ und „Erledigt“.
• Verspricht nichts: keine Termine, keine Preise, keine Diagnosen. Sie nimmt auf, und ein Mensch meldet sich.

So ist sie gebaut

Der Weg eines Anrufs: Telefon → Telefonleitung → Sprachdienst (Ohr, Satzende, Stimme) → Plattform mit dem Wissen des Betriebs → Sprachmodell → zurück. Damit sich das wie ein Gespräch anfühlt, muss die erste Antwort nach etwa einer Sekunde da sein.

Gebaut wurde das Ganze mit Claude Code – in einem Projekt mit klaren Regeln für Claude (CLAUDE.md), Plänen vor jedem größeren Schritt und Tests. Für den Kunden wurde aber das Modell gewählt, das am Telefon am besten passt – und das war nicht Claude.

Was schiefging – und was wir daraus gelernt haben

1. Eine Woche stumm, und keiner hat es gemerkt. Die Fehlermails landeten in einem Postfach, das niemand las, und kamen irgendwann gar nicht mehr an. Lehre: automatische Prüfung alle 30 Minuten, Alarm über zwei Wege, ein echter Test-Anruf durch die ganze Kette nach jeder Änderung.
2. Ein Update hat einen laufenden Testanruf abgewürgt. Lehre: Vor jedem Update prüfen, ob gerade jemand telefoniert. Neue Versionen starten erst, wenn die alten Gespräche zu Ende sind.
3. Unsere eigene Testserie hat das Modell ausgebremst – ein echter Anrufer hörte „technische Schwierigkeiten“. Das Kontingent beim Modell-Anbieter war zu knapp, und die Tests liefen gegen dasselbe Kontingent. Lehre: großzügiges Kontingent (inzwischen 300.000 Tokens pro Minute) und Tests gegen den Live-Betrieb nur mit Pausen.
4. Englische Namen verschwanden spurlos (der englische Name eines Restaurants kam als leerer Text an). Lehre: Spracherkennung mit fester Sprache und Fachbegriff-Liste; wenn der Anrufer hörbar spricht, aber kein Text kommt, bittet Mia ums Wiederholen oder Buchstabieren.
5. Anrufer legten auf, bevor die Anfrage gespeichert war. Lehre: Nach jedem Anruf wertet eine Nachbetrachtung das ganze Gespräch noch einmal aus. Erst dann geht die Mail raus.
6. Rückrufnummer fehlte bei fast der Hälfte der Anfragen. Die erste Umleitung lief über den Router im Laden, und dabei ging die Nummer des Anrufers verloren. Lehre: Umleitung direkt im Netz des Telefonanbieters, mit Rufnummernübermittlung. Nachgefragt wird nur noch bei unterdrückter Nummer.
7. „Klingt wie eine Mailbox.“ Begrüßungen wie „Wir sind gerade nicht erreichbar“ und eine künstliche Stimme ließen Leute auflegen. Lehre: echte Stimme und eine Begrüßung, die zum Reden einlädt.
8. Wochenlang am Falschen gedreht. Erst als wir die Zeit jedes Schritts gemessen haben, war klar: Die eigene Technik braucht 0,2 bis 0,3 Sekunden, den Rest das Modell. Lehre: messen statt fühlen – und echte Gespräche lesen statt raten. Jede Beschwerde stand wörtlich in den Gesprächen, oft mit einer anderen Ursache als gedacht.