KI-Telefonassistent und DSGVO: So wird die Telefon-KI rechtssicher
Ist ein KI-Telefonassistent DSGVO-konform? EU-Server, Zero Data Retention, kein Training und § 203 bei Heilberufen, erklärt an unserer echten Anbieter-Kette.
Bevor eine Praxis oder ein Betrieb einen KI-Telefonassistenten anschaltet, kommt fast immer dieselbe Frage. Wo landen eigentlich die Daten meiner Anrufer? Die Sorge ist berechtigt, denn ein Telefonassistent hört die sensibelsten Informationen, die ein kleines Unternehmen hat. Wer anruft, was die Person will und bei einer Praxis oft auch, warum. Die gute Nachricht vorweg. Ein KI-Telefonassistent ist in Deutschland zulässig. Aber Konformität ist kein Häkchen, das ein Anbieter setzt, sondern eine Kette aus Verträgen und Konfiguration, die stimmen muss.
Wir schreiben diesen Beitrag als Anbieter, der genau diesen Weg selbst gegangen ist. Deshalb zeigen wir hier nicht nur die Theorie, sondern die konkreten Entscheidungen an unserer eigenen Technik, samt der Stellen, an denen es unbequem wurde. Kein Rechtsrat, sondern dokumentierte Praxis.
Ist ein KI-Telefonassistent überhaupt DSGVO-konform?
Kurz gesagt, ja, wenn drei Dinge zusammenkommen. Es gibt einen Auftragsverarbeitungsvertrag zwischen Ihnen und dem Anbieter, die Verarbeitung findet in der EU statt oder ist über Standardvertragsklauseln abgesichert, und die Anrufdaten werden nicht zum Training von KI-Modellen verwendet. Bei Heilberufen kommt die ärztliche Schweigepflicht als vierte Bedingung hinzu.
Das klingt einfach, hat aber einen Haken. Ein KI-Telefonassistent ist kein einzelnes Programm, sondern ein Zusammenspiel mehrerer spezialisierter Dienste. Jeder dieser Dienste ist ein eigener Baustein mit eigenem Serverstandort und eigenen Voreinstellungen. Konform ist das Gesamtsystem erst, wenn jeder einzelne Baustein sauber konfiguriert und vertraglich eingebunden ist. Genau deshalb lohnt es sich, die Frage in zwei Ebenen zu zerlegen. Die technische Ebene und die KI selbst.
Wer haftet für die Daten? Die drei Rollen
Bevor es um Technik geht, muss die Rollenverteilung klar sein, denn sie bestimmt, wer wofür haftet.
- Sie sind der Verantwortliche. Als Praxis oder Betrieb gehören Ihnen die Daten Ihrer Anrufer. Sie entscheiden, was damit passiert, und tragen die Verantwortung nach außen.
- Der Anbieter ist Auftragsverarbeiter. SpeakKI verarbeitet die Anrufe in Ihrem Auftrag und nach Ihren Weisungen. Das regelt der Auftragsverarbeitungsvertrag nach Art. 28 DSGVO.
- Jeder KI-Dienst dahinter ist Subprozessor. Die Spracherkennung, das Sprachmodell, die Sprachausgabe. Für jeden davon braucht der Anbieter eine eigene Vertragskette bis zu Ihnen.
Aus dieser Kette folgt eine simple Regel. Papier ohne passende Technik ist wertlos, und Technik ohne Verträge auch. Beides muss zusammenpassen. So sieht der Weg eines einzelnen Anrufs durch diese Kette aus.
Vereinfachte Darstellung des Aufbaus, den wir in Produktion einsetzen. Jede Ebene ist frei wählbar und hat eine Ausfallsicherung. Die Orchestrierung (LiveKit), die Datenbank und die Aufnahmen laufen self-gehostet im Rechenzentrum Deutschland und verlassen die EU nicht.
Säule 1, die technische Ebene
Die technische Ebene ist die, die man klassisch mit Datenschutz verbindet. Sie ist bei einem Telefonassistenten nicht anders zu bewerten als bei jeder anderen Software, nur dass hier Audio und Transkripte dazukommen.
Serverstandort und Hosting. Bei SpeakKI laufen die Anwendung, die Datenbank und die Aufnahmen auf eigenen Servern bei Hetzner in Deutschland, einem nach ISO 27001 zertifizierten Rechenzentrum. Alles, was self-gehostet werden kann, wird auch self-gehostet. Dazu gehören die Telefonie-Orchestrierung über LiveKit, der Zwischenspeicher und die Rauschunterdrückung. Für diese Funktionen verlässt das Audio unsere Server nie, sie sind damit gar keine Subprozessoren. Wer maximale Kontrolle will, kann diesen Gedanken bis zum Ende treiben und auch die KI-Modelle selbst hosten, etwa über Ollama. Dann bleibt jede einzelne Verarbeitung im eigenen Haus.
Verschlüsselung und Zugriff. Festplatten sind verschlüsselt, der Zugriff auf die Datenbank läuft ausschließlich über einen abgesicherten Tunnel, Konten sind durch Zwei-Faktor-Authentifizierung geschützt und die Mandanten sind sauber getrennt. Das sind die technischen und organisatorischen Maßnahmen, die in jeden ordentlichen AVV als Anlage gehören.
Löschfristen. Anrufer-Audio und Transkripte sind nichts, was man ewig aufheben sollte. Sinnvoll ist eine konfigurierbare Löschfrist, nach der Aufnahmen und Transkripte automatisch verschwinden. Wichtig ist, dass diese Frist auch die Backups erfasst und nicht nur die aktive Datenbank.
Der Auftragsverarbeitungsvertrag. Er ist die vertragliche Klammer um all das. Bei SpeakKI ist er inklusive und weist jeden eingesetzten Subprozessor offen aus, samt Standort und Aufgabe. Wer diese Liste nicht bekommt, sollte skeptisch werden.
Säule 2, die KI selbst
Hier wird es spezifisch, denn ein Telefonassistent verarbeitet gesprochene Sprache mit drei aufeinanderfolgenden KI-Diensten. Jeder davon ist ein eigener Anbieter, und für jeden gelten dieselben drei Fragen. Wo wird verarbeitet, wird trainiert, und wird gespeichert.
Die Spracherkennung (STT). Sie wandelt das gesprochene Wort in Text um und bekommt damit den sensibelsten Datenstrom überhaupt, das rohe Anrufer-Audio. Deshalb liegt hier die Messlatte am höchsten. Wir betreiben die Spracherkennung über einen EU-Endpoint mit aktivem Trainings-Ausschluss und Zero Data Retention, das Audio wird also gar nicht erst gespeichert. Als Anbieter stehen Deepgram, Google und Azure zur Wahl, je nachdem, welche Anforderungen ein Kunde mitbringt.
Das Sprachmodell (LLM). Es versteht das Anliegen und formuliert die Antwort. Standard ist bei uns Google Vertex in der EU-Region, wahlweise mit OpenAI als paralleler Option. Für beide gilt, dass API-Daten nach den Standardbedingungen nicht zum Training verwendet werden. Wichtig ist ein Detail, das leicht untergeht. Nicht jedes Modell ist in der EU-Region verfügbar, und ein falscher Klick kann die EU-Zusage aushebeln. Ein guter Anbieter lässt Sie deshalb nur Modelle wählen, die die EU-Region auch wirklich unterstützen.
Die Sprachausgabe (TTS). Sie macht aus der Antwort wieder gesprochene Sprache. Der entscheidende Punkt ist, dass die Sprachausgabe nur den fertig formulierten Agent-Text bekommt, nie das rohe Anrufer-Audio. Der sensibelste Datenstrom bleibt also außen vor. Bei ElevenLabs gibt es einen EU-Endpoint nur im Enterprise-Tarif, weshalb für ein reines EU-Profil Google oder Azure als europäische Alternative bereitstehen.
Ausfallsicherung. Jede dieser drei Ebenen braucht einen Fallback. Fällt ein Anbieter aus, springt ein zweiter ein, ohne dass der Anruf abbricht. Genau diese Austauschbarkeit ist datenschutzrechtlich ein Geschenk, denn sie erlaubt es, einzelne Ebenen gezielt auf europäische Dienste umzustellen, ohne das ganze System zu wechseln.
Die Anbieter-Kette offen gelegt
Die meisten Anbieter schreiben auf ihre Seite nur „DSGVO-konform” und „Server in Deutschland”. Was dahinter steckt, bleibt unsichtbar. Wir legen die komplette Kette offen, so wie sie auch in unserer öffentlichen Subprozessorenliste steht.
| Dienst | Aufgabe | Verarbeitungsort | Training | Speicherung | Austauschbar gegen |
|---|---|---|---|---|---|
| Hetzner (Nürnberg) | Hosting, Datenbank, Aufnahmen | Deutschland | nein | bis zur Löschfrist | self-gehostet, kein Wechsel nötig |
| LiveKit, Redis, Rauschunterdrückung | Telefonie-Orchestrierung | Deutschland (self-gehostet) | nein | verlässt Server nicht | kein Subprozessor |
| Deepgram | Sprache zu Text (STT) | EU-Endpoint | nein (Opt-out) | Zero Data Retention | Google, Azure |
| Google Vertex | Sprachmodell (LLM) | EU-Region | nein | keine Trainingsnutzung | OpenAI |
| OpenAI | Sprachmodell (LLM, wahlweise) | EU-Endpoint | nein (API-Standard) | nach Konfiguration | Google Vertex |
| ElevenLabs | Sprache aus Text (TTS) | USA mit SCCs, EU nur Enterprise | nein (Opt-out) | nur Agent-Text | Google, Azure (EU) |
| Google / Azure Speech | Sprache aus Text (TTS), EU-Alternative | EU-Region | nein | nur Agent-Text | ElevenLabs |
| Twilio | Telefonanschluss (SIP) | EU / USA mit SCCs | nein | Verbindungsdaten | — |
| Brevo | Benachrichtigungs-Mails | EU (Frankreich) | nein | Mail-Metadaten | — |
So lässt sich für jeden Kunden ein passendes Profil bauen. Ein Betrieb, dem Standardvertragsklauseln reichen, fährt mit der Standardkette. Eine Praxis, die jeden US-Transfer ausschließen will, bekommt ein reines EU-Profil, bei dem jede Ebene auf einem europäischen Dienst läuft.
Muss sich eine KI am Telefon zu erkennen geben?
Diese Frage stellen sich Anrufer und Betreiber gleichermaßen, und sie hat bald eine klare rechtliche Antwort. Mit dem EU AI Act gilt ab dem 2. August 2026 eine Transparenzpflicht für KI-Systeme, die mit Menschen sprechen. Anruferinnen und Anrufer sollen wissen, dass am anderen Ende ein Assistent arbeitet und kein Mensch.
Wir halten das für richtig, unabhängig von der Pflicht. Ein Anrufer, der weiß, dass er mit einem Assistenten spricht, formuliert klarer und ärgert sich nicht hinterher getäuscht zu fühlen. Transparenz kostet nichts und schafft Vertrauen. Ein seriöser Assistent versteckt nicht, was er ist.
Heilberufe und die Schweigepflicht nach § 203 StGB
Für Arztpraxen, Physiotherapie, Psychotherapie und andere Heilberufe gibt es eine Hürde, die höher liegt als die DSGVO. Die strafbewehrte Schweigepflicht nach § 203 StGB. Sie besagt vereinfacht, dass schon die Information, dass jemand Patient einer bestimmten Praxis ist, ein Geheimnis ist. Und dieses Geheimnis an einen Dienstleister weiterzugeben, kann strafbar sein, wenn es nicht sauber vertraglich abgesichert ist.
Für einen KI-Telefonassistenten heißt das zweierlei. Erstens muss der Assistent selbst zurückhaltend sein und darf keine Auskünfte an Dritte geben. Genauso wenig, wie es eine geschulte Arzthelferin täte. Zweitens, und das ist der Punkt, den man beim Einkauf prüfen muss, braucht es eine ausdrückliche Verpflichtung zur Verschwiegenheit im Vertrag, die bis zu den Subprozessoren durchreicht. Ein Anbieter, der nur mit der DSGVO wirbt und § 203 nicht kennt, ist für eine Heilpraxis das falsche Gegenüber. Fragen Sie gezielt danach, bevor Sie unterschreiben. Wie die Erreichbarkeit und der Datenschutz speziell in der Praxis zusammenspielen, haben wir im Beitrag zum Telefonservice für die Arztpraxis aufgeschrieben.
Die Standardeinstellungen der Anbieter sind Ihr größtes Risiko
Diesen einen Punkt muss man aktiv angehen, er passiert nicht von selbst. Die Voreinstellungen der großen KI-Anbieter stehen selten auf Datenschutz. Training-Opt-out, EU-Region und Löschung sind oft Schalter, die man selbst umlegen muss, und im Auslieferungszustand stehen sie gern auf der bequemen statt auf der datensparsamen Seite.
Zwei Konsequenzen sind wichtig. Erstens gilt ein Trainings-Opt-out fast immer erst ab dem Tag, an dem man ihn setzt. Was vorher durchgelaufen ist, holt man nicht zurück. Jeder Tag ohne Opt-out zählt also. Zweitens ist die EU-Verarbeitung bei manchen Anbietern an höhere Tarife gekoppelt. Statt dann still in die USA auszuweichen, ist die bessere Antwort, für diese Ebene einen europäischen Anbieter zu wählen. Genau dafür ist die Austauschbarkeit der Ebenen so wertvoll.
Wer einen Anbieter prüft, sollte deshalb nicht auf das Siegel schauen, sondern auf die konkreten Einstellungen dahinter. Die folgende Liste hilft dabei.
Ihre DSGVO-Checkliste für KI-Telefonie
Diese acht Fragen können Sie jedem Anbieter stellen. Wer bei einer davon ausweicht, gibt Ihnen die wichtigste Antwort schon durch das Ausweichen.
- Bekomme ich einen Auftragsverarbeitungsvertrag, und ist er inklusive? Ohne AVV keine zulässige Nutzung.
- Wo genau stehen die Server für Hosting, Datenbank und Aufnahmen? „In der EU” ist gut, ein konkreter Standort in Deutschland ist besser.
- Welche Subprozessoren setzen Sie ein, und gibt es dazu eine öffentliche Liste? Die Antwort trennt die transparenten von den vagen Anbietern.
- Läuft die Spracherkennung mit Trainings-Ausschluss und ohne Speicherung? Das ist der sensibelste Datenstrom, hier zählt jede Zusage schriftlich.
- Kann ich für jede Ebene eine europäische Verarbeitung wählen? Wichtig, sobald Sie US-Transfers ganz ausschließen wollen.
- Werden meine Anrufdaten zum Training von KI-Modellen genutzt? Die einzig akzeptable Antwort ist nein, dokumentiert.
- Kann ich Löschfristen festlegen, und gelten sie auch für Backups? Sonst leben die Daten in der Sicherung weiter.
- Bei Heilberufen, deckt der Vertrag die Schweigepflicht nach § 203 StGB ab? Ohne diese Klausel bleibt eine Praxis strafrechtlich exponiert.
Wie SpeakKI diese Fragen beantwortet, steht in unserer Auftragsverarbeitung, der Subprozessorenliste und der Datenschutzerklärung. Was der Assistent im Alltag konkret übernimmt, zeigt der Beitrag zum KI-Rezeptionisten, und was das kostet, steht in Was kostet ein KI-Telefonassistent?.
Wenn Sie es selbst ausprobieren wollen, der KI-Telefonassistent von SpeakKI lässt sich mit 50 Freiminuten testen, 14 Tage, ohne Kreditkarte. Serverstandort Deutschland und AVV sind von der ersten Minute an dabei.
Dieser Beitrag beschreibt den tatsächlichen technischen und vertraglichen Aufbau von SpeakKI, Stand Juli 2026, und ersetzt keine Rechtsberatung. Angaben zu Serverstandorten und Konfigurationen der genannten Dienste beziehen sich auf die von uns gewählten Einstellungen, die Konditionen der Anbieter können sich ändern. Maßgeblich für Ihre eigene Bewertung sind der Auftragsverarbeitungsvertrag und die jeweils aktuelle Subprozessorenliste.
Quellen
- Verordnung (EU) 2016/679 (DSGVO), insbesondere Art. 28 (Auftragsverarbeiter) und Art. 44 ff. (Drittlandübermittlung): eur-lex.europa.eu
- § 203 StGB, Verletzung von Privatgeheimnissen: gesetze-im-internet.de/stgb/__203.html
- Verordnung (EU) 2024/1689 (KI-Verordnung / AI Act), Art. 50 Transparenzpflichten: eur-lex.europa.eu
- SpeakKI, Auftragsverarbeitung und Subprozessoren: speakki.de/avv, speakki.de/subprozessoren
Fragen zu DSGVO und KI-Telefonie
Ist ein KI-Telefonassistent in Deutschland erlaubt?
Ja. Ein KI-Telefonassistent ist wie jeder andere Dienstleister eine Auftragsverarbeitung nach Art. 28 DSGVO. Erlaubt ist er, wenn ein Auftragsverarbeitungsvertrag vorliegt, die Verarbeitung in der EU oder mit gültigen Standardvertragsklauseln erfolgt und die Anrufdaten nicht für KI-Training genutzt werden. Bei Heilberufen kommt die Schweigepflicht nach § 203 StGB dazu.
Wo werden die Anrufdaten gespeichert?
Das hängt am Anbieter, und Sie sollten es vor der Unterschrift schriftlich bekommen. Bei SpeakKI liegen Hosting, Datenbank und Aufnahmen auf Servern in Deutschland. Die Spracherkennung läuft über einen EU-Endpoint mit Zero Data Retention, das Anrufer-Audio wird also nicht gespeichert.
Dürfen US-Anbieter wie OpenAI oder Deepgram überhaupt eingesetzt werden?
Ja, unter Bedingungen. Nötig sind Standardvertragsklauseln, möglichst ein EU-Endpoint und ein aktiver Ausschluss der Trainingsnutzung. Sinnvoll ist, den sensibelsten Datenstrom, das rohe Anrufer-Audio, über einen EU-Dienst mit Zero Data Retention laufen zu lassen und für die anderen Ebenen europäische Alternativen bereitzuhalten.
Welche Auskünfte darf eine Arzthelferin am Telefon geben?
So wenig wie möglich und nur an die betroffene Person selbst. Schon die Information, dass jemand Patient einer bestimmten Praxis ist, fällt unter die Schweigepflicht nach § 203 StGB. Ein KI-Assistent muss deshalb genauso zurückhaltend sein wie geschultes Personal und darf Diagnosen, Befunde oder Termindetails nicht an Dritte herausgeben.
Brauche ich als Praxis oder Betrieb einen AVV mit dem Anbieter?
Ja. Sie sind der Verantwortliche für die Daten Ihrer Anrufer, der Anbieter verarbeitet in Ihrem Auftrag. Genau dafür schreibt Art. 28 DSGVO einen Auftragsverarbeitungsvertrag vor. Ohne ihn ist die Nutzung nicht zulässig, unabhängig davon, wie gut die Technik ist. Bei SpeakKI ist der AVV inklusive.
Was passiert mit meinen Daten, wenn ich kündige?
Sie können vorab eine Löschfrist festlegen, nach der Aufnahmen und Transkripte automatisch gelöscht werden. Bei Vertragsende werden die Daten auf Weisung gelöscht. Achten Sie im Vertrag darauf, dass auch die Backup-Rotation abgedeckt ist, nicht nur die aktive Datenbank.
