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

Cars24 setzt Sprachagenten produktiv und skalierbar in 13 Sprachen ein. 

Dieser Beitrag fasst Behind the Agent: Wie Cars24 mit Voice AI über 3 Millionen Minuten an Verkaufsgesprächen automatisiert zusammen. Darin erklärt Jayesh Gupta, Head of AI and Innovation bei Cars24, wie das Unternehmen sein Voice-AI-System aufgebaut und eingesetzt hat – vom ersten einfachen Anwendungsfall bis zu einer Multi-Agenten-Architektur für Millionen Minuten an Kundengesprächen.

Warum Voice AI in diesem Umfang relevant ist

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

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

75 % der Käufer besitzen zum ersten Mal ein Auto. Für sie ist der Autokauf keine Transaktion. Es ist eine finanziell bedeutende und emotional aufgeladene Entscheidung. Daher bestehen 70 bis 80 % des Cars24-Produkts nicht aus der App, sondern aus dem Gespräch: persönlicher, geführter und unterstützter Vertrieb in jeder Phase des Funnels.

Vor den KI-Agenten wurde das System immer langsamer. Kunden riefen die falschen Teams an – etwa den Vertrieb bei Supportanliegen. Das führte zu längeren Wartezeiten und einer ineffizienten Kundenerfahrung. 

Die Wartezeiten stiegen. In einem 30-tägigen Funnel wurden Nachfassaktionen versäumt. 

Vom Qualifizieren von Leads bis zur Kreditdokumentation war der Betrieb 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 Sprachagent von Cars24 ruft einen Verkäufer an, der erwägt, sein Auto zu verkaufen, und verhandelt auf Hindi, um ihn von Cars24 gegenüber konkurrierenden Plattformen zu überzeugen.

Gezeigt wurde:

- Der Agent führt eine vollständige Verkaufsverhandlung auf Hindi

- Er behandelt Einwände und tritt in Echtzeit gegen andere Plattformen an

- 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 relevant ist: Diese Agenten übernehmen aktiven Vertrieb, gehen mit Unklarheiten um, reagieren auf Einwände und führen zu einer Conversion-Entscheidung – und das alles in der Sprache, in der sich der Kunde am wohlsten fühlt. Cars24 hat festgestellt, dass die passende Sprache die Gesprächsdauer und die Geschäftsergebnisse direkt verbessert.

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

Szenario: Ein Kunde hat einen Inspektionstermin verpasst. Ein Qualifizierungsagent ruft an, um den Termin neu zu vereinbaren, erkennt die Absicht eines Fahrzeugwechsels und leitet das Gespräch live an einen Vertriebsagenten weiter, der es ohne Kontextverlust fortführt.

Gezeigt wurde:

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

- Sneha erfragt die Absicht: Möchte der Verkäufer sein Fahrzeug wechseln oder aus finanziellen Gründen verkaufen?

- Der Kunde signalisiert die Absicht, sein Fahrzeug zu wechseln

- Sneha bietet an, an das passende Team weiterzuleiten, und tut dies mitten im Gespräch

- Agent 2 übernimmt mit vollständigem Kontext und führt das Gespräch auf einen Gebrauchtwagenkauf hin weiter

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

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

So hat Cars24 das System aufgebaut: technische Überlegungen

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

Bei längeren, komplexeren eingehenden Anrufen – Gesprächen zur Fahrzeugfindung, die durchschnittlich 7 Minuten und manchmal bis zu 13 Minuten dauern – stießen sie mit Einzelagenten-Architekturen an eine harte Grenze. 

Kleine Modelle verloren nach 3 bis 4 Minuten den Kontext. 

Größere Modelle führten zu Latenz. 

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

Die Lösung war Multi-Agenten-Orchestrierung. Sie unterteilten das Gespräch in Phasen: 

1. Ein kleiner Qualifizierungsagent mit einem Mini-Modell erfasst die erste Absicht
2. Ein größeres Modell übernimmt die Fahrzeugfindung, 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 Echtzeit-Spracherkennung, ausgewählt wegen seiner Genauigkeit in lauten Tier-2- und Tier-3-Umgebungen in 13 Sprachen
2. Text-to-Speech: ElevenLabs Flash 2.5, kürzlich auf den expressiven Modus V3 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 Fahrzeugfindung, die tieferes Schlussfolgern erfordern
4. Telefonie: WebSockets mit PCM bei 24 kHz für 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 gering zu halten

Die Entscheidung für ElevenLabs Agents statt separater STT, LLM- und TTS-Komponenten fiel aus einem Grund: Latenz. 

Der eigene Aufbau der Pipeline führte selbst mit denselben zugrunde liegenden Modellen durchgängig zu einer Latenz von über einer Sekunde. 

Die ElevenLabs-Plattform, die sowohl die Modelle als auch die Orchestrierungsebene verantwortet, senkte diese um 30 bis 40 %. Diese Reduktion führte direkt zu einem Anstieg der Conversions um 30 bis 40 %.

Best Practices von Cars24

1. Beginnen Sie dort, wo Fehler am wenigsten kosten. Der erste Anwendungsfall von Cars24 waren Erinnerungen an verpasste Termine – kurz, einfach, risikoarm. Der dortige Nachweis schuf intern Vertrauen und gab dem Team Raum zum Lernen, bevor es Bereiche des Funnels mit höherem Wert anging.

2. Setzen Sie es mit echten Kunden ein, nicht in Simulationen. Interne Tests können das Chaos echter Gespräche nicht abbilden. 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 harte 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. Braucht ein Anwendungsfall mehr, bauen Sie einen weiteren Agenten.

4. Halten Sie häufige Antworten im Prompt, nicht in der Wissensdatenbank. Bei den häufigsten Fragen von Kunden gehören die Antworten direkt in den Prompt. Reservieren Sie Tool-Aufrufe und RAG-Abrufe für die übrigen 20 %. Das verhindert die meisten Latenzspitzen bei Wissensabfragen.

5. Zeichnen Sie die erste Nachricht vorab auf. ElevenLabs Agents kann die Begrüßungsnachricht vor dem Verbindungsaufbau generieren und zwischenspeichern. In Kombination damit, dass die erste Nachricht nicht unterbrochen werden kann, verringert dies frühzeitige Abbrüche durch Netzwerklatenz oder vorzeitige Unterbrechungen.

6. Integrieren Sie Evaluierungen in jeden Anruf. Cars24 nutzt ElevenLabs Agents Evals bei 100 % der Anrufe, um zu prüfen, ob SOPs eingehalten wurden, ob der Kunde Frustration zeigte und ob etwas fehlgeschlagen ist. Fehlgeschlagene Evaluierungen lösen eine manuelle Prüfung aus. Zufallsstichproben werden täglich auditiert. So bleibt das Team proaktiv statt reaktiv.

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

8. Rufen Sie keine Kunden an, die nicht um eine Kontaktaufnahme gebeten haben. Jeder ausgehende Anruf von Cars24 geht an jemanden, der bereits in den Funnel eingetreten ist. Unaufgeforderte KI-Kontaktaufnahme erhöht Beschwerden und schadet dem Vertrauen. Die Leitplanke ist einfach: Wer nicht bereits eingebunden ist, wird nicht angerufen.

9. Seien Sie ehrlich, wenn Kunden fragen, ob sie mit KI sprechen. Cars24-Agenten bestätigen auf Nachfrage, dass sie virtuelle Assistenten sind. Wünscht ein Kunde einen Menschen, wird das Gespräch sofort weitergeleitet.

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

Sehen Sie sich die vollständige Session an

Sehen Sie sich die vollständige Session hier an.