Level AI 2026: Was es kann, wie es funktioniert und für wen es gedacht ist

Was ist Level AI?

Level AI verkauft KI an Customer-Experience-Teams, die in Contact Centern arbeiten. Die Überschrift der Startseite lautet derzeit „Full stack AI agents for the entire customer experience journey“, und das ist ein deutlicher Wandel gegenüber dem Pitch „KI-gestützte QA“, für den das Unternehmen vor ein paar Jahren bekannt war. QA bleibt der Schwerpunkt, aber heute bündelt das Unternehmen Qualität und Erkenntnisse mit Live-Assist und Automatisierung, alles als eine Plattform verkauft.

Ein paar Fakten zum Unternehmen, die Sie vor einem Vertriebsgespräch im Kopf haben sollten:

• Gründer: Ashish Nagar (Gründer und CEO) und Sumeet Khullar (Mitgründer und CTO).
• Finanzierung: Eine Series C über 39,4 Mio. $ im Juli 2024, angeführt von Adams Street Partners, brachte die Gesamtfinanzierung auf 73,1 Mio. $.
• Größenordnung: Laut Über-uns-Seite analysiert das Unternehmen pro Jahr mehr als 1 Milliarde Kundeninteraktionen bei über 100 Unternehmen.
• Branchen: Finanzdienstleistungen, Gesundheitswesen, Handel, Versicherungen, Consumer Tech und Enterprise SaaS, laut Startseite.

Das Käuferprofil lässt sich auf G2 recht deutlich erkennen: Unter den Rezensenten, die eine Unternehmensgröße angeben, sind 123 Mittelstand und 72 Großunternehmen, und nur 23 sind kleine Unternehmen. Das entspricht dem, was ich erwarten würde, denn Level AI verkauft an die Person, die die Call-Center-QA für ein paar hundert Agenten leitet, nicht an ein Fünf-Personen-Support-Team, das sich ein Postfach teilt.

So funktioniert Level AI

Die meisten KI-Kundenservice-Tools mieten ein allgemeines Modell von OpenAI oder Anthropic und bauen darum ein Produkt. Level AI vertritt das Gegenteil. Laut Plattform-Seite gehört dem Unternehmen der gesamte Stack, beginnend bei einer „owned Nvidia GPU cloud“ über eigene Modelle bis hin zu den Apps, die Ihr Team tatsächlich anklickt.

Von allen Schichten ist die Modellschicht die wichtigste. Im Juli 2026 hat Level AI Level AI Latitude vorgestellt, sieben feinabgestimmte Modelle, die jeweils für eine Aufgabe im Contact Center gebaut sind:

Bei der Effizienz lauten die Kernaussagen im Latitude-Launch-Beitrag „up to 49x“ niedrigere Betriebskosten und „4x“ geringere Latenz. Zu keiner der beiden Zahlen wird eine Vergleichsbasis genannt, deshalb lese ich sie als Richtung, nicht als Benchmark.

Warum sollte das Käufer interessieren? Der praktische Vorteil gegenüber einem Stapel einzelner Call-Center-Tools ist, dass ein Transkript alle Apps speist. Derselbe Anruf, der für die QA bewertet wird, fließt auch in die abgeleitete CSAT und den Voice-of-Customer-Themenbaum ein und landet anschließend im Coaching-Plan. Diese gemeinsame Schicht ist das eigentliche Produkt, die Apps sind eher Ansichten darauf.

Die acht Level-AI-Apps

Auf der Plattform-Seite sind acht Anwendungen aufgeführt. Die meisten Teams kaufen zuerst QA und erweitern dann, deshalb gehe ich sie ungefähr in dieser Reihenfolge durch.

Qualitätssicherung und QA-GPT

QA ist das Produkt, mit dem sich Level AI einen Namen gemacht hat. Auf der QA-Seite sagt das Unternehmen, seine QA-GPT-Engine nutze ein Modell, das „trained on your contact center data to evaluate over 90% of the standards and metrics that scorecards cover“. Sie können Ihre vorhandene QA-Scorecard mitbringen oder stattdessen mit der Bibliothek vortrainierter Fragen starten.

Als QA-Leiter würden mich diese Details tatsächlich interessieren:

• Hybride Scorecards. KI-bewertete Fragen (wurde die Identität geprüft?) und menschlich bewertete (gab es echte Empathie?) fließen in einen Score ein.
• Bedingte N/A-Logik. Ein Anruf zu einem Rechnungsstreit kann die Frage zum Verkaufsgespräch automatisch überspringen.
• Korrekturen, die zurückfließen. Widerspricht ein Prüfer der KI, wird die Korrektur genutzt, um künftige Bewertungen nachzukalibrieren, was Ihre QA-Feedback-Schleife strafft.
• Eine Sandbox. Sie können AutoQA-Raster an echten Konversationen testen, bevor sie live gehen.

Der offensichtliche Gewinn ist der Sprung bei der Abdeckung. Nach Zählung von Level AI selbst prüft manuelle QA typischerweise „around 1% to 3%“ der Interaktionen. Ein G2-Rezensent bei einem großen Händler sagte es klar:

"Our QA has migrated from 2% manual volume to nearly 100% automated volume as a direct result of using Level AI. We also have iCSAT on 100% of contacts rather than traditional CSAT on just a fraction."

Retail enterprise user, G2

Was viele übersehen, ist, wo die Zeitersparnis wirklich anfällt: nicht beim Bewerten, sondern bei Kalibrierung und Coaching. VistaPrint senkte seine Kalibrierungsabweichung laut Fallstudie von über 20 % auf 9 %. Wer schon einmal in einem Kalibrierungsmeeting saß, in dem drei Prüfer denselben Anruf mit 60, 75 und 90 bewertet haben, weiß, warum das die Zahl ist, auf die man achten sollte. Und wenn Sie das größere Bild der Call-Center-Qualitätssicherung betrachten, ist das die Lücke, die die meisten Teams unterschätzen.

Eine ehrliche Einschränkung: Level AI veröffentlicht keine numerische Genauigkeitsangabe für QA-GPT. Die eigene FAQ sagt, die Genauigkeit „depends on how well the evaluation criteria and scoring logic are configured“. Das deckt sich auch mit dem, was Rezensenten sagen (dazu unten mehr).

Conversation Intelligence und Voice of Customer

Stellen Sie sich das als die „Warum rufen Kunden an?“-Schicht vor, im Grunde die Contact-Center-Version der Auswertung von Intents und Stimmungen in einem Helpdesk. Jeden Tag ordnet das Tenor-Modell jeden Kontakt in eine Themenhierarchie ein, und Veridia leitet für jede Konversation einen CSAT-Wert ab, ob es eine Umfrage gab oder nicht. Der Gedanke ist derselbe wie bei der KI-Stimmungsanalyse, nur auf jeden Anruf angewendet und nicht auf eine Umfragestichprobe.

Das beste Beispiel ist Smartsheet. Zwischen Februar und Juli stieg die interne CSAT von 2,95 auf 3,31, ein Plus von 12 %, laut Smartsheet-Fallstudie. Das Zitat, das mir im Kopf blieb, stammt von Corinne Flanagan, Senior Manager of Enablement and Quality:

"That's been the power of Level for us. It's no longer just debating. These are facts. These are customers' words."

Corinne Flanagan, Smartsheet (case study)

Der Matratzenhersteller Purple nutzte dieselben Daten, um eine Welle von „too tall“-Beschwerden auf Lieferpartner zurückzuführen, die verstellbare Unterbauten auf die höchste Position stellten, laut Purple-Fallstudie. Eine solche Ursache taucht in einem QA-Score nie auf.

Agent Assist

Agent Assist ist der Echtzeit-Teil, also Hilfestellung im Gespräch und Wissensabfragen, dazu automatisch geschriebene Anrufnotizen. Falls Ihnen der Begriff neu ist, hier eine einfache Erklärung zu Agent Assist. Die App bündelt fünf benannte Funktionen. Dazu gehören Manager Assist (Live-Ansicht von Status und Stimmung jedes Anrufs) und AgentGPT für die Wissenssuche, außerdem Phi, ein Wissensbot, den Level AI als „ChatGPT, but trained on your knowledge base“ beschreibt.

Laut FAQ der Seite lässt sich das Widget in Salesforce, Zendesk und Five9 einbetten. Es deckt auch Compliance-Hinweise und dynamische Checklisten für Pflichtskripte ab, weshalb regulierte Teams sich dafür interessieren. Die automatischen Notizen überschneiden sich mit dem, was eigenständige Tools für Konversationszusammenfassungen leisten. Wer diese Kategorie vergleicht: Ich führe eine breitere Liste von KI-Agent-Assist-Tools.

Coaching

Die Coaching-App arbeitet nach einer Schleife aus Verwalten, Entdecken, Erstellen und Teilen. Ein QA-Prüfer markiert eine Konversation und weist sie einer Führungskraft zu, dann entwirft ein AI Worker anhand der QA-Ergebnisse und früherer Konversationen einen Coaching-Plan, samt Leistungstrends.

Terry Porter von Extra Space Storage beschrieb den Zustand davor gut: Ein Verhalten nachzubilden dauerte früher „one to two hours“, und heute geht das Team „from one example to ten“. Laut Fallstudie ist die Coaching-Vorbereitung von zwei Stunden auf etwa 30 Minuten gesunken, und das QA-Verhältnis liegt bei 110 bis 120 Agenten pro Analyst.

Beim Coaching werden die Bewertungen auch gemischter. Ein Enterprise-QA-Spezialist schrieb auf G2, die Coaching-Funktion „hasn't served us as a company very well“, und nannte die schleppende Akzeptanz als Grund. Gutes Scoring führt also nicht automatisch dazu, dass Führungskräfte anders coachen.

Bildschirmaufzeichnung

Die Bildschirmaufzeichnung koppelt das Anruf-Audio mit dem, was der Agent gerade auf dem Bildschirm tat. Sie kann bis zu vier Monitore erfassen und startet und stoppt über Anruf- oder Chat-Trigger via AWS, Twilio oder Salesforce. Für Video beansprucht sie „90%+“ Schwärzungsgenauigkeit bei Kartennummern und SSNs. Wenn die Schwärzung Ihre Hauptsorge ist: So funktioniert PII-Schwärzung in Support-Transkripten.

Ein Detail, das man im Marketing leicht übersieht: Die automatische QA-Bewertung anhand von Bildschirmdaten steht noch auf der Roadmap und ist nicht ausgeliefert. Laut Seite liefern Bildschirmaufzeichnungen vorerst visuellen Kontext für manuelle QA-Prüfungen.

AI Workers

AI Workers sind Agenten, die auf Ihren Interaktionsdaten sitzen und Analystenarbeit erledigen, etwa Recherche-Berichte und Coaching-Pläne, Produkt-Feedback-Zusammenfassungen und Teamleistungsanalysen. Level AI listet 11 davon auf und sagt, dass über 85 Unternehmen sie produktiv nutzen, mit mehr als 25.000 Worker-Läufen.

So hat Smartsheet laut AI-Workers-Seite für sein Accessibility-Team einen Voice-of-Customer-Bericht „in a couple of hours“ erstellt, ohne Transkripte durchzusehen. Wichtig ist: Diese Worker analysieren und empfehlen innerhalb von Level AI. Nichts auf der Seite beschreibt, dass sie in Ihren Helpdesk zurückschreiben oder Tickets lösen, und das ist die Aufgabe eines KI-Helpdesk-Agenten.

Virtual Agents

Virtual Agents sind das neueste Stück, und das, was Level AI in dieselbe Diskussion wie Sierra bringt. Der Virtual Agent bearbeitet Sprache und Chat in über 50 Sprachen mit einem angegebenen Latenzbudget von unter zwei Sekunden. Level AI behauptet „3x“ bessere Containment-Rate und „80%“ weniger Nachtrainingszeit, auch wenn die Seite diese Zahlen keinem genannten Kunden zuordnet. Containment ist ohnehin eine schwer greifbare Kennzahl, daher lohnt es sich zu wissen, wie man Containment misst, bevor man Anbieter vergleicht.

Zwei Designentscheidungen fallen mir auf. Erstens ein hybrider Builder, der agentische KI mit deterministischen Abläufen mischt, sodass Schritte wie „vor einer Zahlung authentifizieren“ nicht übersprungen werden können. Das Help Center von Level AI erklärt die Begründung: LLMs befolgen Anweisungen gut, können aber trotzdem Schritte auslassen. Zweitens wird der Virtual Agent mit denselben QA-Rastern bewertet wie Ihr menschliches Team. Das ist ein echter Vorteil, wenn Sie der QA von Level AI bereits vertrauen, und genau das würde ich bei jeder Bewertung eines KI-Voice-Agenten hart testen.

Wohin es geht, sieht man an den Release Notes 2026. Ausgehende Anrufe sind dabei, dazu eine Context-Handoff-Funktion (24. September), die den Kontext des Virtual Agents bei einer Übergabe an Agent Assist weitergibt, und das Q2-Release-Paket fügte obendrein eine Five9-Voice-Übergabe hinzu.

Level-AI-Integrationen und Sicherheit

Level AI verbindet sich mit den Systemen, die Contact Center ohnehin betreiben, von Dialpad bis Zendesk. Auf der Integrationsseite stehen 51 Einträge, und die Seite nennt die Liste nicht abschließend.

Die Einrichtung der Zendesk-Integration ist für Admins per Self-Service möglich. Sie wählen die Kanäle, filtern nach Tag oder Marke und importieren dann eine Stichprobe von bis zu 1.000 aktuellen Konversationen, ein Schritt von etwa 15 bis 30 Minuten. Bedenken Sie: Das ist nur die Datenverbindung und nicht der gesamte Rollout, und aus dem vollständigen Rollout stammt der G2-Durchschnitt von drei Monaten.

Sicherheit ist eine der Stärken. Die Sicherheitsseite nennt SOC 2 Type II, ISO 27001, HIPAA mit BAA, PCI DSS, HITRUST CSF und DSGVO (GDPR). Namen, Kartennummern und SSNs werden vor jeder KI-Verarbeitung geschwärzt, und Drittanbieter von KI dürfen vertraglich nicht mit Kundendaten trainieren. Die einzige Lücke, die mir aufgefallen ist: Regionen für die Datenhaltung werden nicht genannt, EU-Käufer sollten also direkt danach fragen.

Was kostet Level AI?

Level AI veröffentlicht seine Preise nicht. Es gibt keine Preisseite, und die Preisseite von G2 sagt, der Anbieter habe keine Tarife eingetragen. Man bucht also eine Demo und erhält dann ein Angebot.

Was ich stattdessen teilen kann, sind die Rezensionsdaten von G2:

Der einzige Preishinweis von Level AI selbst steht im Voice-AI-Preisleitfaden, wo das Unternehmen sagt, es berechne nach Ergebnissen statt nach Minuten. Der Leitfaden nennt Marktspannen (0,10 $ bis 0,25 $ pro Minute für typische Voice AI), aber das sind Zahlen für die Kategorie und keine Preisliste von Level AI.

Für die Budgetplanung würde ich Level AI wie andere Enterprise-Contact-Center-Plattformen wie Cresta behandeln, also als mehrere Produkte umfassenden Jahresvertrag, der pro Agent oder nach Interaktionsvolumen berechnet und mit dem Vertrieb verhandelt wird. Fragen Sie früh, welche Apps im Basisvertrag enthalten sind und welche Zusatzmodule, besonders bei Bildschirmaufzeichnung und Virtual Agents. Schon ein grobes Call-Center-ROI-Modell hilft, beim Angebot zu verhandeln.

Was Level-AI-Kunden und Rezensenten sagen

Auf G2 steht Level AI bei 4,6 von 5 aus 220 Bewertungen, 78 % davon mit fünf Sternen und ganz ohne Ein- oder Zwei-Sterne-Wertungen. (Das Badge auf der eigenen Seite zeigt 4,7 aus über 200, was mir wie ein älterer Stand aussieht.)

Die veröffentlichten Fallstudien kommen mit harten Zahlen:

Das Lob in den Rezensionen ist recht einheitlich, vor allem für die Oberfläche und die vollständige Abdeckung, und auch die Trend-Erkenntnisse kommen gut an. Die Kritik ist ebenfalls einheitlich und konzentriert sich auf die Genauigkeit der KI. In den Tag-Zählungen von G2 sind „Inaccuracy“ (17) und „Slow Performance“ (14) die häufigsten Negativpunkte. Ein Rezensent aus dem Mittelstand beschrieb das Scorecard-Problem direkt:

"AI QA scores at times are not accurate, and they need to be more tailored towards our company's score sheets."

Tarrick W., mid-market, G2

Ein weiterer Enterprise-Rezensent wies auf die Release-Qualität hin:

"Level AI has frequent updates and improvements, we frequently discover them because of bugs they cause, and have to get our account rep involved for the support ticket engineer to understand that it is not just a user issue."

Retail enterprise user, G2

Keines von beiden ist für sich ein Ausschlusskriterium. Beide deuten aber auf dasselbe hin: Level AI belohnt Teams, die Zeit ins Feintuning der Raster stecken und jemanden haben, der die Plattform betreut.

Für wen Level AI gedacht ist und wer es überspringen sollte

So würde ich es einordnen, anhand der beiden Fragen, die zählen: über welchen Kanal Ihr Volumen hereinkommt und ob Sie Menschen messen oder ihnen Arbeit abnehmen müssen.

Level AI ist eine starke Wahl, wenn:

• Sie ein Contact Center mit 100+ Agenten und viel Telefonvolumen betreiben.
• Ihr QA-Team nur wenige Prozent der Anrufe stichprobenartig prüft und Sie volle Abdeckung und Kalibrierung brauchen, mit Coaching am selben Ort.
• Sie in einer regulierten Branche arbeiten und Bildschirmaufzeichnung und Schwärzung sowie ein BAA benötigen.
• Sie einen KI-Call-Center-Agenten wollen, der nach demselben Raster bewertet wird wie Ihre Mitarbeitenden.
• Sie bereits Five9, Genesys, NICE, Talkdesk oder Amazon Connect nutzen.

Ich würde mich anderweitig umsehen, wenn:

• Ihr Volumen überwiegend aus E-Mail- und Chat-Tickets im Helpdesk besteht und der Engpass im Beantworten liegt, nicht im Bewerten.
• Sie in Tagen live sein müssen, nicht in einem Quartal, und Ihre Helpdesk-Preise schon den Großteil des Budgets verschlingen.
• Sie einen veröffentlichten Preis oder eine Self-Service-Testversion wollen. Die meisten Cresta-Alternativen in dieser Klasse bieten das auch nicht.
• Sie ein kleines Team sind. Native Tools wie Zendesk QA decken die Grundlagen ab, und ein breiterer Überblick über Support-QA-Tools ist der bessere Startpunkt.

Den Perspektivwechsel, den ich Ihnen mitgeben möchte: Eine QA-Plattform zeigt Ihnen schön, wie Ihr Team die letzte Woche gemeistert hat, aber sie automatisiert die Arbeit nicht selbst. Ein CX-Leiter einer Nahrungsergänzungsmarke mit rund 7.000 Gorgias-Tickets im Monat sagte in einem Gespräch mit eesel etwas, das mich nicht loslässt:

"The customer doesn't want to wait for me to do my monthly report"

Wenn Sie an diesem Punkt sind, ist Messen das zweite Problem und das Leeren der Warteschlange das erste. Für später gibt es auch einen Überblick über Support-QA. Sobald die Warteschlange unter Kontrolle ist, können Sie mehr über Support-QA mit KI lesen oder sich ansehen, wie Cresta dasselbe Contact-Center-Problem angeht.

eesel für Ihre Ticket-Warteschlange testen

Wenn Ihr Support auf Zendesk, Freshdesk oder Gorgias läuft, steigt ein eesel-KI-Helpdesk-Teammitglied in die vorhandene Warteschlange ein und erledigt die eigentliche Arbeit: Antworten entwerfen oder senden und Tickets klassifizieren, dann weiterleiten und übergeben, was es nicht anfassen sollte. Es lernt aus Ihrem Help Center und Ihren Makros, ebenso aus Ihren früheren Tickets. Vor dem Livegang testet der Simulations-Skill die Antworten an Hunderten Ihrer früheren Tickets. Ich habe gesehen, wie selbstsicher klingende Bots falsche Antworten geben, und dieser Schritt fängt das ab.

Ehrlich gesagt, wo es aufhört: eesel nimmt keine Telefonanrufe entgegen und ist daher kein Ersatz für den Voice-Stack von Level AI. Für Ticket- und Chat-Warteschlangen können Sie aber noch am selben Nachmittag live sein. Die Preise beginnen mit einem kostenlosen Plan mit 100 Credits, und bezahlte Pläne starten bei 299 $ im Monat für 500 Tickets oder Chats, mit unbegrenzten Plätzen. eesel testen.