PII im Call-Transkript schwärzen: DSGVO-Guide für Voice AI

PII im Call-Transkript schwärzen: DSGVO-konforme Observability für KI-Telefonagenten

Kurze Antwort vorweg: Sie müssen sich nicht zwischen Beobachtbarkeit und Datenschutz entscheiden. Personenbezogene Daten lassen sich in Transkripten, Audioaufnahmen, Traces und Logs automatisiert unkenntlich machen, bevor sie dauerhaft gespeichert werden. Die Auswertungsebene bleibt erhalten, die Klardaten verschwinden.

Der Weg dorthin führt über drei Stellschrauben: eine Redaction-Stufe direkt bei der Datenaufnahme, eine kurze und dokumentierte Aufbewahrungsfrist sowie eine saubere Rechtsgrundlage inklusive Hinweis am Gesprächsanfang. Mit Famulor konfigurieren Sie Aufbewahrung, Einwilligungsmodus und Speicherverhalten pro Account — ohne die Analyse Ihrer Gespräche aufzugeben.

Anlass für diesen Artikel: LiveKit hat am 20. August 2026 eine PII-Redaction-Funktion für seine Agent Observability vorgestellt und dabei offengelegt, warum Sprachdialoge technisch anders behandelt werden müssen als Formulardaten. Die beschriebenen Mechanismen taugen als Referenzrahmen — unabhängig davon, auf welcher Plattform Ihre Telefonagenten laufen.

Warum Sprachdialoge das schwierigste PII-Problem sind

In einem Webformular steht die Telefonnummer im Feld phone. Am Telefon steht sie nirgends. Sie entsteht über mehrere Gesprächszüge hinweg, mit Korrekturen, Buchstabierungen und Rückfragen. Genau daran scheitern klassische Verfahren.

LiveKit beschreibt drei Muster, die in Telefonaten regelmäßig auftreten und die musterbasierte Erkennung aushebeln: Menschen buchstabieren Angaben laut, sie verteilen eine Information über mehrere Turns, und sie korrigieren sich mitten im Satz. Ein regulärer Ausdruck für eine Kartennummer greift nicht, wenn die Ziffern über vier Redebeiträge verteilt und einmal zurückgenommen werden.

Ein zweites Praxisbeispiel: Die Anruferin sagt „Müller — nein, mit zwei L und Umlaut, also M wie Martha, ü, doppel-L, e, r". Ein Wörterbuch-Abgleich auf Nachnamen findet hier bestenfalls den ersten Treffer. Der ausbuchstabierte Rest bleibt im Klartext stehen — und damit in Ihrem Speicher.

Drittens: Automatische Spracherkennung liefert keine perfekt zuverlässigen Zeitstempel auf Wortebene. Wer glaubt, er könne aus einer Audioaufnahme chirurgisch einzelne Wörter herausschneiden, überschätzt die Genauigkeit gängiger STT-Modelle. LiveKit zieht daraus die konservative Konsequenz und entfernt den gesamten Gesprächszug aus der Aufnahme, statt Wortfenster zu schneiden. Im Recording ist an dieser Stelle ein leiser Ton zu hören.

Die vier Ebenen, auf denen personenbezogene Daten anfallen

Ein häufiger Fehler in Datenschutzkonzepten für KI-Telefonie: Es wird nur an das Transkript gedacht. Tatsächlich entstehen personenbezogene Daten an mindestens vier Stellen, und jede braucht eine eigene Entscheidung.

Besonders die dritte Zeile wird unterschätzt. Wenn Ihr Agent während des Gesprächs eine Funktion aufruft — etwa eine Bestandsabfrage oder eine Terminbuchung — landen die übergebenen Parameter oft ungefiltert im Log. Wie Sie Parameter sauber definieren und begrenzen, steht in der Dokumentation zu Tools und Funktionen.

Redaction-Verfahren im Vergleich

Es gibt drei gängige Ansätze, personenbezogene Daten aus Gesprächsdaten zu entfernen. Sie unterscheiden sich deutlich in Trefferquote, Aufwand und Nachvollziehbarkeit.

Die ehrliche Einordnung: LLM-basierte Schwärzung ist nicht fehlerfrei, sie neigt eher zum Überschwärzen als zum Übersehen. Für ein Compliance-Verfahren ist das die richtige Fehlerrichtung. Der praktische Kompromiss vieler Teams besteht darin, strukturierte Formate weiterhin regelbasiert zu fangen und den Gesprächskontext zusätzlich modellbasiert prüfen zu lassen.

LiveKit unterstützt in seiner Implementierung 41 PII-Typen in zehn Gruppen: Namen, Kontaktdaten, demografische Angaben, Zugangsdaten, Netzwerkkennungen, Organisationen, Finanzdaten, Ortsangaben, Kalenderdaten und amtliche Identifikatoren. Diese Gruppierung ist eine brauchbare Checkliste für Ihr eigenes Konzept, unabhängig vom Anbieter.

Was der Rechtsrahmen konkret verlangt

Datenschutz ist bei KI-Telefonie kein Nachgedanke, sondern bestimmt die Architektur. Vier Anforderungen sind für den Betrieb entscheidend.

Datenminimierung. Artikel 5 DSGVO verlangt, dass Sie nur die Daten verarbeiten, die für den Zweck erforderlich sind. Wenn Sie Gespräche auswerten, um Ihren Agenten zu verbessern, brauchen Sie den Gesprächsverlauf — nicht die Kontonummer des Anrufers. Genau das leistet Schwärzung: Sie trennt den analytisch wertvollen Teil vom rechtlich riskanten.

Speicherbegrenzung. Eine Aufbewahrungsfrist muss festgelegt, begründet und technisch durchgesetzt sein. LiveKit löscht Observability-Daten nach 30 Tagen automatisch. Ob 30, 60 oder 90 Tage für Sie passend sind, hängt von Ihrem Zweck ab — entscheidend ist, dass die Frist im Verarbeitungsverzeichnis steht und das System sie auch tatsächlich anwendet.

Transparenz am Gesprächsanfang. Der Anrufer muss erfahren, dass er mit einem KI-System spricht und ob aufgezeichnet wird. Das gehört in die Begrüßungsnachricht, nicht ins Kleingedruckte. Wie Sie diese Formulierung sauber im Prompt verankern, beschreibt die Dokumentation zum System-Prompt.

Auftragsverarbeitung und Ort der Verarbeitung. Jeder Dienst in Ihrer Kette — Telefonie, Spracherkennung, Sprachmodell, Sprachsynthese, Speicher — verarbeitet potenziell personenbezogene Daten. Sie brauchen für jeden einen Auftragsverarbeitungsvertrag und Klarheit darüber, wo verarbeitet wird. Diese Kette ist der eigentliche Grund, warum europäische Betreiber auf EU-Hosting bestehen.

Ein häufiger Irrtum: Zero Data Retention beim Modellanbieter ersetze die Schwärzung. Das stimmt nicht. Zero Data Retention bedeutet, dass der Modellanbieter Ihre Inhalte nicht dauerhaft speichert. Was in Ihrem Observability-Speicher, Ihrem CRM und Ihren Logs landet, regelt es nicht. Beides gehört zusammen, keines ersetzt das andere.

Was Observability kostet — und was sie einspart

Der wirtschaftliche Punkt wird selten sauber gerechnet. Observability ohne Datenschutzkonzept ist kein Sparmodell, sondern eine verschobene Rechnung. Drei Kostenblöcke stehen sich gegenüber.

Erstens der Betrieb. Speicher für Transkripte und Aufnahmen ist billig, die Schwärzung selbst kostet Rechenzeit. Beides bewegt sich im Bereich von Bruchteilen eines Cents pro Gesprächsminute und ist gegenüber den Telefonie- und Modellkosten vernachlässigbar. Eine Aufschlüsselung der Minutenkosten finden Sie auf der Preisseite.

Zweitens der Nutzen. Wer Gespräche auswerten kann, findet die Stellen, an denen Anrufer abbrechen, an denen der Agent falsch weiterleitet oder an denen ein Tool-Aufruf fehlschlägt. In der Praxis sind das die Prozentpunkte Abschlussquote, die über den Return eines Projekts entscheiden. Ohne Observability optimieren Sie im Dunkeln.

Drittens das Risiko. Ein Speicher voller ungeschwärzter Gesprächsdaten ist ein Auskunfts- und Löschersuchen-Problem, ein Meldeproblem bei einer Panne und im Ernstfall ein Bußgeldproblem. Die Kosten sind selten, aber unbegrenzt — genau das Profil, gegen das man sich versichert.

Rechnen Sie beides gegeneinander, bevor Sie entscheiden, ob Sie Aufzeichnung und Auswertung überhaupt aktivieren:

Umsetzung mit Famulor: Schritt für Schritt

Die folgende Reihenfolge hat sich in Einführungsprojekten bewährt. Sie brauchen dafür keine Entwicklungsressourcen.

1. Zweck festlegen. Schreiben Sie in einem Satz auf, wofür Sie Transkripte auswerten wollen — Qualitätssicherung, Prompt-Optimierung, Nachweispflichten. Ohne Zweck keine Rechtsgrundlage und keine sinnvolle Frist.
2. Aufbewahrung konfigurieren. Setzen Sie die Aufbewahrungsdauer für Aufzeichnungen und Transkripte auf den kürzesten Wert, der Ihren Zweck noch erfüllt. Automatische Löschung ist belastbarer als jeder Prozess, der auf einer Person beruht.
3. Einwilligungsmodus wählen. Legen Sie fest, ob und wie eine Einwilligung zur Aufzeichnung erhoben wird, und verankern Sie den Hinweis in der Startnachricht des Assistenten.
4. Datenfelder begrenzen. Prüfen Sie jede Funktion, die Ihr Agent während des Gesprächs aufruft, auf ihre Parameter. Übergeben Sie eine Vorgangsnummer statt eines vollständigen Datensatzes, wo immer das möglich ist.
5. Gesprächsgedächtnis steuern. Wenn Ihr Agent wiederkehrende Anrufer erkennen soll, entscheiden Sie bewusst, welche Merkmale gespeichert werden — und stellen Sie sicher, dass ein Löschersuchen den Eintrag tatsächlich entfernt.
6. Weitergabe abgrenzen. Über Integrationen und Webhooks verlassen Daten Ihre Plattform. Definieren Sie pro Ziel, welche Felder übergeben werden, statt den kompletten Gesprächsdatensatz weiterzureichen.
7. Testen statt hoffen. Führen Sie Testgespräche, in denen Sie bewusst Name, Adresse, Geburtsdatum und eine Zahlungsangabe nennen — einmal am Stück, einmal buchstabiert, einmal mit Korrektur. Prüfen Sie danach Transkript, Aufnahme und Log. Wie Sie das systematisch aufsetzen, steht unter Testing.
8. Dokumentieren. Halten Sie Zweck, Frist, beteiligte Dienste und getroffene Maßnahmen im Verarbeitungsverzeichnis fest. Der Aufwand ist einmalig, der Nutzen zeigt sich bei der ersten Prüfung.

Best Practices und typische Fehler

Schwärzen Sie vor dem Speichern, nicht danach. Wenn Klardaten erst in den Speicher wandern und später überschrieben werden, existieren sie zwischenzeitlich — in Backups, in Replikaten, in Suchindizes. LiveKit löst das über einen vorgelagerten Ingest-Dienst, der die Redaction ausführt, bevor die Artefakte in den eigentlichen Speicher gelangen. Übertragen Sie dieses Prinzip auf Ihre eigene Kette.

Behalten Sie den Kontext, entfernen Sie den Wert. Ein Transkript, in dem jede zweite Zeile fehlt, ist wertlos für die Optimierung. Ein Transkript mit Markern wie [telefonnummer] oder [adresse] bleibt lesbar und zeigt gleichzeitig, was entfernt wurde. Wer Marker typisiert, kann später sogar auswerten, an welchen Stellen im Gespräch typischerweise sensible Daten anfallen.

Trennen Sie Aufnahme und Transkript in der Entscheidung. Für viele Anwendungsfälle reicht das geschwärzte Transkript vollständig aus. Die Audiodatei enthält zusätzlich das biometrische Merkmal Stimme und ist damit die deutlich sensiblere Ressource. Fragen Sie sich pro Anwendungsfall, ob Sie die Aufnahme wirklich brauchen.

Vergessen Sie die Nebenkanäle nicht. Wenn Ihr Telefonagent Teil eines Omnichannel-Setups ist, entstehen dieselben Daten auch im Chat, im Web-Widget und in Messenger-Verläufen. Ein Konzept, das nur die Telefonie abdeckt, ist unvollständig. Das gilt besonders für Setups rund um ein KI-Callcenter mit mehreren Kanälen.

Prüfen Sie Ihre Auswertungsroutinen. Wer geschwärzte Transkripte an ein weiteres Modell zur Zusammenfassung gibt, hat eine neue Verarbeitung geschaffen. Diese gehört dokumentiert wie jede andere auch.

Der häufigste Fehler in der Praxis ist allerdings kein technischer: Teams schalten die Aufzeichnung aus Unsicherheit komplett ab, verlieren damit jede Möglichkeit zur Verbesserung und wundern sich sechs Monate später, warum die Abbruchquote unverändert hoch ist. Die Alternative ist nicht „alles speichern" gegen „nichts speichern", sondern „das Richtige speichern".

Drei Branchenbeispiele

Zahnarztpraxis mit 80 Patientenkontakten pro Tag. Am Telefon fallen Name, Geburtsdatum, Versichertennummer und häufig auch Beschwerdebilder an — also Gesundheitsdaten nach Artikel 9 DSGVO. Hier ist die richtige Einstellung meist: kein Audio-Recording, geschwärztes Transkript mit kurzer Frist, Terminbuchung über eine Funktion, die nur Vorgangsnummer und Zeitfenster überträgt. Die Praxis behält damit die Möglichkeit zu prüfen, ob der Agent Terminwünsche korrekt versteht.

Maklerbüro mit 30 aktiven Objekten und 15 Erstanfragen täglich. Hier ist die Motivation eine andere: Der Agent qualifiziert Interessenten vor. Namen, Budgetangaben und Finanzierungsstatus sind hochsensibel, das Gesprächsmuster aber ist der eigentliche Optimierungsgegenstand. Geschwärzte Transkripte reichen vollständig aus, um zu erkennen, an welcher Frage Interessenten aussteigen.

Steuerkanzlei in der Fristenzeit. Ein KI-Agent nimmt Rückrufwünsche und Unterlagenfragen an. Mandantendaten und Steuernummern gehören unter allen Umständen geschwärzt, das Berufsgeheimnis verschärft die Anforderungen zusätzlich. Gleichzeitig ist die Auswertung, welche Rückfragen sich häufen, direkt bares Geld — sie zeigt, welche Information in die Mandanteninformation gehört.

In allen drei Fällen ist die Entscheidung dieselbe: nicht ob ausgewertet wird, sondern woraus. Wer die Branchenzuschnitte vergleichen will, findet Beispiele unter Branchen.

Fazit

Datenschutz und Beobachtbarkeit stehen bei KI-Telefonie nicht im Widerspruch — sie brauchen nur die richtige Reihenfolge. Schwärzen Sie personenbezogene Daten, bevor sie gespeichert werden. Setzen Sie eine kurze, technisch erzwungene Aufbewahrungsfrist. Begrenzen Sie, was Ihre Funktionen und Webhooks nach außen geben. Und testen Sie das Ergebnis mit Gesprächen, die absichtlich buchstabieren und sich korrigieren.

Die Branchenentwicklung geht klar in diese Richtung: Anbieter liefern Redaction inzwischen als Standardfunktion statt als Zusatzprodukt. Für europäische Betreiber kommt der Ort der Verarbeitung als zweite Dimension hinzu — deshalb ist EU-Hosting bei Famulor kein Aufpreis-Feature, sondern die Grundeinstellung.

Konkreter nächster Schritt: Legen Sie einen Testassistenten an, führen Sie fünf Gespräche mit bewusst gestreuten personenbezogenen Angaben und prüfen Sie anschließend Transkript, Aufnahme und Log. Sie sehen in einer halben Stunde, wo Ihre Kette undicht ist. Starten können Sie direkt über den No-Code Voice Agent.

FAQ

Was bedeutet PII-Redaction bei KI-Telefonagenten?

PII-Redaction bezeichnet das automatische Unkenntlichmachen personenbezogener Daten in Transkripten, Audioaufnahmen und Logs eines Telefonagenten. Erkannte Angaben werden durch Platzhalter ersetzt, bevor die Daten dauerhaft gespeichert werden.

Reicht ein regulärer Ausdruck zum Schwärzen von Transkripten?

Nein. Am Telefon werden Angaben buchstabiert, über mehrere Gesprächszüge verteilt und mitten im Satz korrigiert. Musterbasierte Verfahren übersehen genau diese Fälle und sollten nur als Ergänzung zu einer kontextbasierten Erkennung dienen.

Warum wird bei Audioaufnahmen der ganze Gesprächszug entfernt?

Weil Spracherkennungsmodelle keine perfekt zuverlässigen Zeitstempel auf Wortebene liefern. Ein exakter Schnitt könnte Reste der sensiblen Angabe stehen lassen. Das Entfernen des kompletten Turns ist die sichere Variante.

Wie lange darf ich Gesprächsaufzeichnungen aufbewahren?

So lange, wie es für Ihren dokumentierten Zweck erforderlich ist. In der Praxis liegen übliche Fristen für Qualitätssicherung zwischen 30 und 90 Tagen. Entscheidend ist, dass die Frist begründet, dokumentiert und technisch automatisch durchgesetzt wird.

Ersetzt Zero Data Retention beim Modellanbieter die Schwärzung?

Nein. Zero Data Retention regelt nur, dass der Modellanbieter Inhalte nicht dauerhaft speichert. Ihre eigenen Transkripte, Logs und CRM-Einträge sind davon nicht betroffen. Beide Maßnahmen ergänzen sich.

Muss ich Anrufer darüber informieren, dass eine KI antwortet?

Ja. Der Hinweis auf das KI-System und gegebenenfalls auf eine Aufzeichnung gehört an den Anfang des Gesprächs. Verankern Sie ihn in der Startnachricht des Assistenten, nicht in nachgelagerten Dokumenten.

Kann ich Gespräche noch auswerten, wenn alles geschwärzt ist?

Ja. Geschwärzt werden nur die personenbezogenen Werte, nicht die Gesprächsstruktur. Abbruchpunkte, Fehlweiterleitungen und fehlgeschlagene Funktionsaufrufe bleiben vollständig sichtbar und auswertbar.

Was passiert bei einem Löschersuchen eines Anrufers?

Sie müssen alle Kopien entfernen — Transkript, Aufnahme, Gesprächsgedächtnis und Einträge in nachgelagerten Systemen. Genau deshalb lohnt es sich, die Weitergabe an Drittsysteme von Anfang an auf wenige Felder zu begrenzen.

Gilt das alles auch für Chat und WhatsApp?

Ja. Dieselben Anforderungen gelten für jeden Kanal, auf dem Ihr Agent mit Kunden spricht. Ein Datenschutzkonzept, das nur die Telefonie abdeckt, lässt in einem Omnichannel-Setup die Hälfte der Daten ungeregelt.