KI am Telefon: Was sie kostet, was sie sagen muss und was sie aufzeichnen darf

Eine Gesprächsminute mit einem KI-Telefonassistenten kostet in unserer Beispielrechnung aus Listenpreisen etwa 4 bis 11 US-Cent, fertige Abo-Produkte liegen zwischen 50 und mehreren hundert Euro im Monat. Seit 2. August 2026 muss der Assistent im ersten Satz sagen, dass eine KI spricht. Und eine Tonaufnahme ist ohne Einwilligung strafbar, eine Mitschrift ohne gespeicherten Ton ist der sicherere Weg.

Die meisten Seiten zu "KI-Telefonassistent Kosten" sind Bestenlisten von Anbietern. Dieser Beitrag zerlegt die Minute in ihre Bausteine, nennt die Pflichten aus EU AI Act, Strafgesetzbuch und DSGVO und vergleicht die Wege, einen Assistenten zu betreiben.

Was eine Minute kostet

Ein KI-Telefonassistent besteht aus fünf Bausteinen, die je Minute abgerechnet werden: die Telefonie, die Spracherkennung, das Sprachmodell, das die Antwort formuliert, die Sprachausgabe und, bei verwalteten Plattformen, eine Plattformgebühr. Die Anbieter nennen ihre Preise offen, und daraus lässt sich eine Minute zusammenrechnen.

Die Zahlen stammen von den Preisseiten der Anbieter (Stand 7. Oktober 2026, Anbieterangaben):

Die Spanne ist groß, weil Modell und Stimme den Preis treiben. Ein großes Sprachmodell und eine sehr natürliche Stimme können die Minute verdoppeln oder verdreifachen. Für Terminabfragen und Schadenaufnahme reicht oft ein kleines Modell, für freie Beratung nicht.

Ein Rechenbeispiel

Angenommen, eine Hausverwaltung nimmt 1.500 Anrufe im Monat mit durchschnittlich 2,5 Minuten an. Das sind 3.750 Minuten. Mit den Werten aus der Grafik kosten die Minuten:

• auf einer verwalteten Plattform wie Vapi rund 345 US-Dollar im Monat,
• im eigenen Betrieb ohne Plattformgebühr rund 158 US-Dollar, dazu Server und Betrieb.

Zum Vergleich die fertigen Produkte mit Monatspaket. fonio nennt 299 Euro für 3.600 Minuten und 15 Euro je weitere 100 Minuten, also rund 330 Euro. Telify nennt 449 Euro für 600 Minuten und 0,59 Euro je weitere Minute, das wären rund 2.300 Euro. Für die Hausverwaltung gibt es Angebote ab 50 Euro im Monat. Ein Paketpreis ist nur so gut wie die Annahme über Ihre Minuten.

Was der Assistent sagen muss

Seit 2. August 2026 gilt Art. 50 des EU AI Act. Nach Absatz 1 müssen KI-Systeme, die direkt mit Menschen sprechen, so gebaut sein, dass die Menschen erfahren, dass sie mit einer KI sprechen, außer es ist offensichtlich. Nach Absatz 5 muss diese Information "klar und eindeutig" spätestens bei der ersten Interaktion kommen.

Der Digital Omnibus, Verordnung (EU) 2026/1744, hat daran nichts verschoben. Eine Übergangsfrist bis 2. Dezember 2026 gibt es nur für die Kennzeichnung erzeugter Inhalte nach Absatz 2, nicht für den Hinweis im Gespräch.

Die Leitlinien der Kommission zu Art. 50 vom 20. Juli 2026 werden für das Telefon konkret: Ein ausdrücklicher gesprochener Satz zu Beginn, bei langen Gesprächen gegebenenfalls wiederholt. Ein Signalton allein reicht nicht. Und je menschlicher die Stimme klingt, desto weniger kann man sich darauf berufen, es sei "offensichtlich".

Wer muss das sicherstellen? Die Pflicht aus Absatz 1 trifft den Anbieter, also den, der das System entwickelt und unter eigenem Namen in Betrieb nimmt. Kauft eine Hausverwaltung ein fertiges Produkt und nutzt es unverändert, ist sie Betreiberin, die Pflicht liegt beim Hersteller. Prüfen sollte sie die Begrüßung trotzdem, denn ihr Name steht im ersten Satz. Wird der Assistent für Sie gebaut und unter Ihrem Namen betrieben, können Sie selbst Anbieter sein. Das klären Sie am besten vor dem Livegang. Verstöße gegen Art. 50 können nach Art. 99 Abs. 4 mit bis zu 15 Millionen Euro oder 3 Prozent des weltweiten Jahresumsatzes geahndet werden, bei KMU gilt der niedrigere Betrag.

Was er aufzeichnen darf

Hier greifen zwei Gesetze, die oft verwechselt werden.

Strafrecht. Nach § 201 StGB wird mit bis zu drei Jahren Freiheitsstrafe oder Geldstrafe bestraft, wer unbefugt das nichtöffentlich gesprochene Wort eines anderen auf einen Tonträger aufnimmt. Ein Kundentelefonat ist nichtöffentlich. Eine Tonaufnahme braucht also die Einwilligung des Anrufers. Offen ist, ob eine Live-Mitschrift, bei der der Ton nur flüchtig verarbeitet und nicht gespeichert wird, schon eine "Aufnahme" ist. Ein Urteil dazu gibt es nicht. Wir empfehlen deshalb: keinen Ton speichern, wenn er nicht gebraucht wird, und den Ton nur nach ausdrücklichem Ja.

Datenschutz. Die Datenschutzkonferenz hat 2018 beschlossen, dass Gesprächsaufzeichnungen in der Regel nur mit Einwilligung zulässig sind, und dass ein "Drücken Sie die 1, wenn Sie widersprechen" keine wirksame Einwilligung ist. Für die Bearbeitung des Anliegens selbst genügt meist der Vertrag oder das berechtigte Interesse (Art. 6 Abs. 1 lit. b oder f DSGVO). Dazu kommen:

• Information nach Art. 13: kurz im Gespräch, ausführlich in der Datenschutzerklärung, mit Zweck, Speicherdauer und Empfängern. Ein allgemeines "zur Qualitätssicherung" reicht nicht.
• Vertrag nach Art. 28: mit dem Betreiber, und mit jedem Unterauftragnehmer in der Kette: Telefonie, Spracherkennung, Sprachmodell, Sprachausgabe, Hosting.
• Speicherdauer: Transkripte sind personenbezogene Daten. Die Frist steht vor dem ersten Anruf fest, nicht danach.

Wo die Daten liegen

Ein Anruf läuft durch bis zu fünf Dienste. Für jeden stellt sich die Frage, wo er verarbeitet. Die großen Plattformen unterscheiden sich hier stark (Anbieterangaben):

• Retell betreibt nach eigener Aussage derzeit keine Dienste in der EU und regelt die DSGVO über Standardvertragsklauseln.
• Vapi bietet eine eigene EU-Region. Ob die angebundenen Modell- und Stimmanbieter dann ebenfalls in der EU verarbeiten, hängt von deren Konfiguration ab.
• ElevenLabs bietet EU-Datenresidenz im Enterprise-Tarif.

Übermittlungen in die USA stützen sich meist auf das EU-US Data Privacy Framework. Das Gericht der EU hat die Klage dagegen im September 2025 abgewiesen, das Rechtsmittel beim Gerichtshof läuft. Wer auf Nummer sicher gehen will, hält Gespräche und Transkripte in der EU, am besten in Deutschland.

Vier Wege, ein Telefon mit KI zu betreiben

Dograh ist Open Source unter BSD-Lizenz und versteht sich als offene Alternative zu Vapi und Retell. Wir betreiben es für unsere Kunden in deutschen Rechenzentren und wählen Spracherkennung, Modell und Stimme je Fall, Modelle bevorzugt von EU-Endpunkten. Der Preis dafür: Jemand muss den Betrieb übernehmen, und die Stimmqualität auf Deutsch hängt am gewählten Modell. Ein fertiges Abo-Produkt kann die richtige Wahl sein, wenn Sie wenige Anrufe haben und keine Anbindung an Ihre Software brauchen.

Beispiel Hausverwaltung

In der Hausverwaltung sind die Anrufe gut planbar: Schadenmeldung, Rückfrage zur Nebenkostenabrechnung, Schlüssel, Termin mit dem Handwerker. Drei Punkte entscheiden dort über den Nutzen. Der Assistent legt den Vorgang in der Verwaltungssoftware an, statt eine Mail zu schicken. Notfallwörter wie Wasser, Gas oder Heizungsausfall stellen sofort zur Bereitschaft durch. Und Mieter nennen oft Namen und Daten von Nachbarn, die Speicherdauer muss das berücksichtigen. Wie das konkret aussieht, zeigt der Telefonassistent für Mieteranrufe.

Vor dem Livegang

Ihr nächster Schritt

Zählen Sie vier Wochen lang Ihre Anrufe nach Anliegen. Daraus ergeben sich die Minuten, und Sie sehen, welche Anliegen ein Assistent übernehmen kann und welche einen Menschen brauchen. Ob Art. 50 und weitere Pflichten des EU AI Act Sie betreffen, zeigt unser kostenloser EU-AI-Act-Check. Wie wir Telefonassistenten bauen und betreiben, steht auf der Seite KI-Telefonassistenten.

Stand: 7. Oktober 2026. Preise sind Listenpreise der Anbieter ohne Steuern und können sich ändern. Dieser Beitrag ist keine Rechtsberatung.