Coval

Was es ist

Coval ist eine Simulations- und Evaluierungsplattform für KI-Agents für Sprache und Chat. Vor dem Launch ruft es Ihren Agent mit Tausenden synthetischer Kunden an – unterschiedliche Personas, Akzente, Hintergrundgeräusche, Unterbrechungen, Anfragen abseits des Skripts – und bewertet jedes Gespräch anhand von Metriken, die Sie selbst definieren. Nach dem Launch bewertet es Live-Anrufe auf dieselbe Weise und leitet die zweifelhaften an menschliche Reviewer weiter. Die Frage, die es beantwortet, stellt jedes CX-Team in der Woche, bevor ein Voice-Agent live geht: Woher wissen wir, dass er uns bei Anruf Nummer 4.000 nicht blamiert?

Der Ansatz stammt aus dem autonomen Fahren. Gründerin und CEO Brooke Hopkins leitete die Evaluierungsinfrastruktur bei Waymo, und Coval behandelt einen KI-Agent so, wie Waymo ein Auto behandelt: Sie beweisen seine Sicherheit nicht, indem Sie es einmal um den Block fahren, sondern indem Sie es durch eine sehr große Zahl simulierter Szenarien schicken und die Fehlerrate messen. Das Unternehmen durchlief den Sommer-Batch 2024 von Y Combinator, nahm eine Seed-Runde über $3.3M unter Führung von MaC Venture Capital auf und gab am 24. Juni 2026 eine Series A über $28M bekannt, angeführt von Norwest, mit Base10 Partners, Twilio Ventures und Y Combinator als Beteiligten – insgesamt $31M. Zoom und Deepgram werden in der Finanzierungsmitteilung als Kunden genannt; die Homepage ergänzt Chime, Perplexity, ServiceNow, StubHub, Toast und Upstart. Der Anbieter gibt an, mit mehr als 60 Organisationen zu arbeiten.

Warum es in CX- und Support-Stacks auftaucht

• Es testet das Audio, nicht nur das Transkript. Die Evaluierungen umfassen Timing, Sprecherwechsel, Unterbrechungen, Audioqualität, Tool-Aufrufe und die Stimmung des Anrufers. Ein Voice-Agent, der die richtigen Worte zwei Sekunden zu spät sagt, fällt trotzdem durch, und eine reine Transkript-Evaluierung erkennt das nicht.
• Es knüpft daran an, wie Voice-Agents tatsächlich gebaut werden. Dokumentierte Anbindungen umfassen eingehende und ausgehende Telefonanrufe, Sprache über WebSocket, LiveKit, Pipecat Cloud, OpenAI Realtime, Gemini Live, Grok Realtime und Deepgram Voice Agent, dazu Chat über HTTP, WebSocket und A2A sowie SMS. Ein Agent, der auf Vapi oder Retell AI aufgebaut ist, wird getestet, indem seine Telefonnummer angerufen wird.
• Es bewertet Aktionen, nicht nur Worte. Agents können OpenTelemetry-Traces senden, oder Coval importiert sie aus Langfuse, Arize Phoenix oder LangSmith, sodass eine Metrik prüfen kann, ob das Erstattungs-Tool mit dem richtigen Betrag aufgerufen wurde, statt nur, ob der Agent gesagt hat, er habe eine Erstattung veranlasst.
• Anbietervergleiche. Dasselbe Szenario-Set läuft gegen mehrere Voice-Plattformen, was es ebenso zu einem Beschaffungs-Tool wie zu einem QA-Tool macht: Ein CX-Verantwortlicher, der zwischen Vapi, Retell AI und PolyAI wählt, kann sie anhand der eigenen Anruftypen des Unternehmens vergleichen statt anhand von Demos.
• Gebaut für Entwickler-Workflows. REST-API, eine coval CLI für CI-Pipelines, typisierte SDKs für TypeScript und Python sowie ein MCP-Konnektor, mit dem Claude, ChatGPT und Codex Läufe starten und Ergebnisse abfragen können. All das ist in jedem Tarif enthalten.

Die Preisrealität

Coval ist einer der wenigen Anbieter in diesem Segment mit einer öffentlichen Preisliste. Starter kostet $100 pro Monat (100 Simulationsminuten, 1.000 überwachte Anrufe, 30 Tage Trace-Aufbewahrung, 5 gleichzeitige Simulationen). Growth kostet $500 pro Monat (1.000 Simulationsminuten, 10.000 überwachte Anrufe, 90 Tage Aufbewahrung, 25 gleichzeitige Simulationen). Enterprise beginnt bei $4.500 pro Monat, also $54.000 pro Jahr, und ergänzt SAML SSO, SCIM, Datenresidenz und Bereitstellung in einer privaten VPC. Lizenzen sind in jedem Tarif unbegrenzt; bei jährlicher Abrechnung gibt es 20 % Rabatt auf Starter und Growth; beide haben eine 7-tägige Testphase, für die eine Karte nötig ist. Eine Unstimmigkeit, die Sie vor der Unterschrift klären sollten: Der Growth-Tarif wird an einer Stelle der Preisseite mit unbegrenzten Projekten und in der Vergleichstabelle mit 5 Projekten aufgeführt.

Die enthaltenen Minuten sind die Untergrenze, nicht die Rechnung. Mehrverbrauch kostet $0.25 pro Simulationsminute bei Growth und $0.40 bei Starter. Eine bescheidene Regressions-Suite – 200 Szenarien mit durchschnittlich 3 Minuten – verbraucht 600 Minuten pro Lauf. Lassen Sie sie jede Nacht laufen, und Sie verbrauchen rund 18.000 Minuten pro Monat: 17.000 Minuten Mehrverbrauch zu $0.25 sind $4.250, plus die $500 Grundgebühr, also rund $4.750 pro Monat. Das liegt über der Enterprise-Untergrenze. Die praktische Regel: Growth passt zu einem Team, das seine vollständige Suite bei jedem Release ausführt; ein Team, das sie bei jedem Commit oder jede Nacht ausführt, sollte von Anfang an mit Enterprise kalkulieren.

Am besten geeignet für

Produktverantwortliche für Voice AI und Leiter von CX Operations in Unternehmen, die einen Sprach- oder Chat-Agent vor echte Kunden stellen – Deflection im Contact Center, Terminbuchung, Inkasso, Bestellstatus – und vor jedem Release ein Bestanden/Nicht-bestanden-Gate sowie danach eine Bewertung in der Produktion brauchen. Am besten passt es, wenn ein Engineering-Team den Agent verantwortet und die CLI in CI einbindet und wenn ein Operations- oder QA-Team die Metriken und die Queue für menschliche Reviews verantwortet.

Lassen Sie es aus, wenn Sie einen vollständig verwalteten Agent wie Sierra oder Decagon einkaufen und keinen Zugriff haben, um dessen Prompts oder Tools zu ändern: Sie können Fehler messen, aber nicht beheben, und ein Support-QA-Tool wie Solidroad oder Intryc, das Bot- und Menschengespräche gemeinsam bewertet, ist die bessere Investition.

Im Vergleich zu den Alternativen

Cyara, dem Botium gehört, ist der Enterprise-Platzhirsch in der CX-Qualitätssicherung und hat im März 2026 agentisches Testen eingeführt. Es ist vertriebsgesteuert ohne Self-Service-Tarif und die Wahl, wenn Sie IVRs und Contact-Center-Telefonie bereits mit Cyara testen und einen einzigen Anbieter wollen. Hamming ist der andere von YC unterstützte Spezialist des Jahrgangs 2024, mit mehr als 50 integrierten Metriken, einem Red-Team-Modul und einem starken Fokus auf Audiosignal, Latenz und Telefoniebedingungen; es veröffentlicht keine Preise und nahm im Dezember 2024 eine Seed-Runde über $3.8M auf. Wählen Sie es, wenn die Fehleranalyse auf Audioebene das Hauptproblem ist. Cekura ist der günstigste Einstieg: Pay-as-you-go zu $0.25 pro Voice-Testminute ohne Grundgebühr oder $500 pro Monat für etwa 2.000 Minuten – ungefähr doppelt so viele Simulationsminuten wie im Growth-Tarif von Coval für $500. Wählen Sie es für ein kleines Team, das Volumen mit kleinem Budget braucht. Roark und Bluejay, beide 2025 gegründet, sind die neuesten Marktteilnehmer; Roark geht von Produktionsanrufen aus und spielt sie als Tests erneut ab. Braintrust ist die Wahl, wenn der Agent primär auf Chat ausgerichtet ist und Sie dort bereits LLM-Evaluierungen durchführen.

Coval gewinnt bei der Kombination aus Simulationstiefe, veröffentlichten Preisen und Finanzierung: Mit $31M aufgenommenem Kapital hat es die größte offengelegte Finanzierung der hier genannten Voice-Testing-Startups. Wenn keiner passt, schreiben Sie Skripte für 30 Ihrer risikoreichsten Anruftypen, lassen Sie zwei Personen sie vor jedem Release telefonisch gegen einen Staging-Agent durchspielen und bewerten Sie sie in einer gemeinsamen Tabelle. Wenn das mehr als einen Tag pro Release kostet, sind Sie bereit zu kaufen.

Worauf Sie achten sollten

• Mehrverbrauch macht aus einem $500-Tarif eine Enterprise-Rechnung. Simulationsminuten skalieren mit Szenarien × Länge × Häufigkeit, nicht mit Lizenzen. Absicherung: Zählen Sie vor Ende der Testphase Ihre Szenarien, multiplizieren Sie mit der durchschnittlichen Anruflänge und der Laufhäufigkeit und kalkulieren Sie auf Basis dieser Zahl sowohl Growth plus Mehrverbrauch als auch Enterprise.
• Synthetische Anrufer sind LLMs, und die Bewerter auch. Ein simulierter Anrufer ist eloquenter und geduldiger als die Person, die um 7 Uhr morgens aus dem Auto anruft. Absicherung: Erzeugen Sie Szenarien aus hochgeladenen Produktionstranskripten statt aus erfundenen Personas, und bewerten Sie 100 Anrufe zusätzlich von Hand, um zu messen, wie oft jede per LLM bewertete Metrik mit einem Menschen übereinstimmt, bevor Sie sie ein Release blockieren lassen.
• Die Compliance-Unterlagen unterscheiden sich je nach Seite und Tarif. Die Preisseite nennt SOC 2 Type II, HIPAA und GDPR in jedem Tarif, die Homepage kennzeichnet GDPR als in Arbeit, und eine Drittanbieter-Bewertung vom Mai 2026 ordnete BAA und DPA dem Enterprise-Tarif zu. Absicherung: Lassen Sie sich ein unterschriebenes BAA und DPA geben und prüfen Sie das Trust Center, bevor eine echte Anrufaufzeichnung mit Gesundheits- oder Zahlungsdaten hochgeladen wird.
• Die Vorzeigeergebnisse stammen vom Anbieter. Die bis zu 30-fache Reduzierung manueller QA und die 10-mal schnellere Bereitstellung stammen aus Covals Finanzierungsmitteilung. Absicherung: Erfassen Sie vor dem Go-live die aktuellen Reviewer-Stunden pro Release und die Zahl der Produktionsvorfälle pro Monat und vergleichen Sie an Tag 60.