Viele B2B-Unternehmen verlieren noch immer teure Leads am Telefon, weil niemand erreichbar ist oder Rückrufe zu spät kommen. Eine Künstliche Intelligenz oder ein Voice Bot für den Vertrieb schließt genau diese Lücke – und das in Echtzeit: Er nimmt Kundenanfragen sofort an, qualifiziert sie und übergibt sie sauber an CRM oder Verkauf. Im Interview erklärt Martin Hartig, verantwortlich für die Entwicklung des matelso AI Sales Agent, warum dieser Ansatz für KMU so relevant ist, welche technischen Hürden es gab und wie man KI und intelligente Sprachassistenten so einsetzt, dass wirklich mehr Abschlüsse entstehen – und das DSGVO-konform.
Inhaltsangabe
- Warum sind nahtlos integrierte KI Voicebots oder ein Chatbot im Vertrieb heute notwendig?
- Warum braucht der Vertrieb heute einen AI Voicebot – was löst ihr konkret für Anwendungsfälle?
- Woran messt ihr als Voicebot Anbieter, ob solche Bots im Vertrieb wirklich funktionieren und Anrufe automatisiert und effizient bewerten?
- Was heißt bei eurem Voicebot „AI-first, Human-Handover“ – und warum wart ihr so schnell auf Wettbewerbsniveau in Bezug auf Automatisierung und KI Architektur?
- Häufig gestellte Frage: Wie funktioniert Conversational AI bei euch und was kann der matelso Voicebot jetzt schon bezüglich Anrufe und Automatisierung machen?
- Wie tief hängt der AI Voicebot in der matelso platform – gerade für Use Cases im Umfeld von GA4, CRM und Reporting?
- Wie stellt ihr sicher, dass der Bot nicht nur nett plaudert, sondern natürlich klingt und vertrieblich arbeitet?
- Wie haltet ihr das komplexe Thema Voice Latenz im gesprochenen Dialog unter Zielwert (inkl. Barge-in) und verhindert Halluzinationen im Live-Call – mit welchen Mechaniken und Monitoring-KPIs?
- Viele KMU Customer fragen zuerst nach leistungsstarkem Datenschutz. Was kannst Du da zu eurem AI Sales Agent sagen?
- Welche Insights habt ihr aus der Entwicklung gelernt – und was steht als Nächstes an?
Warum sind nahtlos integrierte KI Voicebots oder ein Chatbot im Vertrieb heute notwendig?
Eine KI Voice Bot Implementierung im Vertrieb schließt effizient und reibungslos die größte Lücke zwischen Marketing und Sales: den Moment des ersten telefonischen Kontakts. Wer hier schneller reagiert und passende Antworten liefert, gewinnt mehr aus seinen bezahlten Leads.
Warum braucht der Vertrieb heute einen AI Voicebot – was löst ihr konkret für Anwendungsfälle?
Gerade im B2B und besonders bei dezentralen Vertriebsstrukturen – Zentrale macht Marketing, Filialen sollen zurückrufen – gehen immer noch zu viele Leads verloren. Anrufe landen im Nirgendwo, Mitarbeiter sind im Gespräch, Rufumleitungen sind nicht sauber geregelt. Das ist teuer, weil die Leads über PPC-Kampagnen, Webseiten und andere digitale Kanäle hart erkämpft und mit viel Budget wurden. Unser Ansatz in der matelso platform ist: Kein Lead darf verloren gehen. Bisher konnten wir Telefongespräche intern routen und weiterleiten, über unsere TK-Anlage weiterleiten oder ins matelso ServiceCenter übergeben – jetzt kommt der Voice Bot dazu, nimmt den Call sofort an und entlastet so das Vertriebsteam. Damit fängt er den Moment ab, in dem die Kaufabsicht am höchsten ist. Für den Vertrieb heißt das: mehr erreichte Kontakte, mehr Termine, weniger Streuverlust. Und man sieht am Markt, dass viele Anbieter den Sprachassistent genau dafür positionieren: Lead-Qualifizierung und Terminbuchung.
Woran messt ihr als Voicebot Anbieter, ob solche Bots im Vertrieb wirklich funktionieren und Anrufe automatisiert und effizient bewerten?
Erst wenn Bot-Daten in CRM oder GA4 landen, wird der Mehrwert für Marketing und Vertrieb sichtbar. KI allein reicht nicht – sie muss messbar sein.
Wir haben dafür zwei Ebenen:
- Harte Vertriebs-KPIs: Erreichbarkeit, Quote qualifizierter Gespräche, Terminquote und am Ende Conversions – verknüpft mit CRM oder GA4, damit Marketing sieht, dass seine Leads weiterbearbeitet werden.
- Bot-KPIs: Versteht der Bot den Anrufer? Klassifiziert er richtig? Führt das Gespräch zu einem Termin? Das ist am Ende die „Erfolgsquote pro Anruf“. Customer Acquisition Costs (CACs) und Average Handling Time (AHT) spielen auch eine Rolle: Qualifiziert der Bot schneller vor und der Mensch übernimmt nur noch die wertvollen Fälle, sinken Akquisekosten und Bearbeitungszeit.
Was heißt bei eurem Voicebot „AI-first, Human-Handover“ – und warum wart ihr so schnell auf Wettbewerbsniveau in Bezug auf Automatisierung und KI Architektur?
„AI-first“ heißt: Der Bot geht immer zuerst dran und versucht das Anliegen zu lösen – Termin vereinbaren, Daten erfassen, Bedarf verstehen. Das ist besonders relevant in Zeiten von hohen Anrufaufkommen.
„Human-Handover“ heißt: Der Kunde kommt jederzeit über Weiterleitungen zu einem Menschen, automatisch wenn es um komplexe Anliegen geht oder direkt auf Wunsch. Bei uns kann der Anrufer sogar per Taste wechseln. Diese klaren Escape-Routen halten die Gesprächsqualität hoch, steigern die Effizienz der Prozesse und verbessern die Reaktionszeiten.
Wir waren schnell gut, weil wir kein Allzweck-Tool bauen wollten. Wir haben ein konkretes Vertriebsproblem gelöst: eingehende Leads sofort abholen, strukturiert befragen, sauber übergeben. Weniger Konfigurationsaufwand beim Kunden heißt: mehr Qualität in unserer Hand. Genau diesen Fokus auf Sales-Use-Cases nennen auch andere Player als Erfolgsfaktor.
Häufig gestellte Frage: Wie funktioniert Conversational AI bei euch und was kann der matelso Voicebot jetzt schon bezüglich Anrufe und Automatisierung machen?
Lead Tracking mit der matelso platform
Mehr Leads, weniger Streuverluste, geringere Kosten – Lead-Tracking macht digitales Marketing effizienter und profitabler! Profitieren Sie von bis zu 30% niedrigeren CPLs und 40% weniger Streuverlusten!
Wie tief hängt der AI Voicebot in der matelso platform – gerade für Use Cases im Umfeld von GA4, CRM und Reporting?
Komplett. Der Bot ist kein Fremdkörper, sondern ein weiterer „Agent“ im Kommunikationsstrom. So wie heute schon Gespräche aus dem matelso ServiceCenter im Kundenkontext sichtbar sind, werden auch Bot-Gespräche vollständig dokumentiert: Wer hat angerufen, aus welcher Kampagne kam der Kontakt, was wurde gesagt, welches Ergebnis gab es. Diese Daten können wir wie gewohnt an GA4 schicken oder ins CRM spielen. Für Sales-Verantwortliche ist das stark, weil sie zum ersten Mal durchgängig sehen:
Google Ads → Anruf → Bot qualifiziert → Termin gesetzt.
Genau diese End-to-End-Sicht fordern moderne Vertriebs– und Marketing-Setups.
Wie stellt ihr sicher, dass der Bot nicht nur nett plaudert, sondern natürlich klingt und vertrieblich arbeitet?
Ein Voice Bot muss verkaufen können, nicht nur reden. Deshalb steuern wir Rolle, Wissen und Übergabeprozesse sehr eng.
Wir bauen in Schichten. Unten liegt der Telephony-Stack. Darauf kommen Speech-2-Text (STT) und Text-2-Speech (TTS) – bei uns z. B. Azure für die Eingabe und ElevenLabs für die Ausgabe, direkt an den Medienstream gekoppelt. Darüber liegt ein System-Prompt, den wir kontrollieren: Rolle, Gesprächsführung, Reihenfolge der Fragen, Terminlogik, Abbruch. Dann bekommt der Bot nur die Wissensquellen, die er wirklich braucht – z. B. aus einer Knowledge Base oder dem CRM. So bleibt er nah am Kontext. Die Qualität prüfen wir doppelt: automatisch über Logging und Metriken – und manuell über Transkripte, die wir uns im Nachgang schicken lassen. Vertriebschefs merken sehr schnell, wenn ein Bot anfängt zu schwafeln. Deshalb halten wir ihn bewusst sales-orientiert.
Wie haltet ihr das komplexe Thema Voice Latenz im gesprochenen Dialog unter Zielwert (inkl. Barge-in) und verhindert Halluzinationen im Live-Call – mit welchen Mechaniken und Monitoring-KPIs?
Bei Voice entscheidet Latenz über Natürlichkeit. Wir zielen auf sehr kurze Antwortzeiten und streamen die Ausgabe, damit sofort etwas zu hören ist. Füllsätze wie „einen Moment, ich prüfe das kurz …“ überbrücken die Zeit, in der das LLM noch arbeitet. Barge-in, also Unterbrechen durch den Anrufer, ist fester Teil des Setups. Gegen Halluzinationen setzen wir auf strikte Prompts, RAG (Antworten nur aus erlaubten Quellen) und Logging der Antwortsicherheit. Wird die Confidence zu niedrig, geht der Call an einen Menschen. Und wir monitoren das – damit wir sehen, ob Latenzen steigen oder die Erkennungsrate sinkt.
Viele KMU Customer fragen zuerst nach leistungsstarkem Datenschutz. Was kannst Du da zu eurem AI Sales Agent sagen?
Wir halten so viel wie möglich in unserer eigenen Infrastruktur und trennen sehr genau, welche Daten wohin dürfen. Ganz ohne Dritte geht es nicht, weil STT/TTS-Dienste aktuell einfach performanter sind. Aber: Wir loggen transparent, wir halten uns an Datensparsamkeit und wir machen Gespräche auditierbar. Wichtig für Unternehmen: Wenn eine KI im Vertrieb spricht, muss man nachvollziehen können, warum sie etwas gesagt hat – gerade bei personenbezogenen Daten. Dafür bauen wir die Monitoring- und Logging-Ebene so detailliert auf.
Stabile Audio-Pipeline und niedrige Latenz sind die Basis für jedes produktive Voice-Projekt. Erst darauf lohnt sich Feintuning bei KI, Prompts und Dialogdesign.
Welche Insights habt ihr aus der Entwicklung gelernt – und was steht als Nächstes an?
- Die eigentliche Magie passiert nicht im LLM, sondern in der Audio-Pipeline. Wer Telefonie nicht sauber im Griff hat, bekommt kein Echtzeit-Erlebnis hin.
- Fokus schlägt Feature-Liste. Ein Bot, der zuverlässig Anrufe annimmt, qualifiziert und Termine macht, bringt dem Vertrieb mehr als ein Assistent, der „alles ein bisschen“ kann.
- Monitoring ist Pflicht, weil sich Modelle ändern und man die Gesprächsqualität nachziehen muss.
Nächste Schritte sind klar: Outbound-Szenarien, also dass der Bot auch proaktiv Leads anruft, und Omnichannel-Erweiterungen. Der Markt zeigt sehr deutlich, dass Sales-Teams genau das wollen: automatisiert qualifizieren, automatisch ins CRM schreiben – und Menschen nur dann einschalten, wenn es wirklich vertrieblich relevant wird. Danke für das Gespräch, Martin.
Der Experte – Martin Hartig
Martin Hartig ist Head of Solution Management & Consulting beim Softwareanbieter matelso. In dieser Position zeichnet er für die gesamte Weiterentwicklung der SaaS-Lösungen des Unternehmens verantwortlich – von den Lead Management und MarTech-Lösungen bis hin zu KI-Applikationen.
