Glossar: 40 Begriffe rund um KI-Telefonie, verständlich erklärt
KI-Telefonie hat ein eigenes Vokabular — aus der Telefontechnik (SIP-Trunk, Rufumleitung), aus der Sprach-KI (STT, LLM, Latenz) und aus dem Datenschutzrecht (AVV, KI-Offenlegung). Dieses Glossar erklärt 40 Begriffe in je ein bis drei Sätzen. Jede Definition steht für sich und ist ohne den Rest der Seite verständlich.
A
Anrufannahme — Anrufannahme bezeichnet das Entgegennehmen eines Anrufs, wenn im Betrieb gerade niemand ans Telefon gehen kann. Ein KI-Telefonassistent übernimmt sie stellvertretend, führt das Gespräch und hinterlässt eine strukturierte Nachricht, statt dass der Anruf ins Leere läuft.
Anrufscreening — Anrufscreening ist das Vorqualifizieren eingehender Anrufe, bevor sie eine Person erreichen: Ein Assistent erfragt Name und Anliegen und stellt nur relevante Gespräche durch. Anders als die Anrufannahme richtet sich Screening an Menschen, die erreichbar sind, aber nicht jeden Anruf selbst führen wollen.
Anrufweiterleitung — Im engeren Sinn verbindet die Anrufweiterleitung ein laufendes Gespräch mit einem anderen Anschluss, etwa einer Kollegin oder einer Notfallnummer. Sie geschieht während des Gesprächs — im Unterschied zur Rufumleitung, die schon vor dem Abheben greift. Umgangssprachlich und bei manchen Anbietern meint das Wort allerdings auch die Rufumleitung.
AVV (Auftragsverarbeitungsvertrag) — Ein AVV ist der Vertrag nach Art. 28 DSGVO zwischen einem Unternehmen und einem Dienstleister, der personenbezogene Daten in dessen Auftrag verarbeitet. Wer einen KI-Telefonassistenten einsetzt, braucht mit dem Anbieter einen AVV.
B–C
Barge-in — Barge-in ist die Fähigkeit eines Sprachsystems, unterbrochen zu werden: Der Anrufer spricht hinein, das System stoppt seine Ausgabe und hört zu. Ohne Barge-in wirken Telefon-KIs monologisch und langsam.
CLIP — CLIP (Calling Line Identification Presentation) ist die Übermittlung der Rufnummer des Anrufers an den Angerufenen. Sie ist die technische Grundlage dafür, dass ein System bekannte Nummern von unbekannten unterscheiden kann.
Containment — Containment (auch Fallabschlussquote) misst den Anteil der Anrufe, die ein Sprachsystem vollständig löst, ohne dass ein Mensch eingreifen muss. Es ist eine zentrale Kennzahl für Voicebots im Kundenservice.
Conversational AI — Conversational AI ist der Sammelbegriff für KI-Systeme, die natürliche Dialoge in Sprache oder Text führen. KI-Telefonassistenten sind Conversational AI am Telefonkanal.
D–E
DSGVO — Die Datenschutz-Grundverordnung ist das EU-Regelwerk für die Verarbeitung personenbezogener Daten. Bei KI-Telefonie betrifft sie vor allem Transkripte, Rufnummern, den AVV, Löschfristen und die Frage, wo verarbeitet wird.
DTMF — DTMF (Mehrfrequenzwahlverfahren) sind die Tastentöne des Telefons, mit denen klassische Sprachmenüs bedient werden („Drücken Sie die 1"). KI-Assistenten ersetzen die Tastenwahl durch freies Sprechen.
Durchstellung — Durchstellung ist das aktive Verbinden eines Anrufers mit einer echten Person, typischerweise nach definierten Regeln — etwa bei erkannten Notfällen oder besonders dringenden Anliegen.
Endpointing — Endpointing ist das Erkennen des Moments, in dem ein Sprecher ausgesprochen hat. Es entscheidet maßgeblich darüber, ob eine Telefon-KI zu früh hineinredet oder unangenehm lange schweigt.
EU AI Act — Der EU AI Act ist die europäische KI-Verordnung. Für Telefonassistenten relevant: Menschen müssen erfahren können, dass sie mit einer KI sprechen — siehe KI-Offenlegung.
F–G
Fallback — Ein Fallback ist der definierte Ersatzweg, wenn eine Komponente ausfällt oder das System nicht weiterweiß — zum Beispiel die Weitergabe an eine Mailbox, eine Rückrufzusage oder die Durchstellung an einen Menschen.
Gesprächszusammenfassung — Die Gesprächszusammenfassung ist die kompakte Nachbereitung eines Anrufs in wenigen Sätzen: wer angerufen hat, was gewünscht wird, was vereinbart wurde. Sie ergänzt oder ersetzt das vollständige Transkript im Arbeitsalltag.
GSM-Code — GSM-Codes sind Steuerbefehle, die direkt am Telefon eingetippt werden, etwa **21*Zielnummer# für eine sofortige Rufumleitung oder **61*Zielnummer# für die verzögerte Variante. Damit lässt sich eine Umleitung ohne Anruf beim Mobilfunkanbieter schalten; alle Codes zeigt die Übersicht der GSM-Codes.
H–I
Halluzination — Eine Halluzination liegt vor, wenn ein Sprachmodell Inhalte erfindet und als Fakt ausgibt. Seriöse Telefonassistenten begrenzen das, indem sie Antworten an eine hinterlegte Wissensbasis binden und bei Unbekanntem eine Nachricht aufnehmen, statt zu raten.
Inklusivminuten — Inklusivminuten sind die im Monatspreis enthaltenen Gesprächsminuten eines Tarifs. Sie sind die wichtigste Vergleichsgröße zwischen Anbietern: Derselbe Monatspreis kann je nach Tarif ein Vielfaches an Gesprächszeit enthalten.
IVR — IVR (Interactive Voice Response) ist das klassische Sprachmenü mit festen Auswahlpfaden („Sagen Sie ‚Termin' oder drücken Sie die 2"). KI-Telefonassistenten sind der Nachfolger: Sie verstehen frei formulierte Anliegen statt vordefinierter Befehle.
K–L
KI-Offenlegung — KI-Offenlegung bedeutet, dass zu Gesprächsbeginn transparent gemacht wird, dass eine KI spricht. Sie folgt aus dem EU AI Act und dem Grundsatz fairer Kommunikation — seriöse Anbieter bauen sie fest in die Begrüßung ein.
KI-Telefonassistent — Ein KI-Telefonassistent ist eine Software, die Anrufe eigenständig annimmt und in natürlicher Sprache führt. Technisch verbindet er Spracherkennung (STT), ein Sprachmodell (LLM) und Sprachsynthese (TTS) mit der Telefonleitung.
Latenz — Latenz ist die Zeitspanne zwischen dem Ende der Äußerung des Anrufers und dem Beginn der Antwort des Systems. Sie entscheidet darüber, ob sich ein Gespräch natürlich anfühlt oder nach Funkverkehr klingt.
LLM — Ein LLM (Large Language Model) ist ein großes Sprachmodell, das Text versteht und erzeugt. Im Telefonassistenten ist es das „Gehirn": Es interpretiert das Anliegen, entscheidet über den nächsten Schritt und formuliert die Antwort.
M–N
Mailbox — Die Mailbox ist der Anrufbeantworter des Telefonanbieters. Sie zeichnet auf, versteht aber nichts und fragt nicht nach — und nicht jeder Anrufer hinterlässt ihr etwas.
Mehrsprachigkeit — Mehrsprachigkeit bezeichnet die Fähigkeit eines Telefonassistenten, Gespräche in mehreren Sprachen zu führen — bei manchen Systemen mit Wechsel mitten im Gespräch. Wie viele Sprachen ein System spricht, unterscheidet sich je nach Anbieter stark.
Nebenstelle — Eine Nebenstelle ist eine interne Durchwahl innerhalb einer Telefonanlage, etwa „-12" für die Buchhaltung. Assistenten mit Weiterleitungsfunktion können Anrufe gezielt an Nebenstellen übergeben.
P–R
Parallelität — Parallelität ist die Fähigkeit, mehrere Anrufe gleichzeitig zu führen. Anders als ein einzelner Mitarbeiter kann ein KI-Assistent mehrere Kunden zur selben Minute bedienen; wie viele Gespräche gleichzeitig möglich sind, begrenzen Anbieter und Tarif.
Prompt — Der Prompt ist die Arbeitsanweisung an das Sprachmodell: Rolle, Tonfall, Regeln, erlaubte Auskünfte. Er bestimmt, wie sich der Assistent am Telefon verhält.
Rufnummernmitnahme — Rufnummernmitnahme (Portierung) ist der Umzug einer Telefonnummer zu einem anderen Anbieter. Für KI-Telefonassistenten ist sie meist unnötig: Eine Rufumleitung auf die Zielnummer des Assistenten genügt, die eigene Nummer bleibt, wo sie ist.
Rufumleitung — Die Rufumleitung leitet eingehende Anrufe auf eine andere Nummer um, bevor jemand abhebt. Üblich sind vier Varianten: sofort (jeder Anruf), verzögert (erst nach einigen Sekunden ohne Abheben), bei besetzt und bei Nichterreichbarkeit (Handy aus oder ohne Netz). Für KI-Assistenten bietet sich oft die verzögerte Umleitung an: Der Mensch hat Vorrang, die KI springt ein.
S–T
SIP-Trunk — Ein SIP-Trunk ist ein virtueller Telefonanschluss über das Internet, der eine Telefonanlage oder einen Sprachdienst mit dem öffentlichen Telefonnetz verbindet. Viele KI-Telefondienste sind auf Anbieterseite über einen SIP-Trunk angebunden; der Betrieb selbst bindet sie oft einfach per Rufumleitung an — den Unterschied erklärt SIP-Trunk oder Rufumleitung.
STT (Speech-to-Text) — STT ist die automatische Spracherkennung: Sie wandelt das gesprochene Wort des Anrufers in Text um, mit dem das Sprachmodell arbeiten kann. Qualität und Geschwindigkeit der STT begrenzen, was der ganze Assistent leisten kann.
Transkript — Ein Transkript ist die Verschriftlichung eines Gesprächs. Es ist datensparsamer als eine Audio-Aufzeichnung: Der Inhalt bleibt dokumentiert, die Stimme selbst wird nicht gespeichert.
TTS (Text-to-Speech) — TTS ist die Sprachsynthese: Sie macht aus dem Antworttext des Sprachmodells hörbare Sprache. Moderne TTS-Stimmen sind der Grund, warum KI-Assistenten nicht mehr nach Navigationsgerät klingen.
Turn — Ein Turn ist ein einzelner Gesprächszug: Der Anrufer spricht, das System antwortet. Latenz und Endpointing werden pro Turn gemessen.
V–W
Voicebot — Voicebot ist der Oberbegriff für sprachgesteuerte Dialogsysteme — von starren Menü-Nachfolgern bis zu frei formulierenden KI-Assistenten. Nicht jeder Voicebot ist ein KI-Telefonassistent, aber jeder KI-Telefonassistent ist ein Voicebot.
VoIP — VoIP (Voice over IP) ist Telefonie über das Internetprotokoll statt über klassische Leitungen. Sie ist heute der Standard im Festnetz und die technische Basis fast aller KI-Telefondienste.
Vorqualifizierung — Vorqualifizierung ist das strukturierte Erfassen von Anliegen, Name und Rückrufnummer, bevor ein Anruf an eine Person weitergegeben wird. Sie ist der Kern des Anrufscreenings.
Warteschleife — Die Warteschleife hält Anrufer mit Musik oder Ansagen, bis jemand frei ist. KI-Assistenten machen sie weitgehend überflüssig, weil sie sofort annehmen und mehrere Gespräche gleichzeitig führen — bis zu der Zahl, die Anbieter und Tarif zulassen.
Wissensbasis — Die Wissensbasis ist der hinterlegte Faktenbestand eines Betriebs — Öffnungszeiten, Leistungen, Preise, Zuständigkeiten —, aus dem ein Assistent seine Auskünfte bezieht. Was nicht in der Wissensbasis steht, sollte er nicht beantworten, sondern als Nachricht aufnehmen.
Häufige Fragen
Was ist der Unterschied zwischen einem Voicebot und einem KI-Telefonassistenten?
Voicebot ist der Oberbegriff für alle sprachgesteuerten Dialogsysteme, auch für starre Menüsysteme mit festen Pfaden. Ein KI-Telefonassistent ist die moderne Ausprägung: Er versteht frei formulierte Anliegen über ein Sprachmodell und führt das Gespräch, statt Optionen abzufragen.
Welche Begriffe sind für den Datenschutz am wichtigsten?
Vier Begriffe tragen die Datenschutzprüfung: AVV (der Pflichtvertrag mit dem Anbieter), Transkript versus Aufzeichnung (was beim Anruf überhaupt entsteht), DSGVO (Löschfristen, Verarbeitungsort) und KI-Offenlegung (der Anrufer erfährt, dass eine KI spricht).
Muss ich diese Technik verstehen, um einen KI-Telefonassistenten zu nutzen?
Nein. Die Begriffe helfen beim Anbietervergleich — im Betrieb selbst genügt eine Rufumleitung und eine gepflegte Wissensbasis. Die technischen Schichten (STT, LLM, TTS, SIP) betreibt der Anbieter.
Stand & Quellen
Stand: 15.11.2026.
- allgemeines Fachvokabular der Telekommunikations- und Sprach-KI-Branche; rechtliche Begriffe nach DSGVO und EU AI Act (keine Rechtsberatung)
- Produktangaben zu scoco.ai: Stand 15.11.2026