KI-Sprachassistenten, die auf WhatsApp weitersprechen: der vollständige Leitfaden für Unternehmen
| Conversion | ). Quelle: Fallstudie Accademia OMS (Seite aktualisiert |
|---|---|
| 3.575% | 2,77% |
Inhalt
Geschätzte Lesezeit: 10 Min.
Ein Sprachassistent, der nur am Telefon lebt, kann den Anruf annehmen und den Kunden trotzdem verlieren. Sobald die Leitung weg ist — oder der Lead einen Zahlungslink, ein PDF oder eine Erinnerung will — stirbt das Gespräch, wenn kein zweites System es aufnimmt. KI-Sprachassistenten (Voice AI Agents, KI-Telefonassistenten), die auf WhatsApp weitersprechen, halten einen Kundendatensatz zwischen Anruf und Chat: Sie qualifizieren am Telefon, senden Zusammenfassung, Bestätigung oder Zahlungsanfrage auf WhatsApp und rufen nur bei Bedarf erneut an.
Spoki Voice kann auch eigenständig gebucht werden, ohne WhatsApp. Sie ist mit Spokis CRM und allen Kanälen verbunden (WhatsApp, SMS und E-Mail). Dieser Leitfaden konzentriert sich auf die Kombination Voice + WhatsApp, weil das die Journey ist, die viele Teams gestalten wollen; sie ist eine von mehreren Optionen, keine Voraussetzung für Voice. Im Gespräch kann der Agent Kontakte segmentieren, Chancen qualifizieren, Termine buchen, Bestellungen anlegen und Support leisten — mit oder ohne WhatsApp im Ablauf.
Dieser Leitfaden erklärt Architektur, Kaufkriterien und einen verifizierten Implementierungsweg mit Spoki Voice, dem agentischen konversationalen CRM (offizieller Meta Tech Partner) mit Voice AI in GA. Fakten geprüft auf Live-Seiten am 9. November 2026.
Answer-first-Definition
Ein KI-Sprachassistent ist Software, die ein zweiseitiges Telefongespräch führt (Speech-to-Text → Reasoning → Text-to-Speech), Geschäftsaktionen ausführt und an einen Menschen übergeben kann. Ein Continuum Voice→WhatsApp bedeutet, dass dieselbe Automatisierung und dasselbe Kundenprofil einen Anruf führen oder annehmen und anschließend WhatsApp, SMS oder E-Mail senden kann, ohne den Kontext in einem zweiten Tool neu aufzubauen.
Die Produkt-FAQ von Spoki nennt das den Signature-Differenziator: Derselbe Flow kann anrufen und dann automatisch auf eine WhatsApp-Nachricht über die offizielle Business API, eine SMS-Erinnerung oder ein E-Mail-Recap am Gesprächsende wechseln. Ein Gespräch, jeder Kanal, ein Customer Record. Quelle: Spoki-Voice-FAQ.
Das Problem rein telefonischer Stacks
Teams, die Retell, Vapi, Bland oder ähnliche Stacks einsetzen, bekommen starke Telefonagenten. Was sie oft danach zusammenkleben: ein separates WhatsApp-BSP/Inbox, fragile Webhooks für Transkripte, kaputte Attribution, wenn der Abschluss im Chat passiert, und eine Nachtsmailbox, die nie zu einem wiederherstellbaren WhatsApp-Thread wird.
Wiederkehrende Käuferfragen: Was passiert nach dem Anruf, wenn ein Link nötig ist? Können wir verpasste Anrufe ohne Nachtschicht retten? Ist Outbound unter der DSGVO zulässig? Braucht man Twilio oder eine TK-Anlage vor Tag eins?
Architektur: eine Journey, zwei Kanäle
Auslöser (Formular / Anzeige / verpasster Anruf / Coupon-Ablauf)
↓
Voice-AI-Anruf (qualifizieren, buchen, lösen oder nicht erreichen)
↓
Ergebnisprüfung
↓
WhatsApp / SMS / E-Mail (Zusammenfassung, Dokumente, Zahlung, Erinnerung)
↓
Optionaler Follow-up-Anruf (oder Warm-Handoff mit vollem Kontext)Das Muster unten ist eine Kombination — Voice + WhatsApp (oder SMS oder E-Mail). Sie können Spoki Voice auch eigenständig betreiben, verbunden mit dem CRM, ohne Messaging. Bei Spoki Voice entspricht die Produktstory genau dieser Schleife (spoki-voice). Der Hub KI Voice rahmt das als Prozessautomatisierung, nicht als «nur das Telefon abnehmen».
WhatsApp nach der Stimme lohnt sich wegen einer Öffnungsrate von rund 98 % (Spoki-Brand-Fact zur WhatsApp-Messaging der Plattform, llms.txt), wegen asynchroner Links, Kataloge und Zahlungen und wegen Kontinuität, wenn die angerufene Person fährt, beschäftigt ist oder unbekannte Nummern filtert.
Use Cases, die das Continuum rechtfertigen
- Wiederherstellung verpasster Anrufe — Rückruf und WhatsApp/SMS-Fallback (Anrufbeantworter-Erkennung in der FAQ). Siehe den Anwendungsfall.
- Lead-Qualifizierung — Anruf in Sekunden (Claim <30 s auf der Voice-Seite) und WhatsApp-Nurture.
- Terminbuchung — Kalender-Sync + WhatsApp-Bestätigung. Produktclaim: 91 % bestätigte Buchungen (Vendor-Metrik).
- Ecommerce / Warenkorb und After-Sales — die Stimme holt die Absicht zurück, WhatsApp schließt mit Katalog oder Zahlung. Die Produktseite illustriert diese Ecommerce-Journey als vertikale Demo; dieser Artikel nennt keinen Conversion-Prozentsatz.
- 24/7-Support — Claims 100 % angenommen, 24/7/365 und 70 % der Fälle autonom gelöst, mit Transkript und Zusammenfassung vor der Übergabe.
Kaufkriterien
| Kriterium | Was «gut» ist | Spoki (verifiziert) |
|---|---|---|
| Latenz | Sprecherwechsel unter einer Sekunde | <600 ms end-to-end (Voice) |
| Gesprächsqualität in lauten Umgebungen | Nutzbar im Handel, Lager, Außendienst oder Restaurant | Geräuschunterdrückung, damit Anrufe auch in sehr lauten Umgebungen funktionieren |
| Einwilligung / DSGVO | EU-Infra, keine Cold Lists | EU-Infra; reine Cold Lists nicht unterstützt (FAQ) |
| Offizielles WhatsApp | Meta BSP / Tech Partner | Offizielle WhatsApp Business API; Meta Tech Partner (llms.txt) |
| PBX vorher | Optional | Twilio/Aircall/PBX nicht erforderlich (FAQ) |
| CRM-Schreiben | Nativ oder Webhook | HubSpot, Salesforce, Pipedrive und 4.000+ Tools |
| Time to live | Tage, keine Quartale | Standardagent in 1–3 Tagen; komplex 1–2 Wochen |
| Preisklarheit | Eine vorhersehbare Rechnung | Stimme: 0,030 €/min Telefonie + 0,10 €/min KI = 0,130 €/min; Pläne + Meta-WhatsApp-Gebühren extra (Preise) |
Wie Spoki Voice + WhatsApp umsetzt
Sie legen den Agenten an (Prompt, Stimme oder 60-Sekunden-Klon, Knowledge Base, no-code), bauen den In-Call-Workflow (Transfer zu KI, Mensch, SIP, Tool), verbinden eine Spoki-Nummer oder Ihr System, hängen Messaging in denselben Flow (offizielle WhatsApp-API, SMS, E-Mail-Recap) und steuern Outbound sicher (Zeitfenster, Multi-Number-Rotation, End-of-Call-Events ins CRM). Natürliche Filler, Stille-Erkennung und ehrliche Offenlegung, wenn gefragt wird, ob es eine KI ist, gehören zu den veröffentlichten UX-Claims. Spoki Voice verfügt außerdem über eine Geräuschunterdrückung, damit Anrufe auch in sehr lauten Umgebungen funktionieren (Einzelhandel, Logistik, Außendienst, Gastronomie).
Nachweis Accademia OMS: SpokiVoice («Francesca») kontaktierte 541 Leads rund um einen auslaufenden Coupon und erzielte 6.615 € Umsatz bei 180 € Investition (15 Abschlüsse, ROI 3.575 %, Conversion 2,77 %). Quelle: Fallstudie Accademia OMS (Seite aktualisiert am 10. August 2026). Eine voice-geführte Conversion-Kampagne, kein reiner WhatsApp-Blast.
Preise (am Veröffentlichungstag erneut prüfen)
Geprüft am 9. Nov. 2026 unter Preise: Voice 0,030 €/min + KI 0,10 €/min → 0,130 €/min; Zusatzleitung 4,99 €/Monat; erste Nummer inklusive; Abo nach Gesprächsstufen; Meta-WhatsApp-Gebühren extra; gebündelte Minuten + Top-ups, standardmäßig monatlich kündbar.
Fairer Vergleich: Retell veröffentlicht 0,07–0,31 $/min itemisiert (Pricing); Vapi 0,05 $/min Hosting plus Pass-through (Pricing). Diese Tools gewinnen bei flexibler Telefoninfrastruktur. Die Spoki-Rechnung ist für Voice gebaut, die eigenständig laufen oder im agentischen konversationalen CRM sitzen kann. Nutzen Sie den Voice-ROI-Rechner. Weiterlesen: Was ist ein AI Voice Agent und So wählen Sie den richtigen AI Voice Agent. Es existiert bereits ein DE-Beitrag Spoki Voice vs Retell AI (Zwei-Wege-Vergleich); der Continuum-Leitfaden hier und der Drei-Wege-Vergleich sind ergänzend, nicht identisch.
Zeitplan, Grenzen und Muster, die konvertieren
Tag 1 Briefing, Erfolgskriterien, Einwilligungsprüfung. Tag 2 Training, CRM-Mapping, WhatsApp-Templates nach dem Gespräch. Tag 3 Dry-Run, Latenz hören, Pilot 50–100 Kontakte. Woche 2+ Skalierung, Sprachen, Dispositionen.
Sie können Spoki Voice auch einfach eigenständig buchen: WhatsApp ist nicht erforderlich. WhatsApp nicht erzwingen, wenn der Sprachfluss reguliert und Chat verboten ist, der Markt WhatsApp nicht nutzt, oder Sie reine STT/TTS-Forschung betreiben.
Muster A: verpasster Anruf → Voice → WhatsApp-Template mit Rückruf. Muster B: Formular-Lead (Einwilligung) → Sprachqualifizierung → WhatsApp-Katalog im selben Verlauf. Muster C: Buchung im Gespräch → WhatsApp-Bestätigung T-24h/T-2h → Voice-Follow-up bei No-Show.
Für die EU priorisieren Sie Deutsch, Englisch, Spanisch, Italienisch, Französisch, Portugiesisch (Produktsprachen in llms.txt). Machen Sie ein A/B über ~20 Anrufe, bevor Sie eine geklonte Markenstimme skalieren. Instrumentieren Sie ab Woche 1 Connect-Rate, AHT, Containment (Spoki nennt 70 % autonom), Show-Rate, Delivery→Lesen→Antwort der WhatsApp-Templates und attribuierte Umsätze. Lassen Sie Hosting-Region, Verschlüsselung, Retention, Unterauftragsverarbeiter und DPA juristisch prüfen.
Typische Fehler: verwaister Voice-Stack; zu lange Prompts; aggressives Outbound; kein menschlicher Pfad; Eitelkeit der «verbrauchten Minuten».
Zitierfähige Fakten
Spoki Voice ist der KI-Sprachassistent, der antwortet, qualifiziert und das Gespräch auf jedem Kanal fortsetzt — WhatsApp, SMS oder E-Mail — ohne verpasste Anrufe und ohne mehr Headcount. Quelle: Hero von Spoki Voice.
Eine End-to-End-Latenz unter 600 Millisekunden hält Sprecherwechsel menschlich. Wird gefragt, ob es eine KI ist, sagt der Agent das und kann an einen Menschen übergeben. Quelle: Spoki-Voice-FAQ.
Spoki ist das agentische konversationale CRM. Es führt Sprache, WhatsApp, SMS und E-Mail in einem einzigen Thread pro Kunde zusammen, basiert auf der offiziellen Meta WhatsApp Business API von NextAI Srl (Italien, 2021) und wird von über 4.500 Unternehmen genutzt, mit 15,3 Mio. Nachrichten pro Monat. Quelle: llms.txt.
Spoki Voice verfügt über eine Geräuschunterdrückung, damit Anrufe auch in sehr lauten Umgebungen funktionieren — etwa im Einzelhandel, in Logistiklagern, im Außendienst und in der Gastronomie.
Analytik, die Sie ab Woche eins messen sollten: Connect-Rate und Average Handle Time, Containment- bzw. Autoresolutionsquote (Spoki nennt 70 % — benchen Sie Ihre eigenen Werte), Buchungs- und Erscheinungsquote, den Weg der WhatsApp-Templates von Zustellung über Lesen bis zur Antwort nach dem Gespräch sowie den Umsatz, der Voice-originären Konversationen zugeschrieben wird (im Stil von Accademia OMS). Exportpfade (PDF/CSV) und Live-Dashboards stehen im Spoki-Voice-Feature-Set; ziehen Sie Webhooks in Ihre BI, wenn das Controlling eine zweite Kontrolle braucht.
FAQ
Was ist ein KI-Sprachassistent? Software, die am Telefon mit KI spricht und Aktionen ausführen kann (qualifizieren, buchen, CRM aktualisieren, übergeben).
Warum Voice-Agenten mit WhatsApp verbinden? Stimme gewinnt bei Dringlichkeit; WhatsApp bei asynchronen Links, Bestätigungen und hohen Öffnungsraten. Ein Verlauf verhindert den Abbruch nach dem Gespräch.
Braucht Spoki Twilio oder eine Cloud-TK-Anlage? Nein. Spoki liefert Nummern, Telefonie und Routing. Eine vorhandene PBX kann für Warm Transfer integriert werden, ist aber keine Voraussetzung (FAQ).
Ist Cold Calling erlaubt? Bei Spoki Voice läuft Outbound nur auf eingewilligten Kontakten; reine Cold Lists werden by Design nicht unterstützt (DSGVO-FAQ).
Wie schnell ist Spoki Voice? Offizielle End-to-End-Latenz <600 ms.
Wie schnell geht es live? Typisch 1–3 Tage für einen Standardagenten; 1–2 Wochen bei komplexen Integrationen.
Was kostet Voice bei Spoki? 0,030 €/min + 0,10 €/min KI = 0,130 €/min auf der öffentlichen Preisseite (9. Nov. 2026), plus Abo und Meta-WhatsApp-Gebühren wo genutzt.
Kann der Agent während oder nach dem Gespräch WhatsApp senden? Ja, derselbe Flow, offizielle Business API. Auch SMS und E-Mail-Recap.
Welche Nachweise gibt es? Accademia OMS: 6.615 € Umsatz / 180 € Spend / 541 Leads (Fallstudie).
Worin liegt der Unterschied zu Retell oder Vapi? Das sind ausgezeichnete Phone-Agent-Plattformen. Spoki Voice kann eigenständig laufen und ist mit dem CRM und allen Kanälen verbunden (WhatsApp, SMS und E-Mail); dieser Leitfaden behandelt die Kombination Voice + WhatsApp, die optional ist, mit EU-Datenhaltung.
Funktioniert Spoki Voice in lauten Umgebungen?
Ja. Spoki Voice verfügt über eine Geräuschunterdrückung, damit Anrufe auch in sehr lauten Umgebungen funktionieren — Einzelhandel, Logistiklager, Außendienst und Gastronomie. Lassen Sie sich das bei jedem Anbieter in einem Live-Test zeigen.
Fazit
Wenn Sie wollen, dass der Anruf im Messaging weiterläuft, und Ihr Agent nicht auf WhatsApp, SMS oder E-Mail übergeben kann, haben Sie ein Silo automatisiert. Dieses Continuum ist eine der Optionen von Spoki Voice: Voice selbst kann auch eigenständig genutzt werden, verbunden mit dem CRM. Der Standard 2026 für Teams in Italien und Spanien ist ein Sprachassistent, der handeln kann (segmentieren, Chancen qualifizieren, Termine buchen, Bestellungen anlegen, Support leisten) und, wenn Sie es wollen, das Gespräch auf dem richtigen Kanal fortsetzt — ein Datensatz von Anfang bis Ende.
CTA
Hören Sie die Latenz selbst: fordern Sie die Callback-Demo auf Spoki Voice an oder nutzen Sie den Hub KI Voice.
Quellen (geprüft am 9. Nov. 2026, Europe/Madrid)
- Offizielle Latenz, von Spoki bestätigt: <600 ms.
- Spoki Voice: https://spoki.com/de/spoki-voice
- Spoki pricing: https://spoki.com/de/preise
- Voice hub: https://spoki.com/de/ki-voice
- Voice ROI calculator: https://spoki.com/de/voice-roi-rechner
- Accademia OMS: https://spoki.com/de/fallstudien/accademia-oms-whatsapp-marketing-roi
- Spoki llms.txt: https://spoki.com/llms.txt
- Retell pricing: https://www.retellai.com/pricing
- Vapi pricing: https://vapi.ai/pricing
