GPT-Live ist ein neues Sprachmodell von OpenAI, das seit dem 9. Juli 2026 ChatGPT Voice antreibt. Anders als bisherige Sprachassistenten arbeitet es „full-duplex": Es hört zu, während es spricht, erkennt Pausen und Unterbrechungen und entscheidet selbst, wann es antwortet und wann es weiter zuhört (laut OpenAI, 2026). Für Unternehmen ist das mehr als eine technische Spielerei, es verändert, wie realistisch sich KI-Agenten am Telefon anfühlen.
Was unterscheidet GPT-Live von bisherigen Sprachassistenten?
Klassische Voice-Assistenten funktionieren nach einem Frage-Antwort-Muster: Der Nutzer spricht, das System wartet auf eine Sprechpause, dann antwortet es. GPT-Live hebt diese starre Abfolge auf. Das Modell verarbeitet Ton und Inhalt fortlaufend und kann mitten im Satz erkennen, ob der Gesprächspartner nur kurz nachdenkt oder tatsächlich fertig ist. In direkten Vergleichstests wurde sowohl GPT-Live-1 als auch die kleinere Variante GPT-Live-1 mini deutlich gegenüber dem bisherigen Advanced Voice Mode bevorzugt (laut OpenAI, 2026). Bei Fragen, die tiefere Recherche oder komplexeres Schlussfolgern verlangen, reicht GPT-Live die Anfrage im Hintergrund an GPT-5.5 weiter, für den Nutzer bleibt das Gespräch dabei ohne spürbaren Bruch.
Wie sicher sind Voice-Agenten, die ständig zuhören?
Ein Modell, das durchgehend mithört, wirft naheliegend Sicherheitsfragen auf. OpenAI beschreibt im eigenen System Card zu GPT-Live (2026), dass Ein- und Ausgaben laufend während des Gesprächs geprüft werden. Erkennt das System ein Risiko, kann es die Antwort umlenken oder unterbrechen, eine gesprochene Sicherheitsmeldung einspielen oder das Gespräch in kritischen Fällen beenden. Getestet wurde unter anderem gegen Selbstschädigung, emotionale Abhängigkeit von der KI und Identitätsmissbrauch, dafür nutzt GPT-Live feste, vordefinierte Stimmen statt frei klonbarer.
Für den Unternehmenseinsatz heißt das: Die technische Grundlage für Voice-Agenten mit Kundenkontakt wird belastbarer, ersetzt aber nicht die eigene Prüfung, welche Gespräche eine KI überhaupt führen darf und welche an einen Menschen gehen. GPT-Live-1 ist ab sofort Standardmodell für zahlende ChatGPT-Nutzer, die kleinere Variante GPT-Live-1 mini übernimmt diese Rolle für kostenlose Konten, beide laufen bereits über iOS, Android und Web (laut OpenAI, 2026).
Was bedeutet Voice-KI konkret für den Kundenservice?
Textbasierte KI-Agenten im Support sind längst etabliert. Der KI-Agent Fin von Intercom etwa erreicht über mehr als 12.000 Kunden hinweg eine durchschnittliche Lösungsquote von 76 Prozent, bei vielen Kunden liegt sie über 85 Prozent (laut Intercom, 2026). Diese Quote entsteht bei rein textbasierten Chats, bei denen der Kunde ohnehin auf eine Antwort wartet. Am Telefon war die künstliche Pause bislang die größte Hürde: Nutzer warteten spürbar auf das Ende einer Sprechpause, bevor die KI reagierte, und genau dieses unnatürliche Timing schreckte viele Anrufer ab. Ein Modell, das mitten im Satz erkennt, ob noch mehr kommt, nimmt dieser Interaktion die künstliche Verzögerung.
Damit ein solcher KI-Mitarbeiter im Kundenservice tatsächlich entlastet, reicht ein gutes Sprachmodell allein nicht. Es braucht eine Anbindung an die eigenen Systeme wie CRM oder Vertragsdaten, klar definierte Eskalationsregeln für den Übergang an einen Menschen und eine lückenlose Protokollierung jedes Gesprächs, gerade in regulierten Branchen wie der Finanzdienstleistung ein Muss.
Nur Kundenservice, oder auch der Kontakt zu Bestandskunden?
Der naheliegende Anwendungsfall ist die eingehende Anfrage, ein Kunde ruft an, der Agent löst oder leitet weiter. Genauso relevant ist aber die andere Richtung: Ein Sprachmodell, das flüssig zuhört und mitschreibt, kann ein Beratungsgespräch begleiten, die besprochenen Punkte protokollieren und im Anschluss eine strukturierte Zusammenfassung liefern, ohne dass der Berater währenddessen mitschreiben muss. Für Finanzdienstleister mit dokumentationspflichtigen Beratungsgesprächen ist das ein direkter Ansatzpunkt, nicht als Ersatz für das Gespräch, sondern als Unterstützung im Hintergrund.
Genau dort setzt eine durchdachte KI-Belegschaft an, aufgebaut über ein AI Backbone System, das Sprachmodell, Unternehmensdaten und Freigabeprozesse zu einem Ablauf verbindet, der sich verlässlich prüfen lässt.