Voicebot im Mittelstand: kaufen oder selbst bauen? Cases

Ein Voicebot nimmt Anrufe entgegen, beantwortet Standardfragen und nimmt Anliegen strukturiert auf, rund um die Uhr. Die Frage ist selten, ob das technisch geht. Die Frage ist, ob eine Kauflösung zum eigenen Fall passt oder ein passgenauer Eigenbau wirtschaftlicher ist. Ein Mittelständler hat genau das in einem Proof of Concept geprüft. Das Ergebnis und die Kriterien dahinter.

Wo Voicebots im Mittelstand arbeiten

Drei Einsatzfelder tauchen in Anfragen immer wieder auf:

Wohnungswirtschaft: Mieteranfragen und Schadensmeldungen kommen auch abends und am Wochenende. Ein Voicebot nimmt sie strukturiert auf, klärt Standardfragen zu Nebenkosten oder Terminen und übergibt den Rest ans Team, mit vollständigem Protokoll statt Anrufbeantworter-Lücke.
Einkauf und Procurement: Lieferanten fragen Bestellstatus, Rechnungsdetails oder Ansprechpartner ab. Wiederkehrende Auskünfte übernimmt der Bot, das Einkaufsteam bearbeitet die Fälle, die Verhandlung brauchen.
Kundenservice: Öffnungszeiten, Auftragsstatus, Ersatzteilanfragen. Der Bot löst die häufigen Fälle und sortiert den Rest vor.

Die Muster sind übertragbar; entscheidend ist nicht die Branche, sondern die Struktur der Anrufe: hohes Volumen, wiederkehrende Anliegen, klare Datenquellen.

Voice-Bot statt Kaufsoftware

Ausgangslage

Ein Mittelstandskunde (mehrere hundert Mitarbeitende, zweistelliger Millionenumsatz) wollte Aufgaben in der Telefonkommunikation automatisieren. Die naheliegende Lösung, ein Kaufprodukt am Markt, war zu teuer und zu unflexibel für die spezifischen Anforderungen. Die offene Frage: Lohnt sich Build statt Buy?

Ansatz

Wir haben die Machbarkeit eines eigenen Voice-Bots in einem PoC bewiesen: schnell, kostenkontrolliert, mit klaren Akzeptanzkriterien. Kein „machbar oder nicht"-Bauchgefühl, sondern belastbare Entscheidungsgrundlage für die Investitionsfrage.

Umsetzung

Anforderungsanalyse für die priorisierten Telefon-Aufgaben
Prototyp mit den kritischsten Sprach-Flows
Kosten- und Aufwandsvergleich Build vs. Buy
Übergabe in den produktiven Aufbau

Ergebnis

Machbarkeit bestätigt, Wirtschaftlichkeit nachgewiesen: die Eigenentwicklung kommt günstiger und passgenauer als das Kaufprodukt. Der PoC ist in ein Produktiv-Projekt bei wonk.ai übergegangen.

Hinweis: Anonymisierter Case aus einem Förderprojekt-Kontext. Technische Details und Kundenname auf Anfrage.

Kaufen oder bauen: die vier Kriterien

Anrufvolumen und Lizenzmodell. Kaufprodukte rechnen meist pro Anruf, Minute oder Agent. Bei hohem Volumen wachsen die laufenden Kosten mit; ein Eigenbau hat höhere Anfangskosten und flache Betriebskosten. Der Schnittpunkt lässt sich rechnen.
Speziallogik. Je näher der Bot an eigenen Prozessen und Systemen arbeiten soll (ERP, Ticketsystem, Fachvokabular), desto enger wird es für Standardsoftware.
Datenhoheit. Gesprächsdaten sind Kundendaten. Hosting in Deutschland und volle Kontrolle über die Daten sprechen oft für den Eigenbau oder eine On-Premise-Option.
Betrieb. Wer betreibt und pflegt die Lösung? Ohne internen oder externen Partner für den Betrieb kann die Kauflösung trotz höherer Kosten die richtige Wahl sein.

Ehrliche Einordnung: Bei Standardanforderungen und überschaubarem Anrufvolumen ist die Kauflösung häufig die bessere Antwort. Genau dafür gibt es den Proof of Concept als Pilotprojekt mit festen Akzeptanzkriterien: Er beantwortet die Frage mit Zahlen statt mit Bauchgefühl, in 4 bis 8 Wochen. Fällt die Antwort „kaufen" aus, sagen wir das. Den gleichen Ansatz mit festem Rahmen zeigt der Case Spenderkommunikation automatisieren.

Häufige Fragen

Was kostet ein Voicebot?

Kaufprodukte rechnen typischerweise laufend pro Anruf, Minute oder Nutzer ab; die Kosten skalieren mit dem Volumen. Ein Eigenbau kostet einmalig Entwicklung plus Betrieb. Im beschriebenen Projekt hat der PoC den Kostenvergleich konkret belegt und die Eigenentwicklung war günstiger. Welche Seite bei Ihnen gewinnt, zeigt die Rechnung im PoC.

Versteht ein Voicebot Fachbegriffe und Dialekt?

Moderne Spracherkennung kommt mit Alltagssprache gut zurecht. Fachvokabular wird im Projekt gezielt trainiert und getestet; genau dafür sind die Akzeptanzkriterien im PoC da.

Wie lange dauert die Einführung?

Der Proof of Concept mit den kritischen Sprach-Flows dauert 4 bis 8 Wochen. Danach ist belastbar entscheidbar, ob und wie es in den Produktivbetrieb geht.

Ist das DSGVO-konform machbar?

Ja. Hosting in Deutschland, keine Verwendung der Gespräche für Modelltraining, Auftragsverarbeitungsvertrag. Die Architektur wird von Anfang an darauf ausgelegt.

Wann ist die Kauflösung die bessere Wahl?

Bei Standardanforderungen, kleinem Anrufvolumen und fehlender Betriebskapazität. Das ist keine rhetorische Option: Wenn der PoC das zeigt, lautet die Empfehlung kaufen.