LiveKit
im Test.

Ein Telefon-Bot, der Anrufe annimmt und Termine vereinbart, sieht von außen wie ein einziges Programm aus. Dahinter arbeiten 3 getrennte Systeme in Echtzeit zusammen, die Spracherkennung, das Sprachmodell und die Sprachausgabe. Zieht sich die Antwort über eine Sekunde, hört der Anrufer die Verzögerung sofort. LiveKit liefert den Unterbau dafür, also die Echtzeit-Übertragung über WebRTC, die Kopplung der 3 Bausteine untereinander und den Telefonanschluss.

Wichtigste Funktionen

• Agents 1.6: Ein Python- oder Node.js-Programm tritt als vollwertiger Teilnehmer in den Echtzeit-Raum ein und steuert dort Spracherkennung, Sprachmodell und Sprachausgabe. Version 1.6 vom 11.06.2026 hat asynchrone Werkzeugaufrufe gebracht, der Agent spricht also weiter, während im Hintergrund eine Buchung oder eine Datenbankabfrage läuft. Die Bausteine sind frei wählbar, lokale Modelle eingeschlossen.
• Gesprächsende-Erkennung v1: Seit Juni 2026 wertet ein eigenes Modell das Audiosignal direkt aus, ohne auf das fertige Transkript zu warten, und erkennt in 14 Sprachen einschließlich Deutsch, wann der Mensch ausgesprochen hat. Die schlanke Variante v1-mini läuft lokal auf der CPU und ist auch außerhalb der LiveKit-Cloud kostenlos.
• MCP-Anbindung: Über das Model Context Protocol greift der Sprach-Agent auf externe Werkzeuge und Datenquellen zu, etwa auf einen Kalender oder ein Ticketsystem, sofern dafür ein MCP-Server bereitsteht.
• Telefonie über SIP: Der Agent nimmt Anrufe entgegen und ruft selbst heraus, angebunden über SIP, den Standard für Telefonie über das Internet. Rufnummern verkauft LiveKit nur für die USA, deutsche Anschlüsse bindest du über einen eigenen SIP-Anbieter an, getestet sind unter anderem Twilio, Telnyx und Plivo.
• Agent Builder: Im Browser stellst du Anweisung, Modelle, HTTP-Werkzeuge und Rufnummer zusammen, sprichst den Agenten zum Test direkt an und lädst anschließend den fertigen Python-Code herunter. Abläufe, Übergaben zwischen Agenten, Avatare und die Testwerkzeuge des vollen SDK fehlen in dieser Oberfläche.
• LiveKit Inference: Ein Zugang genügt für Modelle von Deepgram, AssemblyAI, Cartesia, ElevenLabs, OpenAI, Google und xAI, ohne bei jedem Anbieter ein eigenes Konto anzulegen. LiveKit sagt für diesen Weg zu, dass Eingaben, Audio und Antworten weder gespeichert noch für Modelltraining genutzt werden.

Preise und Tarife

LiveKit hat 4 Tarife. Build kostet nichts und verlangt keine Kreditkarte, enthalten sind 1.000 Agenten-Minuten, 5.000 WebRTC-Teilnehmerminuten, 50 GB Datenübertragung, eine US-Rufnummer, 50 eingehende Telefonminuten und ein Modell-Guthaben von 2,15 Euro (2,50 USD), das für etwa 50 Gesprächsminuten reicht. Ship beginnt bei 43 Euro im Monat (50 USD) und hebt die Kontingente auf 5.000 Agenten-Minuten, 150.000 WebRTC-Minuten und 250 GB an, dazu kommen E-Mail-Support und 4,30 Euro Modell-Guthaben.

Scale ab 430 Euro im Monat (500 USD) bringt 50.000 Agenten-Minuten, 1,5 Millionen WebRTC-Minuten, 3 TB Datenübertragung, rollenbasierte Rechtevergabe, SOC-2-Type-II-Berichte und die feste Zuweisung an eine Region. Enterprise wird einzeln verhandelt, mit Mengenrabatten, zentraler Anmeldung über SSO, einem HIPAA-Vertrag für US-Gesundheitsdaten und Betrieb im eigenen Rechenzentrum.

Über die enthaltenen Minuten hinaus kostet jede Agenten-Minute 0,86 Cent (0,01 USD). Die Modelle rechnet LiveKit getrennt ab, Spracherkennung mit Deepgram Nova-3 zum Beispiel 0,41 Cent je Minute (0,0048 USD), Sprachausgabe mit Cartesia Sonic 3 rund 43 Euro je Million Zeichen (50 USD). Wer selbst hostet, zahlt keine Lizenzgebühr, dafür Server, Bandbreite und die Rechnungen der Modell-Anbieter. LiveKit rechnet in US-Dollar ab, alle genannten Beträge sind Nettopreise, die Umsatzsteuer kommt auf der Rechnung dazu.

Für wen ist LiveKit geeignet?

• Entwicklerteams mit einem Sprachprojekt: Wer einen Telefon-Bot für Kundenanfragen oder einen sprachgesteuerten Assistenten für interne Abläufe bauen will, bekommt Echtzeit-Übertragung, Telefonie und die Anbindung der Modelle aus einem Baukasten.
• Unternehmen mit strengen Datenschutzvorgaben: Beim Selbstbetrieb verarbeitet LiveKit Audio und Video vollständig auf eurer eigenen Hardware. Das gilt allerdings nur, solange auch Spracherkennung und Sprachausgabe lokal laufen, sonst geht das Gesprächsaudio an den jeweiligen Modell-Anbieter.
• Serviceteams mit hohem Telefonaufkommen: Über die SIP-Anbindung qualifiziert der Agent Anrufe vor oder vereinbart Termine, ein deutscher Anschluss kommt von einem SIP-Anbieter wie Telnyx dazu. Für die Übergabe an nachgelagerte Systeme bindest du LiveKit an n8n an.

DSGVO und Datenschutz

LiveKit Incorporated sitzt in San Jose, Kalifornien, die Verträge laufen nach kalifornischem Recht mit Schiedsverfahren in Santa Clara County. Die LiveKit-Cloud selbst läuft auf Infrastruktur von Google und Oracle. Einen Auftragsverarbeitungsvertrag nach Artikel 28 DSGVO und die Liste der Unterauftragnehmer stellt LiveKit öffentlich ins Netz, für den Datentransfer beruft sich das Unternehmen zuerst auf das EU-US Data Privacy Framework und ersatzweise auf die Standardvertragsklauseln. SOC 2 Type II ist auditiert, ISO 27001 ist in Arbeit.

Rechenzentren in Deutschland oder Frankreich weist LiveKit auf Wunsch fest zu, das gibt es aber erst ab dem Scale-Tarif für 430 Euro im Monat. Abschnitt 2.5 des Auftragsverarbeitungsvertrags nimmt Beobachtungsdaten, einen Teil der Inferenzdaten und Telefonie-Metadaten von dieser Zuweisung aus.

Wir führen den Eintrag deshalb als nicht DSGVO-konform. Die Cloud gehört einem US-Unternehmen, die europäische Datenhaltung hängt am teuersten Standardtarif und deckt nicht alles ab.

Beim Betrieb auf eurer eigenen Hardware brauchst du kein Konto bei LiveKit und schließt mit dem Anbieter auch keinen Auftragsverarbeitungsvertrag. Die Apache-2.0-Lizenz erlaubt die kommerzielle Nutzung ohne Auflagen. Für datenschutzsensible Anwendungen ist das die richtige Wahl, solange du die Modelle für Spracherkennung und Sprachausgabe ebenfalls im eigenen Unternehmen betreibst.

Alternativen zu LiveKit

• Pipecat: Ebenfalls quelloffen und auf Sprach-Agenten ausgelegt, unter BSD-Lizenz. Pipecat kann LiveKit als Transportschicht nutzen oder allein laufen, hat dafür weniger Betriebswerkzeuge und keine eigene Telefonie-Plattform im Rücken.
• Vapi: Fertige Plattform für Sprach-Agenten, deren Kern nicht offenliegt. Schneller startklar als LiveKit, dafür monatliche Fixkosten und kein Betrieb auf eurer eigenen Hardware.
• OpenAI Realtime API: Sprache zu Sprache direkt über die GPT-Modelle, mit wenig Integrationsaufwand. Läuft ausschließlich in der Cloud von OpenAI mit Datenstandort USA und ist kaum anpassbar.