dograh

Einen Voice-Agenten zu bauen, der ein Telefongespräch führen, einen Lead qualifizieren oder Anrufer weiterleiten kann, hieß bisher entweder Audio-Pipeline-Code auf niedriger Ebene zu schreiben oder eine Managed-Plattform wie Vapi oder Retell zu mieten. Der Managed-Weg ist schnell, bindet einen aber an Pro-Minute-Gebühren zusätzlich zu den Modellkosten, und die Anrufdaten samt Transkripten liegen auf fremder Infrastruktur. dograh von dograh-hq ist eine quelloffene, selbst hostbare Plattform zum Bauen produktiver Voice-Agents für ein- und ausgehende Anrufe und positioniert sich ausdrücklich als selbst gehostete Alternative zu Vapi und Retell. Die Kernidee ist ein visueller Drag-and-drop-Workflow-Builder, sodass das Entwerfen der Gesprächslogik kein Code-First-Framework verlangt, während Deployment, Daten und die darunterliegenden Modellanbieter unter eigener Kontrolle bleiben.

Technisch baut dograh auf Pipecat auf, der quelloffenen Echtzeit-Voice-Pipeline, die es in einen Workflow-Editor und eine Betriebsschicht hüllt. Das Design folgt einem Bring-your-own-keys-Modell: dograh bringt keine eigene Sprach- oder Sprachmodell-Engine mit, sondern orchestriert die LLM-, Speech-to-Text- und Text-to-Speech-Anbieter, die man einbindet, egal ob gehostete API oder lokales Modell. Unterstützt werden sowohl die klassische STT-LLM-TTS-Kette als auch Speech-to-Speech-Setups. Die Telefonie läuft über Integrationen mit Twilio, Vonage, Telnyx und Cloudonix für echte ein- und ausgehende Anrufe samt Übergabe an menschliche Agenten. Zwei Dinge heben es vom üblichen Framework ab: ein QA-Node zur Prüfung der Prompt-Qualität innerhalb eines Flows sowie ein Test Mode mit Web-Calls im Dashboard, damit man mit dem Bot sprechen kann, bevor Rufnummern angebunden werden. Zudem ist es MCP-nativ, sodass Agenten externe Tools aufrufen können.

dograh richtet sich an Teams, die Voice-Agents im Produktivbetrieb skalieren, dabei aber Datenkontrolle und die Freiheit behalten wollen, Anbieter zu wechseln, wenn sich Kosten und Qualität verschieben. Am klarsten passt es zu regulierten oder datensensiblen Anwendungen: Lead-Qualifizierung, Terminannahme, Versicherungs- oder Schadensvorprüfung, Service-Triage und ausgehende Follow-up-Kampagnen, bei denen Transkripte die eigene Infrastruktur nicht verlassen dürfen. Da es BYOK und selbst gehostet ist, eignet es sich für Organisationen, die Modellanbieter ohnehin direkt bezahlen und keine zusätzliche Pro-Minute-Marge obendrauf zahlen wollen. Der visuelle Builder senkt die Hürde so weit, dass eine Produkt- oder Operations-Person die Gesprächslogik formen kann, während Engineers Deployment und Anbieter-Keys verantworten. Python- und Node.js-SDKs sowie eine Managed-Cloud-Option unter app.dograh.com gibt es für Teams, die ohne eigenen Stack starten wollen.

Die ehrlichen Vorbehalte sind real. dograh setzt ein Docker-Setup voraus, und Hardware-Anforderungen sind nicht dokumentiert, sodass die Kapazitätsplanung für gleichzeitige Anrufe selbst dimensioniert und per Lasttest geprüft werden muss. Da es keine eigene Engine mitbringt, hängen Sprachqualität, Latenz und Gesprächszuverlässigkeit vollständig von den LLM-, STT- und TTS-Keys ab, die man bereitstellt, und die Validierung, ob ein Agent in echten Anrufen sicher agiert, liegt bei einem selbst. Das Projekt gibt an, derzeit auf Englisch fokussiert zu sein, weitere Sprachen werden als erweiterbar, nicht als fertig beschrieben. Telemetrie ist standardmäßig aktiv und muss über eine Umgebungsvariable abgeschaltet werden. Als schnell bewegtes Projekt, das auf Pipecat als Submodul aufsetzt, übernimmt man zudem die Pflege einer sich verändernden Abhängigkeit, und die BSD-2-Clause-Lizenz ist zwar freizügig offen, bietet aber keine Gewährleistung für Produktionsvorfälle.

Gegenüber Vapi und Retell tauscht dograh Politur und eine voll gemanagte Laufzeitumgebung gegen Eigentum: Man gibt den Komfort einer gehosteten Control Plane auf und gewinnt Quellzugriff, Datenresidenz und Freiheit von Pro-Minute-Plattformgebühren. Für Teams, die Docker betreiben können, eigene Modell-Keys besitzen und Wert darauf legen, wo Anrufdaten liegen, ist es eine glaubwürdige selbst gehostete Basis, zumal QA-Node, Test Mode und Telefonie-Integrationen den Abstand zu einem schlüsselfertigen Produkt verkleinern. Zu früh ist es, wenn man Plug-and-play ohne eigene Keys erwartet, heute breite Mehrsprachigkeit braucht oder den operativen Aufwand für Lasttests und Zuverlässigkeitsprüfung scheut. Pilotieren Sie es an einem unkritischen Flow, messen Sie Latenz und Genauigkeit mit den gewählten Anbietern und entscheiden Sie dann über die Skalierung.