Voice-Agent für Ihren Außendienst
Vorbereitung und Dokumentation per Sprache
Real-Time Speech-to-Speech6 LLM-SpezialistenDeterministische Orchestrierung & Daten-Extraktion
Ihr Außendienst dokumentiert –
im Auto, per Sprache.
Dieses Proposal zeigt, wie Ihr Außendienst Kundenbesuche künftig per Sprache vorbereitet und dokumentiert – freihändig, direkt nach dem Termin. Auf den Reitern finden Sie den Nutzen (diese Seite), die Technik dahinter, den geplanten Ablauf und eine transparente Kostenrechnung inklusive ROI.
Nach jedem Kundenbesuch spricht Ihr Außendienst kurz mit einem Assistenten – freihändig, während der Fahrt. Heraus kommt ein vollständiger, CRM-fähiger Besuchsbericht, den Ihr Mitarbeiter nur noch freigibt. Auch die Vorbereitung läuft per Sprache. So passiert die Dokumentation, wenn der Termin frisch ist – nicht abends am Laptop, wo die Hälfte schon vergessen ist.
Dokumentation direkt nach dem Termin, unterwegs. Kein zweiter Arbeitsschritt am Abend.
Der Assistent fragt aktiv nach offenen Punkten und hält Ergebnisse fest – nicht „gutes Gespräch", sondern Zusagen, Fristen, Entscheidungen.
Eingebautes Vertriebs-Coaching: Was fehlt noch zum Abschluss – Budget, Entscheider, Termin?
CAS-konformes Ergebnis mit echten Datensatz-IDs. Nichts wird erfunden; Ihr Mitarbeiter gibt frei, bevor etwas final wird.
Sprache im Auto, Transport über die EU (Frankfurt). Datenschutz-Details im Abschnitt weiter unten.
Sprach- und Text-KI sind getrennt und austauschbar – kein Lock-in an einen einzelnen Anbieter.
Im Pilot nutzbar
- Konversation end-to-end – live, in Echtzeit, über die EU (Frankfurt)
- Automatischer, freigabepflichtiger Besuchsbericht aus dem Gespräch
- Vorbereitung und Dokumentation per Sprache
- Iterative Verfeinerung: den Bericht per Sprache beliebig ergänzen
Datenschutz & Datenhoheit
- EU-Transport: die Sprachverbindung läuft über Frankfurt.
- Keine Nutzung Ihrer Daten für das Training von KI-Modellen.
- Freigabe-Prinzip: nichts wird final, bevor der Mitarbeiter es freigibt.
- Datensparsam: nur die für die Vorbereitung nötigen Felder werden verarbeitet.
- Löschkonzept für Transkripte und Berichte nach Ihren Vorgaben.
Umfang des Pilots: Vorbereitung und Dokumentation. Das automatische Eintragen in Ihr CRM (CAS genesisWorld) und die Anbindung an Ihre Nutzerverwaltung sind der nächste, klar umrissene Ausbauschritt.
Nächster Schritt: ein Pilot mit Ihren Touren. Ihre Kosten im Reiter „Kosten", die Technik dahinter unter „Technik".
Sprache in Echtzeit,
Struktur durch Code.
Die Architektur ist ein Hybrid aus zwei Welten: ein freihändiges Echtzeit-Gespräch und eine deterministische Extraktion danach. Das Gespräch darf natürlich sein – die Korrektheit macht der Code.
Zwei Welten, bewusst getrennt
Warum nicht alles ein Agent? Weil Sprache und Korrektheit unterschiedliche Werkzeuge brauchen. Die Extraktion läuft nie im Echtzeit-Loop – sie ist ein eigener Schritt nach dem Auflegen.
Speech-to-Speech mit xAI Grok
Ein natürliches, freihändiges Gespräch. Darf unpräzise, umgangssprachlich, unterbrochen sein.
- xAI Grok RealtimeModel, server-seitige Turn-Detection
- Transport über LiveKit – EU / Frankfurt
- Kennt den Briefing- und Dokumentations-Stand, beantwortet Rückfragen
Deterministische Extraktion
Aus dem Transkript wird ein CAS-konformer Bericht – mit echten IDs, aufgelöstem Bearbeiter, Coverage-Check.
- 6 LLM-Spezialisten interpretieren, Code entscheidet das Kritische
- Claude / ChatGPT / Grok · umschaltbar
- IDs werden nie erfunden – bestehende behalten ihre GGUID
Warum dieser Hybrid?
Die Doku besteht aus zwei Teilproblemen mit gegensätzlichen Anforderungen. Jedes bekommt das passende Werkzeug – ein LLM ist probabilistisch (dieselbe Eingabe, verschiedene Ausgaben), das ist fürs Deuten von Sprache ideal, für exakte CRM-Daten aber gefährlich.
Kurz: das LLM schlägt vor, der Code entscheidet.
Alternative „alles per KI": flexibler und schneller gebaut – aber halluzinierte GGUIDs, falsch/inaktiv zugewiesene Bearbeiter, übersehene offene Punkte; nicht reproduzierbar/auditierbar und im Realtime-Loop teurer.
Alternative „alles deterministisch": könnte gar keine freie Sprache deuten – das Kern-Versprechen stürbe. Der Hybrid nimmt von beidem das Richtige.
In einem Bild
Der ganze Weg auf einen Blick – von der App bis zur Freigabe. Die Details Knoten für Knoten kommen gleich darunter.
Der Signalfluss
Von der App bis zur Freigabe. Klicken Sie einen Knoten für Details – oder spielen Sie den ganzen Ablauf ab.
Wer den Bericht baut
Ein deterministischer Supervisor (extract.ts) orchestriert alles. Sechs LLM-Spezialisten interpretieren; drei Code-Schritte entscheiden das Korrektheitskritische.
Warum die Trennung? Ein LLM darf Sprache deuten – aber der richtige Bearbeiter, die richtige GGUID und der Coverage-Check dürfen nicht vom Zufall abhängen. Deshalb macht das Code, kein Modell.
extract.ts unter der Lupe
extract.ts ist der Dirigent der Daten-Welt – selbst kein LLM. Er baut einen Kontext, ruft die Spezialisten in der richtigen Reihenfolge (manche parallel, manche abhängig voneinander) und übergibt an den deterministischen Zusammenbau. Umschalten:
baueKontext(prep, transkript)spezialistNaechsteSchritte(…)erstelleZusammenfassung(…)assemble(…) → BesuchsberichtZwei Leitlinien-Suffixe: nsSuffix (Doku-Prinzip + Vertriebs-Leitfaden) geht an Nächste Schritte und Doku-Feedback; zusSuffix (nur Doku-Prinzip) an die Zusammenfassung. Die drei Objekt-Spezialisten bekommen keine Leitlinien – reine Faktenextraktion.
// Supervisor-Orchestrierung – selbst deterministisch, kein LLM. export async function extract(input) { const { preparation, transkript, benutzer, visitId, llm, jetzt, version, leitlinien } = input; // EIN Kontext für alle: kompakte Agenda + Transkript-Turns const kontext = baueKontext(preparation, transkript); // Leitlinien-Suffixe steuern die interpretierenden Schritte const nsSuffix = [leitlinien?.dokumentation, leitlinien?.vertrieb].filter(Boolean).join("\n\n"); const zusSuffix = leitlinien?.dokumentation; // Fan-out — laufen GLEICHZEITIG (nur transkript-basiert): const [auf, vk, ka, fb] = await Promise.all([ spezialistAufgaben(llm, kontext), spezialistVerkaufschancen(llm, kontext), spezialistKundenanfragen(llm, kontext), spezialistDokuFeedback(llm, kontext, nsSuffix), ]); // Nächste Schritte: brauchen die NEUEN Objekte (Verknüpfung) const ns = await spezialistNaechsteSchritte(llm, kontext, { neue_aufgaben: auf.neue, neue_verkaufschancen: vk.neue }, nsSuffix); // Zusammenfassung: kennt alles Extrahierte const zus = await erstelleZusammenfassung(llm, kontext, { auf, vk, ka, ns }, zusSuffix); // Deterministischer Zusammenbau — Resolver · Coverage · Zod return assemble({ preparation, benutzer, visitId, auf, vk, ka, ns, zusammenfassung: zus.text, dokuFeedback: fb.hinweise, version, jetzt }); }
Der deterministische Kern
Drei Bausteine hinter assemble() – alle Code, kein LLM. Genau hier werden die harten Regeln durchgesetzt: richtige ID, richtiger Bearbeiter, nichts vergessen.
Der Zusammenbau
Nimmt die Spezialisten-Ergebnisse und baut daraus den validen Bericht – Schritt für Schritt, ohne Interpretationsspielraum.
- vergibt
temp_id(tmp-task/vc/anfrage-JJJJMMTT-NN) - verknüpft nächste Schritte per Betreff →
temp_id - löst Bearbeiter über den Resolver auf
- berechnet
offen_gebliebenvia Coverage - setzt
version(= Runde),status: entwurf - Zod-Validierung am Ende – nur schema-konform raus
Name → genau eine GGUID
Der Agent übernimmt nur den wörtlich genannten Namen; die Auflösung zur echten ID macht dieser Code – unabhängig vom LLM-Zufall.
aktiv:false raus)
→starke Treffer
→schwache Treffer
→nur Rolle?
Zwei Schutzmechanismen: Inaktive Nutzer (aktiv:false) werden nie zugewiesen; die Umlaut-Normalisierung fängt STT-Varianten (Mueller / Müller) ab, damit sie zusammenfallen. Starke Schlüssel (Voll-Name, „Frau Müller") schlagen schwache (bloßer Vorname).
Was blieb offen?
Eine reine Mengendifferenz stellt sicher, dass keine offene Agenda unbemerkt verschwindet – sie wird zum nächsten Besuch mitgenommen.
Das „wurde es besprochen?"-Urteil trifft der jeweilige Spezialist (adressierte_agenda) – die Vollständigkeit garantiert dieser Code.
Wer greift auf was zu
Jede Komponente sieht nur, was sie braucht. R = liest, W = schreibt.
| Komponente | preparation.json | leitlinien/*.md | benutzer.json | transkript.runde-NN | report.generated.json |
|---|
Der Stack in Zahlen
Der Kern in einem Satz
Das Gespräch darf menschlich sein, weil die Korrektheit nicht vom Modell kommt, sondern vom Code.
Sie zahlen eine faire Lizenz – plus nur, was Sie wirklich nutzen.
Ihr wichtigster Vorteil: Bei uns ist jeder Posten sichtbar. Eine feste Lizenz je Mitarbeiter – und die KI-Nutzung (Sprache + Auswertung) exakt nach Verbrauch. Keine Enterprise-Pauschale „auf Anfrage", in der Sie nicht erkennen, wofür Sie zahlen.
Transparent statt Blackbox – Ihr wichtigster Vorteil
So ordnet sich Ihr Preis im Markt ein – und warum das transparente Modell für Sie günstiger und planbarer ist:
Der Unterschied ist nicht nur der Preis – Sie sehen ihn. Nutzen Sie den Kalkulator für eine preisliche Orientierung:
ROI-Rechnung: Der Wert der gewonnenen Zeit (Stunden/Woche × Ihr Stundensatz) gegen die laufenden Kosten je Mitarbeiter. Schon konservativ gerechnet (4 h/Woche bei 50 €/Std.) trägt sich die Lösung ein Vielfaches – beide Annahmen sind oben einstellbar. Greifbar heißt das: Zeit für rund einen zusätzlichen Kundenbesuch pro Woche und Mitarbeiter. Und das ist nur die Zeit: Obendrauf steigt die Qualität der Dokumentation (vollständiger, ergebnisorientiert, keine vergessenen Punkte) und die Fehlerquote/Nacharbeit sinkt – beides hier bewusst nicht eingerechnet.
So rechnet die Extraktion (token-basiert): Das Transkript wächst mit den Minuten (≈ 130 Wörter/Min × 1,4 Tokens/Wort). Die 6 Spezialisten lesen es je einmal (+ ~1.000 Tokens Prompt/Agenda), dazu ~4.500 Output-Tokens je Doku. Kosten = Tokens × Listenpreis des Modells.
Größter Spar-Hebel: Zwei Wege senken die Sprach-Kosten deutlich. Erstens das Briefing vor dem Termin: das muss gar kein Gespräch sein – es genügt eine vorab erzeugte Audiodatei, die Ihr Außendienst einfach anhört. Teure Echtzeit-Sprache nur, wenn er wirklich eine Rückfrage stellen möchte. Zweitens die Dokumentation: statt Premium-Echtzeit ein kaskadiertes Setup (Zuhören → Auswerten → Antworten). Zusammen drückt das die Sprach-Kosten grob um Faktor 5–10 – einhergehend mit Komfortverlust.
Richtwerte, bitte prüfen: Modell-Preise sind Listenpreise (Stand August 2026; USD ≈ EUR); die Sprach-Abrechnung ist bidirektional (Mikrofon + Antwort), daher der Faktor über ~0,05 €/Min. Lizenzen sind ein fixer Seat-Preis (unabhängig von der Nutzung); die anderen drei Blöcke sind nutzungsabhängig. Nicht eingerechnet: Sprach-Briefing und Verfeinerungs-Runden (= zusätzliche Minuten).
Noch keine Implementierungskosten
Im Proof of Concept arbeiten wir ausschließlich nach Aufwand (Stundensatz). Investitionen in Einrichtung und Integration entstehen erst mit dem Live-Projekt – nach Ihrer Go-Entscheidung.
Anbieter & Eigenentwicklung
Anbieter ist die Werkstatt für Kundenorientierung GmbH. Zugekauft werden ausschließlich die KI-Modelle – die Lösung selbst entwickeln wir. Dadurch lassen sich weitere Kundenwünsche und Anforderungen schnell umsetzen.
Pilot braucht Testnutzer
Für den Piloten werden zwei bis drei Nutzer aus Ihrem Außendienst benötigt, die Vorbereitung und Dokumentation im Alltag testen – nur so entsteht belastbares Feedback.
Vom ersten Gespräch bis zum Live-Betrieb.
Wir starten klein und risikoarm: erst ein Proof of Concept auf Ihren Daten, den Ihr Außendienst selbst testet – dann entscheiden Sie über die Fortführung. So sehen Sie den Nutzen, bevor Sie sich festlegen.
Abstimmung & Datenzugang
Gemeinsam mit Ihrem CRM-Verantwortlichen (Owner) klären wir den Datenexport: welche Felder, IDs und das Benutzerverzeichnis für die Vorbereitung nötig sind – und woran wir Erfolg messen.
Ergebnis-Workshop mit der Vertriebsleitung
Eintägiger Workshop mit Ihrer Vertriebsleitung (RVL / AVL): Wir definieren gemeinsam die Leitlinien – wie eine gute Ergebnis-Dokumentation aussieht und welche Vertriebsaktionen und Angebote der Assistent aktiv ansprechen soll – sowie die Ergebnis- und kritischen Erfolgskriterien, an denen der Pilot gemessen wird. So arbeitet der Agent von Anfang an nach Ihren Vorgaben.
Aufbau des Proof of Concept
Wir konfigurieren die Lösung auf Ihre echten Daten (als Export): Prompts, Vertriebs-Leitlinien, Sprach- und Auswertungs-Kette – einsatzfertig für den Test.
Testing durch den Außendienst
Zwei bis drei Außendienstmitarbeiter testen Vorbereitung und Dokumentation im Alltag – freihändig, im Auto. Wir sammeln reale Gespräche und Berichte.
Feedback & Review → Ihre Entscheidung
Auswertung der Testläufe, Feedback-Runde mit dem Team und die gemeinsame Go/No-Go-Entscheidung über die Projektfortführung. Kein Weiter ohne belegten Nutzen.
Projektstart: Live-Daten & CRM-Integration
Rollout mit Live-Daten, automatische Rückschreibung in Ihr CRM (CAS genesisWorld), Anbindung an Ihre Nutzerverwaltung und Skalierung auf das Team.
Zeitlicher Ablauf: Der genaue Zeitplan des Proof of Concept wird nach Beauftragung gemeinsam definiert.