Das Praxishandbuch für Betreiber, um von 0 auf 1 zu kommen – mit einem produktionsreifen Telefonagenten – und von dort aus zu skalieren.
Vor drei Jahren war es ein sechsmonatiges Entwicklungsprojekt, einen funktionierenden KI-Sprachagenten auf einer echten Telefonnummer zu betreiben. Sie brauchten zwei Entwickler, eine Twilio-Integration, eine selbstgebaute Pipeline für Speech-to-Text und Text-to-Speech, ein LLM, das Sie selbst feinabgestimmt haben, und die Geduld, das Ganze davor zu bewahren, unter seiner eigenen Latenz zusammenzubrechen. Die meisten Teams gaben auf. Diejenigen, die es nicht taten, endeten mit etwas, das ein Skript ablesen, aber kein echtes Gespräch führen konnte.
Diese Welt ist vorbei. Der Engpass hat sich vom Engineering zum Produkt verlagert. Heute lautet die Frage nicht mehr „Können wir das bauen?“, sondern „Was soll es sagen?“. Wenn Sie eine klare Stellenbeschreibung für eine neue Mitarbeiterin schreiben und sich durch ein Dashboard klicken können, dann können Sie noch vor dem Mittagessen einen Sprachagenten live bringen.
Das ist das Playbook. Am Ende haben Sie einen Live-KI-Agenten, der eine echte Telefonnummer beantwortet, nützliche Arbeit leistet und aus jedem Anruf lernt. Wir verwenden Retell AI als Beispiel, weil die Erstellung wirklich in 30 Minuten passt, aber die Prinzipien lassen sich auf jede moderne Plattform übertragen.
Überspringen Sie diesen Teil, und Ihr Agent klingt generisch. Investieren Sie fünf Minuten hinein, und Ihr Agent klingt nach Ihnen. Beginnen Sie mit dem Job. Ein Satz, und je spezifischer, desto besser. „Kundenservice abwickeln“ ist zu breit, um nützlich zu sein. „Eingehende Anrufe nach 18 Uhr beantworten, Name und Rückrufnummer erfassen und nicht dringende Termine in unseren Cal.com-Kalender buchen“ ist etwas, das ein Agent tatsächlich tun kann. Ein eng definierter, gut gebauter Agent schlägt jedes Mal einen breiten, schlecht gebauten Agenten.
Als Nächstes schreiben Sie auf, was Sie einer neuen Mitarbeiterin am ersten Tag sagen würden. Wer anruft, was sie wollen, welche Antworten Sie zu 90 Prozent geben, wann Sie an einen Menschen übergeben würden und welchen Ton der Agent anschlagen soll. Das wird zu Ihrem Prompt. Suchen Sie dabei auch die URL Ihrer FAQ-Seite oder das PDF Ihres Leistungsmenüs. Das wird zu Ihrer Wissensdatenbank. Und entscheiden Sie, wohin der Anruf geht, wenn der Agent aufgibt: ein Handy, eine Durchwahl, eine Warteschlange. Klären Sie das nicht um 23 Uhr in der Startnacht. Das ist die Vorbereitung. Wenn Sie diese vier Dinge haben, sind Sie bereit.
Gehen Sie zu dashboard.retellai.com und erstellen Sie ein Konto. Neue Konten erhalten 10 $ an kostenlosem Guthaben – genug für rund 90 Minuten Gespräch bei einer Standardkonfiguration. Keine Kreditkarte. Kein Jahresvertrag. (Preisdetails)
Sobald Sie drin sind, werden Sie gebeten, einen Agententyp zu wählen. Es gibt drei, und die Wahl ist wichtiger, als die Leute denken:
Unsere Wahl für Ihren ersten Agenten: Single Prompt. Sie können später jederzeit zu Conversation Flow migrieren, und Sie werden in zwei Tagen echter Anrufe mehr über Ihre tatsächlichen Gesprächsmuster lernen als in zwei Wochen Flow-Design.
Der Prompt ist der Agent. Denken Sie nicht zu viel darüber nach, aber machen Sie es auch nicht halbherzig. Hier ist eine Vorlage, die durchweg starke Agenten hervorbringt – kopieren Sie sie, füllen Sie die Klammern aus, bringen Sie sie live.
# IdentitätSie sind [Maya], eine [warme, ruhige, professionelle] [Telefon-Empfangskraft]für [Northside Family Dentistry], eine [familiengeführte Zahnarztpraxis inAustin, TX mit 4 Zahnärzten, die rund 8.000 Patienten betreut].# Stil- Sprechen Sie natürlich. Umgangssprachliche Kurzformen sind gut. Füllwörter wie „klar“ und „verstanden“ sind gut. Lange Vorträge sind schlecht.- Halten Sie Antworten auf 1-2 Sätze, sofern nicht mehr verlangt wird.- Spiegeln Sie das Tempo des Anrufers. Wenn er in Eile ist, seien Sie effizient. Wenn er gesprächig ist, seien Sie warm.- Sagen Sie niemals „als KI“ oder „ich bin ein KI-Assistent“. Wenn direkt gefragt wird, ob Sie eine Person sind, sagen Sie: „Ich bin Maya, die virtuelle Empfangs- assistentin für Northside. Gerne helfe ich – oder ich kann Sie mit einer Kollegin verbinden, wenn Sie das lieber möchten.“# Was Sie tun können1. Häufige Fragen beantworten (Öffnungszeiten, Standort, akzeptierte Versicherungen, Prozess für Neupatienten) – siehe Wissensdatenbank.2. Einen Routine-Reinigungstermin buchen oder verschieben mit der Funktion book_appointment.3. Eine Rückrufanfrage aufnehmen und das Team über die Funktion send_callback benachrichtigen.# Was Sie NICHT tun- Klinische Beratung geben. Bei Schmerzen, Schwellungen, Blutungen, Traumata oder allem, was dringend klingt, sofort an die Bereitschaftslinie weiterleiten mit transfer_to_oncall.- Preise für andere Verfahren als Reinigungen nennen (150 $ für Nichtversicherte). Für alles andere einen Rückruf anbieten.- Versicherungsdeckung versprechen. Auf Nachfrage sagen, dass wir das prüfen und zurückrufen.# Gesprächsregeln- Eröffnen mit: „Danke für Ihren Anruf bei Northside Family Dentistry, hier ist Maya – wie kann ich helfen?“- Buchstabierte Namen und Telefonnummern immer gegenüber dem Anrufer bestätigen.- Anrufe beenden mit: „Kann ich Ihnen heute noch bei etwas anderem helfen?“ dann ein herzlicher Abschied.- Wenn der Anrufer verärgert ist, erst anerkennen, bevor Sie lösen: „Ich verstehe Sie, und das tut mir leid – lassen Sie mich sehen, was ich tun kann.“
Ein paar Anmerkungen dazu, warum das funktioniert:
Identität kommt zuerst. Das Modell wird den gesamten Anruf damit verbringen, abzuleiten, wer es ist. Sagen Sie es ihm explizit. Je facettenreicher die Identität („familiengeführt, 8.000 Patienten, Austin“), desto natürlicher übernimmt es die Stimme.
Stilregeln sind kurz. „Sprechen Sie natürlich. Verwenden Sie Kurzformen. Halten Sie Antworten kurz.“ Fünf Zeilen schlagen fünfzig. Modelle folgen direkten, einfachen Stilanweisungen weit besser als langen.
Fähigkeiten sind aufgelistet. Das ist, was der Agent tun kann – mit Bezug auf die Funktionen, die Sie in Schritt 5 einbinden.
Anti-Fähigkeiten sind lauter aufgelistet. Was er nicht tun wird, ist genauso wichtig. Der häufigste Grund, warum frühe Agenten entgleisen, ist, dass sie in einem Bereich hilfreich sein wollen, in dem Hilfsbereitschaft gefährlich ist (klinische, rechtliche, finanzielle Beratung).
Das Gesprächsgerüst ist explizit. Eröffnungssatz, Bestätigungsverhalten, Schlusssatz. Ohne diese werden Sie feststellen, dass Ihr Agent bei jedem Anruf Eröffnungen improvisiert. Mit ihnen bleibt Ihre Marke konsistent.
Retell bietet Ihnen eine Auswahl an LLMs und TTS-Anbietern, pro Minute abgerechnet. Widerstehen Sie bei Ihrem ersten Agenten der Versuchung zu optimieren:
Was tatsächlich den Ausschlag für die wahrgenommene Qualität gibt, ist Latenz, nicht Stimmenexotik. Der Retell-Stack läuft mit rund 600 ms Antwortzeit von Ende zu Ende – jenseits der Schwelle, ab der Anrufer eine „Verzögerung“ zwischen Sprechen und Antwort registrieren. Unabhängige Benchmarks haben ihn bei dieser Kennzahl wiederholt an die Spitze des Feldes gestellt, und das ist der wichtigste Grund, warum sich ein Retell-Agent wie eine Person anfühlt, während sich ein langsamerer wie ein Chatbot anfühlt, der Zeilen abliest.
Wählen Sie eine Stimme. Hören Sie sich ein 5-Sekunden-Sample an. Wenn es Sie nicht zusammenzucken lässt, machen Sie weiter.
Der Prompt regelt, wie Ihr Agent spricht. Die Wissensdatenbank regelt, was er weiß.
Klicken Sie in den Agenteneinstellungen auf Wissensdatenbank → Erstellen. Drei Wege, sie zu füttern:
Retell nutzt Streaming-RAG (Retrieval-Augmented Generation) bei jedem Zug. Übersetzt: Der Agent schlägt das richtige Snippet während des Gesprächs in Echtzeit nach, ohne dass Sie jede Frage antizipieren müssen. Fügen Sie an einem Dienstagnachmittag einen neuen FAQ-Eintrag hinzu, und der Agent kennt ihn beim nächsten Anruf.
Profi-Tipp: Wenn Ihr Agent hundertmal am Tag dieselben fünf Fragen gestellt bekommt, packen Sie diese fünf Antworten direkt in den Prompt, nicht nur in die Wissensdatenbank. Prompt-Inhalt ist immer schneller und immer verfügbar, ohne Retrieval-Umweg. Nutzen Sie die Wissensdatenbank für den Long Tail.
Hier fallen die meisten „Sprach-KI“-Demos still auseinander. Reden ist einfach. Handeln ist der Trick. Eine Empfangskraft, die den Termin nicht wirklich buchen kann, ist nur eine teure Mailbox.
Retell hat voreingestellte Funktionen für die Dinge, die 80 % der Agenten brauchen:
Für unser Zahnarzt-Beispiel wollen wir drei:
book_appointment – die Cal.com-Integration. Binden Sie sie mit zwei Klicks ein. Übergeben Sie patient_name, phone, preferred_time. (Funktion Termine buchen)send_callback – eine benutzerdefinierte Funktion, die auf einen Zapier- oder Make-webhook zeigt, der die Anfrage in Ihrem Team-Slack und Ihrem CRM ablegt. (Make-Integration)transfer_to_oncall – Retells Anrufweiterleitung, gerichtet auf das Handy des Bereitschaftszahnarztes. (Funktion Anrufweiterleitung)Im Prompt referenzieren Sie diese über ihren Namen (das haben wir in Schritt 2 bereits getan). Das Modell leitet anhand des Gesprächs und der von Ihnen bereitgestellten Funktionsbeschreibungen ab, wann es sie aufruft. Keine bedingte Logik zu schreiben. Kein Zustandsautomat zu pflegen. Das Modell entscheidet; die Plattform führt aus.
Der tiefere Punkt: Funktionen verwandeln Sprach-KI von einem FAQ-Bot in ein operatives System. Jeder Anruf, den Ihr Agent von Anfang bis Ende ohne Weiterleitung bearbeitet, ist ein Anruf, der keine Zeit einer Mitarbeiterin verbrannt hat, nicht in einer Warteschlange saß, nicht in Minute vier abgebrochen wurde. Genau da funktioniert die ROI-Rechnung.
Verbinden Sie keine Telefonnummer, bevor Sie mindestens zwanzigmal im Simulator mit Ihrem Agenten gesprochen haben.
Klicken Sie im Dashboard auf Test → Web Call. Sie sprechen jetzt in Echtzeit über das Mikrofon Ihres Laptops mit Ihrem Agenten, genau so, wie es ein Anrufer tun wird. Gehen Sie durch:
Für höhere Strenge nutzen Sie Simulationstests – Retell lässt Dutzende synthetischer Anrufer parallel durch Ihren Agenten laufen, mit von Ihnen definierten Prompts, und bewertet die Ausgaben anhand Ihrer Kriterien. (Testübersicht) Als wir es das erste Mal auf einem fertigen Agenten ausführten, brachte es in elf Minuten sechs Bugs ans Licht. Lohnenswert.
Sie achten auf drei Dinge: Tonkonsistenz, Genauigkeit der Funktionsaufrufe und würdevolles Scheitern. Wenn der Agent seinen Charakter unter Druck halten, die richtigen Funktionen zu den richtigen Momenten aufrufen und an einen Menschen übergeben kann, wenn es seltsam wird, sind Sie bereit.
Zwei Wege:
Tätigen Sie einen Testanruf von Ihrem Handy. Hören Sie zu. Lächeln Sie. Schicken Sie die Nummer einer Kollegin und lassen Sie sie versuchen, sie zu knacken.
Das ist die Erstellung. Der Agent ist live.
Der Beweis liegt bei den Betreibern, die das bereits getan haben. Pine Park Health, eine Hausarztgruppe, die Seniorenwohngemeinschaften betreut, ertrank in Telefon-Pingpong und sah, wie Behandlungsslots unbesetzt blieben. Sie bauten auf Retell einen Sprachagenten, um Terminplanung, Bestätigungen und Verschiebungen abzuwickeln. Ihr NPS bei der Terminplanung stieg um 38 Prozent, und ihr klinisches Personal verbrachte nicht mehr den halben Tag am Telefon.
SWTCH, ein Unternehmen für EV-Ladeinfrastruktur, hatte ein Problem, das Geld nicht leicht lösen konnte: Wenn ein Fahrer an einer defekten Ladesäule strandet, ist „Wir melden uns innerhalb von 24 Stunden“ keine Antwort. Sie brachten Lucas an den Start, einen Retell-Agenten, der innerhalb von Sekunden abhebt und Fahrer rund um die Uhr durch dringende Fehlerbehebung führt. Die Supportkosten sanken um mehr als 50 Prozent, und die SaaS-Margen bewegten sich mit.
Medical Data Systems ist die Fallstudie, die die Diskussion darüber abschließt, was Sprach-KI bewältigen kann. Inkasso ist reguliert, tonal sensibel und unnachsichtig, wenn Gespräche schieflaufen. Sie setzten Retell-Agenten auf eingehende Anrufe und bewältigen nun 100 Prozent des eingehenden Volumens mit nur 30 Prozent Weiterleitungsrate, wobei sie rund 280.000 $ pro Monat einziehen, ohne das Patientenvertrauen zu opfern, das der gesamte Sinn des Geschäfts ist.
Der gemeinsame Nenner aller drei ist etwas, das die meisten Artikel über Sprach-KI falsch machen. Keiner von ihnen versuchte, das Callcenter am ersten Tag zu ersetzen. Jeder wählte einen einzigen mühsamen Job, brachte einen fokussierten Agenten live, hörte sich echte Anrufe an und iterierte. Sie lösten im ersten Monat ein sechsstelliges Problem und bauten von dort aus weiter.
Ihr erster Agent ist live, und die Versuchung ist groß, sofort die Agenten zwei bis zehn hochzuziehen. Aber halten Sie durch. Verbringen Sie 72 Stunden einfach damit, den echten Anrufen zuzuhören, die hereinkommen. Die Muster, die Sie finden, die Fragen, die Sie nicht antizipiert haben, die Formulierungen, die das Modell verwirren, die Momente, in denen Anrufer zögern – sie sind mehr wert als jede Funktion, die Sie in diesem Zeitfenster live bringen können.
Sobald Sie zugehört haben, potenziert sich der Hebel schnell. Bauen Sie Simulationstests in Ihren Release-Prozess ein, damit Prompt-Änderungen einem Stresstest unterzogen werden, bevor sie in die Produktion gelangen. Schalten Sie Guardrails und PII-Schwärzung ein, die zusammen etwa einen Cent pro Minute kosten und Ihnen über Nacht Sicherheit auf Enterprise-Niveau geben. Nutzen Sie Retells Versionierung und A/B-Tests, um den Traffic zwischen Prompt A und Prompt B aufzuteilen, und lassen Sie die Buchungskonversion oder die Weiterleitungsrate den Gewinner bestimmen statt Ihres Bauchgefühls. Schalten Sie KI-Qualitätssicherung ein, was dem Nächsten kommt, einen QA-Manager 100 Prozent Ihrer Anrufe anhören zu lassen, ohne dafür zu bezahlen.
Dann gehen Sie in den Outbound-Bereich. Sobald Ihr Inbound-Agent stabil ist, erschließt das Batch-Anrufen eine völlig andere Kategorie von Hebelwirkung: Terminerinnerungen, Lead-Requalifizierung, Reaktivierung inaktiver Kunden, NPS-Umfragen. Fügen Sie eine gebrandete Anrufer-ID hinzu, damit Ihr Name und Logo auf dem Telefon des Empfängers erscheinen, und die Antwortraten steigen spürbar. Wenn 12 Prozent Ihrer Anrufe auf Spanisch sind, tauschen Sie die Spracheinstellung und die TTS-Stimme, und Sie haben diese 12 Prozent Ihres Kundenerlebnisses an einem Nachmittag aufgewertet.
Bauen Sie als Nächstes Agent Nummer zwei, aber lassen Sie ihn einen anderen Job machen. Wenn Ihr erster Agent eine Empfangskraft außerhalb der Geschäftszeiten ist, ist Ihr zweiter ein ausgehender Terminbestätiger. Wenn Ihr erster eingehende Leads qualifiziert, ruft Ihr zweiter die abgestandenen zurück. Unterschiedliche Jobs, unterschiedliche Kennzahlen, unterschiedlicher ROI, den Sie sauber zuordnen können. Die Teams mit den größten Erfolgen sind nicht die mit magischen Prompts. Es sind die, die täglich fünf Anrufe überprüfen und jede Woche etwas nachschärfen.
Ein paar Fallen, die frühe Agenten versenken, in der Reihenfolge, wie oft wir sie sehen. Das gesamte Callcenter am ersten Tag bauen wollen. Einen 4.000-Wörter-Prompt schreiben, weil mehr besser sein muss (ist es nicht). Simulationstests überspringen, weil „ich habe es fünfmal probiert und es hat funktioniert“ sich nach genug anfühlt (tut es nicht). Vergessen, die Übergabe an einen Menschen zu gestalten, was eine würdevolle Notausstiegsluke in eine Belastung verwandelt. Für Kosten vor Qualität optimieren, was verlockend ist, bis Ihr Agent selbstbewusst Ihre Rückerstattungsrichtlinie falsch angibt und Sie eine Rückbuchung schlucken. Und vielleicht der häufigste Fehler von allen: den Agenten wie eine einmalige Bereitstellung behandeln statt wie ein System, das jede Woche besser wird, wenn Sie es lassen.
Die 30-Minuten-Erstellung ist der Boden, nicht die Decke. Die Decke ist, jedes telefonbasierte Gespräch in Ihrem Unternehmen mit einem System zu betreiben, das schneller abhebt als Ihr schnellster Mensch, rund um die Uhr läuft, rund 0,11 $ pro Minute statt 0,50 $ kostet und sich jede Woche verbessert, statt jedes Quartal abzuwandern.
Diese Decke ist näher, als die meisten Betreiber denken. Die Unternehmen, die Sprach-KI als ein Problem für 2027 behandeln, werden 2027 aufwachen und feststellen, dass ihre Wettbewerber sechs Monate eingehender Anrufe bewältigt haben, ohne eine einzige neue Kraft einzustellen, und das eingesparte Personalbudget genutzt haben, um sie bei der Marge zu unterbieten.
Erstellen Sie noch heute Ihren ersten Agenten. Hören Sie sich diese Woche zwanzig Anrufe an. Bauen Sie nächste Woche den zweiten. Das Tempo von hier an bestimmen Sie.
Erstellen Sie kostenlos ein Konto unter dashboard.retellai.com, oder buchen Sie eine Demo, und wir zeichnen einen Rollout für Ihr spezifisches Anrufvolumen und Ihre Anwendungsfälle. Wenn Sie es lieber hören möchten, bevor Sie es bauen, rufen Sie unsere Live-Demo-Linie an und sprechen Sie selbst mit einem Retell-Agenten.
Sehen Sie, wie viel Ihr Unternehmen durch den Wechsel zu KI-gestützten Sprachagenten sparen könnte.
Total Human Agent Cost
AI Agent Cost
Estimated Savings
Eine Demo-Telefonnummer von Retell Clinic Office

Start building smarter conversations today.


.avif)
.avif)