Kurzfassung
Decagon Voice 3 startete am 1. Oktober 2026 auf dem Decagon Dialogues. Es kombiniert Chord, Decagons eigenes Sprachmodell, mit einer Duplex-Architektur, die den Telefon-Agenten weitersprechen lässt, während ein zweites Modell die Abfragen erledigt. Kein öffentlicher Preis, nur per Demo.
Die Stimme ist der Aufhänger, die Architektur aber die größere Veränderung. In Decagons eigenen Live-Anrufdaten steigerte der Wechsel auf Chord die Lösungsrate bei drei Kunden um 2,6 bis 7,1 Punkte. Das ist real, und es erinnert zugleich daran, dass das Ergebnis eines Telefon-Agenten weiterhin größtenteils davon abhängt, was er sagt, nicht wie er klingt.
Wenn Sie ein großes, mehrsprachiges Telefongeschäft betreiben, gehört Voice 3 auf die Shortlist. Wenn Ihr Support größtenteils in E-Mail und Chat stattfindet, liegt der größere Hebel weiter vorn: Der KI-Helpdesk-Teammate von eesel bearbeitet Ihre Ticket-Warteschlange, einschließlich der Tickets, die Ihr Telefon-Agent übergibt, und Sie können ihn an Ihren eigenen alten Tickets testen, bevor er einen Kunden berührt.
Was Decagon tatsächlich vorgestellt hat
Decagon hat am 1. Oktober vier Dinge auf einmal veröffentlicht. Voice 3 bekam die Schlagzeilen. Es ergibt aber mehr Sinn, wenn man es neben den anderen dreien sieht.
Laut der Ankündigung zu Dialogues 2026 der Mitgründer Jesse Zhang und Ashwin Sreenivas sind die vier Releases:
- Voice 3: Chord plus eine Duplex-Architektur für natürlichere Telefonate.
- Personal Agent Gateway: Erkennung und ein eigener Kanal für persönliche KI-Agenten (Decagon nennt Instinct, Muse und dots), die im Auftrag eines Kunden bei Ihrem Unternehmen anrufen oder schreiben.
- Agent Modules: eine Grundlage, um den Agenten über den Support hinaus auf Lead-Qualifizierung, Onboarding und Forderungsmanagement auszuweiten.
- Duet Apprentice: Duet lernt aus Ihren internen Dokumenten und eskalierten Gesprächen und verfolgt dann Threads in Slack und Microsoft Teams, um Aktualisierungen von Abläufen zu entwerfen.
Ich baue bei eesel KI-Agenten, und mir fiel auf, wie sehr sich dieser Launch ums Telefon dreht. Decagon selbst nennt Voice den „unversöhnlichsten“ Kanal, und Voice 3 ist im Grunde die Antwort darauf. Wenn Sie das Unternehmen noch nicht kennen, behandeln mein Decagon-Überblick und der Decagon-Test die gesamte Plattform.
Wie die Duplex-Architektur funktioniert
Wenn ich Voice 3 evaluieren würde, würde ich hier die meiste Zeit verbringen. Sie verändert, wie sich ein Gespräch mit einem KI-Agenten anfühlt.
Die meisten KI-Voice-Agenten laufen auf dem, was Decagon eine kaskadierte Pipeline nennt. Speech-to-Text transkribiert den Anrufer, ein LLM entscheidet, was gesagt wird, dann liest Text-to-Speech die Antwort vor. Die Voice-3-Ankündigung benennt das Problem: Jede Stufe erzeugt Verzögerung, ein einfaches „mhm“ kann eine Unterbrechung auslösen, und eine lange Abfrage lässt den Anrufer in Stille zuhören.
Voice 3 teilt die Aufgabe in zwei Schichten auf, die gleichzeitig laufen:
- Ein latenzarmes Gesprächsmodell übernimmt das Zuhören und Sprechen, einschließlich kurzer Statusmeldungen.
- Ein leistungsstärkeres Modell erledigt hinter dem Gespräch das Schlussfolgern, die Tool-Aufrufe und die Guardrail-Prüfungen.
Der Agent verarbeitet also weiter eingehendes Audio, während er noch spricht. Laut dem Dialogues-Beitrag spricht er weiter, wenn der Anrufer „mhm“ sagt, gibt aber bei einer echten Unterbrechung nach, und er kann den Fortschritt kommentieren oder eine Nachfrage beantworten, während eine lange Aufgabe läuft, statt den Anrufer in die Warteschleife zu legen.
Ein kurzes Beispiel, wo das zählt. Ein Kunde ruft wegen einer doppelten Abbuchung an. Ein kaskadierter Agent sagt „Ich schaue das nach“ und schweigt dann sechs Sekunden, während er die Billing-API abfragt. Der Anrufer sagt „Hallo?“, was der Agent als Unterbrechung liest, und alles beginnt von vorn. Ein Duplex-Agent kann sagen „Ich rufe gerade Ihre letzten zwei Rechnungen auf“ und die Frage „Ist es die von Dienstag?“ beantworten, während die Abfrage fertig läuft. Das ist der Unterschied dazwischen, einem Bot einen Befehl nach dem anderen zu geben, und tatsächlich ein Gespräch mit ihm zu führen.
Decagons Voice-Produktseite listet den Rest des Werkzeugkastens auf: Umgang mit Unterbrechungen, Hunderte Stimmprofile einschließlich individuell abgestimmter, ausgehende Anrufe, Übergaben mit Zusammenfassung und Guardrails, die an Decagons Agent Operating Procedures gekoppelt sind. Wenn Sie das größere Bild möchten, wie Call-Center-Automatisierung zusammenspielt, ist dieser Beitrag eine ordentliche Einführung.
Was Chord ist und wie Decagon es gebaut hat
Chord ist das erste Sprachmodell von Decagon Labs. Der Chord-Deep-Dive von Samuel Zhang erklärt die Wette: Allgemeine Sprachmodelle sind für alles gebaut, von Hörbuchsprechern bis zu Spiele-Vertonungen, und das begrenzt, wie natürlich sie in einem Live-Support-Anruf klingen.
Einige der Entscheidungen fallen auf:
- Chaotische Trainingsdaten, mit Absicht. Die meisten Sprach-Pipelines entfernen Pausen und Füllwörter. Decagon hat sie behalten und nutzt wortgetreue Transkription, die Tempo, Betonung und Stockungen bewahrt.
- Eine Aufnahmemethode, die kein Vorlesen eines Skripts ist. Sprecher mit Skript liefern eine Performance, also entwickelte Decagon eine Methode, die Skriptinhalt mit freiem Gespräch mischt.
- Ein tokenizerfreies Diffusions-Basismodell. Die meisten Sprachmodelle zerlegen Audio in Tokens und verlieren bei jedem Schritt Details. Decagon sagt, der Verzicht auf Tokenisierung halte Chord nahezu verlustfrei und mache es leichter, Emotion, Tempo und Betonung zu steuern.
In der Praxis formt Chord Sprache Phrase für Phrase. Es wird bei einem Bestätigungscode oder einer Telefonnummer langsamer und kehrt dann zum normalen Tempo zurück, statt mit einer einzigen globalen Geschwindigkeitseinstellung zu laufen. Decagon sagt, es werde in der Produktion auf Modal betrieben und mit lizenzierten Daten und Sprechern mit Einwilligung trainiert, nie mit Daten im Besitz von Kunden.
Sprechen Sie diesen letzten Punkt früh mit Ihrem Security-Team an. Wenn Sie schon einmal ein Voice-Cloning-Review durchlaufen haben, wissen Sie, dass es die erste Frage sein wird. Es ist außerdem eine der wenigen Aussagen des Anbieters hier, die Sie direkt in ein Beschaffungsdokument übernehmen können.
Die Zahlen von Voice 3 ehrlich gelesen
Decagon hat drei Ergebnisreihen veröffentlicht. Alle drei stammen von Decagon selbst. Es sind also Anbieterdaten. Trotzdem sind sie konkreter als das, was die meisten Launch-Beiträge liefern, und einen genauen Blick wert.
Die Behauptung „90 % konnten es nicht unterscheiden“
Der Launch-Beitrag sagt, rund 90 % der Hörer hätten Chord nicht von einem echten Menschen unterscheiden können. Die Grafik darunter sagt mehr als die Schlagzeile. In einem Blindtest über drei Stimmen hielten 54,3 % den echten Menschen und 45,7 % Chord für den Menschen.
Ein perfekter Münzwurf wäre 50/50, also liegt 45,7 % nahe an „nicht unterscheidbar“. Die „90 %“-Darstellung entspricht grob 45,7 geteilt durch 50. Keine der beiden Lesarten ist falsch. Intern würde ich die 45,7 % nennen, denn diese Zahl kann Ihr Team tatsächlich nachprüfen.
Der Präferenztest
Decagon ließ Chord außerdem gegen drei andere führende Sprachmodelle mit denselben Worten antreten und fragte, welche Stimme die Hörer in einem Support-Anruf lieber hören würden. Bei 185 Hörern lag Chord mit 36,2 % vorn, vor 26,8 %, 19,9 % und 17,2 % für die anderen drei. Decagon nennt die Konkurrenten nicht, daher lässt sich das nicht direkt auf ElevenLabs oder jemand anderen übertragen.
Die Live-Anruf-Ergebnisse (die, auf die es ankommt)
Als Käufer ist das der Test, der mich am meisten interessieren würde. Decagon nahm drei Kunden aus Telekommunikation, Finanzdienstleistungen und Reisebranche, die von einer Standardstimme auf Chord wechselten, und verglich dieselben Programme vorher und nachher, wobei sich nur die Stimme änderte.
| Branche | Änderung der Lösungsrate | Änderung der Barge-Rate |
|---|---|---|
| Telekommunikation | +6,1 Punkte | -14,5 Punkte |
| Finanzdienstleistungen | +7,1 Punkte | -6,1 Punkte |
| Reise und Gastgewerbe | +2,6 Punkte | -5,3 Punkte |
Quelle: Decagons Chord-Beitrag, 1. Oktober 2026.
Die „Barge-Rate“ ist der Anteil der Anrufe, bei denen der Anrufer nur einen Menschen will und immer wieder „Mitarbeiter“ sagt, bis er einen bekommt. Ein Rückgang um 14,5 Punkte bei Telekommunikation ist viel für eine Änderung, die nur die Stimme betraf.
Zwei Einschränkungen aber. Es sind drei Kunden, und Decagon veröffentlicht die Ausgangs-Lösungsraten nicht, sodass man nicht erkennen kann, ob +7,1 für 50 % auf 57 % oder 80 % auf 87 % steht. Und der Anstieg bei Reisen ist nur ein Drittel so groß wie bei Finanzdienstleistungen, die Stimme zählt also offensichtlich bei manchen Anruftypen mehr als bei anderen.
Die Stimme ist nicht die ganze Geschichte (Decagon sagt das auch)
Das Nützlichste kommt für mich aus Decagons eigenem Blog. In einem früheren Beitrag über das Senken von Barge sagt Decagon, man habe Barge bei einem globalen Telekommunikationsanbieter bei Abrechnungsstreitigkeiten um über 15 % gesenkt, „nicht mit einem neuen Modell oder einer besseren Stimme“, sondern indem man änderte, was der Agent in den ersten Gesprächsrunden sagte. Das war eine Durchsicht echter Gespräche, umgesetzt in etwa einem Tag.
Dasselbe Unternehmen, das gerade ein eigenes Sprachmodell gebaut hat, sagt Ihnen also, dass das Skript Barge genauso bewegen kann wie die Stimme. Ich halte das für die ehrliche Lesart von Voice 3. Chord bringt Anrufer dazu zuzuhören, und das Duplex-Design hält sie in der Leitung. Ob der Anruf tatsächlich gelöst wird, hängt weiterhin von den Abläufen dahinter ab.
Diese Lektion habe ich auf der Textseite genauso gelernt. Bei eesel habe ich mehr als einmal erlebt, wie ein selbstsicher klingender KI-Agent eine glatte, falsche Antwort gab, weshalb jeder Rollout, bei dem ich helfe, vor dem Livegang an früheren Tickets simuliert wird. Eine natürliche Stimme macht eine falsche Antwort überzeugender, nicht weniger. Welchen Telefon-Agenten Sie auch wählen, testen Sie ihn an Ihren eigenen Anrufaufzeichnungen, nicht am Blindtest eines Anbieters.
Zur Einordnung, wo Voice-KI insgesamt steht: Die Höchstpunktzahl im tau-Voice-Benchmark von Artificial Analysis, der simulierte Support-Anrufe danach bewertet, ob die Aufgabe tatsächlich erledigt wird, lag Ende September 2026 bei 68,6 %. Selbst die besten Sprachmodelle verfehlen also immer noch etwa ein Drittel realistischer Support-Anrufe. Mein Leitfaden zu KI im Telefon-Support und die Frage, ob KI Support-Anrufe beantworten kann, gehen auf diese Lücke genauer ein.
Sprachen, Preise und für wen es gedacht ist
Drei praktische Fragen entscheiden, ob sich eine Demo von Voice 3 lohnt: Spricht es die Sprachen Ihrer Kunden, was kostet es, und sieht Ihr Team aus wie Decagons Kunden.
Über 70 Sprachen mit einem Agenten
Laut dem Voice-3-Beitrag unterstützt Decagon über 70 Sprachen, ohne dass pro Sprache ein eigener Agent nötig ist. Es erkennt die Sprache des Anrufers und wechselt automatisch, sogar mitten im Satz, nutzt länderspezifische Stimmen und lässt jede Sprache vor dem Start von Muttersprachlern prüfen. Deutsche Telekom ist der beim Launch genannte Kunde, und der Leiter Digital Service Communication beschreibt den Wandel unverblümt:
"Customers have been trained for years to speak in short fragments at these IVRs just to get through to a human."
Christian Niedworok, Lead of Digital Service Communication at Deutsche Telekom, via Decagon
Preise
Decagon veröffentlicht keinen Preis für Voice 3, und decagon.ai/pricing gibt einen 404-Fehler zurück. Jeder Call-to-Action lautet „Get a demo“. Decagons eigener Glossareintrag zur ergebnisbasierten Abrechnung beschreibt, dass abgerechnet wird, wenn die KI eine Aufgabe ohne menschliche Hilfe erledigt, was dem Modell entspricht, von dem Käufer berichten, aber eine Preisliste gibt es nicht. Mein Beitrag zu Decagon-Preisen sammelt, was tatsächlich bekannt ist, und die Aufschlüsselungen zu Sierra-Preisen und Parloa-Preisen zeigen dasselbe Muster mit Angeboten nur auf Anfrage im gesamten Enterprise-Segment.
Wer sich Voice 3 ansehen sollte
| Sie sind... | Meine Einschätzung |
|---|---|
| Ein Unternehmen mit hohem, mehrsprachigem Telefonaufkommen | Auf die Shortlist setzen. Chord und Duplex zielen genau auf Ihr Problem, und Decagons genannte Voice-Kunden (Deutsche Telekom, Chime) sehen aus wie Sie. |
| Bereits bei Decagon für Chat oder E-Mail | Fragen Sie nach den Live-Anruf-Zahlen für Ihren eigenen Traffic. Kanalübergreifendes Gedächtnis ist der stille Vorteil. |
| Ein mittelgroßes Team, das einen eigenen Telefon-Agenten bauen will | Schauen Sie sich Retell AI oder die anderen Plattformen in meinem Voice-Agenten-Überblick an, die Preise pro Minute veröffentlichen. |
| Ein Team, dessen Support meist aus E-Mail und Chat besteht | Voice 3 ist nicht Ihr erstes Problem. Setzen Sie KI zuerst auf die Ticket-Warteschlange. |
Wenn Sie Decagon mit Wettbewerbern vergleichen, sind die Beiträge Decagon vs. Sierra und Decagon vs. Zendesk AI sowie meine Liste von Decagon-Alternativen die naheliegenden nächsten Lektüren. Zendesk-Teams sollten sich außerdem Zendesk Voice AI Agents ansehen, bevor sie einen separaten Telefonvertrag unterschreiben.
Was nach dem Anruf passiert
Jeder Telefon-Agent gibt einige Anrufe ab. Decagons Voice-Seite sagt, Voice 3 übergebe Anrufe „with a concise summary“ an menschliche Agenten, und in den meisten Support-Teams wird diese Zusammenfassung zu einem Ticket, einem Rückruf oder einer E-Mail-Nachfassaktion. Das ist alles schriftliche Arbeit. Sie sammelt sich im Helpdesk an, egal welche Stimme der Anrufer gehört hat.
Ein eesel-Kunde sagte dem eesel-Team, seine Agenten müssten jede Voice-Interaktion von Hand zusammenfassen, bevor die KI sie nutzen könne, und dass eine Lösung seine Nutzung deutlich steigern würde. Diese Lücke zwischen Telefon und Warteschlange sollten Sie einplanen, bevor Sie sich für einen Voice-Anbieter entscheiden. Der Beitrag zu Best Practices für die Übergabe von KI-Agenten zeigt, was eine gute Übergabe enthalten muss.
eesel für die Tickets, die Ihr Telefon-Agent übergibt
eesel ist eine Plattform für KI-Teammates, und der passende Teammate ist hier der KI-Helpdesk-Teammate. Er stößt wie ein neuer Mitarbeiter zu Ihrem bestehenden Helpdesk, über die Zendesk-Integration oder Freshdesk, Gorgias, Front und andere, lernt aus Ihren früheren Tickets und Ihrem Help Center und entwirft oder sendet Antworten auf die Folgeanfragen, die ein Telefon-Agent erzeugt. Vor dem Livegang können Sie eine Simulation an Hunderten Ihrer früheren Tickets laufen lassen und sehen, wie er geantwortet hätte.
Um es klar zu sagen: eesel geht nicht ans Telefon. Zusammen mit Voice 3 oder einem anderen KI-Call-Center-Agenten übernimmt es die schriftliche Hälfte des Supports. Die Tarife beginnen mit 100 kostenlosen Credits auf der eesel-Preisseite, keine Karte nötig. Testen Sie eesel an Ihrer eigenen Ticket-Historie und sehen Sie, was es gesendet hätte.