Wie eine agentische Telefonanlage aufgebaut ist
Die Telefon App ist keine Ansage vor einem Anrufbeantworter, sondern eine vollwertige, selbst gehostete Telefonanlage, in der KI-Agenten Anrufe eigenständig führen. Hier zeigen wir, wie ein Anruf vom Netz bis zur ausgelösten Aktion durch das System läuft — welche Schichten beteiligt sind, wo der Agent entscheidet und wie die Anlage in Ihre bestehenden Systeme hineinwirkt. Alles läuft auf Servern in Deutschland, die Datenverarbeitung bleibt in der EU.
Im Kern besteht die Plattform aus vier Schichten, die sauber getrennt sind und jeweils eine Aufgabe erfüllen. Ganz vorne steht der Telefonie-Layer: Ein Asterisk-SIP-Frontend nimmt eingehende Anrufe vom Provider inntelco entgegen, trennt Notrufe hart ab und übergibt das Gespräch an eine LiveKit-Medienbridge. Diese Bridge wandelt den klassischen Telefon-Audiostrom in einen Echtzeit-Medienkanal, auf dem der KI-Agent arbeiten kann. Der Anrufer merkt davon nichts — er wählt eine normale Rufnummer und spricht mit einer Stimme, die zuhört und antwortet.
Darüber liegt die Agent-Orchestrierung. Für jeden Anruf startet ein Agent-Worker, der seine Persona, seinen System-Prompt, seine Eskalationsregeln und die zu erfassenden Felder zur Laufzeit aus der Datenbank lädt — genau so, wie Sie es im Web-Admin-Dashboard konfiguriert haben. Der Agent kombiniert drei spezialisierte Dienste zu einem flüssigen Gespräch: Deepgram für die Spracherkennung, Anthropic Claude als sprachverstehendes Modell für Verständnis und Entscheidung, ElevenLabs für die natürliche Sprachausgabe. Voice-Activity- und Turn-Detection sorgen dafür, dass der Agent im richtigen Moment spricht und den Anrufer nicht überfährt.
Sobald der Agent ein Anliegen verstanden hat, greift der Automations-Layer. Über Function-Tools kann der Agent strukturierte Anliegen nach Ihrem Feldschema erfassen, an die richtige Durchwahl weiterleiten, im Notfall an eine hinterlegte Person eskalieren oder Informationen aus der Wissensbasis nachschlagen. Diese Tools sind der Übergang vom Gespräch zur Handlung: Sie lösen über Konnektoren und Webhooks Aktionen in Ihren bestehenden Systemen aus und benachrichtigen Ihr Team.
Quer über allem liegt der Daten- und Transparenz-Layer. Jeder Anruf wird als Transkript und Aufzeichnung protokolliert, jedes Anliegen landet strukturiert in der Inbox, jede Konfigurationsänderung schreibt einen unveränderbaren Audit-Eintrag. Multi-Tenant-fähig getrennt, mit klaren Aufbewahrungsregeln — so behalten Sie die volle Kontrolle über das, was die Anlage tut und aufzeichnet.
Der Weg eines Anrufs durch das System
Sauber getrennt, jede mit einer Aufgabe.
Telefonie-Layer
Ein Asterisk-SIP-Frontend nimmt Anrufe vom Provider entgegen, erzwingt Codecs und DTMF, blockt Notrufnummern hart und reicht das Gespräch an die LiveKit-Medienbridge weiter. Multi-Trunk-fähig: Produktion und Test laufen über dieselbe Logik. Das ersetzt Ihre klassische PBX, statt daneben zu stehen.
Agent-Orchestrierung
Pro Anruf startet ein Agent-Worker, der Persona, System-Prompt, Sprache und Feldschema live aus der Datenbank lädt. Er verkettet Spracherkennung (Deepgram), Sprachverständnis (Claude) und Sprachausgabe (ElevenLabs) zu einem natürlichen Dialog, gesteuert von Voice-Activity- und Turn-Detection.
Automations-Layer
Function-Tools sind die Hände des Agenten: strukturiertes Erfassen von Anliegen nach Ihrem Schema, Weiterleiten an die richtige Durchwahl, Eskalation an eine hinterlegte Person im Notfall, Nachschlagen in der Wissensbasis. Hier wird aus dem Gespräch eine Handlung.
Integrationen
Über Konnektoren und Webhooks wirkt die Anlage in Ihre Systemlandschaft hinein: Ein erfasstes Anliegen kann einen Folgeprozess in CRM, Kalender oder Ticketsystem anstoßen. Das Telefon wird vom Kostenpunkt zum Automatisierungs-Einstieg. Pro Mandant und Use-Case aktivierbar.
Messaging & Roadmap
Benachrichtigung Ihres Teams über mehrere Kanäle ist der nächste Ausbauschritt. E-Mail-Benachrichtigung ist heute aktiv; SMS-Versand, WhatsApp-Benachrichtigung und weitere Automations-Workflows sind in Arbeit und kommen bald.
Daten & Transparenz
Jeder Anruf als Transkript und Aufzeichnung, jedes Anliegen strukturiert, jede Konfigurationsänderung mit Vorher-Nachher-Snapshot im Audit-Trail. Selbst gehostet in der EU, Multi-Tenant-getrennt, mit klaren Aufbewahrungsregeln.
Sieben Schritte, ein Anruf.
Anruf trifft ein
Der Anrufer wählt Ihre gewohnte Rufnummer. Das SIP-Frontend nimmt den Anruf über die Telefonie-Anbindung an, prüft den Trunk und trennt Notrufe hart ab, bevor der Agent überhaupt beteiligt ist.
Medienbridge übernimmt
Die LiveKit-Bridge überführt den Telefon-Audiostrom in einen Echtzeit-Kanal und startet für genau diesen Anruf einen eigenen Agent-Worker.
Agent lädt sein Verhalten
Der Worker lädt Persona, System-Prompt, Sprache, Eskalationsregeln und Feldschema live aus dem Dashboard und begrüßt den Anrufer mit der für Ihren Use-Case hinterlegten Ansage.
Gespräch und Verständnis
Spracherkennung, Sprachmodell und Sprachausgabe arbeiten in Echtzeit zusammen. Der Agent versteht das Anliegen in freier Sprache, stellt Rückfragen und erfasst die relevanten Felder strukturiert.
Handeln oder Weiterleiten
Je nach Anliegen leitet der Agent an die richtige Durchwahl weiter, eskaliert im Notfall an eine hinterlegte Person oder löst über Konnektoren einen Folgeprozess in Ihren Systemen aus.
Benachrichtigen
Das Ergebnis erreicht Ihr Team: heute per E-Mail zu jedem neuen Anliegen, künftig zusätzlich per SMS und WhatsApp (in Arbeit) — auf dem Kanal, den Ihr Team ohnehin nutzt.
Protokollieren und abschließen
Transkript und Aufzeichnung des Anrufs sowie das strukturierte Anliegen landen im Web-Dashboard. Von dort arbeitet Ihr Team die Inbox ab, alles nachvollziehbar und DSGVO-konform aufbewahrt.
Wonach die Plattform gebaut ist.
Konfiguration statt Techniker-Termin
Verhalten, Persona, Eskalationsregeln, Durchwahllogik und Wissensbasis pflegen Sie selbst im Dashboard. Der Agent lädt diese Konfiguration beim nächsten Anruf — ohne Deployment, ohne Wartefenster, ohne externen Dienstleister.
EU-Souveränität by Design
Selbst gehostet auf Servern in Deutschland, Datenverarbeitung in der EU, voller Audit-Trail und klare Aufbewahrungsfristen. Kein US-Blackbox-Dienst, sondern eine nachvollziehbare Plattform, deren Datenfluss Sie kennen.
Getrennte Schichten, austauschbare Teile
Telefonie, Sprachverarbeitung, Agent-Logik und Integrationen sind sauber entkoppelt. Spracherkennung, Modell und Sprachausgabe sind pro Mandant konfigurierbar und austauschbar — die Plattform bindet Sie an keinen einzelnen Anbieter.
Sicherheit zuerst
Notrufnummern werden vor dem Agenten hart abgetrennt, Eskalation an eine hinterlegte Person greift als Sicherheitsnetz, und jede Änderung ist im unveränderbaren Audit-Log nachvollziehbar. Der Agent handelt nur im Rahmen der von Ihnen freigegebenen Tools.
Vom Ein-Personen-Betrieb bis Enterprise
Dieselbe Architektur skaliert von einer einzigen Nebenstelle bis zu mehreren Standorten mit vielen Durchwahlen. Multi-Tenant-fähig für Agenturen und Betriebe mit mehreren Mandanten, ohne die Anlage zu wechseln.