KI-Telefonassistent: selbst hosten oder IONOS? Bausteine, Aufwand und Datenschutz

Ein KI-Telefonassistent nimmt Anrufe an, beantwortet wiederkehrende Fragen, bucht Termine und schreibt Gesprächsnotizen. Du kannst ihn selbst auf einem VPS aus Open-Source-Bausteinen zusammensetzen oder einen fertigen Dienst wie den IONOS KI-Telefonassistenten nutzen. Dieser Beitrag beschreibt beide Wege und die Fragen, die du vorher klärst.

Hinweis zur Vergütung: IONOS ist Partner von RackDiff. Über den gekennzeichneten Affiliate-Link in diesem Beitrag erhalten wir bei einer Buchung eine Provision; dein Preis ändert sich dadurch nicht. Details in unserer Affiliate-Offenlegung.

TL;DR - Schnelle Antwort

Kriterium	Selbst hosten	IONOS KI-Telefonassistent
Einrichtung	Telefonie, Spracherkennung, Sprachmodell, Sprachausgabe und Steuerung selbst aufsetzen	im IONOS-Konto, laut IONOS in unter 15 Minuten (laut IONOS, Stand: 08.11.2026)
Telefonie	SIP-Trunk eines Telefonieanbieters, z. B. mit Asterisk (laut Asterisk-Projekt, Stand: 08.11.2026)	eigene Telefonnummer im Paket, Rufweiterleitung möglich (laut IONOS, Stand: 08.11.2026)
Abrechnung	Server und SIP-Trunk nach deren Tarif; VPS-Preise inkl. USt im VPS-Vergleich	Monatspakete mit Anrufkontingent, darüber je Anruf, monatlich kündbar (laut IONOS, Stand: 08.11.2026)
Datenverarbeitung	auf deinem Server beim Hoster, Gesprächsaudio über den SIP-Anbieter	laut IONOS in der EU über einen technischen Unterauftragnehmer; Zugriffe aus Drittstaaten nicht vollständig ausgeschlossen (laut IONOS-Hilfe, Stand: 08.11.2026)
Betrieb	Updates, Überwachung und Ausfälle liegen bei dir	IONOS als Vertragspartner, Leistung laut IONOS durch einen technischen Unterauftragnehmer (laut IONOS-Hilfe, Stand: 08.11.2026)

Kurz: Ein KI-Telefonassistent lässt sich selbst auf einem VPS betreiben oder als fertiger Dienst wie der IONOS KI-Telefonassistent nutzen. Selbst gehostet kombinierst du Open-Source-Bausteine wie Asterisk (Telefonie), faster-whisper (Spracherkennung), Ollama (Sprachmodell) und Piper (Sprachausgabe); Betrieb und Updates liegen dann bei dir. Der IONOS-Dienst bringt eine eigene Telefonnummer, Terminbuchung und eine E-Mail nach jedem Anruf mit und wird als Monatspaket mit Anrufkontingent abgerechnet (laut IONOS, Stand: 08.11.2026). Welcher Weg passt, hängt von Anrufvolumen, Daten und deinem technischen Know-how ab.

Was ein KI-Telefonassistent technisch leisten muss

Ein Sprach-Assistent am Telefon ist kein einzelnes Modell, sondern eine Kette aus mehreren Bausteinen, die nacheinander arbeiten; jeder Schritt verlängert die Pause bis zur Antwort:

Telefonie: Ein SIP-Trunk eines Telefonieanbieters, angebunden z. B. über Asterisk, laut Projekt eine Open-Source-Telefonanlage unter GPL-2.0 (laut Asterisk-Projekt, Stand: 08.11.2026).
Speech-to-Text (STT): Das gesprochene Wort wird transkribiert, z. B. mit Whisper bzw. faster-whisper, laut Projekt eine Neuimplementierung von Whisper auf Basis von CTranslate2 unter MIT-Lizenz (laut faster-whisper-Projekt, Stand: 08.11.2026).
Sprachmodell (LLM): Ein LLM versteht die Absicht und formuliert die Antwort, lokal etwa über Ollama unter MIT-Lizenz (laut Ollama-Projekt, Stand: 08.11.2026).
Text-to-Speech (TTS): Die Antwort wird zu gesprochener Sprache, z. B. mit Piper; das ursprüngliche Repository ist seit 06.10.2025 archiviert (laut Piper-Projekt, Stand: 08.11.2026), die Entwicklung läuft unter OHF-Voice/piper1-gpl mit GPL-3.0 (laut Piper-Projekt, Stand: 08.11.2026).
Orchestrierung: Ein Layer, der Turn-Taking, Unterbrechungen, Timeouts und die Kalender- und CRM-Anbindung steuert, z. B. Vocode, laut Projekt eine Open-Source-Bibliothek für sprachbasierte LLM-Agenten unter MIT-Lizenz; die README nennt als Sprachmodelle OpenAI und Anthropic, Ollama und Piper nicht (laut Vocode-Projekt, Stand: 08.11.2026).

Der entscheidende Punkt: Jeder Baustein braucht Rechenzeit, und am Telefon fällt eine lange Pause vor der Antwort auf. Wie schnell die Kette antwortet, hängt von Modellgröße und Hardware ab.

Option A: Den Assistenten selbst hosten

Der Stack auf einem VPS

Alle Bausteine sind als Open Source verfügbar und laufen auf einem eigenen Server. Ein möglicher Aufbau:

Rechenleistung: faster-whisper läuft laut Projekt auf der CPU (z. B. mit int8) oder auf NVIDIA-GPUs mit CUDA 12 und cuDNN 9 (laut faster-whisper-Projekt, Stand: 08.11.2026); Ollama unterstützt NVIDIA-GPUs ab Compute Capability 5.0, AMD über ROCm v7 oder Vulkan und Apple Metal (laut Ollama-Doku, Stand: 08.11.2026). RackDiff listet derzeit keine GPU-Server.
Asterisk für die Telefonie, angebunden an den SIP-Trunk eines Telefonieanbieters.
faster-whisper mit einem mehrsprachigen Whisper-Modell wie small (laut Whisper-Doku rund 2 GB VRAM) oder medium (rund 5 GB); die .en-Modelle sind nur für Englisch (laut Whisper-Doku, Stand: 08.11.2026).
Ollama mit einem Modell, das in RAM bzw. VRAM deines Servers passt, für die Antwortlogik.
Piper für die Sprachausgabe, laut Projekt eine lokale neuronale Sprachausgabe, Installation per pip install piper-tts (laut Piper-Projekt, Stand: 08.11.2026).

Für Spracherkennung und Sprachmodell zeigen der Whisper-Rechner und der Ollama-Rechner passende Server; wie die Liste gewichtet ist, steht auf der Methodik-Seite. GPU-Server listet RackDiff derzeit nicht. VPS-Preise inkl. USt stehen im VPS-Vergleich. Für die reine Sprach- und LLM-Seite helfen unsere Guides zu Whisper und Ollama beim Einstieg.

Stärken

Verarbeitung auf deinem Server: Spracherkennung, Sprachmodell und Sprachausgabe laufen auf deinem Server. Das Gesprächsaudio läuft über den SIP-Anbieter, der Server steht bei deinem Hoster; für die Auftragsverarbeitung brauchst du einen Vertrag nach Art. 28 DSGVO (laut DSGVO, Stand: 08.11.2026). Praxen und Kanzleien klären zusätzlich Art. 9 DSGVO zu Gesundheitsdaten (laut DSGVO, Stand: 08.11.2026) und § 203 StGB zur Schweigepflicht und zur Verpflichtung mitwirkender Personen (laut § 203 StGB, Stand: 08.11.2026).
Tarife nach eigener Wahl: Server und SIP-Trunk wählst du selbst; die Kosten richten sich nach deren Tarifen.
Freie Modellwahl: Du wählst STT-, Sprach- und TTS-Modell selbst; prüfe je Modell die Lizenz, XTTS-v2 etwa erlaubt nur nicht-kommerzielle Nutzung (laut XTTS-v2-Lizenz, Stand: 08.11.2026).
Austauschbare Bausteine: Hoster, SIP-Anbieter und Modelle kannst du einzeln wechseln.

Schwächen

Antwortzeit: Die Kette aus Spracherkennung, Sprachmodell und Sprachausgabe stimmst du selbst auf kurze Pausen ab; Modellgröße und Hardware bestimmen, wie schnell sie antwortet.
Telefonie und Hinweise am Telefon: SIP, Codecs, Echo-Unterdrückung und Rufnummern betreibst du selbst. Wer ein KI-System für Gespräche mit Menschen entwickelt und unter eigenem Namen in Betrieb nimmt, sorgt dafür, dass Anrufer erfahren, dass sie mit einem KI-System sprechen, sofern das nicht offensichtlich ist (laut Art. 50 Abs. 1 KI-Verordnung, Stand: 08.11.2026); das gilt seit 02.08.2026 (laut EU-Kommission, Stand: 08.11.2026). Anrufer informierst du nach Art. 13 DSGVO (laut DSGVO, Stand: 08.11.2026); wer Gesprächsaudio aufnimmt, prüft § 201 StGB (laut § 201 StGB, Stand: 08.11.2026).
Wartung liegt bei dir: Updates, Überwachung und Ausfälle; ohne eingerichtete Weiterleitung erreicht der Anrufer bei einem Ausfall niemanden.
Einrichtung: Bis der Assistent läuft, richtest du fünf Bausteine ein und stimmst sie aufeinander ab.

Option B: IONOS KI-Telefonassistent

Der IONOS KI-Telefonassistent ist ein fertiger Dienst: Laut IONOS nimmt er Anrufe rund um die Uhr an, schlägt freie Termine vor und bucht sie im Gespräch (Google Kalender, Outlook, Cal.com oder Calendly), leitet Anrufe weiter und schickt nach jedem Anruf eine E-Mail mit den Details; eine eigene Telefonnummer ist im Paket enthalten (laut IONOS, Stand: 08.11.2026). Du konfigurierst das Verhalten, statt die Infrastruktur zu bauen. Die VPS-Tarife von IONOS stehen unter IONOS.

Stärken

Einrichtung im Konto: laut IONOS in unter 15 Minuten; Telefonnummer, Server und Modelle stellt IONOS (laut IONOS, Stand: 08.11.2026).
Betrieb bei IONOS: IONOS ist Vertragspartner; die Leistung erbringt ein technischer Unterauftragnehmer (laut IONOS-Hilfe, Stand: 08.11.2026).
Vertrag und AVV: Vertragspartner ist die IONOS SE mit Sitz in Montabaur (laut IONOS-Impressum, Stand: 08.11.2026); die Auftragsverarbeitung ist in der IONOS-AVV dokumentiert (laut IONOS-Hilfe, Stand: 08.11.2026), die seit 19.07.2022 Bestandteil der IONOS-AGB ist (laut IONOS-Hilfe, Stand: 08.11.2026).

Schwächen

Abrechnung je Paket: Monatspakete mit Anrufkontingent, darüber Abrechnung je Anruf (laut IONOS, Stand: 08.11.2026).
Modelle und Datenfluss: Die eingesetzten Modelle nennt IONOS nicht (laut IONOS, Stand: 08.11.2026); Zugriffe aus Drittstaaten schließt IONOS nicht vollständig aus (laut IONOS-Hilfe, Stand: 08.11.2026).
Einrichtung in der Plattform: Anliegen, Stimme (laut IONOS bis zu 14 zur Auswahl) und Weiterleitung richtest du bei IONOS ein (laut IONOS, Stand: 08.11.2026); bei einem Wechsel setzt du sie neu auf.

Kostenfaktoren

Die Kosten setzen sich je Weg so zusammen:

Selbst gehostet: der Server nach Ausbaustufe, der SIP-Trunk nach dessen Tarif und deine Zeit für Einrichtung und Wartung. VPS-Preise inkl. USt stehen im VPS-Vergleich; GPU-Server listet RackDiff derzeit nicht.
IONOS: Monatspakete mit unterschiedlichem Anrufkontingent; darüber hinaus wird je Anruf abgerechnet, monatlich kündbar; aktuelle Preise nennt IONOS auf der Produktseite (laut IONOS, Stand: 08.11.2026).

Für den Vergleich rechnest du dein erwartetes Anrufvolumen gegen das Paket und gegen Server, SIP-Trunk und deinen Zeitaufwand.

IONOS KI-Telefonassistent ansehen

Anrufannahme, Terminbuchung und eine E-Mail nach jedem Anruf – ohne eigene Infrastruktur.

Zum IONOS KI-Telefonassistenten

Affiliate-Link ⓘ

Der Button oben ist ein Affiliate-Link. Kaufst du über ihn, erhalten wir eine Provision – für dich ändert sich am Preis nichts. Details in unserer Affiliate-Offenlegung.

Was du vor der Entscheidung klärst

Anrufvolumen: Es bestimmt das IONOS-Paket bzw. die Auslastung deines Servers (laut IONOS, Stand: 08.11.2026).
Daten: Bei Gesundheits- oder Mandantendaten klärst du Art. 9 DSGVO (laut DSGVO, Stand: 08.11.2026) und § 203 StGB (laut § 203 StGB, Stand: 08.11.2026) vor dem Start.
Know-how und Zeit: Kannst du Telefonie, Modelle und Updates selbst betreiben?
Hinweis auf KI: Der IONOS-Assistent meldet sich laut IONOS bei der Begrüßung als KI (laut IONOS, Stand: 08.11.2026); beim eigenen Aufbau sorgst du selbst dafür (laut Art. 50 Abs. 1 KI-Verordnung, Stand: 08.11.2026).

Häufige Fragen

Was kostet ein selbst gehosteter KI-Telefonassistent, wenn die Software Open Source ist?

Asterisk, faster-whisper, Ollama und Piper stehen unter Open-Source-Lizenzen; Kosten entstehen für Server, SIP-Trunk und deine Zeit. Prüfe die Lizenz jedes Modells: XTTS-v2 etwa erlaubt nur nicht-kommerzielle Nutzung. VPS-Preise inkl. USt stehen im VPS-Vergleich.

Warum ist die Antwortzeit beim Self-Hosting so wichtig?

Am Telefon fällt eine lange Pause vor der Antwort auf. Spracherkennung, Sprachmodell und Sprachausgabe arbeiten nacheinander, jeder Schritt braucht Rechenzeit. Wie schnell die Kette antwortet, hängt von Modellgröße und Hardware ab; GPU-Server listet RackDiff derzeit nicht.

Gibt es für den IONOS KI-Telefonassistenten einen AV-Vertrag?

Laut IONOS ist die Auftragsverarbeitung in der IONOS-AVV dokumentiert. Verarbeitet wird in der EU über einen technischen Unterauftragnehmer, Zugriffe aus Drittstaaten schließt IONOS nicht vollständig aus. Für Gesundheits- oder Mandantendaten prüfst du die Bedingungen mit deiner Rechtsberatung.

Welche Server-Leistung brauche ich für einen eigenen Assistenten?

Das hängt von den Modellen ab: Laut Whisper-Doku braucht das Modell small rund 2 GB und medium rund 5 GB VRAM; faster-whisper läuft auch auf der CPU. Passende Server zeigen die Rechner für Whisper und Ollama. GPU-Server listet RackDiff derzeit nicht.