{"id":126317,"date":"2026-09-15T09:05:51","date_gmt":"2026-09-15T07:05:51","guid":{"rendered":"https:\/\/startupvalley.news\/de\/?p=126317"},"modified":"2026-09-15T09:05:53","modified_gmt":"2026-09-15T07:05:53","slug":"voicebooker-ki-agent-voicebot","status":"publish","type":"post","link":"https:\/\/startupvalley.news\/de\/voicebooker-ki-agent-voicebot\/","title":{"rendered":"VoiceBooker: Wie KI-Telefonie wiederkehrende Kundenanfragen zuverl\u00e4ssig automatisiert"},"content":{"rendered":"\n

VoiceBooker entwickelt eine KI-Kommunikationsplattform, die mit KI-Agent und Voicebot Kundenanfragen automatisiert und zuverl\u00e4ssig in bestehende Gesch\u00e4ftsprozesse integriert.<\/h2>\n\n\n\n

K\u00f6nnen Sie VoiceBooker kurz vorstellen und erz\u00e4hlen, wie die Idee f\u00fcr Ihre KI Kommunikationsplattform entstanden ist?<\/h3>\n\n\n\n

VoiceBooker ist eine KI-Kommunikationsplattform, die Unternehmen dabei unterst\u00fctzt, ihre Telefonkommunikation zu automatisieren \u2013 und zwar so, dass sie sich f\u00fcr den Anrufer m\u00f6glichst nat\u00fcrlich anf\u00fchlt.<\/p>\n\n\n\n

Die Idee daf\u00fcr ist tats\u00e4chlich aus einer ganz allt\u00e4glichen Situation entstanden: Ich sa\u00df im Wartezimmer beim Arzt und immer wieder klingelte das Telefon. Irgendwann habe ich mich gefragt: Warum muss eigentlich jedes dieser Gespr\u00e4che zwingend von einem Menschen angenommen werden? Gerade bei wiederkehrenden Anliegen wie Terminvereinbarungen m\u00fcsste das doch automatisierbar sein.<\/p>\n\n\n\n

Gleichzeitig hatte ich diese ber\u00fchmte 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 k\u00f6nnte man so etwas heute mit den mittlerweile verf\u00fcgbaren KI-Modellen tats\u00e4chlich umsetzen \u2013 und vor allem, wie zuverl\u00e4ssig und nat\u00fcrlich funktioniert das im echten Gesch\u00e4ftsalltag?<\/p>\n\n\n\n

Aus dieser Kombination aus einem konkreten Problem und der technischen Neugier ist schlie\u00dflich die Idee f\u00fcr VoiceBooker entstanden.<\/p>\n\n\n\n

Wer steht hinter VoiceBooker, und welche Erfahrungen bringt das Team in die Entwicklung von Voicebots und Chatbots ein?<\/h3>\n\n\n\n

Hinter VoiceBooker steht Andr\u00e9 Martin. Er hat im Bereich \u201eScalable Cloud Systems\u201c promoviert und bringt eine starke technische Expertise in der Entwicklung skalierbarer und zuverl\u00e4ssiger Cloud-Systeme mit.<\/p>\n\n\n\n

Dar\u00fcber hinaus verf\u00fcgt er \u00fcber Erfahrung in den Bereichen K\u00fcnstliche Intelligenz und Cloud Security. Diese Kombination ist f\u00fcr VoiceBooker besonders relevant, denn ein Voicebot muss nicht nur nat\u00fcrlich kommunizieren, sondern auch zuverl\u00e4ssig und sicher funktionieren \u2013 selbst wenn gleichzeitig hunderte Anrufe eingehen.<\/p>\n\n\n\n

Genau darauf ist die technische Architektur von VoiceBooker ausgelegt: Die Plattform soll auch bei vielen parallelen Gespr\u00e4chen stabil und performant bleiben und Unternehmen erm\u00f6glichen, ihre Telefonkommunikation zu automatisieren, ohne dass die Qualit\u00e4t der Gespr\u00e4che darunter leidet.<\/p>\n\n\n\n

Welche Vision verfolgen Sie mit VoiceBooker, und wie m\u00f6chten Sie die Kommunikation zwischen Unternehmen und Kunden ver\u00e4ndern?<\/h3>\n\n\n\n

Unsere Vision mit VoiceBooker ist, Routineanfragen und wiederkehrende Aufgaben in der Kundenkommunikation so weit wie m\u00f6glich zu automatisieren. Viele dieser Gespr\u00e4che sind wichtig, aber gleichzeitig sehr standardisiert \u2013 beispielsweise Terminvereinbarungen, Ausk\u00fcnfte oder einfache Anfragen.<\/p>\n\n\n\n

Unser Ziel ist es, dadurch den Menschen den R\u00fccken freizuhalten. Mitarbeiter sollen weniger Zeit mit wiederkehrenden Aufgaben verbringen und mehr Zeit f\u00fcr die wirklich kniffligen F\u00e4lle haben, bei denen Erfahrung, Empathie und menschliches Urteilsverm\u00f6gen gefragt sind.<\/p>\n\n\n\n

Wir sehen KI deshalb nicht als Ersatz f\u00fcr den Menschen, sondern als Unterst\u00fctzung: Die KI \u00fcbernimmt die Routine, w\u00e4hrend sich Menschen auf die Aufgaben konzentrieren k\u00f6nnen, bei denen sie einen echten Mehrwert bieten.<\/p>\n\n\n\n

VoiceBooker verbindet Voicebots, Chatbots und WhatsApp Business. Warum ist ein kanal\u00fcbergreifender Ansatz f\u00fcr Unternehmen wichtig?<\/h3>\n\n\n\n

Ein kanal\u00fcbergreifender Ansatz ist wichtig, weil Kunden heute ganz selbstverst\u00e4ndlich zwischen verschiedenen Kommunikationskan\u00e4len wechseln. Ein Gespr\u00e4ch kann beispielsweise mit einem Chatbot beginnen und anschlie\u00dfend telefonisch weitergef\u00fchrt werden.<\/p>\n\n\n\n

Dabei sollte der Kunde nicht jedes Mal wieder von vorne anfangen m\u00fcssen. Die Informationen aus dem bisherigen Gespr\u00e4ch sollten \u00fcber die verschiedenen Kan\u00e4le hinweg verf\u00fcgbar sein, sodass der Kontext erhalten bleibt und der Kunde seine Geschichte nicht noch einmal erz\u00e4hlen muss.<\/p>\n\n\n\n

Auch f\u00fcr Unternehmen hat ein solcher Ansatz einen gro\u00dfen Vorteil: Statt mehrere Systeme unterschiedlicher Anbieter jeweils einzeln an die eigenen Backend-Systeme anzubinden, kann eine zentrale Plattform wie VoiceBooker diese Kommunikation b\u00fcndeln. Das reduziert die technische Komplexit\u00e4t und macht die Integration und Verwaltung deutlich einfacher.<\/p>\n\n\n\n

An welche Unternehmen richtet sich Ihre Plattform besonders, und welche Kundenanfragen eignen sich am besten f\u00fcr die Automatisierung?<\/h3>\n\n\n\n

VoiceBooker richtet sich vor allem an mittelst\u00e4ndische Unternehmen und gr\u00f6\u00dfere Enterprises, bei denen t\u00e4glich eine hohe Anzahl an Kundenanfragen eingeht.<\/p>\n\n\n\n

Besonders gut f\u00fcr die Automatisierung eignen sich Anfragen, die grunds\u00e4tzlich heute schon \u00fcber Webportale oder Self-Service-L\u00f6sungen abgewickelt werden k\u00f6nnten, f\u00fcr die der Kunde aber beispielsweise nicht extra einloggen m\u00f6chte oder bei denen die digitalen Portale zu kompliziert oder umst\u00e4ndlich aufgebaut sind. \u00dcber einen Voicebot oder Chatbot kann dieser Zugang deutlich einfacher und nat\u00fcrlicher gestaltet werden.<\/p>\n\n\n\n

Ein weiterer spannender Bereich sind Anfragen, bei denen die ben\u00f6tigte Information zwar vorhanden ist, aber tief in verschachtelten Wissensdatenbanken, Wikis oder internen Dokumentationen steckt. F\u00fcr den Kunden ist es dann oft schwierig, die richtige Information selbst zu finden. Hier kann KI die Informationen gezielt suchen und direkt im Gespr\u00e4ch die passende Antwort liefern.<\/p>\n\n\n\n

Kurz gesagt: \u00dcberall dort, wo heute bereits ein digitaler Prozess existiert, dieser f\u00fcr den Kunden aber noch zu aufwendig, kompliziert oder schwer zug\u00e4nglich ist, sehen wir gro\u00dfes Potenzial f\u00fcr Automatisierung.<\/p>\n\n\n\n

Ein KI Agent soll einen Termin nicht nur versprechen, sondern tats\u00e4chlich buchen und die Ausf\u00fchrung \u00fcberpr\u00fcfen. Wie stellen Sie diese Zuverl\u00e4ssigkeit sicher?<\/h3>\n\n\n\n

Die Zuverl\u00e4ssigkeit ist f\u00fcr uns einer der wichtigsten Punkte. Es w\u00e4re fatal, wenn ein Patient nach einem Telefonat davon ausgeht, dass sein Termin erfolgreich gebucht wurde, obwohl das in Wirklichkeit gar nicht passiert ist \u2013 beispielsweise weil das LLM eine Buchung nur \u201ehalluziniert\u201c oder einen falschen Tag beziehungsweise eine falsche Uhrzeit nennt. Das kann im Alltag schnell zu verpassten Terminen und viel Frust f\u00fchren.<\/p>\n\n\n\n

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.<\/p>\n\n\n\n

Viele andere L\u00f6sungen arbeiten im Kern mit einem einzigen System-Prompt. Je l\u00e4nger und komplexer ein Gespr\u00e4ch wird, desto gr\u00f6\u00dfer kann dabei das Risiko werden, dass das LLM vom eigentlichen Prozess abweicht oder anf\u00e4ngt zu halluzinieren. Bei unserem Multi-Prompt-Ansatz k\u00f6nnen wir w\u00e4hrend des Gespr\u00e4chs dynamisch weitere Systemanweisungen hinzuf\u00fcgen und den Agenten so immer auf den aktuellen Gespr\u00e4chsschritt und die jeweilige Aufgabe fokussieren. Dadurch k\u00f6nnen wir Halluzinationen und Fehlentscheidungen sehr stark reduzieren.<\/p>\n\n\n\n

Der zweite wichtige Punkt ist die Kombination mit unserer Node.js-Engine. Ein LLM ist hervorragend darin, Sprache zu verstehen und nat\u00fcrliche Gespr\u00e4che zu f\u00fchren. Wenn es aber darum geht, strukturierte Daten wie verf\u00fcgbare Terminslots, Daten oder Uhrzeiten exakt zu verarbeiten, sollte man sich nicht ausschlie\u00dflich auf das Sprachmodell verlassen.<\/p>\n\n\n\n

Deshalb \u00fcbernehmen wir kritische Berechnungen und Validierungen au\u00dferhalb 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 \u00fcber die angebundenen Systeme und kann anschlie\u00dfend verifiziert werden.<\/p>\n\n\n\n

So entsteht eine klare Trennung: Das LLM k\u00fcmmert sich um Sprache und Verst\u00e4ndnis, w\u00e4hrend unsere Engine f\u00fcr die korrekte und nachvollziehbare Ausf\u00fchrung sorgt. Denn am Ende reicht es nicht, dass ein KI-Agent \u00fcberzeugend klingt \u2013 er muss das, was er dem Kunden verspricht, auch tats\u00e4chlich ausf\u00fchren.<\/p>\n\n\n\n

Was unterscheidet VoiceBooker von anderen L\u00f6sungen f\u00fcr automatisierte KI Kommunikation?<\/h3>\n\n\n\n

Ein wesentlicher Unterschied von VoiceBooker ist unser Multi-Stage-Ansatz. Komplexe Gespr\u00e4chsabl\u00e4ufe werden dabei in einzelne, klar definierte Stages aufgeteilt. Dadurch k\u00f6nnen auch komplexe Calls modular aufgebaut, gesteuert und angepasst werden, anstatt einen gesamten Gespr\u00e4chsverlauf \u00fcber einen einzigen Prompt abzubilden.<\/p>\n\n\n\n

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 Gespr\u00e4che f\u00fchren, sondern auch tats\u00e4chlich Aktionen in den bestehenden Systemen eines Unternehmens ausf\u00fchren.<\/p>\n\n\n\n

Zus\u00e4tzlich nutzen wir einen MCP-Server, der dabei hilft, sowohl die einzelnen Stages als auch den ben\u00f6tigten Code automatisiert zu generieren. Das reduziert den Entwicklungs- und Integrationsaufwand erheblich.<\/p>\n\n\n\n

Unser Ziel ist deshalb, dass die Einf\u00fchrung eines KI-Assistenten kein monatelanges IT-Gro\u00dfprojekt sein muss. Unternehmen sollen komplexe KI-Kommunikation schnell aufsetzen, an ihre bestehenden Systeme anbinden und anschlie\u00dfend flexibel weiterentwickeln k\u00f6nnen.<\/p>\n\n\n\n

Nat\u00fcrliche Kommunikation und klar definierte Prozesse m\u00fcssen bei Ihnen zusammenspielen. Wie gelingt dieser Spagat in der Praxis?<\/h3>\n\n\n\n

Dieser Spagat gelingt aus unserer Sicht vor allem durch einen iterativen Ansatz. Wir versuchen nicht, von Anfang an jeden m\u00f6glichen Gespr\u00e4chsverlauf vollst\u00e4ndig vorherzusehen, sondern lernen aus den tats\u00e4chlichen Gespr\u00e4chen.<\/p>\n\n\n\n

Daf\u00fcr analysieren wir beispielsweise die Transkripte der gef\u00fchrten Telefonate und schauen uns an: Welche Anliegen haben die Kunden tats\u00e4chlich? Welche Informationen werden ben\u00f6tigt? Und wie lassen sich diese Informationen auf die bestehenden APIs und Prozesse des Unternehmens abbilden?<\/p>\n\n\n\n

Dabei wird das System kontinuierlich verbessert. Ein wichtiger Punkt ist zum Beispiel, welche Daten w\u00e4hrend eines Gespr\u00e4chs tats\u00e4chlich erhoben werden m\u00fcssen. In einem nat\u00fcrlichen Gespr\u00e4ch werden Informationen h\u00e4ufig anders ausgetauscht, als man es in einem starren Formular erwarten w\u00fcrde. Ein Mensch zieht beispielsweise aus dem Gespr\u00e4chskontext automatisch R\u00fcckschl\u00fcsse \u2013 etwa aus der Stimme, der Anrede oder anderen Hinweisen. Ein KI-Agent muss solche Zusammenh\u00e4nge ebenfalls ber\u00fccksichtigen, gleichzeitig aber sicherstellen, dass am Ende alle f\u00fcr den Prozess notwendigen Informationen vollst\u00e4ndig und korrekt vorliegen.<\/p>\n\n\n\n

Genau diese Kombination ist entscheidend: Die Kommunikation soll sich f\u00fcr den Kunden nat\u00fcrlich anf\u00fchlen, w\u00e4hrend im Hintergrund klar definierte Prozesse und Schnittstellen daf\u00fcr sorgen, dass die richtigen Informationen strukturiert verarbeitet und die entsprechenden Aktionen zuverl\u00e4ssig ausgef\u00fchrt werden.<\/p>\n\n\n\n

Durch die iterative Analyse realer Gespr\u00e4che k\u00f6nnen wir beide Seiten kontinuierlich verbessern: die Nat\u00fcrlichkeit der Kommunikation und gleichzeitig die Prozesssicherheit.<\/p>\n\n\n\n

Wo liegen aktuell die gr\u00f6\u00dften Herausforderungen, wenn KI von einfachen Gespr\u00e4chen zu echten Gesch\u00e4ftsprozessen \u00fcbergeht?<\/h3>\n\n\n\n

Eine der gr\u00f6\u00dften Herausforderungen liegt darin, dass bestehende Portal- und Backend-Systeme urspr\u00fcnglich f\u00fcr visuelle Interaktionen entwickelt wurden. Ein nat\u00fcrlicher Gespr\u00e4chsfluss funktioniert aber ganz anders als ein Webformular.<\/p>\n\n\n\n

Das beginnt bereits bei der Authentifizierung. In einem Portal gibt der Kunde beispielsweise Benutzername und Passwort ein. In einem Telefonat funktioniert das nat\u00fcrlich nicht auf die gleiche Weise. Hier muss die Identit\u00e4t h\u00e4ufig \u00fcber Informationen verifiziert werden, die nur der Kunde kennen sollte \u2013 beispielsweise Geburtsdatum, Adresse oder andere pers\u00f6nliche Angaben.<\/p>\n\n\n\n

Auch andere Prozesse, die in einem visuellen System aus einzelnen Formularfeldern und Buttons bestehen, m\u00fcssen f\u00fcr ein nat\u00fcrliches Gespr\u00e4ch komplett neu gedacht werden. Die Herausforderung besteht darin, diese bestehenden Prozesse so in einen Gespr\u00e4chsfluss zu \u00fcbersetzen, dass sie f\u00fcr den Kunden nat\u00fcrlich wirken und gleichzeitig die notwendigen Sicherheits- und Gesch\u00e4ftsregeln eingehalten werden.<\/p>\n\n\n\n

Diese \u00dcberf\u00fchrung von visuellen Prozessen in sichere und nat\u00fcrliche Sprachprozesse erfordert deshalb viel Erfahrung und ein gutes Verst\u00e4ndnis sowohl der bestehenden Backend-Systeme als auch der M\u00f6glichkeiten von KI. Genau an dieser Schnittstelle liegt aus unserer Sicht ein gro\u00dfer Teil der eigentlichen Herausforderung bei der Einf\u00fchrung von KI-Agenten.<\/p>\n\n\n\n

Wann sollte ein KI Agent eine Anfrage selbst bearbeiten und wann bewusst an einen menschlichen Mitarbeiter \u00fcbergeben?<\/h3>\n\n\n\n

Grunds\u00e4tzlich k\u00f6nnen KI-Agenten heute alle Anfragen bearbeiten, f\u00fcr die eine entsprechende API oder technische Schnittstelle vorhanden ist. Denn \u00fcber diese Schnittstellen k\u00f6nnen die ben\u00f6tigten Daten \u2013 \u00e4hnlich wie bei einem menschlichen Mitarbeiter \u2013 ausgelesen, verarbeitet und auch wieder in die entsprechenden Systeme geschrieben werden.<\/p>\n\n\n\n

Entscheidend ist f\u00fcr uns aber nicht nur, was technisch m\u00f6glich 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 l\u00f6sen, wenn er sie nicht versteht oder keine passende L\u00f6sung findet.<\/p>\n\n\n\n

Wenn eine Anfrage beispielsweise auch beim zweiten Versuch nicht verstanden oder gel\u00f6st werden kann, sollte das Gespr\u00e4ch bewusst eskaliert und an einen menschlichen Mitarbeiter \u00fcbergeben werden. So vermeiden wir, dass die Frustration des Kunden durch wiederholte Fehlversuche weiter steigt.<\/p>\n\n\n\n

Dabei setzen wir auch auf Audio Intelligence: Wir analysieren beispielsweise die Stimmung und den Gespr\u00e4chsverlauf, um fr\u00fchzeitig zu erkennen, wenn ein Kunde unzufrieden oder frustriert wird. In solchen F\u00e4llen kann der Agent entsprechend fr\u00fcher an einen Mitarbeiter \u00fcbergeben.<\/p>\n\n\n\n

F\u00fcr uns ist deshalb ein guter KI-Agent nicht derjenige, der um jeden Preis jedes Gespr\u00e4ch selbst f\u00fchren m\u00f6chte. Ein guter Agent wei\u00df auch, wann er besser einen Menschen hinzuholt.<\/p>\n\n\n\n

Welche n\u00e4chsten Entwicklungsschritte stehen bei VoiceBooker an, und welche Rolle werden zus\u00e4tzliche Kommunikationskan\u00e4le dabei spielen?<\/h3>\n\n\n\n

Ein wichtiger Schwerpunkt unserer n\u00e4chsten Entwicklungsschritte liegt zun\u00e4chst darin, die Gespr\u00e4che noch nat\u00fcrlicher zu machen. Gerade bei Voicebots spielt die Latenz eine gro\u00dfe Rolle. Ein Mensch reagiert unmittelbar auf sein Gegen\u00fcber \u2013 genau dieses Gef\u00fchl wollen wir auch in der Kommunikation mit einem KI-Agenten erreichen.<\/p>\n\n\n\n

Gleichzeitig gibt es noch einige Herausforderungen, die bei einem klassischen Chatbot gar nicht auftreten. In einem echten Telefonat gibt es beispielsweise Hintergrundger\u00e4usche, mehrere Personen im Raum oder jemanden, der im Hintergrund spricht. Die KI muss zuverl\u00e4ssig erkennen k\u00f6nnen, wer tats\u00e4chlich der Anrufer ist und welche Stimmen oder Ger\u00e4usche f\u00fcr das Gespr\u00e4ch irrelevant sind.<\/p>\n\n\n\n

Auch Unterbrechungen und nat\u00fcrliche Gespr\u00e4chsdynamiken sind anspruchsvoll: Menschen fallen sich ins Wort, machen kurze Pausen oder korrigieren sich. Ein guter Voice-Agent muss damit umgehen k\u00f6nnen, ohne dass der Gespr\u00e4chsfluss unnat\u00fcrlich wirkt.<\/p>\n\n\n\n

Welche drei Ratschl\u00e4ge w\u00fcrden Sie anderen Gr\u00fcnderinnen und Gr\u00fcndern geben, die ein Unternehmen im schnell wachsenden KI Markt aufbauen m\u00f6chten?<\/h3>\n\n\n\n

Erstens: Ein konkretes Problem l\u00f6sen. Gerade im KI-Bereich ist die Versuchung gro\u00df, von der Technologie auszugehen und dann nach einem Anwendungsfall zu suchen. Ich w\u00fcrde es genau andersherum machen: Zuerst ein echtes Problem identifizieren, f\u00fcr das Kunden heute bereits Zeit oder Geld aufwenden, und dann schauen, wie KI dieses Problem besser l\u00f6sen kann.<\/p>\n\n\n\n

Zweitens: Schnell ausprobieren und iterativ lernen. Der KI-Markt entwickelt sich unglaublich schnell. Deshalb w\u00fcrde ich nicht versuchen, von Anfang an die perfekte L\u00f6sung zu bauen. Lieber fr\u00fch mit echten Kunden und echten Anwendungsf\u00e4llen starten, die Ergebnisse analysieren und das Produkt kontinuierlich verbessern. Gerade bei KI lernt man sehr viel erst aus der tats\u00e4chlichen Nutzung.<\/p>\n\n\n\n

Drittens: Nicht alles dem LLM \u00fcberlassen. KI-Modelle sind unglaublich leistungsf\u00e4hig, aber sie sind nicht f\u00fcr jede Aufgabe das richtige Werkzeug. F\u00fcr zuverl\u00e4ssige Gesch\u00e4ftsanwendungen braucht es eine Kombination aus KI<\/a> und klassischer Software-Logik. Das LLM sollte dort eingesetzt werden, wo es seine St\u00e4rken hat \u2013 zum Beispiel beim Verstehen und Generieren nat\u00fcrlicher Sprache. F\u00fcr deterministische Prozesse, Datenvalidierung oder kritische Gesch\u00e4ftslogik sollte man auf klassische Software setzen.<\/p>\n\n\n\n

Und vielleicht noch ein \u00fcbergreifender 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.<\/p>\n\n\n\n

Bildcredits claiverly GmbH<\/p>\n\n\n\n

Wir bedanken uns bei Andr\u00e9 Martin f\u00fcr das Interview<\/p>\n\n\n\n

Aussagen des Autors und des Interviewpartners geben nicht unbedingt die Meinung der Redaktion und des Verlags wieder.<\/p>\n\n\n\n

\n\n\n\n