Retell AI

Kurzfazit

Retell AI ist eine der besseren Pay-as-you-go-Plattformen für KI-Voice-Agenten, schnelle Einrichtung, niedrige Latenz, freie Modellwahl bei LLM und Sprachsynthese. Wer einen Terminbot, eine Lead-Qualifizierung oder einen After-Hours-Agent für Standardanfragen braucht, kommt mit dem visuellen Builder in wenigen Stunden zu einem produktionsfähigen Ergebnis. Die Schwäche liegt eindeutig im DACH-Kontext: Daten primär in den USA, eine EU-Region nennt der Anbieter nicht, englischsprachige Dokumentation und eine deutsche Sprachqualität, die maßgeblich von der gewählten TTS-Engine (ElevenLabs, Cartesia) abhängt. Für DSGVO-sensible Branchen oder Kundengespräche, in denen ein hörbarer Akzent stört, ist Retell die zweite Wahl gegenüber europäischen Konkurrenten.

Für wen ist Retell AI?

KMU mit hohem Anrufaufkommen außerhalb der Bürozeiten: Handwerksbetriebe, Praxen, Immobilienverwaltungen und kleine Dienstleister, die abends und am Wochenende Anrufe verlieren oder Mitarbeitende übermäßig binden. Retell nimmt strukturierte Anfragen entgegen, erstellt ein Ticket und eskaliert Notfälle, die Kosten laufen minutengenau statt als Pauschale für einen Bereitschaftsdienst.

Sales-Teams für Lead-Qualifizierung: Inbound-Leads aus Web-Formularen oder Outbound-Kampagnen werden von einem Voice-Agenten vorqualifiziert (Budget, Zeitrahmen, Entscheider), bevor ein menschlicher SDR übernimmt. Bei hohen Lead-Volumen amortisiert sich der Agent schnell, weil Kaltakquise-Stunden eingespart werden.

Entwickler und Agenturen, die Voice-Lösungen für Kunden bauen: Der visuelle Builder kombiniert mit der API-Tiefe macht Retell zur ernsthaften Alternative zu Twilio-Eigenbau. Wer mehrere Kunden mit ähnlichen Use-Cases bedient, kann Templates wiederverwenden und über die Custom-LLM-Schnittstelle eigene Logik einbinden.

Power-User, die Modellwahl brauchen: Wer experimentieren will (OpenAI vs. Anthropic vs. Google) oder eine spezifische Stimme (ElevenLabs vs. Cartesia vs. MiniMax) testen will, bekommt mit Retell eine Plattform, die das offen erlaubt, ohne sich auf einen einzigen Stack festzulegen.

Weniger geeignet für: Anwälte, Ärzte, Steuerberater und Behörden mit DSGVO-Pflicht (die primäre Datenspeicherung in den USA ist ein echtes Hindernis), Unternehmen mit anspruchsvoller deutscher Stimm-Qualität (die TTS-Lücke zu europäischen Spezialisten ist hörbar), und Anwender, die deutsche Oberfläche und deutschsprachigen Support erwarten.

Preise im Detail

Plan	Preis	Was du bekommst
Startguthaben	10 USD	Voller Plattformzugriff, 20 gleichzeitige Anrufe, Community- und E-Mail-Support
Pay-as-you-go (Voice)	0,07–0,31 USD/Min. + Add-ons	Voice Infra 0,055 USD/Min., LLM je Modell (0,0016 bis 0,64 USD/Min. in der Preisliste), TTS 0,015–0,10 USD/Min. je Anbieter und Modell
Pay-as-you-go (Chat)	ab 0,002 USD/Nachricht	KI-Chat-Agenten
Add-ons	variabel	Knowledge Base +0,005 USD/Min., Denoising +0,005 USD/Min., PII Removal +0,01 USD/Min., Branded Call +0,10 USD/Outbound
Telefonnummern	2 USD/Monat (verifizierte Nummer: 10 USD, die Preisseite nennt dafür an einer Stelle “pro Monat”, an anderer eine einmalige Gebühr)	Telefonie über Twilio/Telnyx 0,015 USD/Min. in den gelisteten Ländern, darunter Deutschland
Zusätzliche Concurrency	8 USD/Concurrent Call/Monat	Skalierung über die 20 inklusiven Calls hinaus
Enterprise	Auf Anfrage	Custom MSA/DPA, SSO, rollenbasierte Zugriffskontrolle, höhere Concurrency, 24/7-Support mit Portal

Einordnung: Die 0,07 USD/Min. sind der untere Rand der Spanne, die Preisseite rechnet selbst ein Beispiel mit 0,11 USD/Min. vor (LLM 0,04 plus Voice Infra 0,055 plus TTS 0,015). Mit teureren Modellen oder ElevenLabs-Stimmen liegt es höher; die Preisseite nennt als obere Grenze der Spanne 0,31 USD/Min., die Einzelpreise ihrer Preisliste summieren sich beim teuersten LLM im Fast Tier aber darüber (eigene Rechnung: Voice Infra 0,055 plus LLM 0,64 plus TTS 0,10 gleich 0,795 USD/Min.). Ein 3-Minuten-Gespräch kostet im Beispielsetup damit rund 0,33 USD, bei 200 Anrufen pro Monat (600 Minuten) rund 66 USD plus Nummer. Die Beispielrechnung setzt die Telefonie mit 0 USD an: Telefonierst du über Retells Twilio- oder Telnyx-Anschluss, kommen 0,015 USD/Min. dazu (bei 600 Minuten 9 USD), für eigene SIP-Telefonie berechnet Retell nichts. Das ist günstig im Vergleich zu menschlicher Bereitschaft, aber kein Schnäppchen gegenüber einfacheren Voicemail-Lösungen. Enterprise lohnt sich, wenn du SSO, rollenbasierte Zugriffe, eigene DPA-Bedingungen oder eine On-Prem-Bereitstellung brauchst. Wer DSGVO-sauber arbeiten muss, sollte die Datenspeicherung in den USA vor dem Start mit dem Datenschutz klären.

Stärken im Detail

Niedrige Latenz ist der Markenkern. Retell nennt auf der Website eine Latenz von rund 600 ms. Das ist der Unterschied zwischen einem Bot, der sich “wie ein Bot” anhört, und einem, bei dem Anrufer erst nach dem Auflegen merken, dass sie mit einer KI gesprochen haben. Im Voice-Agenten-Markt ist Latenz das wichtigste Qualitätsmerkmal.

Visueller Flow-Builder ohne Code. Conversation-Knoten, Entscheidungsbäume, Tool-Calls und Eskalationsregeln werden per Drag-and-Drop modelliert. Wer schon einmal mit n8n oder Make.com gearbeitet hat, fühlt sich sofort zu Hause. Für komplexere Logik gibt es den Custom-LLM-Slot, du kannst deinen eigenen LLM-Endpoint einbinden und die Konversationssteuerung selbst übernehmen.

Freie Wahl bei LLM und TTS. Retell zwingt dich nicht auf einen Modellstack. Die Preisliste führt Modelle von OpenAI, Anthropic und Google, von teuren Modellen für nuancierte Sprache bis zu günstigen Flash-Varianten für Hochvolumen-Cases. Bei der Stimmsynthese kannst du zwischen Retell-Plattformstimmen, ElevenLabs, Cartesia, MiniMax, Fish, OpenAI und Inworld wählen. Die Sprachtabelle der Doku führt Deutsch (de-DE) bei allen diesen Anbietern, Qualität und Latenz unterscheiden sich aber.

Pay-as-you-go ohne Plattform-Gebühr. Die Preisseite schreibt: “No platform fees, no feature gating.” Du zahlst nur, was du nutzt. Für KMU mit unregelmäßigem Anrufvolumen ist das ein echter Vorteil, kein Lock-in, keine Fixkosten.

Skalierbare Concurrency. 20 gleichzeitige Anrufe sind im Standardplan inklusive, genug für die meisten KMU. Skalierung läuft transparent über 8 USD pro zusätzlichem Concurrent Call. Enterprise-Pläne bieten laut Preisseite eine individuelle Concurrency ab 50+ Anrufen.

Compliance-Nachweise und On-Prem-Option. Das Trust Center nennt SOC 2, HIPAA, GDPR, ISO 27001:2022 und CCPA. Auf der Startseite wirbt Retell mit “Enterprise On-prem” in der eigenen Infrastruktur. Eine EU-Region für das gehostete Angebot nennt der Anbieter auf Preisseite, Trust Center, Datenschutzerklärung und Doku nicht. Für DACH-Mittelständler ohne IT-Abteilung ist eine On-Prem-Bereitstellung ein hoher Einstieg.

Schwächen ehrlich betrachtet

Datenspeicherung primär in den USA. Die Datenschutzerklärung schreibt, die erhobenen Daten würden primär in den USA gespeichert und verarbeitet; für Übermittlungen aus dem EWR nennt sie Standardvertragsklauseln. Eine EU-Region nennt der Anbieter nicht öffentlich (geprüft: Preisseite, Trust Center, Datenschutzerklärung, Doku). Für Anwaltskanzleien, Praxen und Behörden ist das praktisch ein K.o.-Kriterium. Die Zertifizierungen und die GDPR-Angabe auf der Website sagen nichts über den Verarbeitungsort.

Englische Doku. Die Dokumentation ist auf Englisch, und eine Supportsprache oder ein deutsches Dashboard nennt der Anbieter nicht. Die Startseite gibt es teilweise auf Deutsch. Wer ein Team von Customer-Service-Mitarbeitern an die Konfiguration heranführen will, braucht deshalb eventuell zweisprachige Mitarbeitende oder eine Übersetzungs-Stütze. Für deutschsprachige KMU ist das ein Reibungsfaktor.

Deutsche Sprachqualität schwankt mit der TTS-Engine. Die Qualität hängt von der gewählten TTS-Engine ab. ElevenLabs kostet mehr (Flash 0,040 USD/Min., Multilingual v2 0,06 USD/Min.) als Cartesia (0,015 USD/Min.). Ob eine Stimme bei langen deutschen Sätzen mit Eigennamen oder Fachbegriffen überzeugt, musst du selbst anhören. Plane Test-Iterationen ein, eine Stimme, die auf Englisch beeindruckt, klingt auf Deutsch nicht zwangsläufig genauso gut.

Reale Kosten höher als der Einstiegspreis. Der Einstiegspreis von 0,07 USD/Min. ist der untere Rand der Spanne, die Voice Infra allein kostet 0,055 USD/Min. Für ein Setup aus GPT 4.1 (0,045), ElevenLabs Flash (0,040) und Knowledge Base (0,005) kommen mit der Voice Infra nach der Preisliste 0,145 USD/Min. zusammen, ohne Telefonie. Bei Outbound-Kampagnen mit Branded Call kommen zusätzlich 0,10 USD pro Anruf dazu. Wer 0,07 USD/Min. 1:1 in eine Kalkulation übernimmt, unterschätzt die Kosten in diesem Beispiel um den Faktor 2.

Halluzinationsrisiko ohne Knowledge-Base-Pflege. Wie alle LLM-basierten Voice-Agenten kann Retell unter Druck Antworten erfinden, die plausibel klingen, aber falsch sind. Das ist im Telefonkontext besonders kritisch, der Anrufer hat keine Chance, Quellen zu prüfen. Saubere Konfiguration der Wissensbasis, explizite Eskalationsregeln und regelmäßiges Monitoring der Gesprächsmitschnitte sind Pflicht, kein Komfort.

Branded Call ist auf US-Netze ausgelegt. Retell zeigt den Firmennamen laut Produktseite auf “supported U.S. carrier networks”. In Deutschland bringt dieses Feature nach dieser Angabe nichts, der Aufschlag von 0,10 USD pro Outbound-Anruf entfällt dann, der Reputationsschutz aber auch.

Alternativen im Vergleich

Wenn du…	…nimm stattdessen
Volle Entwickler-Kontrolle und eine API-First-Architektur willst	Vapi
Komplexere Conversation Flows mit Multi-Channel (Web, WhatsApp, Voice) brauchst	Voiceflow
Die beste deutsche Sprachsynthese als Standalone-Komponente brauchst	ElevenLabs

Erwähnenswert ohne eigene Tool-Seite oder als unverlinkte Peers: Bland AI (US, ähnliches Pay-as-you-go-Modell mit fokussierterem Outbound), Synthflow (deutsches Team, EU-Hosting-Option, deutlich teurer aber DACH-ready), Air.ai (US, marketinglastig, Pricing intransparent), PolyAI (Enterprise-only, sehr starke deutsche Stimmen, aber Sechsstellige Verträge), Twilio + ConversationRelay (Eigenbau auf Twilio-Stack, maximale Kontrolle, aber Wochen statt Stunden Setup). Wer EU-Hosting zwingend braucht und nicht Enterprise-Budget hat, sollte primär Synthflow oder eine PolyAI-Demo evaluieren, Retell bleibt dann erst die zweite Wahl.

So steigst du ein

Schritt 1: Account auf retellai.com anlegen, die 10 USD Startguthaben reichen je nach Setup (0,11 bis 0,16 USD/Min.) für rund 60 bis 90 Test-Minuten. Im visuellen Flow-Builder ein Template wählen (“Inbound Receptionist” oder “Lead Qualifier”) und an deinen Use Case anpassen. Wähle deine Stimm-Engine bewusst aus, probiere für deutsche Anrufer mehrere Stimmen aus, ElevenLabs kostet mehr als Cartesia.

Schritt 2: Wissensbasis sauber aufbauen. Lade FAQs, Produktinfos und Eskalationsregeln strukturiert hoch. Definiere explizit, bei welchen Anfragen sofort an einen menschlichen Mitarbeitenden weitergeleitet werden soll, das schützt vor Halluzinationen. Teste den Agenten mit mindestens 20 internen Anrufen, darunter typische Edge-Cases (Hintergrundgeräusche, Dialekt, lange Eigennamen).

Schritt 3: Telefonnummer kaufen (2 USD/Monat) oder eigene Nummer per SIP einbinden. Integriere CRM (HubSpot, Salesforce) oder Terminplanungstool (Calendly) über die Webhook-API, Gesprächsdaten landen dann automatisch im richtigen System. Aktiviere Conversation-Logging und plane wöchentliche Stichproben in den ersten 4 Wochen ein. Wenn Volumen oder Compliance-Anforderungen wachsen, frühzeitig Enterprise anfragen, nicht erst, wenn die Probleme da sind.

Ein konkretes Beispiel

Eine mittelständische Immobilienverwaltung mit 18 Mitarbeitenden im Ruhrgebiet nutzt Retell AI, um außerhalb der Bürozeiten eingehende Mieteranrufe zu Wartungsanfragen entgegenzunehmen. Der Voice-Agent (GPT 4.1 + ElevenLabs) fragt Mietername, Wohnungsadresse und Art des Problems ab, erstellt ein strukturiertes Ticket im Hausverwaltungssystem (über Webhook in Domus 4) und gibt eine automatische Eingangsbestätigung. Komplexe Notfälle (Wasserrohrbruch, Heizungsausfall) werden anhand definierter Schlüsselwörter sofort auf das Notfalltelefon des Bereitschaftsdienstes weitergeleitet. Rund 60 % der After-Hours-Anrufe (etwa 120 von 200 monatlich) werden ohne menschliche Einbindung strukturiert erfasst. Kosten: ca. 55 USD/Monat (Telefonnummer 2 USD + ca. 300 Minuten à 0,16 USD, davon 0,145 USD für Voice Infra, Modell, Stimme und Wissensbasis und 0,015 USD Telefonie über Retell, + 5 USD Puffer). Vorher kostete der Bereitschaftsdienst eines externen Dienstleisters ca. 600 EUR/Monat, Ersparnis netto rund 500 EUR. Da Mieterdaten verarbeitet werden, läuft parallel die Prüfung, ob mittelfristig auf einen Anbieter mit EU-Hosting umgestellt werden sollte.

Das Beispiel ist ein Szenario zur Veranschaulichung, keine Kundenangabe von Retell AI.

DSGVO & Datenschutz

• Datenhosting: Laut Datenschutzerklärung werden die Daten primär in den USA gespeichert und verarbeitet. Die Subprozessorenliste im Trust Center führt unter anderem Amazon Web Services als Cloud-Speicher, Azure als Cloud-Dienst und Google Cloud als KI-Modellanbieter. Eine EU-Region nennt der Anbieter nicht öffentlich.
• On-Prem: Die Startseite nennt “Enterprise On-prem” für die Bereitstellung in der eigenen Infrastruktur. Ob und wo das EU-Datenhaltung ermöglicht, nennt der Anbieter nicht.
• Datennutzung: Die Datenschutzerklärung nennt unter den Verwendungszwecken das Training der KI-Modelle des Anbieters. Wie Kundengesprächsdaten davon abgegrenzt sind, steht dort nicht, kläre das vor dem Start im DPA. Die Vergleichstabelle der Preisseite führt “Opt-out Recording & Transcription”.
• Compliance-Zertifikate: SOC 2 Type II, HIPAA, GDPR, ISO 27001:2022 und CCPA laut Trust Center. Die Nachweise sind nicht der Verarbeitungsort.
• Auftragsverarbeitung (AVV): Das Legal-Agreement-Portal bietet ein Data Processing Addendum zur Unterschrift per DocuSign an, die Enterprise-Spalte der Preisseite führt zusätzlich “Custom DPA”. Die Subprozessoren-Liste ist im Trust Center öffentlich, Änderungen werden dort angekündigt.
• Speicherdauer: Laut Datenschutzerklärung bestimmt bei Auftragsverarbeitung der Kunde die Aufbewahrungsfrist. Eine feste Standardfrist nennt der Anbieter nicht.
• Empfehlung für deutsche Unternehmen: Für nicht-personenbezogene Standardgespräche (z. B. Lieferterminbestätigungen ohne sensible Daten) ist Retell akzeptabel mit AVV. Für Branchen unter Berufsgeheimnis (Anwälte, Ärzte, Steuerberater) oder mit Mitarbeitenden-Daten die Datenhaltung vorab klären oder einen europäischen Anbieter wählen. Datenschutz-Folgenabschätzung vor Produktivnutzung Pflicht.

Gut kombiniert mit

• ElevenLabs, wenn die Standard-TTS-Stimmen in Retell nicht reichen, lässt sich eine geklonte ElevenLabs-Stimme einbinden (eigene Markenstimme, hörbarere Differenzierung). Sinnvoll für Markenartikler, die einen wiedererkennbaren Voice-Charakter wollen.
• HubSpot, Retell schreibt qualifizierte Leads direkt ins HubSpot-CRM, dort übernimmt das HubSpot-AI-Modul das Lead-Scoring und triggert Follow-up-Sequenzen. Klassisches Tandem aus Voice-Capture und CRM-Automatisierung.
• Zapier, für die Verbindung mit Tools, die Retell nicht nativ unterstützt (z. B. deutsche Handwerker-Software, Praxis-Verwaltungen). Zapier triggert auf abgeschlossene Anrufe und überträgt die Strukturdaten ins Zielsystem.

Unser Fazit

Retell AI verdient 3 von 5 Sternen. Für Entwickler und Agenturen, die schnell Voice-Agenten bauen wollen und keine zwingenden DSGVO-Anforderungen haben, ist Retell eine der besseren Optionen am Markt, niedrige Latenz, freie Modellwahl, transparente Pay-as-you-go-Preise. Die englische Doku und die nicht zwingend optimierte deutsche Sprachqualität sind kalkulierbare Reibungspunkte. Der Hauptgrund für den 3-Sterne-Abzug: Für die Mehrheit der deutschsprachigen Anwendungsfälle (KMU, Mittelstand, regulierte Branchen) ist die primäre Datenspeicherung in den USA ein echtes Hindernis. Wer beides braucht, den niedrigen Einstieg von Retell und EU-Hosting, sollte primär Synthflow evaluieren. Wer maximale Architekturkontrolle will, geht direkt auf Vapi oder Twilio-Eigenbau.

Was wir bemerkt haben

• Mai 2026, Das Trust Center meldet zwei neue Subprozessoren (Soniox und Ironclad).
• Juli 2026, Das Trust Center meldet zwei weitere Subprozessoren: Sentry und AssemblyAI (Speech-to-Text).
• Oktober 2026, Eine EU-Region für das gehostete Angebot nennt der Anbieter weiterhin nicht, die Datenschutzerklärung spricht von primärer Speicherung in den USA.