Sprich mit dem Agenten
Das ist ein echter Sprach-Loop, keine Aufnahme: dein Mikrofon geht an Deepgram, ein Modell bei OpenRouter formt die Antwort und die erfassten Felder, ElevenLabs spricht sie. Der Agent führt den Ablauf des echten Notdiensts: KI-Offenlegung im ersten Satz, Einwilligung vor der ersten Angabe, dann Erfassung, Notdienst-Slot und Übergabe. Alle Daten sind erfunden, Wärme & Wasser Krüger GmbH ist ein fiktiver Betrieb, und nichts wird gespeichert.
Sprich mit dem Notdienst-Agenten. Er begrüßt dich zuerst, dann hältst du den Knopf, sprichst und lässt los.
Was darunter läuft
Push-to-talk, ein Turn nach dem anderen. Kein Telefon, kein WebRTC. Ein Browser-Aufruf pro Turn an eine Cloudflare Pages Function auf derselben Origin, die die drei Anbieter hintereinander schaltet. Die Provider-Keys liegen als Pages-Secrets, nie im Client.
| Schritt | Womit |
|---|---|
| Sprache erkennen (STT) | Deepgram nova-2, Deutsch |
| Antwort + Feld-Extraktion (LLM) | OpenRouter, JSON-Modus |
| Antwort sprechen (TTS) | ElevenLabs eleven_flash_v2_5, de |
| Orchestrierung | eine Cloudflare Pages Function, gleiche Origin |
Grenzen
- Turn-based, kein Barge-in. Du sprichst, lässt los, der Agent antwortet. Ein echtes Voll-Duplex-Gespräch, in das man reinredet, ist ein späteres Increment.
- Es braucht Mikrofon-Erlaubnis und einen Browser mit `MediaRecorder`. Die Demo ist pro Sitzung und pro Tag gedeckelt, damit sie keine Rechnung hochtreibt.
- Der DSGVO-Ablauf im Dialog (KI-Offenlegung, Einwilligung vor der ersten Angabe) ist als Gesprächsführung modelliert. Er ersetzt für einen echten Einsatz weder AVV noch Rechtsgrundlage noch Löschkonzept.
- Kein zahlender Kunde, kein Kundenbetrieb, kein echtes Telefon. Alle Namen und Nummern sind erfunden, nichts wird gespeichert. Was hier läuft, läuft im eigenen Labor.