VoiceBooker entwickelt eine KI-Kommunikationsplattform, die mit KI-Agent und Voicebot Kundenanfragen automatisiert und zuverlässig in bestehende Geschäftsprozesse integriert.
Können Sie VoiceBooker kurz vorstellen und erzählen, wie die Idee für Ihre KI Kommunikationsplattform entstanden ist?
VoiceBooker ist eine KI-Kommunikationsplattform, die Unternehmen dabei unterstützt, ihre Telefonkommunikation zu automatisieren – und zwar so, dass sie sich für den Anrufer möglichst natürlich anfühlt.
Die Idee dafür ist tatsächlich aus einer ganz alltäglichen Situation entstanden: Ich saß im Wartezimmer beim Arzt und immer wieder klingelte das Telefon. Irgendwann habe ich mich gefragt: Warum muss eigentlich jedes dieser Gespräche zwingend von einem Menschen angenommen werden? Gerade bei wiederkehrenden Anliegen wie Terminvereinbarungen müsste das doch automatisierbar sein.
Gleichzeitig hatte ich diese berühmte Telefon-Demo von Google im Hinterkopf, bei der ein KI-Assistent 2018 einen Friseurtermin telefonisch vereinbart hat. Das hat bei mir die Neugier geweckt: Wie gut könnte man so etwas heute mit den mittlerweile verfügbaren KI-Modellen tatsächlich umsetzen – und vor allem, wie zuverlässig und natürlich funktioniert das im echten Geschäftsalltag?
Aus dieser Kombination aus einem konkreten Problem und der technischen Neugier ist schließlich die Idee für VoiceBooker entstanden.
Wer steht hinter VoiceBooker, und welche Erfahrungen bringt das Team in die Entwicklung von Voicebots und Chatbots ein?
Hinter VoiceBooker steht André Martin. Er hat im Bereich „Scalable Cloud Systems“ promoviert und bringt eine starke technische Expertise in der Entwicklung skalierbarer und zuverlässiger Cloud-Systeme mit.
Darüber hinaus verfügt er über Erfahrung in den Bereichen Künstliche Intelligenz und Cloud Security. Diese Kombination ist für VoiceBooker besonders relevant, denn ein Voicebot muss nicht nur natürlich kommunizieren, sondern auch zuverlässig und sicher funktionieren – selbst wenn gleichzeitig hunderte Anrufe eingehen.
Genau darauf ist die technische Architektur von VoiceBooker ausgelegt: Die Plattform soll auch bei vielen parallelen Gesprächen stabil und performant bleiben und Unternehmen ermöglichen, ihre Telefonkommunikation zu automatisieren, ohne dass die Qualität der Gespräche darunter leidet.
Welche Vision verfolgen Sie mit VoiceBooker, und wie möchten Sie die Kommunikation zwischen Unternehmen und Kunden verändern?
Unsere Vision mit VoiceBooker ist, Routineanfragen und wiederkehrende Aufgaben in der Kundenkommunikation so weit wie möglich zu automatisieren. Viele dieser Gespräche sind wichtig, aber gleichzeitig sehr standardisiert – beispielsweise Terminvereinbarungen, Auskünfte oder einfache Anfragen.
Unser Ziel ist es, dadurch den Menschen den Rücken freizuhalten. Mitarbeiter sollen weniger Zeit mit wiederkehrenden Aufgaben verbringen und mehr Zeit für die wirklich kniffligen Fälle haben, bei denen Erfahrung, Empathie und menschliches Urteilsvermögen gefragt sind.
Wir sehen KI deshalb nicht als Ersatz für den Menschen, sondern als Unterstützung: Die KI übernimmt die Routine, während sich Menschen auf die Aufgaben konzentrieren können, bei denen sie einen echten Mehrwert bieten.
VoiceBooker verbindet Voicebots, Chatbots und WhatsApp Business. Warum ist ein kanalübergreifender Ansatz für Unternehmen wichtig?
Ein kanalübergreifender Ansatz ist wichtig, weil Kunden heute ganz selbstverständlich zwischen verschiedenen Kommunikationskanälen wechseln. Ein Gespräch kann beispielsweise mit einem Chatbot beginnen und anschließend telefonisch weitergeführt werden.
Dabei sollte der Kunde nicht jedes Mal wieder von vorne anfangen müssen. Die Informationen aus dem bisherigen Gespräch sollten über die verschiedenen Kanäle hinweg verfügbar sein, sodass der Kontext erhalten bleibt und der Kunde seine Geschichte nicht noch einmal erzählen muss.
Auch für Unternehmen hat ein solcher Ansatz einen großen Vorteil: Statt mehrere Systeme unterschiedlicher Anbieter jeweils einzeln an die eigenen Backend-Systeme anzubinden, kann eine zentrale Plattform wie VoiceBooker diese Kommunikation bündeln. Das reduziert die technische Komplexität und macht die Integration und Verwaltung deutlich einfacher.
An welche Unternehmen richtet sich Ihre Plattform besonders, und welche Kundenanfragen eignen sich am besten für die Automatisierung?
VoiceBooker richtet sich vor allem an mittelständische Unternehmen und größere Enterprises, bei denen täglich eine hohe Anzahl an Kundenanfragen eingeht.
Besonders gut für die Automatisierung eignen sich Anfragen, die grundsätzlich heute schon über Webportale oder Self-Service-Lösungen abgewickelt werden könnten, für die der Kunde aber beispielsweise nicht extra einloggen möchte oder bei denen die digitalen Portale zu kompliziert oder umständlich aufgebaut sind. Über einen Voicebot oder Chatbot kann dieser Zugang deutlich einfacher und natürlicher gestaltet werden.
Ein weiterer spannender Bereich sind Anfragen, bei denen die benötigte Information zwar vorhanden ist, aber tief in verschachtelten Wissensdatenbanken, Wikis oder internen Dokumentationen steckt. Für den Kunden ist es dann oft schwierig, die richtige Information selbst zu finden. Hier kann KI die Informationen gezielt suchen und direkt im Gespräch die passende Antwort liefern.
Kurz gesagt: Überall dort, wo heute bereits ein digitaler Prozess existiert, dieser für den Kunden aber noch zu aufwendig, kompliziert oder schwer zugänglich ist, sehen wir großes Potenzial für Automatisierung.
Ein KI Agent soll einen Termin nicht nur versprechen, sondern tatsächlich buchen und die Ausführung überprüfen. Wie stellen Sie diese Zuverlässigkeit sicher?
Die Zuverlässigkeit ist für uns einer der wichtigsten Punkte. Es wäre fatal, wenn ein Patient nach einem Telefonat davon ausgeht, dass sein Termin erfolgreich gebucht wurde, obwohl das in Wirklichkeit gar nicht passiert ist – beispielsweise weil das LLM eine Buchung nur „halluziniert“ oder einen falschen Tag beziehungsweise eine falsche Uhrzeit nennt. Das kann im Alltag schnell zu verpassten Terminen und viel Frust führen.
Deshalb setzen wir bei VoiceBooker auf einen hybriden Ansatz: Wir kombinieren ein LLM mit einer klassischen Node.js-Engine und arbeiten gleichzeitig mit einem Multi-Staging- und Multi-Prompt-System.
Viele andere Lösungen arbeiten im Kern mit einem einzigen System-Prompt. Je länger und komplexer ein Gespräch wird, desto größer kann dabei das Risiko werden, dass das LLM vom eigentlichen Prozess abweicht oder anfängt zu halluzinieren. Bei unserem Multi-Prompt-Ansatz können wir während des Gesprächs dynamisch weitere Systemanweisungen hinzufügen und den Agenten so immer auf den aktuellen Gesprächsschritt und die jeweilige Aufgabe fokussieren. Dadurch können wir Halluzinationen und Fehlentscheidungen sehr stark reduzieren.
Der zweite wichtige Punkt ist die Kombination mit unserer Node.js-Engine. Ein LLM ist hervorragend darin, Sprache zu verstehen und natürliche Gespräche zu führen. Wenn es aber darum geht, strukturierte Daten wie verfügbare Terminslots, Daten oder Uhrzeiten exakt zu verarbeiten, sollte man sich nicht ausschließlich auf das Sprachmodell verlassen.
Deshalb übernehmen wir kritische Berechnungen und Validierungen außerhalb des LLMs. Beispielsweise wird der Wochentag eines konkreten Datums von unserer Engine deterministisch ermittelt, anstatt ihn vom LLM berechnen zu lassen. Auch die eigentliche Terminbuchung erfolgt über die angebundenen Systeme und kann anschließend verifiziert werden.
So entsteht eine klare Trennung: Das LLM kümmert sich um Sprache und Verständnis, während unsere Engine für die korrekte und nachvollziehbare Ausführung sorgt. Denn am Ende reicht es nicht, dass ein KI-Agent überzeugend klingt – er muss das, was er dem Kunden verspricht, auch tatsächlich ausführen.
Was unterscheidet VoiceBooker von anderen Lösungen für automatisierte KI Kommunikation?
Ein wesentlicher Unterschied von VoiceBooker ist unser Multi-Stage-Ansatz. Komplexe Gesprächsabläufe werden dabei in einzelne, klar definierte Stages aufgeteilt. Dadurch können auch komplexe Calls modular aufgebaut, gesteuert und angepasst werden, anstatt einen gesamten Gesprächsverlauf über einen einzigen Prompt abzubilden.
Ein weiterer Vorteil ist unsere integrierte Node.js-Engine. Damit lassen sich Anbindungen an bestehende Backend-Systeme sehr elegant und mit vergleichsweise wenig Code realisieren. Der KI-Agent kann dadurch nicht nur Gespräche führen, sondern auch tatsächlich Aktionen in den bestehenden Systemen eines Unternehmens ausführen.
Zusätzlich nutzen wir einen MCP-Server, der dabei hilft, sowohl die einzelnen Stages als auch den benötigten Code automatisiert zu generieren. Das reduziert den Entwicklungs- und Integrationsaufwand erheblich.
Unser Ziel ist deshalb, dass die Einführung eines KI-Assistenten kein monatelanges IT-Großprojekt sein muss. Unternehmen sollen komplexe KI-Kommunikation schnell aufsetzen, an ihre bestehenden Systeme anbinden und anschließend flexibel weiterentwickeln können.
Natürliche Kommunikation und klar definierte Prozesse müssen bei Ihnen zusammenspielen. Wie gelingt dieser Spagat in der Praxis?
Dieser Spagat gelingt aus unserer Sicht vor allem durch einen iterativen Ansatz. Wir versuchen nicht, von Anfang an jeden möglichen Gesprächsverlauf vollständig vorherzusehen, sondern lernen aus den tatsächlichen Gesprächen.
Dafür analysieren wir beispielsweise die Transkripte der geführten Telefonate und schauen uns an: Welche Anliegen haben die Kunden tatsächlich? Welche Informationen werden benötigt? Und wie lassen sich diese Informationen auf die bestehenden APIs und Prozesse des Unternehmens abbilden?
Dabei wird das System kontinuierlich verbessert. Ein wichtiger Punkt ist zum Beispiel, welche Daten während eines Gesprächs tatsächlich erhoben werden müssen. In einem natürlichen Gespräch werden Informationen häufig anders ausgetauscht, als man es in einem starren Formular erwarten würde. Ein Mensch zieht beispielsweise aus dem Gesprächskontext automatisch Rückschlüsse – etwa aus der Stimme, der Anrede oder anderen Hinweisen. Ein KI-Agent muss solche Zusammenhänge ebenfalls berücksichtigen, gleichzeitig aber sicherstellen, dass am Ende alle für den Prozess notwendigen Informationen vollständig und korrekt vorliegen.
Genau diese Kombination ist entscheidend: Die Kommunikation soll sich für den Kunden natürlich anfühlen, während im Hintergrund klar definierte Prozesse und Schnittstellen dafür sorgen, dass die richtigen Informationen strukturiert verarbeitet und die entsprechenden Aktionen zuverlässig ausgeführt werden.
Durch die iterative Analyse realer Gespräche können wir beide Seiten kontinuierlich verbessern: die Natürlichkeit der Kommunikation und gleichzeitig die Prozesssicherheit.
Wo liegen aktuell die größten Herausforderungen, wenn KI von einfachen Gesprächen zu echten Geschäftsprozessen übergeht?
Eine der größten Herausforderungen liegt darin, dass bestehende Portal- und Backend-Systeme ursprünglich für visuelle Interaktionen entwickelt wurden. Ein natürlicher Gesprächsfluss funktioniert aber ganz anders als ein Webformular.
Das beginnt bereits bei der Authentifizierung. In einem Portal gibt der Kunde beispielsweise Benutzername und Passwort ein. In einem Telefonat funktioniert das natürlich nicht auf die gleiche Weise. Hier muss die Identität häufig über Informationen verifiziert werden, die nur der Kunde kennen sollte – beispielsweise Geburtsdatum, Adresse oder andere persönliche Angaben.
Auch andere Prozesse, die in einem visuellen System aus einzelnen Formularfeldern und Buttons bestehen, müssen für ein natürliches Gespräch komplett neu gedacht werden. Die Herausforderung besteht darin, diese bestehenden Prozesse so in einen Gesprächsfluss zu übersetzen, dass sie für den Kunden natürlich wirken und gleichzeitig die notwendigen Sicherheits- und Geschäftsregeln eingehalten werden.
Diese Überführung von visuellen Prozessen in sichere und natürliche Sprachprozesse erfordert deshalb viel Erfahrung und ein gutes Verständnis sowohl der bestehenden Backend-Systeme als auch der Möglichkeiten von KI. Genau an dieser Schnittstelle liegt aus unserer Sicht ein großer Teil der eigentlichen Herausforderung bei der Einführung von KI-Agenten.
Wann sollte ein KI Agent eine Anfrage selbst bearbeiten und wann bewusst an einen menschlichen Mitarbeiter übergeben?
Grundsätzlich können KI-Agenten heute alle Anfragen bearbeiten, für die eine entsprechende API oder technische Schnittstelle vorhanden ist. Denn über diese Schnittstellen können die benötigten Daten – ähnlich wie bei einem menschlichen Mitarbeiter – ausgelesen, verarbeitet und auch wieder in die entsprechenden Systeme geschrieben werden.
Entscheidend ist für uns aber nicht nur, was technisch möglich ist, sondern auch, wann ein KI-Agent erkennen sollte, dass ein Mensch die bessere Wahl ist. Ein guter KI-Telefonassistent sollte nicht endlos versuchen, eine Anfrage zu lösen, wenn er sie nicht versteht oder keine passende Lösung findet.
Wenn eine Anfrage beispielsweise auch beim zweiten Versuch nicht verstanden oder gelöst werden kann, sollte das Gespräch bewusst eskaliert und an einen menschlichen Mitarbeiter übergeben werden. So vermeiden wir, dass die Frustration des Kunden durch wiederholte Fehlversuche weiter steigt.
Dabei setzen wir auch auf Audio Intelligence: Wir analysieren beispielsweise die Stimmung und den Gesprächsverlauf, um frühzeitig zu erkennen, wenn ein Kunde unzufrieden oder frustriert wird. In solchen Fällen kann der Agent entsprechend früher an einen Mitarbeiter übergeben.
Für uns ist deshalb ein guter KI-Agent nicht derjenige, der um jeden Preis jedes Gespräch selbst führen möchte. Ein guter Agent weiß auch, wann er besser einen Menschen hinzuholt.
Welche nächsten Entwicklungsschritte stehen bei VoiceBooker an, und welche Rolle werden zusätzliche Kommunikationskanäle dabei spielen?
Ein wichtiger Schwerpunkt unserer nächsten Entwicklungsschritte liegt zunächst darin, die Gespräche noch natürlicher zu machen. Gerade bei Voicebots spielt die Latenz eine große Rolle. Ein Mensch reagiert unmittelbar auf sein Gegenüber – genau dieses Gefühl wollen wir auch in der Kommunikation mit einem KI-Agenten erreichen.
Gleichzeitig gibt es noch einige Herausforderungen, die bei einem klassischen Chatbot gar nicht auftreten. In einem echten Telefonat gibt es beispielsweise Hintergrundgeräusche, mehrere Personen im Raum oder jemanden, der im Hintergrund spricht. Die KI muss zuverlässig erkennen können, wer tatsächlich der Anrufer ist und welche Stimmen oder Geräusche für das Gespräch irrelevant sind.
Auch Unterbrechungen und natürliche Gesprächsdynamiken sind anspruchsvoll: Menschen fallen sich ins Wort, machen kurze Pausen oder korrigieren sich. Ein guter Voice-Agent muss damit umgehen können, ohne dass der Gesprächsfluss unnatürlich wirkt.
Welche drei Ratschläge würden Sie anderen Gründerinnen und Gründern geben, die ein Unternehmen im schnell wachsenden KI Markt aufbauen möchten?
Erstens: Ein konkretes Problem lösen. Gerade im KI-Bereich ist die Versuchung groß, von der Technologie auszugehen und dann nach einem Anwendungsfall zu suchen. Ich würde es genau andersherum machen: Zuerst ein echtes Problem identifizieren, für das Kunden heute bereits Zeit oder Geld aufwenden, und dann schauen, wie KI dieses Problem besser lösen kann.
Zweitens: Schnell ausprobieren und iterativ lernen. Der KI-Markt entwickelt sich unglaublich schnell. Deshalb würde ich nicht versuchen, von Anfang an die perfekte Lösung zu bauen. Lieber früh mit echten Kunden und echten Anwendungsfällen starten, die Ergebnisse analysieren und das Produkt kontinuierlich verbessern. Gerade bei KI lernt man sehr viel erst aus der tatsächlichen Nutzung.
Drittens: Nicht alles dem LLM überlassen. KI-Modelle sind unglaublich leistungsfähig, aber sie sind nicht für jede Aufgabe das richtige Werkzeug. Für zuverlässige Geschäftsanwendungen braucht es eine Kombination aus KI und klassischer Software-Logik. Das LLM sollte dort eingesetzt werden, wo es seine Stärken hat – zum Beispiel beim Verstehen und Generieren natürlicher Sprache. Für deterministische Prozesse, Datenvalidierung oder kritische Geschäftslogik sollte man auf klassische Software setzen.
Und vielleicht noch ein übergreifender Punkt: Man sollte keine Angst davor haben, in einem so schnelllebigen Markt Entscheidungen zu treffen. Die Technologie wird sich ohnehin weiterentwickeln. Entscheidend ist, schnell zu lernen und sich entsprechend anzupassen.
Bildcredits claiverly GmbH
Wir bedanken uns bei André Martin für das Interview
Aussagen des Autors und des Interviewpartners geben nicht unbedingt die Meinung der Redaktion und des Verlags wieder.
Premium Start-up: VoiceBooker
Kontakt:
claiverly GmbH
Am See 1a
01067 Dresden
Deutschland
voicebooker.de
info@voicebooker.de
Ansprechpartner: Dr. André Martin
Social Media:
Facebook
