KI-Telefonassistent
AI Voice
Ein KI-Telefonassistent, der in Echtzeit spricht, Termine bucht und Nachrichten aufnimmt.
In Entwicklung, noch nicht im Produktivbetrieb
Live-Anruf
LivePrüft Verfügbarkeit …
Hi, hier ist Christophs KI-Assistent. Wie kann ich helfen?
Ich würde gern einen Termin mit Christoph zum Telefonassistenten buchen.
Klar! Einen Moment, ich schaue nach freien Terminen.
Live-Kalender
SynchronFreitag
Produkt-Demo
13:00 – 14:00
Frei · 15:00
Agent-Aktionen
LiveAnliegen erfasst
Möchte eine Beratung zum Telefonassistenten
Verfügbarkeit geprüft
Freien Termin gefunden
Termin gebucht
Beratung eingeplant
Bestätigung gesendet
E-Mail + SMS mit Kalender-Einladung
Lead gespeichert
Kontakt für die Nachverfolgung erfasst
Simulierter Ablauf mit Timings aus echten Backend-Logs. Kein echter Anruf, die Personen sind erfunden.
Kernkompetenzen
- Echtzeit-Systeme
- LLMs und Agenten
- Sicherheit und Datenschutz
- Backend und APIs
- Testen und Verifizieren
- Infrastruktur und Betrieb
- KI-gestützte Entwicklung
Tech-Stack
- TypeScript
- NestJS
- PostgreSQL
- Prisma
- WebSocket
- Telnyx
- Gemini Live
- bge-m3
- ONNX
- Expo
- React Native
- NativeWind
- TanStack Query
- Linux
- pm2
- nginx
- GitHub Actions
- Vitest
- Playwright
Das Schwierigste
Stille mitten im Gespräch
Am Telefon ist auch Warten etwas, das man gestalten muss.
Die ganze Geschichte
Was man sah
Während die KI einen Termin im Kalender nachschlägt, passiert am Telefon gar nichts. Für den Anrufer klingt das, als wäre die Leitung tot.
Was wirklich los war
Auf einer Website zeigt man einen Ladekreis. Am Telefon gibt es den nicht, und das Modell soll sprechen, während es gleichzeitig auf das Ergebnis wartet.
Die Lösung
Die KI überbrückt jetzt wie ein Mensch, etwa mit „Moment, ich schaue kurz nach“. Hängt das Modell, stupst ein Wächter es an. Redet der Anrufer dazwischen, verstummt sie sofort.
- 4.706
- Tests in der gesamten Produktsuite, davon 3.523 in Voice
- 753
- Commits in 12 Wochen, gesamte Produktsuite
- ~120
- HTTP-Routen im Voice-Backend
- ~110k
- Zeilen Code, dazu ~57k Zeilen Tests, gesamte Produktsuite
In einfachen Worten
Stell dir eine Empfangskraft vor, die nie besetzt ist. Jemand ruft bei einem Betrieb an und eine KI nimmt ab, versteht die Frage, schaut in den Kalender und bucht den Termin. Wenn man ihr ins Wort fällt, hört sie sofort auf zu reden, wie ein Mensch auch.
Kleine Betriebe verpassen Anrufe, weil gerade alle arbeiten. AI Voice ist für genau diese kleinen Betriebe gedacht.
So funktioniert es
Schritt 1 von 5
Anruf
Telnyx nimmt den Anruf an, prüft per Webhook-Signatur die Herkunft und streamt das Audio an das Backend.
Was gebaut wurde
- Telefon-Audio von Telnyx live an ein Sprachmodell gekoppelt, mit eigener Konfiguration und Wissensbasis pro Betrieb
- Tools für Kalender, Nachrichten, Bestätigung, Bestellungen und Auflegen
- Live-Ansicht laufender Anrufe für Betreiber über WebSocket
- Anrufarchiv mit KI-Bewertung und einer Schleife für Verbesserungen
- Semantische Suche pro Betrieb mit lokalen bge-m3-Embeddings und Stichwort-Fallback
- Dashboard mit 3 Rollen als Expo-Web-App und Android-APK
Wie die Kompetenzen eingesetzt wurden
- Echtzeit-Systeme
- Barge-in, Sprachaktivitätserkennung und begrenzte Audio-Queues bei PCM16 mit 16 kHz rein und 24 kHz raus
- LLMs und Agenten
- Tool-Design für ein Modell, das live am Telefon spricht und dabei Funktionen aufruft
- Sicherheit und Datenschutz
- 2FA mit TOTP und Replay-Schutz, CASL mit 3 Rollen, Webhook-Signaturen, DSGVO-Export und -Löschung, 90-Tage-Aufbewahrung
- Backend und APIs
- Rund 120 HTTP-Routen in NestJS, Worker mit Locks, Retries und Endzuständen, 18 Prisma-Modelle
- Testen und Verifizieren
- Ein Test läuft über jede Route und lehnt ungeschützte oder falsch abgegrenzte ab
- Infrastruktur und Betrieb
- Linux, pm2, nginx, Let's Encrypt, Deploy-Skript mit Health-Check, Monitoring und unabhängige Uptime-Probe
- KI-gestützte Entwicklung
- Spec-first mit getrennten Agenten für Umsetzung, Review, Recherche und Plan-Kritik
Meine Rolle
Konzept, Architektur, Führung der Agenten und Prüfung. Den Großteil des Codes hat Claude Code in meinem selbst entwickelten Agent-Workflow geschrieben.
Siehe Projekt Context Observer