OpenAI hat die Sprach-KI aus ChatGPT für Entwickler freigegeben. Sie hört und spricht gleichzeitig, lässt sich unterbrechen und ist ausdrücklich fürs Telefon gebaut. Für Betriebe, die ans Telefon müssen, ist das eine wichtige Meldung. Mit einem Haken.
Seit Juli spricht ChatGPT mit GPT-Live wie ein Mensch, wir haben damals darüber geschrieben. Am 10. September hat OpenAI das Modell als GPT-Live-1 für Entwickler freigegeben, und in der Mitteilung steht ein Wort, das für Betriebe mehr zählt als jede Bestenliste: Telefon.
Klassische Sprachassistenten arbeiten wie eine Kette: Sprache in Text umwandeln, Text verarbeiten, Antwort vorlesen. Jede Übergabe kostet Zeit, und wer dazwischenredet, bringt die Kette durcheinander. GPT-Live-1 macht das in einem Modell. Es hört zu, während es spricht, reagiert auf Unterbrechungen und kurze Einwürfe und soll Hintergrundgeräusche und Pausen besser verkraften, ohne jeden Schritt laut anzusagen.
Das Sprachlernunternehmen Speak hat laut OpenAI fast 80 Prozent weniger Unterbrechungen gemessen als mit bisherigen Systemen, bei denen immer nur einer spricht. Ein Kunde soll laut einem Bericht seinen Programmcode für Sprachanwendungen um 80 Prozent verkleinert haben.
Das eigentliche Denken muss GPT-Live-1 nicht selbst erledigen. Es gibt Rechenaufgaben und Werkzeugaufrufe an ein zweites Modell im Hintergrund weiter, während das Gespräch weiterläuft. OpenAI schlägt selbst vor, für einfache Dinge wie Terminvergabe oder Bestellstatus ein günstiges Modell dahinterzusetzen und nur für schwierige Fälle ein teures. Und OpenAI nennt ausdrücklich Telefonie: Sprachagenten für Anrufe, von der Tischreservierung bis zum Kundenservice.
OpenAI schreibt, man erweitere die Auswahl an Stimmen über Akzente, Dialekte und Sprachen und wolle in den kommenden Monaten weitere Sprachen ergänzen. Welche Sprachen heute gut funktionieren, steht nicht in der Mitteilung, Deutsch wird nicht ausdrücklich genannt. Die Zahl von zwölf Stimmen stammt aus einem Bericht, nicht von OpenAI selbst. Und die Messwerte zu Unterbrechungen und Bestenlisten sind Herstellerangaben.
Fünf Cent die Minute klingt nach fast nichts, und für die reine Stimme stimmt das auch. Ein Betrieb mit 300 Anrufen im Monat zu je drei Minuten käme auf 900 Minuten, also 45 Dollar für die Sprachschicht. Dazu kommen das Denkmodell im Hintergrund, das nach Verbrauch abgerechnet wird, die Anbindung an die Telefonanlage und jemand, der das Ganze einrichtet und pflegt. Der Minutenpreis ist die kleinste Zahl in der Rechnung.
Wichtiger ist die Richtung. Wenn eine Maschine am Telefon nicht mehr wie eine Maschine klingt, weil sie sich unterbrechen lässt und nicht jeden Schritt ansagt, fällt die größte Hürde für Telefonassistenten weg: dass Anrufer genervt auflegen.
Genau daran arbeiten wir mit Lara, unserer KI-Telefonassistentin für Betriebe, deshalb schauen wir auf solche Meldungen besonders genau. Die ehrliche Einschätzung: Solange eine Sprach-KI auf Deutsch nicht sauber belegt ist, Dialekt am Telefon versteht und mit dem Lärm einer Werkstatt klarkommt, ist sie für den deutschen Mittelstand ein Versprechen, noch keine Lösung. Das ändert sich gerade schnell, und wir testen neue Modelle mit echten Anrufen, bevor wir sie einsetzen.
Und egal welches Modell: Ein Anrufer muss wissen, dass er mit einer KI spricht, und er muss jederzeit zu einem Menschen kommen können.
Die 45 Dollar im Beispiel decken nur die Sprachschicht ab. Was Denkmodell und Telefonanbindung kosten, hängt vom gewählten Modell, der Gesprächslänge und dem Anbieter ab und lässt sich nicht pauschal sagen. Wer einen Telefonassistenten plant, sollte immer die ganze Rechnung sehen, inklusive Einrichtung und laufender Pflege.
Versteht er eure Kunden, auf Deutsch, mit Dialekt, mit Baustellenlärm im Hintergrund? Probiert es mit echten Aufnahmen, nicht mit der Demo. Weiß er, wann er aufhört? Legt fest, bei welchen Themen er sofort an einen Menschen übergibt, etwa Beschwerden, Preise oder Notfälle. Und sagt er am Anfang, dass er eine KI ist? Das ist nicht nur fair, das verlangt seit August 2026 auch die europäische KI-Verordnung.
Mich freut an dieser Meldung weniger der Preis als das Wort Telefon. Der Laden, die Werkstatt, die Praxis verlieren jeden Tag Anrufe, weil gerade niemand rangehen kann. Eine Stimme, die sich natürlich unterbrechen lässt, ist genau das, was dort fehlt.
Aber ich bleibe beim Grundsatz, den wir bei Lara verfolgen: erst testen, dann einsetzen, und zwar auf Deutsch und mit echten Anrufen. Eine Sprach-KI, die im englischen Vorführvideo glänzt, kann am Montagmorgen im Autohaus trotzdem scheitern.
Quellen: OpenAI zu GPT-Live-1 in der API vom 10. September 2026, daraus Preis, Funktionen, Telefonie, die Angaben von Speak und die Aussage zu Sprachen; die Zahl der Stimmen und die Codeersparnis eines Kunden nach TestingCatalog vom 10. September 2026. Das Rechenbeispiel ist unsere eigene Überschlagsrechnung. Alle Leistungswerte sind Herstellerangaben. Rechtliche Hinweise sind allgemeine Einordnung, keine Rechtsberatung. Stand: 11.09.2026.
Welches Modell für welche Aufgabe, welche Tools wirklich zählen und wie du richtig promptest — komplett lesbar, kein Download.
Jetzt gratis lesen →Wir prüfen mit dir, welche Anrufe eine KI in deinem Betrieb heute schon zuverlässig übernehmen kann, testen mit echten Gesprächen auf Deutsch und richten Lara so ein, dass jeder Anrufer weiß, mit wem er spricht.