KI-Voice-Agents 2026: Chronik zu Technik, Geld und Recht

Kurz gesagt: Seit Januar 2025 haben sich bei KI-Voice-Agents vier Dinge grundlegend verändert: die Technik, die Preise, das Geld im Markt und die Regeln. OpenAI, Google, Amazon, Microsoft und xAI haben Echtzeit-Sprachmodelle allgemein verfügbar gemacht, die sich unterbrechen lassen und Pausen besser deuten. OpenAI bindet sie seit August 2025 direkt per SIP ans Telefonnetz an. Die Sprachschicht kostet bei OpenAI und xAI zum Start 0,05 US-Dollar je Minute. In den 21 Finanzierungsrunden, die wir mit Quelle belegen konnten, flossen rund 3,1 Milliarden US-Dollar in Voice- und Service-KI. Seit dem 2. August 2026 muss sich in der EU ein KI-Agent zu Beginn als KI zu erkennen geben, außer das ist offensichtlich. Und die Analysten sind vorsichtiger geworden: Gartner erwartet, dass 2028 kein Fortune-500-Unternehmen den menschlichen Kundenservice ganz abgeschafft hat.

Die erste Fassung dieses Beitrags vom Januar 2026 versprach bis zu 60 Prozent geringere Supportkosten und das Erkennen emotionaler Nuancen, ohne Beleg. Wir haben sie im Oktober 2026 durch eine datierte Chronik ersetzt. Jede Angabe stammt aus der Quelle selbst: Changelogs der Hersteller, Pressemitteilungen, EUR-Lex und FCC-Dokumente. Gartner-Pressemitteilungen haben wir über wörtliche Nachdrucke geprüft, weil gartner.com automatische Abrufe sperrt. Alle Quellen stehen am Ende, abgerufen am 6. Oktober 2026.

Die Chronik auf einen Blick

Datum	Was passiert ist	Warum es zählt
5. März 2025	Gartner sagt voraus, dass agentische KI bis 2029 80 Prozent der gängigen Service-Anliegen allein löst [33]	der Ausgangspunkt vieler Erwartungen
8. April 2025	Amazon stellt Nova Sonic vor, ein Modell für Sprachverstehen und Sprachausgabe in einem [4]	Sprache rein, Sprache raus, ohne Umweg über Text
14. Mai 2025	Twilio macht ConversationRelay allgemein verfügbar [6]	Telefonie und eigenes Sprachmodell aus einer Hand
28. August 2025	OpenAI macht die Realtime API allgemein verfügbar, mit SIP-Anbindung [1] [2]	ein großes Sprachmodell telefoniert ohne Zwischenschicht
8. Sept. 2025	NiCE schließt die Übernahme von Cognigy ab, bewertet mit rund 955 Mio. US-Dollar [24]	die großen Contact-Center-Anbieter kaufen KI zu
2. Oktober 2025	Deepgram veröffentlicht Flux, eine Spracherkennung, die das Ende eines Redebeitrags erkennt [5]	weniger Fälle, in denen der Agent dem Anrufer ins Wort fällt
17. Dez. 2025	xAI startet die Grok Voice Agent API für 0,05 US-Dollar je Minute [7]	Minutenpreis statt Token-Rechnung
15. Jan. 2026	Parloa aus Berlin sammelt 350 Mio. US-Dollar bei 3 Mrd. Bewertung ein [12]	ein deutsches Voice-Start-up wird zum Milliardenunternehmen
7. Mai 2026	OpenAI stellt GPT-Realtime-2 mit einstellbarem Nachdenken vor [1]	Nachdenken im Gespräch wird einstellbar
24. Juli 2026	Verordnung (EU) 2026/1744 erscheint im Amtsblatt, die Hinweispflicht bleibt unverändert [28]	kein Aufschub für den Satz "Sie sprechen mit einer KI"
2. August 2026	Art. 50 der KI-Verordnung gilt [27]	KI-Agenten müssen sich in der EU zu erkennen geben
4. August 2026	Gartner: 87 Prozent der Kunden halten den Weg zu einem Menschen für unverzichtbar [33]	ohne Weiterleitung kein Vertrauen
10. Sept. 2026	OpenAI macht GPT-Live 1 allgemein verfügbar, ein Modell, das gleichzeitig hört und spricht [1] [2]	Gespräche ohne starres Abwechseln
15. Sept. 2026	Google macht Gemini 3.8 Live allgemein verfügbar [3]	laut Google für Sprachagenten ohne Denkpausen gebaut

Technik: Was sich am Telefon verbessert hat

Ein KI-Voice-Agent besteht aus drei Aufgaben: zuhören, verstehen und antworten. Lange lief das als Kette. Eine Spracherkennung schreibt mit, ein Sprachmodell formuliert die Antwort als Text, eine Sprachausgabe liest sie vor. Jede Station kostet Zeit. Seit 2025 gibt es zwei weitere Bauarten. Sprach-zu-Sprach-Modelle hören und sprechen direkt, ohne Text dazwischen. Vollduplex-Modelle gehen noch weiter und hören zu, während sie sprechen, wie ein Mensch am Telefon. Alle drei Bauarten werden weiterentwickelt. Google hat im September 2026 neue Sprachausgaben ausdrücklich für die Kette veröffentlicht. [3]

Für Anrufer zählen weniger die Bauarten als vier ganz konkrete Probleme, die Voice-Agents früher hatten. Bei allen vieren hat sich etwas bewegt.

Ins Wort fallen und Pausen. Wer am Telefon kurz überlegt, wurde früher oft unterbrochen. Google hat im September 2025 ein Modell mit besserem Umgang mit Unterbrechungen veröffentlicht. Deepgram nennt Flux die erste Spracherkennung, die weiß, wann jemand wirklich fertig gesprochen hat. OpenAI hat mit GPT-Realtime-2.1 im Juli 2026 ausdrücklich den Umgang mit Stille, Störgeräuschen und Unterbrechungen verbessert. [1] [3] [5]

Zahlen und Buchstaben. Kundennummern, Kennzeichen und E-Mail-Adressen sind am Telefon eine bekannte Fehlerquelle. GPT-Realtime-2.1 bringt laut Changelog eine bessere Erkennung von Buchstaben-Zahlen-Folgen. [1] Prüfen sollten Sie das trotzdem selbst, mit Ihren echten Nummernformaten.

Telefonie. Twilio hat im Mai 2025 ConversationRelay allgemein verfügbar gemacht, einen Baustein, mit dem Firmen ein eigenes Sprachmodell ans Telefon anbinden. [6] Seit August 2025 nimmt OpenAIs Echtzeitmodell Anrufe direkt per SIP entgegen. Im November 2025 kamen Tastendrücke dazu, im Januar 2026 eigene IP-Bereiche für SIP. [1] Amazon hat Nova 2 Sonic im Dezember 2025 mit Amazon Connect, Vonage, Twilio und anderen verbunden, xAI hat im Juli 2026 einen Baukasten ohne Programmierung veröffentlicht, der Telefonnummern und SIP einbindet. [4] [7]

Mehrstufige Aufgaben. Termine verschieben, eine Bestellung prüfen, dann noch eine Rückfrage beantworten: Dafür muss das Modell nachdenken, ohne dass eine Pause entsteht. xAI hat im April 2026 ein Sprachmodell für komplexe, mehrstufige Abläufe vorgestellt, OpenAI im Mai 2026 GPT-Realtime-2 mit einstellbarem Nachdenken. GPT-Live 1 gibt seit September 2026 Nachdenken und Werkzeuge an ein zweites Modell im Hintergrund ab. [1] [7]

Dazu kommen offene Modelle, zwei davon aus Europa. Das Pariser Labor Kyutai hat im Juni und Juli 2025 seine Spracherkennung, seine Sprachausgabe und das System Unmute als Open Source veröffentlicht. Mistral AI hat im Juli 2025 mit Voxtral offene Modelle für Sprachverständnis unter Apache-2.0-Lizenz herausgebracht. [10] NVIDIA hat im Januar 2026 mit PersonaPlex ein Vollduplex-Modell mit veröffentlichten Gewichten vorgestellt. [9]

Ein Punkt wird oft übersehen: Deutsch ist nicht immer vom ersten Tag an dabei. Amazon Nova Sonic verstand zum Start nur amerikanisches und britisches Englisch. Microsofts Sprach-zu-Sprach-Modell ist im Juli 2026 mit 11 Sprachen allgemein verfügbar geworden, für Cartesias Sprachausgabe Sonic 3.6 nennt die Dokumentation 44. [4] [8] [11] Fragen Sie bei jedem Anbieter, welches Modell Ihre Anrufer auf Deutsch hören und ob dasselbe Modell auch Englisch, Türkisch oder Polnisch kann.

Preise: Was die Sprachschicht heute kostet

Die Preise der Modellanbieter sind öffentlich. Sie gelten für Entwickler, die selbst bauen, und decken nur die Sprachschicht ab.

Modell	Listenpreis am 6. Oktober 2026
OpenAI gpt-4o-realtime-preview (Vorgänger)	Audio 40 US-Dollar Eingabe und 80 US-Dollar Ausgabe je 1 Mio. Tokens [2]
OpenAI gpt-realtime bis GPT-Realtime-2.1	Audio 32 und 64 US-Dollar je 1 Mio. Tokens, eigene Rechnung: 20 Prozent günstiger [2]
OpenAI GPT-Realtime-2.1 mini	Audio 10 und 20 US-Dollar je 1 Mio. Tokens [2]
OpenAI GPT-Live 1	0,05 US-Dollar je Minute, sekundengenau, Hintergrundmodell und Werkzeuge extra [2]
xAI Grok Voice Agent API	0,05 US-Dollar je Minute zum Start im Dezember 2025, die Modellübersicht nennt heute 0,08 US-Dollar für Sprach-zu-Sprach [7]
Google Gemini 3.8 Live	Audio-Eingabe 0,005 US-Dollar, Audio-Ausgabe 0,018 US-Dollar je Minute [3]
Deepgram Voice Agent API	4,50 US-Dollar je Stunde, also 0,075 US-Dollar je Minute (eigene Rechnung) [5]

Bei OpenAI liegt der Audiopreis 20 Prozent unter dem Vorgängermodell, und mit GPT-Live 1, xAI und Google gibt es Minutenpreise statt Token-Rechnung. Für ein Unternehmen, das einen fertigen Telefonagenten kauft, ist das aber nur ein Teil der Rechnung. Dazu kommen das Sprachmodell für Wissen und Werkzeuge, die Telefonnummer und die Telefonie, Speicherung und Abschriften, Anbindungen an Kalender und CRM, Betrieb und Support. Wie sich der Preis eines fertigen Agenten zusammensetzt und was Anbieter verlangen, rechnen wir im Leitfaden zum KI-Telefonagenten vor. EchoCall kostet im Paket 0,30 Euro je Minute, netto. [35]

Geld: Wer 2025 und 2026 finanziert und gekauft wurde

Diese 21 Finanzierungsrunden von Voice- und Service-KI-Firmen konnten wir mit Quelle belegen. Die Liste ist eine Auswahl, keine vollständige Marktübersicht.

Datum	Unternehmen	Runde	Betrag in US-Dollar	Bewertung laut Quelle
Feb. 2025	Bland	Series B	40 Mio.	nicht genannt
März 2025	Cartesia	Series A	64 Mio.	nicht genannt
Mai 2025	Parloa, Berlin	Series C	120 Mio.	1 Mrd.
Juni 2025	Decagon	Series C	131 Mio.	1,5 Mrd.
Juni 2025	Synthflow AI, Berlin	Series A	20 Mio.	nicht genannt
Sept. 2025	HappyRobot	Series B	44 Mio.	nicht genannt
Sept. 2025	Sierra	Finanzierung	350 Mio.	10 Mrd.
Sept. 2025	Assort Health	Series B	76 Mio.	nicht genannt
Okt. 2025	Sesame	Series B	250 Mio.	nicht genannt
Nov. 2025	Giga	Series A	61 Mio.	nicht genannt
Nov. 2025	Wonderful	Series A	100 Mio.	nicht genannt
Dez. 2025	PolyAI	Series D	86 Mio.	nicht genannt
Jan. 2026	Deepgram	Series C	130 Mio.	1,3 Mrd.
Jan. 2026	Parloa, Berlin	Series D	350 Mio.	3 Mrd.
Jan. 2026	Decagon	Series D	250 Mio.	4,5 Mrd.
März 2026	Wonderful	Series B	150 Mio.	nicht genannt
Mai 2026	Vapi	Series B	50 Mio.	nicht genannt
Juni 2026	Bland	Series C	50 Mio.	nicht genannt
Juni 2026	Assort Health	Series C	120 Mio.	1,2 Mrd.
Aug. 2026	HappyRobot	Series C	150 Mio.	1,2 Mrd.
Sept. 2026	Wonderful	Series C	550 Mio.	5 Mrd.

Quellen: [12] bis [23]. Zusammen sind das rund 3,1 Milliarden US-Dollar (eigene Rechnung). Nicht eingerechnet ist die Runde über 950 Mio. US-Dollar, die Sierra im Mai 2026 bei einer Bewertung von über 15 Mrd. US-Dollar angekündigt hat. Ihr Abschluss ist in der Quelle nicht bestätigt. [14]

Parallel wurde gekauft. NiCE hat Cognigy für rund 955 Mio. US-Dollar übernommen, Zendesk hat Local Measure und Forethought gekauft, Meta hat PlayAI übernommen, SoundHound AI hat Interactions für rund 60 Mio. US-Dollar in bar gekauft. Salesforce und ServiceNow haben Genesys 1,5 Mrd. US-Dollar zugesagt, Google hat Technologie von Hume AI lizenziert. [24] [25] [26]

Drei Dinge fallen auf. Erstens kommen zwei der finanzierten Firmen aus Berlin. Zweitens fließt das meiste Geld in Plattformen, die sich an Großunternehmen richten. Drittens kaufen etablierte Contact-Center- und Service-Anbieter wie NiCE und Zendesk KI-Firmen zu. Wie sich zwei dieser Plattformen für den Mittelstand einordnen, zeigen unsere Vergleiche zu Parloa und Cognigy, für Entwicklerplattformen der Beitrag zur Vapi-Alternative.

Recht: Was seit 2025 gilt

Europäische Union

Seit dem 2. August 2026 gilt Art. 50 der KI-Verordnung. [27] Absatz 1 verlangt, dass Menschen informiert werden, wenn sie mit einem KI-System interagieren, es sei denn, das ist offensichtlich. Die EU-Kommission hat am 20. Juli 2026 Leitlinien dazu veröffentlicht. Laut ihren Fragen und Antworten muss der Hinweis ab Beginn der ersten Interaktion kommen, und die Ausnahme "offensichtlich" ist eng auszulegen. [29] Verstöße können nach Art. 99 Abs. 4 bis zu 15 Mio. Euro oder 3 Prozent des weltweiten Jahresumsatzes kosten. [27]

Der sogenannte Digital Omnibus hat daran nichts verschoben. Die Verordnung (EU) 2026/1744 vom 8. Juli 2026 ersetzt in Art. 50 nur Absatz 7. Sie gibt Systemen, die schon vor dem 2. August 2026 auf dem Markt waren, bis zum 2. Dezember 2026 Zeit für die maschinenlesbare Kennzeichnung nach Absatz 2. Die Hinweispflicht am Telefon nach Absatz 1 bleibt, wie sie ist. [28] Die Kommission hat am 31. Juli 2026 angekündigt, die Regeln ab dem 2. August durchzusetzen. [29] Was das im Detail für Chat und Telefon heißt, steht in unserem Beitrag zum EU AI Act.

USA

In den USA gibt es keine bundesweite Pflicht, eine KI-Stimme am Telefon offenzulegen. Die FCC hat im Februar 2024 entschieden, dass KI-Stimmen als künstliche Stimme im Sinne des Telephone Consumer Protection Act gelten. Für ausgehende Anrufe mit KI-Stimme braucht es damit die dort vorgeschriebene Einwilligung. [30] Im August 2024 hat die FCC vorgeschlagen, dass Anrufer zu Beginn jedes Anrufs auf die KI-Stimme hinweisen. Eingehende Anrufe sind ausdrücklich nicht erfasst. Eine endgültige Regel haben wir bis Oktober 2026 nicht gefunden. [30] Im Dezember 2025 hat der Präsident per Executive Order einen bundesweiten Rahmen angestoßen, der Landesgesetze zurückdrängen soll. [31]

Einzelne Bundesstaaten regeln selbst. Maine verbietet seit 2025, Verbrauchern mit Text oder Stimme vorzutäuschen, sie sprächen mit einem Menschen, wenn kein klarer Hinweis erfolgt. Utah verlangt den Hinweis seit Mai 2025 nur noch auf klare Nachfrage oder bei riskanten Gesprächen in regulierten Berufen, schützt aber, wer von Beginn an offenlegt. Texas schreibt den Hinweis seit Januar 2026 für Behörden und Gesundheitsleistungen vor, nicht allgemein für Unternehmen. Kalifornien hat im September 2026 ein Gesetz unterzeichnet, das einen Hinweis auf KI-generierte Darsteller in Video- und Audiowerbung verlangt. Reine Kundenservice-Bots sind in Kalifornien und New York von den Regeln für sogenannte Companion-Chatbots ausdrücklich ausgenommen. [32]

Analysten: Von "80 Prozent automatisiert" zu "der Mensch bleibt"

Wer die Pressemitteilungen von Gartner und Forrester seit März 2025 nebeneinanderlegt, sieht einen deutlichen Stimmungswechsel.

März 2025: Gartner sagt voraus, dass agentische KI bis 2029 80 Prozent der gängigen Service-Anliegen ohne Menschen löst und die Betriebskosten um 30 Prozent senkt. [33]
Juni 2025: Gartner erwartet, dass bis 2027 die Hälfte der Unternehmen, die wegen KI deutlich Service-Personal abbauen wollten, diese Pläne aufgibt. Laut Reuters rechnet Gartner außerdem damit, dass über 40 Prozent der Projekte mit agentischer KI bis Ende 2027 abgebrochen werden, wegen steigender Kosten und unklarem Nutzen. [33]
September 2025: Gartner sagt voraus, dass 2028 kein Fortune-500-Unternehmen den menschlichen Kundenservice ganz abgeschafft hat. [33]
Oktober 2025: Forrester erwartet, dass 2026 ein Drittel der Unternehmen das Kundenerlebnis mit frustrierendem KI-Self-Service beschädigt. [34]
Dezember 2025: Nur 20 Prozent der befragten Service-Leiter haben wegen KI Personal abgebaut. 55 Prozent halten den Personalstand und bewältigen mehr Anfragen. [33]
Januar 2026: Gartner erwartet, dass eine durch generative KI gelöste Anfrage 2030 mehr als 3 US-Dollar kostet, mehr als viele Offshore-Mitarbeiter. Regulierung werde bis 2028 das von Menschen bearbeitete Volumen um 30 Prozent erhöhen. [33]
Februar 2026: Bis 2027 stellt laut Gartner die Hälfte der Unternehmen, die Stellen wegen KI gestrichen haben, wieder Personal für ähnliche Aufgaben ein, unter anderen Berufsbezeichnungen. 91 Prozent der Service-Leiter stehen unter Druck der Geschäftsführung, KI einzuführen. [33]
April 2026: 54 Prozent der Kunden vertrauen bei Empfehlungen eher Menschen, 32 Prozent eher der KI. [33]
Mai 2026: Forrester rechnet vor, dass bis 2030 durch KI 49 Prozent der heutigen Service-Jobs wegfallen. Grundlage ist ein Modell mit Annahmen zu Personalschlüsseln und Automatisierungsquoten. [34]
Juli 2026: Kunden nutzen laut Gartner etwa dreimal so häufig externe KI-Werkzeuge wie die Chatbots der Unternehmen, um ein Service-Problem zu lösen. Forrester meldet, dass US-Stellenanzeigen im Kundenservice rund 10 Prozent unter dem Niveau vor der Pandemie liegen. [33] [34]
August 2026: 87 Prozent der Kunden halten es für unverzichtbar, auch bei KI-Service einen Menschen erreichen zu können. Die KI-Ausgaben im Service steigen um 38 Prozent, das Gesamtbudget um 2 Prozent. Als künftig wertvollste Kanäle nennen die befragten Service-Leiter Chatbots mit generativer KI, danach Live-Chat und Voicebots mit generativer KI. [33]
September 2026: Nur 27 Prozent der Kunden würden einen Chatbot nach einer schlechten Erfahrung noch einmal benutzen. [33]

Die Prognosen widersprechen sich teilweise. Forrester sieht fast die Hälfte der Service-Jobs verschwinden, Gartner sieht Unternehmen wieder einstellen. Gemeinsam ist beiden: KI übernimmt einfache, wiederkehrende Anliegen, und Kunden verzeihen schlechte Automatisierung selten. Weitere Zahlen zu Markt, Verbreitung und Kosten stehen in unserer KI-Voice-Agent-Statistik.

Was das für Unternehmen in Deutschland bedeutet

Die Technik trägt Routineanrufe. Termine, Öffnungszeiten, Rückrufwünsche und Statusfragen kann ein gut eingerichteter Agent 2026 übernehmen. Beratung, Beschwerden und Sonderfälle gehören weiter zu Menschen.
Der KI-Hinweis ist Pflicht. Ein Satz in der Begrüßung reicht. Er muss am Anfang stehen, nicht erst auf Nachfrage.
Der Weg zum Menschen gehört dazu. 87 Prozent der Kunden erwarten ihn. Ein Agent sollte live weiterleiten oder einen Rückruf zusagen können, statt den Anrufer in einer Schleife festzuhalten.
Der erste Eindruck zählt doppelt. Wenn nur gut ein Viertel der Kunden einem Chatbot nach einer schlechten Erfahrung eine zweite Chance gibt, lohnt es sich, vor dem Start mit echten Anrufen zu testen und die ersten Wochen die Abschriften zu lesen.
Die Unterschiede liegen nicht mehr im Modell. Wenn die Sprachschicht ein paar Cent je Minute kostet, entscheiden Telefonie, Anbindungen, Datenschutz, deutsche Sprachqualität und Support über die Wahl des Anbieters.

EchoCall setzt genau dort an. Der Agent spricht am Telefon mehr als 30 Sprachen und erkennt die Sprache des Anrufers. Er leitet live an Ihr Team weiter und legt jedes Gespräch als Abschrift im EchoHub ab. Gehostet wird bei IONOS in Frankfurt und Karlsruhe, mit Auftragsverarbeitungsvertrag nach Art. 28 DSGVO. Unterlagen zu AVV und Unterauftragnehmern finden Sie auf der Seite DSGVO. Der Test läuft 14 Tage mit 30 Voice-Minuten und 30 Chat-Gesprächen. Dafür hinterlegen Sie eine Karte, die mit 1 Euro geprüft wird. Pakete und Preise finden Sie unter Preise, alle Funktionen auf der Seite zum KI-Voice-Agent.

Häufige Fragen

Was ist ein KI-Voice-Agent?

Ein KI-Voice-Agent ist Software, die Gespräche per Sprache führt, am Telefon oder im Browser. Er versteht ganze Sätze, antwortet in natürlicher Sprache und kann Aufgaben erledigen, etwa einen Termin buchen oder einen Rückruf aufnehmen. Anders als ein Sprachmenü braucht er keine Tastenwahl.

Was hat sich 2025 und 2026 bei KI-Voice-Agents verändert?

Die großen Modellanbieter haben Echtzeit-Sprachmodelle allgemein verfügbar gemacht, die Unterbrechungen, Pausen und Zahlenfolgen besser verarbeiten. OpenAI bindet sein Modell seit August 2025 direkt per SIP an. 2026 kamen Modelle dazu, die gleichzeitig hören und sprechen, seit September auch von OpenAI. Dazu kamen Finanzierungsrunden über mehrere Milliarden US-Dollar und in der EU die Hinweispflicht nach Art. 50 der KI-Verordnung.

Wie viel kostet ein KI-Sprachmodell pro Minute?

Die reine Sprachschicht kostet bei OpenAI GPT-Live 1 0,05 US-Dollar je Minute, bei xAI nennt die Modellübersicht 0,08 US-Dollar. Google berechnet bei Gemini 3.8 Live 0,005 US-Dollar je Minute Audio-Eingabe und 0,018 US-Dollar je Minute Audio-Ausgabe. Ein fertiger Telefonagent kostet mehr, weil Telefonie, Wissen, Anbindungen und Betrieb dazukommen. EchoCall berechnet 0,30 Euro je Minute im Paket, netto.

Welche KI-Voice-Start-ups haben 2026 Geld eingesammelt?

Aus Voice- und Service-KI unter anderem Parloa aus Berlin mit 350 Mio. US-Dollar bei 3 Mrd. Bewertung, Decagon mit 250 Mio., Deepgram mit 130 Mio., Wonderful mit 150 Mio. und 550 Mio., HappyRobot mit 150 Mio., Assort Health mit 120 Mio., Vapi und Bland mit je 50 Mio. US-Dollar. Sierra hat eine Runde über 950 Mio. US-Dollar angekündigt.

Muss ein KI-Voice-Agent sagen, dass er eine KI ist?

In der EU ja. Seit dem 2. August 2026 verlangt Art. 50 Abs. 1 der KI-Verordnung, dass Menschen informiert werden, wenn sie mit einer KI sprechen, laut EU-Kommission ab Beginn der ersten Interaktion. Ausgenommen ist nur, was offensichtlich ist. Der Digital Omnibus hat das nicht verschoben. In den USA gibt es keine bundesweite Pflicht, aber Regeln einzelner Bundesstaaten.

Ersetzen KI-Voice-Agents Callcenter-Mitarbeiter?

Teilweise. Ende 2025 hatten laut Gartner nur 20 Prozent der Service-Leiter wegen KI Personal abgebaut. Gartner erwartet, dass die Hälfte der Unternehmen, die Stellen gestrichen haben, bis 2027 wieder einstellt. Forrester rechnet dagegen bis 2030 mit dem Wegfall von 49 Prozent der heutigen Service-Jobs.

Was sagen Gartner und Forrester zu KI im Kundenservice?

Gartner erwartete im März 2025, dass KI bis 2029 80 Prozent der gängigen Anliegen allein löst. Seitdem betont Gartner die Grenzen: 87 Prozent der Kunden wollen einen Menschen erreichen können, und nur 27 Prozent geben einem Chatbot nach einer schlechten Erfahrung eine zweite Chance. Forrester warnt, dass 2026 ein Drittel der Unternehmen ihr Kundenerlebnis mit schlechtem KI-Self-Service beschädigt.

Quellen

Die Quellen sind englischsprachig, sofern nicht anders angegeben.

OpenAI, API-Changelog: developers.openai.com
OpenAI, Modellseiten und Preise: gpt-realtime, gpt-4o-realtime-preview, gpt-live-1, Preise
Google, Gemini-API-Changelog, Preise und Vertex-AI-Versionshinweise: ai.google.dev, ai.google.dev, cloud.google.com
Amazon, Nova Sonic und Nova 2 Sonic: aws.amazon.com, aws.amazon.com
Deepgram, Voice Agent API und Flux: deepgram.com, developers.deepgram.com
Twilio, ConversationRelay: twilio.com
xAI, Grok Voice Agent API, Grok Voice Think Fast, Voice Agent Builder und Modellübersicht: x.ai, x.ai, x.ai, docs.x.ai
Microsoft, Azure-Speech-Versionshinweise: learn.microsoft.com
NVIDIA, PersonaPlex: research.nvidia.com
Kyutai, Blog und Unmute; Mistral AI, Voxtral: kyutai.org, mistral.ai
Cartesia, Sonic 3.6 und Modellübersicht: cartesia.ai, docs.cartesia.ai
Parloa, Series C und Series D: parloa.com, parloa.com
Decagon, Series C und Series D: decagon.ai, decagon.ai
Sierra, 2025 und 2026: sierra.ai, sierra.ai
Wonderful, Series A, B und C: techcrunch.com, prnewswire.com, prnewswire.com
Deepgram, Series C: deepgram.com
PolyAI, Series D: prnewswire.com
Vapi, Series B: vapi.ai
Bland, Series B und Series C: bland.ai, prnewswire.com
Synthflow AI, Series A: synthflow.ai
HappyRobot, Series B und Series C: happyrobot.ai, happyrobot.ai
Assort Health, Series B und Series C: prnewswire.com, prnewswire.com
Cartesia, Series A; Giga, Series A; Sesame, Series B: cartesia.ai, giga.ai, techcrunch.com
NiCE und Cognigy, Ankündigung und Abschluss: nice.com, cognigy.com
Zendesk, Local Measure und Forethought: prnewswire.com, prnewswire.com
Meta und PlayAI; SoundHound AI und Interactions; Genesys; Hume AI: techcrunch.com, sec.gov, silicon.co.uk, prnewswire.com
Verordnung (EU) 2024/1689 über künstliche Intelligenz, Art. 50, 99 und 113, auf Deutsch: eur-lex.europa.eu
Verordnung (EU) 2026/1744: eur-lex.europa.eu
EU-Kommission, Leitlinien zu Art. 50, Fragen und Antworten, Beginn der Durchsetzung: digital-strategy.ec.europa.eu, digital-strategy.ec.europa.eu, digital-strategy.ec.europa.eu
FCC, Declaratory Ruling FCC 24-17 und Vorschlag FCC 24-84: docs.fcc.gov, docs.fcc.gov
Weißes Haus, Executive Order 14365: whitehouse.gov
Maine, Utah, Texas, Kalifornien: legislature.maine.gov, le.utah.gov, capitol.texas.gov, gov.ca.gov
Gartner-Pressemitteilungen, geprüft über wörtliche Nachdrucke: cmswire.com, stocktitan.net, Reuters über Yahoo, it-online.co.za, mhlnews.com, it-online.co.za, it-online.co.za, stocktitan.net, it-online.co.za, it-online.co.za, it-online.co.za, it-online.co.za
Forrester, Prognosen 2026 und Blogbeiträge: forrester.com, forrester.com, forrester.com
EchoCall, Preise, auf Deutsch: echocall.de/pricing

Alle Links wurden am 6. Oktober 2026 geprüft. Preise von Drittanbietern können sich ändern. Es gilt die aktuelle Preisliste des Anbieters. Prognosen von Analysten sind keine Messungen. Dieser Beitrag ist keine Rechtsberatung.

KI-Voice-Agents 2025 bis 2026: Was sich bei Technik, Preisen, Geld, Recht und Analysten wirklich verändert hat

EchoCall Team