30 Voice-Minuten und 30 Chat-Gespräche als Startguthaben, Kreditkarte zur Verifizierung - Preise ansehen

Digitaler Empfang 2026: Was ein KI-Avatar am Tresen kostet, was er darf und wo er wirklich hilft

EchoCall Team avatar

EchoCall Team

Digitaler Empfang 2026: Was ein KI-Avatar am Tresen kostet, was er darf und wo er wirklich hilft

Es ist 23:40 Uhr, ein Gast steht in einem Hotel in Leipzig vor einem leeren Tresen und liest das Schild „Nachtklingel“. Montag, 8:02 Uhr, in einer Hausarztpraxis warten zwölf Menschen an der Anmeldung, während die einzige Medizinische Fachangestellte am Telefon einen Rückruf verspricht. Im Foyer eines Bürgeramts sucht jemand mit dem Terminzettel in der Hand den richtigen Flur, und am Tresen steht niemand, den man fragen könnte. Drei Orte, dasselbe Problem: Fragen kommen dann, wenn gerade niemand da ist, der sie beantwortet.

„Digitaler Empfang“ ist seit ein paar Jahren die Antwort, die auf Messen und in Prospekten darauf gegeben wird. Nur meint jeder etwas anderes damit. Ein Check-in-Terminal, das Besucherausweise druckt, ist ein digitaler Empfang. Ein KI-Telefonassistent, der Anrufe annimmt, nennt sich KI-Rezeptionist. Und seit 2025 stehen in Foyers die ersten Bildschirme, auf denen ein animiertes Gesicht mit Besuchern spricht. Dieser Beitrag sortiert die Begriffe, rechnet die Kosten mit Quellen durch, erklärt, welche Pflichten seit dem 2. August 2026 für jedes sprechende KI-System am Tresen gelten, und sagt genauso deutlich, wo ein KI-Avatar am Empfang nichts verloren hat.

Wir bauen mit EchoCall Presence selbst einen solchen Avatar. Deshalb steht am Ende des Beitrags zu jeder Zahl, woher sie kommt, und die eigenen Messwerte sind als solche gekennzeichnet.

TL;DR: Das Wichtigste in 60 Sekunden

  • Ein KI-Avatar am Empfang ist ein Tablet am Tresen, auf dem ein Gesicht erscheint, das Besucher ansprechen und das in freier Sprache antwortet. Er ersetzt keine Empfangskraft, er fängt die Fragen ab, für die gerade niemand da ist.
  • Kosten 2026: Eine Empfangskraft in Vollzeit kostet den Arbeitgeber rund 3.100 Euro im Monat, eine Nachtrezeption im Hotel über die ganze Woche gerechnet rund 4.400 Euro, ein Besuchermanagement-Terminal ab 149 Euro im Monat plus Module, ein durchlaufender Avatar rund 65 Euro je Gerät und Tag. EchoCall Presence beginnt bei 149 Euro im Monat für 300 gesprochene Minuten und ein Gerät.
  • Zwei Sekunden sind die Grenze. Wer vor einem Bildschirm länger auf eine Antwort wartet, geht. Deshalb muss die Stimme zuerst kommen, das Gesicht darf folgen.
  • Recht: Art. 50 KI-Verordnung gilt seit dem 2. August 2026 und verlangt den klaren Hinweis, dass hier eine KI spricht. Art. 13 DSGVO verlangt die Information am Ort der Erhebung. Beides erledigt ein Aushang neben dem Gerät, wenn er richtig ausgefüllt ist.
  • Nicht geeignet ist ein Avatar für alles, was Identität, Geld, Schlüssel oder Notfälle betrifft. Da bleibt der Mensch, und der Aushang muss sagen, wie man ihn erreicht.

Vier Dinge, die alle „digitaler Empfang“ heißen

Bevor man Preise vergleicht, muss klar sein, was man vergleicht. Im deutschen Markt laufen vier verschiedene Produkte unter demselben Begriff.

BegriffWas es tatsächlich istWas es kannWas es nicht kann
Besuchermanagement-TerminalTouchscreen oder Tablet mit Formular, QR-Code oder PINAnmeldung, Ausweis drucken, Gastgeber benachrichtigen, Unterweisung bestätigen lassenEine Frage beantworten, die nicht im Formular steht
KI-Rezeptionist am TelefonVoice Agent auf der TelefonnummerAnrufe annehmen, Termine buchen, Rückrufe, rund um die UhrJemandem helfen, der bereits vor dem Tresen steht
Dauer-Avatar auf dem BildschirmGerenderte Person im Vollbild, die Sitzung läuft durchgehendBlickfang, Produktpräsentation, geführte DialogeWirtschaftlich leer stehen, schnell antworten
KI-Avatar am EmpfangTablet, das schläft, bei Ansprache aufwacht und mit dem Voice Agent des Hauses sprichtFragen beantworten, Wege erklären, Öffnungszeiten, Unterlagen, Übergabe an das PersonalIdentität prüfen, kassieren, Schlüssel ausgeben

Der Unterschied zwischen der dritten und der vierten Zeile ist der, auf den es in diesem Beitrag ankommt. Ein Avatar, der durchläuft, ist technisch das Einfachste: Sitzung starten, Gesicht rendern, warten. Er ist auch das Teuerste, weil die Sitzung läuft, ob jemand davorsteht oder nicht. Ein Avatar, der schläft, braucht einen Mechanismus, der ihn schnell genug weckt. Darum geht es im Abschnitt zur Zwei-Sekunden-Regel.

Wer nur die Telefonseite sucht, findet im Beitrag KI-Rezeptionistin 2026 alles zum Anrufempfang. Hier geht es um den Tresen.

Was ein Empfang 2026 wirklich kostet

Die folgende Tabelle rechnet mit veröffentlichten Zahlen. Gehälter sind Bruttomonatsgehälter aus Tarif- und Marktdaten, dazu kommt der Arbeitgeberanteil zur Sozialversicherung, der 2026 bei rund 21 Prozent liegt: Rentenversicherung 9,3 Prozent, Arbeitslosenversicherung 1,3 Prozent, Krankenversicherung 7,3 Prozent plus der halbe durchschnittliche Zusatzbeitrag von 1,45 Prozent, Pflegeversicherung 1,8 Prozent, ohne Unfallversicherung und Umlagen. Die Quellen stehen am Ende des Beitrags.

LösungRechnungKosten je MonatDeckt ab
Empfangskraft, VollzeitMedian 2.580 € brutto + 21 % Arbeitgeberanteilca. 3.120 €rund 40 Stunden je Woche, eine Person
Empfangskraft in einer BehördeMedian 2.390 € brutto + 21 %ca. 2.890 €rund 40 Stunden je Woche
Nachtrezeption im Hotel, 7 NächteØ 31.400 € im Jahr, also 2.617 € im Monat + 21 %, mal 1,4 Stellen für 56 Nachtstunden je Wocheca. 4.430 €jede Nacht von 22 bis 6 Uhr
MFA an der PraxisanmeldungTarif TG I, 1. bis 4. Berufsjahr, 2.940 € + 21 %ca. 3.560 €rund 40 Stunden je Woche
Besuchermanagement-TerminalStarter-Tarif 149 €, Module 59 € je Gerät, Hardware separatab 149 €Check-in und Ausweis, kein Gespräch
Durchlaufender Avatarca. 65 € je Gerät und Tag, 30 Tageca. 1.950 € je GerätSitzung läuft, auch ohne Besucher
EchoCall Presence Start300 gesprochene Minuten, 1 Gerät149 €Gespräche in den Öffnungszeiten, sonst schläft das Gerät
EchoCall Presence Pro1.000 Minuten, 3 Geräte399 €drei Standorte oder drei Tresen
EchoCall Presence Business2.500 Minuten, 10 Geräte899 €Filialnetz

Drei Dinge fallen auf, wenn man die Tabelle liest.

Erstens ist der Mensch nicht teuer. 3.120 Euro für vierzig Stunden Empfang sind rund 18 Euro je Stunde, und für dieses Geld bekommt man jemanden, der Pakete annimmt, Stammkunden erkennt, Konflikte entschärft und morgens die Kaffeemaschine anstellt. Kein Avatar tut das. Wer den Avatar als Ersatz für diese Person rechnet, rechnet falsch.

Zweitens ist die Zeit teuer, in der niemand da ist. Ein Tresen, der rund um die Uhr besetzt sein soll, braucht 168 Stunden je Woche, geteilt durch 40 sind das 4,2 Vollzeitstellen, ohne Urlaub und Krankheit. Darum hat das Hotel die Nachtklingel und die Praxis das Besetztzeichen. Genau in diese Lücke passt ein Gerät, das nur kostet, wenn es spricht.

Drittens unterscheiden sich die beiden Avatar-Zeilen um den Faktor 13, und zwar nicht, weil das Gesicht anders wäre, sondern weil ein durchlaufender Avatar für Leerlauf bezahlt. Ein Gerät, das zehn Gespräche am Tag führt, je drei Minuten, spricht 30 Minuten und steht 23,5 Stunden still. Bei Presence kosten diese 23,5 Stunden nichts.

Zur Einordnung der Presence-Preise: 300 Minuten für 149 Euro sind rund 0,50 Euro je gesprochene Minute, im Pro-Tarif 0,40 Euro, im Business-Tarif 0,36 Euro. Nachgebuchte Minuten kosten 0,39 Euro, ein weiteres Gerät 39 Euro im Monat. Angefangene Minuten zählen voll, ein Gespräch, das nicht zustande kam, kostet nichts. Alle Preise stehen auf der Preisseite.

Wo ein KI-Avatar am Empfang hilft, und wo nicht

Die ehrliche Antwort auf „Brauchen wir das?“ hängt an einer einzigen Frage: Gibt es bei Ihnen Stunden, in denen Menschen vor einem Tresen stehen und niemand antwortet? Wenn ja, lohnt sich das Weiterlesen. Wenn Ihr Empfang immer besetzt ist und die Kolleginnen dort Zeit haben, brauchen Sie kein Gerät.

Hotel: die Nacht und die Anreisespitze

Zwischen 22 und 6 Uhr passiert an einer Hotelrezeption wenig, aber was passiert, ist dringend: Der Gast findet das WLAN-Passwort nicht, fragt nach dem Frühstück, will wissen, ob die Tiefgarage nachts abgeschlossen ist, oder sucht die nächste Apotheke mit Notdienst. Ein Avatar auf dem Tablet beantwortet all das aus derselben Wissensbasis, mit der auch der Telefonagent des Hauses arbeitet. Für den Check-in selbst, für Zahlungen und Schlüsselkarten bleibt der Mensch oder das dafür gebaute Terminal. Wie Telefon und Tresen in einem Haus zusammenspielen, steht auf unserer Seite für Hotellerie und Gastronomie.

Bei Anreisespitzen am Nachmittag ist der Avatar die zweite Kraft am Tresen: Wer nur eine Frage hat, muss sich nicht hinter drei Check-ins anstellen.

Arztpraxis: die Anmeldung am Montagmorgen

Die Anmeldung einer Praxis ist der Ort, an dem Telefon und Tresen gleichzeitig klingeln. Eine Medizinische Fachangestellte kostet nach Tarif ab 2.940 Euro brutto im Monat, und sie ist ausgebildet für Blutabnahme, Abrechnung und Patientengespräche, nicht für die Frage, ob die Praxis am Mittwochnachmittag geöffnet hat. Ein Avatar im Wartebereich nimmt genau diese Fragen: Öffnungszeiten, Rezeptbestellung, welche Unterlagen zur Erstvorstellung mitzubringen sind, wo die Toilette ist. Die Terminvergabe selbst gehört ans Telefon oder in den Online-Kalender, dazu mehr im Beitrag zur automatisierten Terminbuchung in der Arztpraxis. Medizinische Fragen beantwortet das Gerät nicht, und das muss in der Anweisung des Agenten so stehen. Mehr zum Zusammenspiel auf der Seite für Praxen und Gesundheitswesen.

Bürgeramt und Rathaus: das Foyer

Der Digitalverband Bitkom hat im Dezember 2025 veröffentlicht, was ein Behördenbesuch kostet: im Schnitt 2 Stunden und 5 Minuten, davon 51 Minuten An- und Abreise, 40 Minuten Wartezeit und 34 Minuten Sachbearbeitung. 58 Prozent der Befragten hatten Schwierigkeiten, überhaupt einen Termin zu bekommen, und 43 Prozent sind überzeugt, ihr Anliegen hätte sich online erledigen lassen. Ein Avatar im Foyer ändert nichts an der Sachbearbeitung. Er ändert etwas an den 40 Minuten davor: Welche Unterlagen brauche ich für den Reisepass, welcher Flur, welche Wartemarke, wo ist der Aufzug, gibt es das Formular online. Für Bürgerämter ist die Mehrsprachigkeit der eigentliche Grund: Der Avatar spricht die Sprache, in der er angesprochen wird. Was Kommunen am Telefon damit machen, steht auf der Seite für Behörden und Kommunen.

Hausverwaltung, Handwerk, Showroom

Drei kleinere Fälle, die in der Praxis gut funktionieren:

  • die Hausverwaltung, bei der Mieter mit Fragen zur Nebenkostenabrechnung im Flur stehen
  • der Handwerksbetrieb mit Theke, an der Kunden Ersatzteile abholen, während alle Gesellen auf der Baustelle sind
  • der Showroom, in dem ein Interessent Preise und Lieferzeiten wissen will, bevor er einen Berater anspricht

Wo das Gerät nichts verloren hat

Es gibt Aufgaben, die ein Avatar am Empfang nicht übernehmen darf, auch wenn es technisch ginge:

  • Identitätsprüfung. Ein Avatar prüft keinen Ausweis und gibt keine Besucherausweise aus. Das macht das Terminal oder der Mensch.
  • Geld. Kassieren, Kautionen, Zahlungen: nein.
  • Schlüssel und Zutritt. Wer eine Tür öffnen kann, braucht ein Zutrittssystem mit Protokoll, keinen Gesprächspartner.
  • Notfälle. Bei Sturz, Rauch oder Bedrohung ruft ein Mensch Hilfe. Das Gerät darf höchstens sagen, wo der Notruf ist.
  • Vertrauliche Gespräche. Wer über seine Diagnose oder seine Schulden sprechen will, tut das nicht vor einem Tablet im Foyer.
  • Menschen, die nicht sprechen können oder wollen. Ein gesprochener Empfang braucht eine Alternative ohne Sprache, und der Aushang muss sie nennen.

Ein Avatar ist die zweite Kraft am Tresen. Er ist nie die einzige.

Die Zwei-Sekunden-Regel

Am Telefon wartet ein Anrufer. Er hat gewählt, er hört das Freizeichen, er gibt dem Gegenüber ein paar Sekunden. Vor einem Bildschirm wartet niemand. Wer ein Tablet anspricht und nach zwei Sekunden keine Reaktion bekommt, dreht sich weg, und für ihn hat das Gespräch nie stattgefunden. Das ist der Grund, warum die erste Sekunde bei einem Gerät am Tresen keine Kennzahl unter vielen ist, sondern die einzige, die über alle anderen entscheidet.

Unsere eigene Messung aus dem Bau von Presence: Der erste Aufbau brauchte neun Sekunden, bis etwas zu hören war, weil das Gesicht fertig gerendert sein musste, bevor die Stimme sprach. Das ist der Standardweg, wenn man eine Avatar-Plattform einfach an einen Sprachagenten hängt, und er ist für einen Tresen unbrauchbar. Die Lösung war, die Reihenfolge umzudrehen: Die Stimme des Agenten antwortet sofort, und das Gesicht setzt beim ersten Redezugwechsel ein. Gemessen am ersten hörbaren Ton liegt Presence heute bei rund zwei Sekunden.

Die zweite Konsequenz aus derselben Beobachtung betrifft das Geld: Weil niemand wartet, braucht es auch keine stehende Sitzung. Das Gerät schläft, wacht auf Ansprache auf, beendet das Gespräch nach einer einstellbaren Stille oder einer Höchstdauer selbst und schläft wieder ein. Nur deshalb kann nach gesprochenen Minuten abgerechnet werden statt nach Laufzeit.

Wer einen Anbieter vergleicht, sollte genau diese Zahl verlangen: Sekunden vom Ende der Frage bis zum ersten Ton der Antwort, gemessen am Gerät, nicht im Labor. Und die zweite Frage gleich hinterher: Was kostet das Gerät in der Stunde, in der niemand davorsteht?

Was das Gerät aufzeichnet, und was nicht

Die Frage kommt in jedem Gespräch mit einem Datenschutzbeauftragten als erste, und sie ist berechtigt. Ein Bildschirm mit Gesicht legt nahe, dass auch in die andere Richtung geschaut wird.

Bei Presence gilt: Das Tablet sendet ausschließlich Ton. Es entstehen keine Videoaufnahmen, es gibt keine Gesichtserkennung und keine biometrische Analyse, und zwei Gespräche derselben Person sind für das System zwei fremde Gespräche. Gespeichert wird dasselbe wie bei einem Telefonat mit dem Voice Agent: die Textmitschrift, so lange, wie es in den Einstellungen des Agenten festgelegt ist. Das Gesicht selbst wird von einem Anbieter in den USA gerendert, abgesichert über Standardvertragsklauseln und das Data Privacy Framework, und genau dieser Punkt gehört auf den Aushang, dazu gleich mehr.

Wer bei einem anderen Produkt nicht sicher ist, fragt drei Dinge: Geht ein Videosignal vom Gerät weg? Wird irgendetwas über die Person gespeichert, das sie beim nächsten Besuch wiedererkennbar macht? Und wo läuft die Spracherkennung?

Recht: Art. 13 DSGVO, Art. 50 KI-Verordnung, Drittland

Seit dem 2. August 2026 gelten die Transparenzpflichten aus Artikel 50 der KI-Verordnung, der Verordnung (EU) 2024/1689. KI-Systeme, die mit Menschen interagieren, müssen so gestaltet sein, dass diese Menschen erfahren, dass sie mit einer KI sprechen, es sei denn, das ist aus den Umständen offensichtlich. Ein sprechendes, menschlich wirkendes Gesicht auf einem Tablet ist genau der Fall, in dem es nicht offensichtlich ist. Verstöße gegen Artikel 50 fallen unter Artikel 99 und können mit bis zu 15 Millionen Euro oder 3 Prozent des weltweiten Jahresumsatzes geahndet werden. Bei Unternehmen gilt der höhere der beiden Beträge, bei kleinen und mittleren Unternehmen der niedrigere. Was die Kennzeichnungspflicht im Einzelnen verlangt, haben wir im Beitrag zur KI-Kennzeichnungspflicht 2026 aufgeschrieben.

Die zweite Pflicht ist älter und kommt aus Artikel 13 DSGVO: Wer personenbezogene Daten erhebt, informiert die betroffene Person zum Zeitpunkt der Erhebung, und zwar über Verantwortlichen, Zwecke, Rechtsgrundlage, Empfänger, Speicherdauer und Rechte. Ein gesprochenes Gespräch, das als Mitschrift gespeichert wird, ist eine solche Erhebung. Am Telefon löst das die Ansage. Am Tresen löst es ein Aushang.

Die dritte Angabe betrifft die Übermittlung in ein Drittland, wenn, wie bei Presence, das Gesicht außerhalb der EU gerendert wird. Auch das gehört auf das Blatt, mit dem Hinweis auf die Garantien, auf die sich die Übermittlung stützt.

In der Praxis heißt das: ein Aushang in Sichtweite des Geräts, der drei Dinge abdeckt. Erstens den Satz, dass hier ein KI-System spricht. Zweitens die Information nach Artikel 13. Drittens die Drittlandübermittlung. Und ein vierter Satz, der oft vergessen wird und dem Geist beider Rechtsakte entspricht: wie man stattdessen einen Menschen erreicht. Presence liefert dafür eine fertige Vorlage in Deutsch, Englisch und Französisch, in der acht Felder frei bleiben, weil nur Sie wissen, wer bei Ihnen Verantwortlicher ist, wie lange Sie Mitschriften aufbewahren und wen man am Tresen ansprechen kann.

Ein Hinweis für alle, die ihr eigenes Gesicht auf das Gerät bringen wollen, etwa das der Empfangskraft, die man im Haus kennt: Das geht, braucht aber den Namen der abgebildeten Person und ihre Einwilligung. Ohne Namen keine Einwilligung, ohne Einwilligung kein Gesicht. Und die Einwilligung muss widerrufbar sein, was bedeutet, dass das Gesicht am Tag des Widerrufs vom Gerät verschwindet.

Einrichtung in zehn Minuten

Der zweite Grund, warum digitale Empfänge in Deutschland so selten sind, ist nicht das Recht, sondern die Vorstellung, dafür ein Projekt mit Dienstleister zu brauchen. Für ein Terminal mit Ausweisdrucker und Zutrittsanbindung stimmt das. Für ein Tablet, das spricht, nicht.

So läuft es bei Presence, mit Zeiten aus unseren eigenen Einrichtungen:

  1. Voice Agent vorhanden? Presence spricht mit dem Agenten, den Sie bereits am Telefon einsetzen, auf derselben Wissensbasis. Wer noch keinen hat, legt ihn in rund fünf Minuten an. Das Wissen, das Sie dort pflegen, gilt sofort auch am Tresen.
  2. Gerät anlegen. Im EchoHub einen Standort und ein Gerät erstellen. Dabei legen Sie Öffnungszeiten, die Stille bis zum Gesprächsende, die Höchstdauer eines Gesprächs und die Minuten pro Tag fest. Die Voreinstellungen passen für den Anfang.
  3. Tablet koppeln. Ein Android-Tablet oder ein iPad mit Netzteil an den Tresen, die Presence-Seite oder die App öffnen, den sechsstelligen Code eingeben, Mikrofon erlauben. Das Gerät prüft Mikrofon, Lautsprecher und Netzwerk selbst und meldet das Ergebnis innerhalb von zwanzig Sekunden zurück.
  4. Gesicht wählen. Aus der Auswahl, oder ein eigenes einreichen, mit Namen und Einwilligung.
  5. Aushang ausfüllen. Vorlage öffnen, acht Felder ausfüllen, ausdrucken, neben das Gerät hängen.
  6. Ein Gespräch führen. Das Tablet ansprechen, zuhören, nachbessern. Was der Agent am Tresen falsch sagt, sagt er in der Regel auch am Telefon falsch, und die Korrektur in der Wissensbasis wirkt an beiden Stellen.

Ein Gerät, vor dem niemand steht, verbraucht keine Minuten, und außerhalb der Öffnungszeiten bleibt es still. Weitere Geräte und Minutenpakete lassen sich jederzeit nachbuchen.

Checkliste: zehn Fragen an jeden Anbieter

Wer 2026 einen digitalen Empfang kauft, egal von wem, sollte diese Fragen schriftlich beantwortet bekommen:

  1. Wie viele Sekunden vergehen vom Ende meiner Frage bis zum ersten Ton der Antwort, gemessen am Gerät?
  2. Was kostet das Gerät in einer Stunde, in der niemand davorsteht?
  3. Wird nach Laufzeit, nach Gesprächen oder nach gesprochenen Minuten abgerechnet, und was passiert mit angefangenen Minuten?
  4. Verlässt ein Videosignal das Gerät? Gibt es Gesichtserkennung oder eine andere biometrische Verarbeitung?
  5. Wo läuft die Spracherkennung, wo das Sprachmodell, wo das Rendering des Gesichts? Welche Übermittlungen in Drittländer gibt es, und auf welcher Grundlage?
  6. Wie lange werden Mitschriften gespeichert, und kann ich das selbst einstellen?
  7. Liefert der Anbieter eine Vorlage für den Aushang nach Art. 13 DSGVO und Art. 50 KI-Verordnung?
  8. Nutzt das Gerät dieselbe Wissensbasis wie mein Telefonagent, oder pflege ich zwei Systeme?
  9. Welche Hardware brauche ich, und was passiert, wenn das WLAN ausfällt?
  10. Wie übergibt das Gerät an einen Menschen, und was sagt es, wenn es nicht weiterweiß?

Wer auf die erste Frage „ein paar Sekunden“ hört und auf die zweite keine Zahl bekommt, hat den Dauer-Avatar aus der zweiten Tabellenzeile vor sich.

Häufige Fragen zum digitalen Empfang mit KI-Avatar

Was kostet ein KI-Avatar am Empfang?

EchoCall Presence kostet 149 Euro im Monat für 300 gesprochene Minuten und ein Gerät, 399 Euro für 1.000 Minuten und drei Geräte, 899 Euro für 2.500 Minuten und zehn Geräte. Nachgebuchte Minuten kosten 0,39 Euro, ein weiteres Gerät 39 Euro im Monat. Es gibt keine Einrichtungsgebühr. Das Tablet bringen Sie selbst mit.

Ersetzt der Avatar meine Empfangskraft?

Nein. Er beantwortet die Fragen, für die gerade niemand da ist: nachts, in Spitzenzeiten, in der Mittagspause, an Standorten ohne eigenen Empfang. Identitätsprüfung, Zahlungen, Schlüssel und alles Vertrauliche bleiben beim Menschen.

Welche Hardware brauche ich?

Ein Android-Tablet oder ein iPad mit Mikrofon, Lautsprecher und WLAN, dazu ein Netzteil, weil das Gerät dauerhaft am Strom hängt. Eine Halterung ist sinnvoll, ein Kiosk-Gehäuse nicht nötig. Gekoppelt wird mit einem sechsstelligen Code in rund zehn Minuten.

Nimmt das Gerät Besucher auf Video auf?

Nein. Das Tablet sendet nur Ton. Es gibt keine Videoaufnahme, keine Gesichtserkennung und keine biometrische Analyse. Gespeichert wird die Textmitschrift des Gesprächs, so lange wie bei Ihrem Voice Agent eingestellt.

Was muss auf dem Aushang stehen?

Dass hier ein KI-System spricht (Art. 50 KI-Verordnung), die Information nach Art. 13 DSGVO (Verantwortlicher, Zwecke, Rechtsgrundlage, Empfänger, Speicherdauer, Rechte), die Übermittlung in ein Drittland für das Rendering des Gesichts und der Hinweis, wie man stattdessen einen Menschen erreicht. Presence liefert dafür eine Vorlage in drei Sprachen.

In welchen Sprachen spricht der Avatar?

In der Sprache, in der er angesprochen wird. Die Spracherkennung erkennt sie automatisch, und der Agent antwortet in derselben Sprache. Testen Sie Ihre wichtigsten Sprachen vor dem Einsatz mit der gewählten Stimme. Für ein Bürgeramt oder ein Hotel ist das oft der eigentliche Grund für das Gerät.

Was passiert, wenn das Gerät eine Frage nicht beantworten kann?

Es sagt das und verweist auf das Personal am Tresen oder auf die Telefonnummer, die Sie hinterlegt haben. Außerhalb der Öffnungszeiten, bei erreichtem Tagesbudget oder bei einer Störung zeigt das Gerät einen ruhigen Hinweis mit demselben Verweis. Es rät nicht.

Kann ich das Gerät mit einem bestehenden Besuchermanagement kombinieren?

Ja, und das ist oft die richtige Kombination: Das Terminal macht Check-in, Ausweis und Unterweisung, der Avatar beantwortet Fragen. Beide stehen nebeneinander, und der Aushang gilt für beide.

Quellen

  1. Empfangsmitarbeiter Gehalt 2026 (Einstieg 2.250 €, Median 2.580 €, Senior 2.830 € brutto je Monat), brutto-netto-gehaltsrechner.de, redaktionell geprüft am 26.08.2026: brutto-netto-gehaltsrechner.de/berufe/empfangsmitarbeiter
  2. Empfangskraft Behörde Gehalt 2026 (Median 2.390 € brutto je Monat), brutto-netto-gehaltsrechner.de: brutto-netto-gehaltsrechner.de/berufe/empfangskraft-behoerde
  3. Nachtrezeptionist/in Gehälter in Deutschland (Ø 31.400 € im Jahr, Spanne 27.000 bis 34.900 €), StepStone: stepstone.de/gehalt/Nachtrezeptionist-in.html
  4. Gehaltstarifvertrag für Medizinische Fachangestellte, Tabelle ab 01.01.2026 (Tätigkeitsgruppe I, 1. bis 4. Berufsjahr 2.940 €), medi-karriere.de, Stand 01.10.2026: medi-karriere.de/magazin/gehaltstarifvertrag-mfa
  5. Lohnnebenkosten 2026, Arbeitgeberanteile zur Sozialversicherung (Rentenversicherung 9,3 %, Arbeitslosenversicherung 1,3 %, Krankenversicherung 7,3 % plus 1,45 % Zusatzbeitrag, Pflegeversicherung 1,8 %), lohnklar.de: lohnklar.de/blog/lohnnebenkosten-2026
  6. friendlyway Besuchermanagement, Preise (Starter 149 € je Monat, Premium 279 € je Monat, Module 59 € je Monat und Gerät), OMR Reviews: omr.com/de/reviews/product/friendlyway-besuchermanagement/pricing
  7. Bitkom, Presseinformation „Behördenbesuch dauert im Schnitt 2 Stunden“ vom 29.12.2025, repräsentative Befragung von 1.005 Personen ab 18 Jahren: bitkom.org/Presse/Presseinformation/Behoerdenbesuch-dauert-im-Schnitt-2-Stunden
  8. Verordnung (EU) 2024/1689 (KI-Verordnung), Artikel 50 Transparenzpflichten und Artikel 99 Sanktionen, EUR-Lex: eur-lex.europa.eu/eli/reg/2024/1689/oj/deu
  9. Verordnung (EU) 2016/679 (DSGVO), Artikel 13 Informationspflicht bei Erhebung personenbezogener Daten, EUR-Lex: eur-lex.europa.eu/eli/reg/2016/679/oj/deu
  10. EchoCall Presence, Produktseite mit eigenen Messwerten (rund 2 Sekunden bis zum ersten Ton, erster Aufbau 9 Sekunden, rund 65 € je Gerät und Tag für eine durchlaufende Avatar-Sitzung) und Preise: echocall.de/ai-avatar-presence und echocall.de/pricing

Die Arbeitgeberkosten in der Tabelle sind gerundet: Bruttogehalt mal 1,21. Unfallversicherung, Umlagen, Urlaubs- und Krankheitsvertretung sind nicht enthalten, die tatsächlichen Kosten liegen also eher höher.

Das könnte Sie auch interessieren

Diesen Beitrag teilen
cta image
cta image

Bereit, EchoCall auszuprobieren?

Starten Sie mit 30 Voice-Minuten und 30 Chat-Gesprächen als Startguthaben auf hub.echocall.de, 14 Tage gültig - Kreditkarte zur Verifizierung erforderlich, 1 € wird automatisch erstattet.