Voice AI selbst hosten: Warum DSGVO der falsche Test ist (NIS2 ist der echte)
Letzte Woche, Mittwochnachmittag, ein Mittelständler aus dem Maschinenbau. Der Head of IT klickt im Anbieter-Dashboard auf “EU region” und sieht das Häkchen für DSGVO-Konformität. Der Auftragsverarbeitungsvertrag liegt unterschrieben in der Schublade. Der Vorstand bekommt einen grünen Punkt im Compliance-Reporting.
Sechs Wochen später kommt die erste Aufsichtsmeldung unter NIS2 §29: Frühwarnung binnen 24 Stunden. Der Voice-Anbieter hat in der Nacht einen US-Subprocessor gewechselt. Sie wissen das nicht. Der grüne Punkt war nicht der Test, den Sie dachten.
Was DSGVO prüft — und was nicht
Die DSGVO prüft Verträge: einen Auftragsverarbeitungsvertrag nach Art. 28 und technisch-organisatorische Maßnahmen nach Art. 32. Beide setzt ein hosted Voice-Anbieter per Checkbox um. NIS2 §30 prüft etwas anderes — nachweisbare Kontrolle über die Lieferkette, einschließlich Subprocessor-Wechsel, Routing-Pfaden und Modellversionen. Das deckt kein AVV ab.
NIS2 prüft Datenflüsse. Konkret §30 Abs. 1: die Geschäftsleitung verantwortet die Risikomanagement-Maßnahmen wesentlicher oder wichtiger Einrichtungen. Die Sätze danach sind unmissverständlich. Vorstand und Geschäftsführer haften persönlich. Nicht für Versäumnisse des Anbieters — für Ihre eigene Unfähigkeit, dessen Lieferkette zu prüfen.
Bei einem hosted Voice-SaaS prüfen Sie strukturell nichts. Sie verlassen sich auf einen Subprocessor-Anhang, der sich monatlich ändert. Modellwechsel passieren stillschweigend. Ein Routing-Wechsel auf einen neuen US-Edge-Knoten erscheint nicht im Dashboard. Datenresidenz steht im Vertrag, in den Logs steht etwas anderes.
Welche Architektur überlebt den Tag, an dem Sie wechseln müssen?
NIS2 verlangt nicht Self-Hosting. NIS2 verlangt nachweisbare Lieferketten-Kontrolle. Das gilt für Parloa und Cognigy genauso wie für Vapi und Retell — kein Hosted-Anbieter liefert die folgenden drei Eigenschaften strukturell:
- Subprocessor-Kontrolle vorab. Sie müssen Änderungen blockieren können — nicht nachträglich notifiziert werden.
- Daten-Routing-Beweis. Sie müssen zeigen, welcher Audiostream wann durch welches Rechenzentrum lief. Nicht: welche Region im Dashboard ausgewählt war.
- Modell-Versionsstand. Sie müssen einfrieren können, welches STT-, LLM- und TTS-Modell auf einen bestimmten Anruf angewendet wurde. Für jeden Audit.
Hosted SaaS erfüllt keinen dieser drei Punkte. Auch nicht, wenn der Anbieter EU-Region anbietet.
Was eine Self-Hosted-Bereitstellung tatsächlich liefert
Im April habe ich für einen Kunden eine produktionsreife Self-Hosted-Variante gebaut. Erste Validierungsumgebung auf STACKIT (DE-Frankfurt), Dual-GPU-Architektur (NVIDIA L40S für ASR + LLM, NVIDIA L4 für TTS unter 200 ms), 300-GB-Persistent-Volume. Lokale STT-, LLM- und TTS-Inferenz hinter OpenAI-kompatiblen Endpunkten. Latenz (warm), kombiniert: 0,3 Sekunden.
Das ist nicht das interessante Detail. Das interessante Detail ist: Diese Kombination ist mittlerweile der DACH-Industriestandard für mehrsprachige Voice-AI (Schweizerdeutsch, österreichisches Bairisch). Migration aus STACKIT in eine kundeneigene VPC oder zu PlusServer braucht nicht sechs Wochen Anbietersuche, sondern 48 Stunden Re-Deployment, weil das gesamte Setup als Runbook existiert. Die Endpunkte sind identisch, der Anbieter ist austauschbar.
Bauplan und Messungen stehen in der Case Study.
Der Fachkräftemangel-Einwand
“Wir haben kein internes Team für GPU-Betrieb.” Stimmt für die meisten DACH-Mittelständler. Aber zwei FTE für KI-Infrastruktur sind in fast jedem Unternehmen mit fünf laufenden KI-Initiativen ohnehin geplant. Die Frage ist nicht, ob Sie sie einstellen. Die Frage ist, ob Sie sie für eine Sprach-Schnittstelle einsetzen oder für vier andere Projekte, die später dieselben Lieferketten-Fragen aufwerfen.
Self-Hosting konzentriert die Kontroll-Anforderungen an einer Stelle. Das ist günstiger als sie auf fünf SaaS-Verträge zu verteilen, in denen jeder Subprocessor-Anhang separat geprüft werden muss.
Was Sie morgen prüfen sollten
Schauen Sie nicht in den DSGVO-Vertrag Ihres Voice-Anbieters. Schauen Sie auf den Tag, an dem Sie wechseln müssen.
Wie lange dauert die Migration? Wie viele Subprocessor-Änderungen seit Vertragsunterzeichnung hat Ihr Anbieter Ihnen vorab gemeldet? Wenn die Antwort “keine” ist, prüfen Sie nicht den Anbieter. Prüfen Sie Ihre eigene Wechselfähigkeit.
Die Audit-Checkliste, die ich Procurement und Compliance-Verantwortlichen in DACH-Unternehmen in die Hand gebe, finden Sie hier. Eine Seite. Keine Anmeldung. Weiterleitbar im Slack-Kanal oder als Anhang an die nächste Vorstandssitzung.
Den direkten Anbieter-Vergleich Vapi vs Retell vs Parloa vs Cognigy vs Dograh — mit NIS2-Score und Kosten-Matrix — habe ich als separates Guide zusammengestellt.
Ihre Agenten antworten aus dem, was die Suche gerade findet, und oft ist das der Stand vom letzten Quartal. Ich baue die Kontextschicht, aus der sie antworten und handeln: einen temporalen Wissensgraphen, der jeden Fakt mit Quelle und Gültigkeitszeitraum hält, mit den Rechten der jeweiligen Person liest und nichts ohne Freigabe einer Person schreibt. Auf Ihrem eigenen Tenant, nach Stunden abgerechnet, Schritt für Schritt.