Webinar-Zusammenfassung: Wie Cars24 über 3 Millionen Minuten Verkaufsgespräche mit Voice-KI automatisiert

Cars24 betreibt produktive Voice Agents in 13 Sprachen im großen Maßstab. 

Dieser Beitrag fasst Behind the Agent: Wie Cars24 mit Voice AI mehr als 3 Millionen Minuten Verkaufsgespräche automatisiert mit Jayesh Gupta, Head of AI and Innovation bei Cars24, zusammen. Er erläuterte genau, wie Cars24 sein Voice-AI-System aufgebaut und eingesetzt hat – vom ersten einfachen Anwendungsfall bis hin zu einer Multi-Agent-Architektur, die Millionen Minuten Kundengespräche verarbeitet.

Warum Voice AI in diesem Maßstab relevant ist

Cars24 ist einer der größten Marktplätze für Gebrauchtwagen in Indien und in Indien, den VAE und Australien tätig. Das Unternehmen verkauft monatlich 4.000–4.500 Autos, führt mehr als 100.000 Inspektionen durch und ermöglicht über 22.000 Probefahrten.

Hinzu kommen Finanzierungen, Support nach der Auslieferung, Bußgeldzahlungen und Kredite auf Fahrzeuge. Allein ihr Sales Funnel erstreckt sich pro Kunde über 30 bis 45 Tage.

75 % der Käufer besitzen zum ersten Mal ein Auto. Für sie ist ein Autokauf keine Transaktion. Er ist eine finanziell bedeutende und emotional aufgeladene Entscheidung. Das heißt: 70–80 % des Cars24-Produkts sind nicht die App, sondern das Gespräch. Menschlicher, geführter und unterstützter Vertrieb in jeder Phase des Funnels.

Vor den KI-Agenten geriet das System an seine Grenzen. Kunden riefen die falschen Teams an – etwa den Vertrieb bei Support-Anliegen. Das führte zu längeren Wartezeiten und einer ineffizienten Kundenerfahrung. 

Die Wartezeiten wurden länger. In einem 30-tägigen Funnel gingen Nachfassaktionen verloren. 

Die gesamte Abwicklung – von der Lead-Qualifizierung bis zur Kreditdokumentation – war teuer und schwer skalierbar.

Heute: 

1. 25 % des gesamten Anrufvolumens sind automatisiert
2. Fast die Hälfte aller Verkäufe wird durch Voice AI unterstützt
3. Die Anrufkosten sind um 50 % gesunken

Demo 1: Der Verhandlungsagent von Cars24

Szenario: Ein Voice Agent von Cars24 ruft einen Verkäufer an, der über den Verkauf seines Autos nachdenkt, und verhandelt auf Hindi, um ihn von Cars24 statt konkurrierenden Plattformen zu überzeugen.

Gezeigt wurde:

- Der Agent führt eine vollständige Verkaufsverhandlung auf Hindi

- Er behandelt Einwände und konkurriert in Echtzeit mit anderen Plattformen

- Das Gespräch klingt natürlich, mit geringer Latenz und ohne robotische Pausen

- Der Agent überzeugt den Verkäufer noch während des Anrufs, sich für Cars24 zu entscheiden

Warum das wichtig ist: Diese Agenten verkaufen aktiv, gehen mit Unklarheiten um, entkräften Einwände und führen eine Conversion-Entscheidung herbei – alles in der Sprache, in der sich der Kunde am wohlsten fühlt. Cars24 hat festgestellt, dass die passende Sprache die Gesprächsdauer und Geschäftsergebnisse direkt steigert.

Demo 2: Multi-Agent-Orchestrierung für Cross-Selling

Szenario: Ein Kunde hat einen Inspektionstermin verpasst. Ein Qualifizierungsagent ruft an, um ihn neu zu vereinbaren, erkennt Interesse an einem Upgrade und leitet den Anruf live an einen Vertriebsagenten weiter, der das Gespräch ohne Kontextverlust fortsetzt.

Gezeigt wurde:

- Agentin 1 (Sneha) spricht den verpassten Termin an und vereinbart ihn neu

- Sneha prüft die Absicht: Möchte der Verkäufer ein Upgrade oder verkauft er aus finanziellen Gründen?

- Der Kunde signalisiert Interesse an einem Upgrade

- Sneha bietet an, an das zuständige Team weiterzuleiten, und tut dies während des Gesprächs

- Agent 2 übernimmt mit dem vollständigen Kontext und führt das Gespräch zum Kauf eines Gebrauchtwagens weiter

- Als der Kunde um einen Rückruf in einer Stunde bittet, bestätigt der Agent dies, fasst den Terminstatus zusammen und beendet den Anruf sauber

Warum das wichtig ist: Diese Demo zeigt, wie Multi-Agent-Orchestrierung in der Praxis aussieht. Jeder Agent übernimmt eine Aufgabe, der Kontext wird zwischen ihnen übergeben. Es gibt keine Wiederholungen und keine verlorenen Übergaben. Cars24 arbeitet auf eine zentrale, rund um die Uhr erreichbare Nummer hin, über die Kunden ihre gesamte Customer Journey steuern können – verkaufen, kaufen, finanzieren – ohne sich je wiederholen zu müssen.

Wie Cars24 es aufgebaut hat: technische Überlegungen

Cars24 begann mit dem einfachstmöglichen Anwendungsfall: Erinnerungen an verpasste Termine. Kurze Anrufe, binäre Ergebnisse, geringe Fehlerkosten. So konnte das Team lernen, was funktioniert, bevor es weiter skalierte.

Als das Unternehmen zu längeren, komplexeren eingehenden Anrufen wechselte – Gesprächen zur Fahrzeugauswahl, die im Schnitt 7 Minuten und manchmal bis zu 13 Minuten dauerten –, stieß es mit Einzelagenten-Architekturen an eine harte Grenze. 

Kleine Modelle verloren nach 3 bis 4 Minuten den Kontext. 

Größere Modelle erhöhten die Latenz. 

Alles in einen Prompt zu packen, machte das System fragil: Eine Änderung im Kreditprozess konnte den Kaufprozess beeinträchtigen.

Die Lösung war Multi-Agent-Orchestrierung. Das Team teilte das Gespräch in Phasen auf: 

1. Ein kleiner Qualifizierungsagent mit einem Mini-Modell erfasst die anfängliche Absicht
2. Ein größeres Modell übernimmt die Bedarfsermittlung, sobald der Kunde interessiert ist und bereit ist, etwas länger zu warten
3. Ein dritter, auf Kredite spezialisierter Agent wird nur aktiv, wenn Preis oder Finanzierung zur Sprache kommen.

Jeder Agent erledigt eine Aufgabe gut. Änderungen an einem beeinträchtigen die anderen nicht.

Der technische Stack (orchestriert mit der ElevenAgents-Plattform):

1. Speech-to-Text: ElevenLabs Scribe v2 real-time, gewählt aufgrund seiner Genauigkeit in lauten Tier-2- und Tier-3-Umgebungen über 13 Sprachen hinweg
2. Text-to-Speech: ElevenLabs Flash 2.5, kürzlich auf den ausdrucksstarken V3-Modus aktualisiert, mit messbarer Steigerung der Vertriebsleistung
3. LLM: GPT-4.1 mini für die meisten Anwendungsfälle, GPT-4o oder ein vergleichbares Modell für längere Gespräche zur Bedarfsermittlung, die tiefergehendes Schlussfolgern erfordern
4. Telefonie: WebSockets mit PCM bei 24 kHz für hohe Audioqualität; zu den Anbietern in Indien gehören Twilio, Exotel und Plivo
5. Integrationen: Individuelle API-Aufrufe an die ElevenLabs-Agents-Plattform, MCP-Unterstützung und native HubSpot-Integration für den australischen Markt
6. Vektordatenbank: Qdrant mit binärer Quantisierung für große Datensätze mit mehr als einer Million Vektoren, um Latenz und Kosten niedrig zu halten

Die Entscheidung für ElevenLabs Agents statt separat zusammengestellter STT, LLM- und TTS-Komponenten hatte einen Grund: Latenz. 

Selbst aufgebaut erhöhte die Pipeline die Latenz – auch mit denselben zugrunde liegenden Modellen – zuverlässig auf über eine Sekunde. 

Die ElevenLabs-Plattform, die Modelle und die Orchestrierungsebene gemeinsam bereitstellt, senkte sie dagegen um 30 bis 40 %. Diese Reduzierung führte direkt zu einem Anstieg der Conversions um 30 bis 40 %.

Best Practices von Cars24

1. Beginnen Sie dort, wo die Fehlerkosten am niedrigsten sind. Der erste Anwendungsfall von Cars24 waren Erinnerungen an verpasste Termine – kurz, einfach, mit geringem Risiko. Der dortige Nachweis schuf intern Glaubwürdigkeit und gab dem Team Raum zum Lernen, bevor es sich wertvolleren Teilen des Funnels widmete.

2. Setzen Sie es bei echten Kunden ein, nicht in Simulationen. Interne Tests können das Chaos echter Gespräche nicht nachbilden. Cars24 führte seine Pilotprojekte mit 10 % des Live-Traffics durch, akzeptierte den vorübergehenden Rückgang und nutzte echtes Feedback für Iterationen.

3. Legen Sie die Prompt-Länge als feste Grenze fest. Cars24 begrenzt Prompts für Anrufe unter zwei Minuten auf 4.000 bis 5.000 Token. Längere Prompts verlangsamen das Modell und verbessern die Ergebnisse nicht zuverlässig. Benötigt ein Anwendungsfall mehr, erstellen Sie einen weiteren Agenten.

4. Hinterlegen Sie häufige Antworten im Prompt, nicht in der Wissensdatenbank. Bei den häufigsten Fragen, die Kunden tatsächlich stellen, gehören die Antworten direkt in den Prompt. Nutzen Sie Tool-Aufrufe und RAG-Abrufe nur für die restlichen 20 %. Das vermeidet die meisten Latenzspitzen bei Wissensabfragen.

5. Zeichnen Sie die erste Nachricht vorab auf. ElevenLabs Agents kann die Eröffnungsnachricht vor Verbindungsaufbau generieren und cachen. Wenn die erste Nachricht zudem nicht unterbrochen werden kann, reduziert das frühe Abbrüche durch Netzwerklatenz oder vorzeitige Unterbrechungen.

6. Integrieren Sie die Bewertung in jeden Anruf. Cars24 nutzt ElevenLabs Agents Evals bei 100 % der Anrufe, um zu prüfen, ob SOPs eingehalten wurden, ob Kunden Frustration zeigten und ob etwas fehlgeschlagen ist. Fehlgeschlagene Evals lösen eine manuelle Prüfung aus. Zufallsstichproben werden täglich auditiert. Das Team handelt proaktiv statt reaktiv.

7. Skalieren Sie schrittweise. Neue Agenten werden in Stufen von 5 %, 10 %, 20 %, 50 % und 100 % ausgerollt. Nach jeder Stufe folgt eine Pause von zwei Tagen, um vor der weiteren Ausweitung stabile Eval-Metriken zu bestätigen.

8. Rufen Sie keine Kunden an, die nicht darum gebeten haben, von Ihnen zu hören. Jeder ausgehende Anruf von Cars24 geht an jemanden, der bereits im Funnel ist. Unaufgeforderte KI-Kontaktaufnahme erhöht Beschwerden und schadet dem Vertrauen. Die Leitlinie ist einfach: Wer nicht bereits aktiv ist, wird nicht angerufen.

9. Seien Sie ehrlich, wenn Kunden fragen, ob sie mit KI sprechen. Die Agents von Cars24 bestätigen auf Nachfrage, dass sie virtuelle Assistenten sind. Möchte ein Kunde mit einem Menschen sprechen, wird der Anruf sofort weitergeleitet.

10. Betrachten Sie KI-Ausgaben als Investition, nicht als Kosten. Cars24 berücksichtigt KI-Kosten inzwischen in seinen jährlichen Betriebsplänen – mit konkreten Aufträgen, die an messbare Geschäftsergebnisse gebunden sind. Jeder Einsatz muss eine reale Kennzahl verbessern.

Sehen Sie sich die vollständige Session an

Sehen Sie sich die vollständige Session hier an.