IVR (Interactive Voice Response): Grenzen & KI-Alternative

Das Wichtigste in Kürze

• Es gibt drei IVR-Bauarten: Tastenwahl per DTMF, gezielter Dialog mit Stichwörtern und natürliche Sprache.
• Ein Sprachmenü wird selten separat berechnet, hängt aber am Tarif: Placetel führt das Sprachmenü (IVR) in allen Tarifen ab 6,90 € pro Nutzer, sipgate erst ab business L für 17,95 € pro User zzgl. MwSt. (Stand: 4. Oktober 2026).
• Ein IVR verteilt Anrufe, es beantwortet sie nicht; die Wartezeit bei einer Weiterleitung gilt nach § 3 Nr. 73 TKG als Warteschleife.
• Selbst der Telefonanlagen-Anbieter Placetel rät zu einem flachen Menü mit etwa fünf Optionen; Anliegen ohne passende Kategorie bleiben die Schwachstelle jedes Menübaums.
• Bei hohem Volumen mit wenigen klaren Kategorien bleibt ein klassisches IVR günstiger. Wo Anrufer Fragen stellen statt Abteilungen zu suchen, passt ein KI-Telefonassistent besser.

Ein IVR-System ist das Sprachmenü, das Sie von fast jeder Hotline kennen: „Für Fragen zu Ihrer Rechnung drücken Sie die 1.“ Weil es in vielen Cloud-Telefonanlagen ohnehin enthalten ist, lautet die entscheidende Frage nicht, was Interactive Voice Response ist, sondern ob Ihre Anrufer überhaupt ein Menü brauchen.

Viele Erklärseiten zu IVR stammen von Anbietern, die Telefonanlagen verkaufen, etwa 3CX, Placetel, easybell oder STARFACE. Hier geht es um die Entscheidung zwischen Menübaum, Mensch und KI-Telefonassistent.

Was ist IVR (Interactive Voice Response)?

IVR ist ein automatisiertes Telefonsystem, das Anrufe entgegennimmt und den Anrufer über Tasten- oder Spracheingaben durch ein Menü führt. IBM beschreibt Interaktive Sprachausgabe als Technologie, „die es Anrufern ermöglicht, mithilfe von Sprach- oder Menüeingaben Informationen zu empfangen, bereitzustellen oder Anfragen zu stellen“.

Der deutsche Fachbegriff ist Sprachdialogsystem; der Wikipedia-Artikel zum Sprachdialogsystem nennt beide Begriffe im ersten Satz: Mit einem Sprachdialogsystem, „auch IVR-System (Interactive Voice Response)“, führen Anrufer automatisierte Dialoge am Telefon. Im Alltag heißt es meist Sprachmenü, Telefonmenü oder Auto Attendant.

Wikipedia nennt als Einsatzgebiete unter anderem Ticket-Hotlines, Telefonbanking und automatische Telefonzentralen. Bei einer IVR-Telefonanlage im Mittelstand geht es meist um das Einfachste: Anrufe nach Abteilung oder Sprache sortieren und außerhalb der Öffnungszeiten eine Ansage abspielen.

Ein IVR ist also kein Gesprächspartner, sondern ein Verteiler. Es weiß, wohin ein Anruf gehen soll, aber nicht, was der Anrufer eigentlich braucht. Genau dort setzt eine moderne Telefonzentrale an, die das Anliegen selbst aufnimmt.

Wie funktioniert ein IVR-System?

Ein IVR-System spielt eine Begrüßung ab, wartet auf eine Eingabe und führt je nach Eingabe eine hinterlegte Aktion aus: weiterleiten, eine Ansage abspielen, Daten abfragen oder das Gespräch beenden. Wie die Eingabe erkannt wird, unterscheidet die drei Bauarten, die AWS in seinem IVR-Überblick und IBM gleichermaßen beschreiben.

Bauart 1: Tastenwahl per DTMF

Die klassische Variante wertet Tastentöne aus. Jede Taste sendet zwei gleichzeitige Töne, die Eins zum Beispiel laut AWS einen 697-Hz- und einen 1209-Hz-Ton; das Verfahren heißt Mehrfrequenzwahl oder DTMF (Dual-Tone Multi-Frequency). AWS hält fest, dass solche Menüs „auf numerisch zugeordnete Optionen beschränkt“ sind.

Bauart 2: Gezielter Dialog mit Stichwörtern

Beim gezielten Dialog sagt der Anrufer ein vorgegebenes Wort, etwa „Termin“ oder „Rechnung“, statt eine Taste zu drücken. Laut AWS setzt das System die Interaktion nur fort, wenn eine der gültigen Antworten fällt, andernfalls fordert es zur Wiederholung auf. Für Anrufer im Auto ist das bequemer, am Prinzip des festen Menüs ändert es nichts.

Bauart 3: Natürliche Sprache

Fortschrittliche Systeme nutzen Spracherkennung und Sprachverarbeitung (Natural Language Processing), um frei formulierte Sätze einzuordnen. Die Begrüßung lautet dann „Was kann ich für Sie tun?“ statt einer Optionsliste. Technisch kann ein solches Sprachdialogsystem laut Wikipedia Module wie Spracherkennung, Sprachsynthese, Dialogsteuerung und eine Anbindung an die Geschäftslogik haben.

Ab dieser Stufe verschwimmt die Grenze zum Voicebot mit Spracherkennung. Der Unterschied liegt im Ziel: Ein IVR mit Spracherkennung will den Anruf richtig zuordnen, ein konversationeller KI-Telefonassistent will das Anliegen im selben Gespräch erledigen.

Menübaum und Routing

Hinter jeder Bauart steht ein Menübaum: Begrüßung, Hauptmenü, bei Bedarf Untermenüs und am Ende jedes Astes ein Ziel. Ziele sind Nebenstellen, Rufgruppen, Warteschlangen, Ansagen oder die Mailbox; Zeitregeln schalten das IVR-Menü nach Öffnungszeiten um.

In der Call-Center-IVR folgt meist eine automatische Anrufverteilung (ACD), die den konkreten freien Platz wählt. In der IVR-Telefonie kleiner Betriebe endet der Baum oft direkt bei einer Sammelnummer oder einem Mobiltelefon.

Was kostet eine IVR-Telefonanlage 2026?

Ein IVR-Menü wird bei deutschen Cloud-Telefonanlagen in der Regel nicht separat berechnet: Sie bezahlen die Anlage pro Nutzer, das Sprachmenü ist eine Funktion des Tarifs, bei manchen Anbietern erst des größeren. Die folgenden Angaben stammen von den Preisseiten der Anbieter (Stand: 4. Oktober 2026):

• Placetel: Das „Sprachmenü (IVR)“ ist laut Placetel-Tarifübersicht in allen drei Tarifen enthalten. Der Einstiegstarif Essentials kostet 6,90 € pro Nutzer und Monat bei 24 Monaten Laufzeit oder 8,90 € bei einem Monat Laufzeit und richtet sich an Teams ab zwei Mitarbeitern. Ob die Preise netto oder brutto gelten, steht auf der Seite nicht.
• sipgate: Das Sprachmenü gehört laut sipgate-Preisseite ab dem Tarif business L zum Umfang, für 17,95 € pro User und Monat bei mindestens zwei Usern, alle Preise zzgl. MwSt. Der kleinere Tarif business S für 12,95 € führt es nicht auf.
• easybell: IVR ist laut easybell-Produktseite ab der Cloud Telefonanlage Classic enthalten, die mit zehn Seats 9,95 € im Monat zzgl. Umsatzsteuer kostet. Voraussetzung ist ein kostenpflichtiger easybell-SIP-Trunk (ab 1,95 € im Monat); die kostenlose Basic-Anlage listet IVR nicht.

Der größere Aufwand steht nicht auf der Rechnung: Er entsteht bei Einrichtung, Ansagen und jeder späteren Änderung, und am Ende jedes Astes nimmt weiterhin ein Mensch den Anruf an.

Bemerkenswert ist eine Verschiebung im Markt. Placetel AI lässt sich laut derselben Preisseite ab 69 € im Monat zubuchen, für weitere 9 € im Monat kommt eine AI-Rufnummer hinzu, „damit KI-Telefonassistenten Anrufe automatisch entgegennehmen“. Anbieter des klassischen Sprachmenüs verkaufen den Nachfolger also bereits selbst.

Wo stößt ein IVR-Sprachmenü an seine Grenzen?

Ein IVR scheitert dort, wo das Anliegen des Anrufers nicht in die vorgegebenen Kategorien passt. Das ist kein Konfigurationsfehler, sondern das Prinzip: Ein Menü kann nur anbieten, was vorher jemand hineingeschrieben hat. Fünf Grenzen im Einzelnen:

Grenze 1: Jede Menüebene kostet Zeit

Ein Anrufer muss die Optionen anhören, bevor er sicher wählen kann. Der Anbieter Placetel schreibt dazu in seinem eigenen Ratgeber zu IVR-Einsatzgebieten, wer sich lange Auswahlmöglichkeiten anhören müsse, lege mit hoher Wahrscheinlichkeit vorher auf; empfohlen wird ein flaches Auswahlmenü „mit einer horizontalen Ebene mit ca. 5 Auswahlmöglichkeiten“. IBM nennt „übermäßig komplexe IVR-Menüoptionen“ ausdrücklich als Ursache für Frust bei Anrufern.

Rechnen Sie selbst nach. Annahme: Jede Option dauert in der Ansage vier Sekunden. Fünf Optionen ergeben 20 Sekunden pro Ebene, zwei Ebenen 40 Sekunden, bevor überhaupt ein Telefon klingelt.

Grenze 2: Anliegen ohne passende Taste

Wer eine Frage hat, die zu keiner Option passt, drückt irgendeine Taste oder die Null. Der Anruf landet dann bei einer Stelle, die ihn nicht bearbeiten kann, und wird erneut weitergeleitet. Typisch sind gemischte Anliegen wie „Termin verschieben und Frage zur Rechnung“ oder Anrufer, die gar nicht wissen, welche Abteilung zuständig ist.

Grenze 3: Das Menü verteilt, aber niemand nimmt ab

Ein IVR löst kein Kapazitätsproblem. Ist am Ziel niemand frei, wartet der Anrufer in der Warteschlange oder spricht auf die Mailbox. Für diese Stellen lohnen sich gut formulierte Ansagetexte für Anrufbeantworter und Warteschleife, am Grundproblem ändern sie nichts: Die Zahl der Menschen, die abheben können, bleibt dieselbe.

Grenze 4: Spracherkennung versteht nicht alles

Auch Sprachdialogsysteme mit Spracheingabe erreichen laut Wikipedia „keine 100-prozentige Erkennung“; vor allem das Herausfiltern menschlicher Stimmen im Hintergrund bleibt dort als Problem benannt.

Grenze 5: Pflegeaufwand bei jeder Änderung

Neue Öffnungszeiten, ein Feiertag, eine Kollegin in Elternzeit: Jede Änderung betrifft Ansagen und Weiterleitungsziele. Ein Menü, das niemand pflegt, schickt Anrufer zuverlässig an die falsche Stelle. IBM empfiehlt deshalb, zumindest die „durchschnittliche Haltezeit und Erfolgsquote“ der meistgenutzten Optionen zu beobachten.

IVR, Telefonzentrale oder KI-Telefonassistent: Was passt zu Ihrem Betrieb?

Ein IVR passt, wenn Ihre Anrufer eine Abteilung suchen; ein Mensch oder ein KI-Telefonassistent passt, wenn sie ein Anliegen haben, das jemand verstehen muss. Die Tabelle zeigt, was die drei Wege im Alltag unterscheidet.

Hinweis in eigener Sache: VOISA ist unser eigenes Produkt. Die Angaben zu VOISA stammen von voisa.ai/preise, der Produktseite und unserer Datenschutzerklärung, die zu Placetel, sipgate und ebuero von deren eigenen Preisseiten. Zwei Abschnitte weiter unten nennen wir die Fälle, in denen ein klassisches IVR die bessere Wahl ist.

Eine Rechnung mit offengelegten Annahmen

Annahme: 200 eingehende Anrufe im Monat während der Geschäftszeiten, im Schnitt zwei Minuten je Gespräch, also 400 Gesprächsminuten. Alle Beträge netto beziehungsweise zzgl. Umsatzsteuer.

1. IVR in der Telefonanlage: sipgate business L mit zwei Usern kostet 35,90 €, das Sprachmenü ist enthalten. Die 400 Gesprächsminuten führt aber weiterhin Ihr Team, das sind knapp sieben Stunden reine Gesprächszeit im Monat, verteilt auf 200 Unterbrechungen.
2. Externes Telefonsekretariat: Laut ebuero-Preisverzeichnis fallen im Profi-Tarif 179,90 € Grundgebühr sowie je 1,04 € pro Anruf und pro angefangene Minute an: 179,90 € + 208 € + 416 € = 803,90 €. Bei diesem Volumen ist Profi der günstigste der drei ebuero-Tarife.
3. KI-Telefonassistent: Im VOISA-Tarif Basic sind 200 Minuten enthalten, die 200 weiteren Minuten kosten je 0,21 €: 49,58 € + 42 € = 91,58 € im Monat.

Die drei Zahlen kaufen nicht dieselbe Leistung: Das IVR beantwortet keine Frage, das Sekretariat notiert und verbindet, der KI-Assistent beantwortet Standardfragen selbst und übergibt den Rest. Wie sich ein Dienstleister mit Personal rechnet, zeigt unser Vergleich KI-Telefonassistent oder Callcenter.

Was gilt rechtlich für Sprachmenü, Warteschleife und KI am Telefon?

Drei Regelwerke betreffen ein Sprachmenü: das Telekommunikationsgesetz bei Warteschleifen, die KI-Verordnung der EU, sobald eine KI das Gespräch führt, und die DSGVO, sobald Gespräche aufgezeichnet werden.

Telekommunikationsgesetz: Wann das Menü zur Warteschleife zählt

Das TKG definiert die Warteschleife in § 3 Nr. 73 TKG als Vorrichtung oder Geschäftspraxis, über die Anrufe entgegengenommen werden, „ohne dass das Anliegen des Anrufers bearbeitet wird“. Ein Vorauswahlmenü beginnt mit der Bearbeitung erst, „sobald automatisiert Informationen abgefragt werden, die für die Bearbeitung des Anliegens erforderlich sind“. Als Warteschleife gilt außerdem die Zeit, die bei einer Weiterleitung zwischen zwei Bearbeitungsschritten vergeht.

§ 115 TKG erlaubt Warteschleifen nur unter einer von fünf Voraussetzungen, etwa bei entgeltfreien Rufnummern, ortsgebundenen Rufnummern, Mobilfunknummern, einem Festpreis pro Verbindung oder wenn die Warteschleife für den Anrufer kostenfrei ist. Fällt die Rufnummer nicht unter die ersten drei Fälle, muss der Anrufer mit Beginn der Warteschleife über ihre voraussichtliche Dauer informiert werden und darüber, ob ein Festpreis gilt oder sie kostenfrei ist. Für eine normale Ortsnetz- oder Mobilfunknummer entfällt diese Ansagepflicht, für eine kostenpflichtige Service-Hotline nicht.

KI-Verordnung: Hinweis, wenn eine KI statt eines Menüs antwortet

Ersetzt ein KI-Telefonassistent das Menü, greift Artikel 50 der KI-Verordnung. Danach müssen KI-Systeme, die für die direkte Interaktion mit Menschen bestimmt sind, so gestaltet sein, dass die Personen erfahren, dass sie mit einem KI-System interagieren, es sei denn, das ist offensichtlich. Diese Hinweispflicht aus Artikel 50 Absatz 1 gilt seit dem 2. August 2026.

Die Pflicht richtet sich an den Anbieter des Systems, sie landet aber in der Begrüßung jedes Betriebs, der es einsetzt. Wie Sie den Hinweis formulieren, ohne Anrufer abzuschrecken, steht in unserem Beitrag zur KI-Kennzeichnungspflicht am Telefon.

DSGVO: Aufzeichnungen und Transkripte

Sobald ein Sprachmenü oder ein KI-Assistent Gespräche aufzeichnet oder transkribiert, werden personenbezogene Daten verarbeitet. Dafür brauchen Sie eine Rechtsgrundlage, und Sie müssen Anrufer nach Art. 13 DSGVO zum Zeitpunkt der Erhebung informieren, unter anderem über Zweck und Speicherdauer. Bei Tonaufnahmen kommt das Strafrecht hinzu: § 201 StGB stellt das unbefugte Aufnehmen des nichtöffentlich gesprochenen Wortes unter Strafe.

Bei VOISA stehen die eigenen Server laut Datenschutzerklärung in Frankfurt; für Sprachverarbeitung, Sprachsynthese und Telefonie arbeitet VOISA mit Dienstleistern mit Sitz in der EU, unter anderem OpenAI Ireland und Twilio Ireland. Sprachaufzeichnungen werden laut derselben Erklärung standardmäßig nach 30 Tagen gelöscht, Transkripte nach 12 Monaten; ein Auftragsverarbeitungsvertrag ist auf Anfrage erhältlich. Nur für Enterprise-Kunden gibt es zusätzlich einen Zero Retention Mode, bei dem bestimmte Daten nicht protokolliert und sofort nach der Verarbeitung gelöscht werden. Dieser Beitrag ordnet die Rechtslage ein und ersetzt keine Rechtsberatung.

Wann ist ein klassisches IVR die bessere Wahl?

Ein klassisches IVR ist die bessere Wahl, wenn viele Anrufer mit wenigen, klar trennbaren Anliegen anrufen und jeder Anruf am Ende ohnehin bei einem Menschen landen soll. In vier Fällen raten wir davon ab, das Menü durch einen KI-Telefonassistenten zu ersetzen, auch durch VOISA; im fünften ist die Kombination beider die beste Lösung.

1. Hohes Volumen, wenige klare Kategorien. Ein Versorger mit „Störung“ und „Abrechnung“ oder ein Versandhändler mit „Bestellung“ und „Retoure“: Wenn zwei oder drei Tasten fast alle Anrufe sauber trennen, ist ein Menü schnell, berechenbar und für Stammkunden vertraut.

2. Reines Routing ohne Gesprächsbedarf. VOISA rechnet nach Minuten ab. Annahme: 10.000 Anrufe im Monat zu je einer Minute, die nur sortiert und weitergeleitet werden sollen; im Pro-Tarif sind 2.000 Minuten enthalten, die übrigen 8.000 kosten je 0,13 €: 251,26 € + 1.040 € = 1.291,26 € netto im Monat. Das IVR Ihrer Telefonanlage erledigt dieselbe Sortierung ohne Aufpreis, sofern Ihr Tarif es enthält.

3. Feste Optionen, die immer gleich klingen müssen. Manche Wege sollen jederzeit mit einem Tastendruck erreichbar sein, etwa ein Notdienst, eine Sprachauswahl vor allem anderen oder eine Option, die Ihre interne Organisation zwingend vorschreibt. Eine feste Taste ist hier verlässlicher als jede frei formulierte Rückfrage.

4. Ein Contact Center mit Agentensteuerung. Skillbasiertes Routing, automatische Anrufverteilung und Wallboards gehören in eine Contact-Center-Plattform. Ein KI-Telefonassistent ersetzt diese Infrastruktur nicht; bei großen Teams lohnt der Blick auf eine KI-Lösung für Callcenter, die vor der bestehenden Verteilung arbeitet.

5. Die Kombination: IVR vor dem KI-Agenten. Eine Taste für den dringenden Notdienst oder für „Ich möchte direkt mit einem Menschen sprechen“ führt sofort zum Team, alle anderen Anrufer landen ohne Tastendruck beim KI-Telefonassistenten. So bleibt der schnellste Weg für den Ernstfall erhalten, und das Menü schrumpft auf eine einzige Option.

Und eine Grenze, die für beide Seiten gilt: Bei Beschwerden, Kündigungen und überall dort, wo abgewogen statt nach Regeln entschieden werden muss, gehört das Gespräch zu einem Menschen.

Häufige Fragen zu IVR (Interactive Voice Response)

Fazit: Menü für Abteilungen, KI-Assistent für Anliegen

Ein IVR ist ein gutes Werkzeug für eine eng begrenzte Aufgabe: Anrufe nach wenigen, eindeutigen Kategorien sortieren. Das erledigt es zuverlässig und meist ohne Aufpreis. Wenn Ihre Anrufer fast immer wissen, welche Abteilung sie wollen, behalten Sie es.

In vielen kleinen und mittleren Betrieben rufen Menschen aber mit Fragen an, nicht mit Abteilungsnamen, und am Ende jedes Menüastes wartet dieselbe Handvoll Mitarbeitender, die gerade etwas anderes tut. Ein Sprachmenü verschiebt dieses Problem nur nach hinten, in unserer Beispielrechnung um 40 Sekunden.

Unsere Empfehlung in drei Schritten:

1. Prüfen Sie Ihr bestehendes Menü. Werten Sie in Ihrer Telefonanlage aus, welche Option wie oft gewählt wird und wie viele Anrufe danach erneut weitergeleitet werden oder in der Mailbox enden.
2. Zählen Sie die Kategorien. Reichen drei Tasten für fast alle Fälle, optimieren Sie das Menü. Brauchen Sie mehr als fünf, oder landet ein großer Teil bei „Sonstiges“, ist das Menü das Problem.
3. Testen Sie die Alternative mit echten Anrufen. Lassen Sie einen KI-Telefonassistenten ohne Tastenmenü eine Woche lang die Anrufe annehmen und behalten Sie bei Bedarf eine einzige Taste für den direkten Weg zum Team.