KI-Agenten im Kundenservice: Von der Abwehr zur Lösung

Ein Jahrzehnt lang verkaufte die Automatisierung im Kundenservice ein einziges Versprechen: den Kunden abzufangen. Schicken Sie ihn zum Bot, halten Sie ihn vom Telefon fern und zählen Sie die Einsparungen. Aufgegangen ist dieses Versprechen kaum. Die Kunden merkten schnell, dass der Chatbot eine Wand war und keine Tür, und kämpften sich trotzdem zum Menschen durch.

Der Grund ist struktureller Natur. Ein skriptbasierter Bot kann eine Frage beantworten. Ein Problem lösen kann er nicht, denn Lösen heißt, das Konto aufzurufen, den Prozess auszuführen und zu erkennen, wann man innehält und übergibt. Die Zahlen zeigen, wie groß diese Lücke war.

Die kleinste Arbeitseinheit verschiebt sich von der Antwort zur Lösung

Ein agentisches System ist keine schnellere FAQ. Es verbindet ein Sprachmodell mit Werkzeugen und Berechtigungen: Es fragt das CRM ab, prüft den Bestellstatus, führt einen Prozess aus, löst eine Rückerstattung aus und stößt eine Eskalation an. Dabei plant es eine Abfolge von Schritten: den Kunden identifizieren, das Konto abrufen, das Anliegen diagnostizieren und dann lösen oder eskalieren. Und es passt sich an, wenn ein Schritt scheitert oder der Kunde sein Anliegen ändert.

Das verändert den Erstkontakt grundlegend. Die Aufgabe lautet nicht mehr „die Frage beantworten“. Sie lautet „das Anliegen lösen oder mit einer Zusammenfassung eskalieren, sodass der Kunde sich beim Menschen nicht ein zweites Mal erklären muss“. Genau das ist der Unterschied zwischen einer Wand und einer Tür.

Ein skriptbasierter Bot beantwortet eine Frage. Ein Agent löst ein Problem, oder eskaliert es mit dem Kontext, den er ohnehin schon vorliegen hat.

Die Gartner-Prognose zeigt, wie weit sich die Obergrenze verschoben hat. Die Lücke zwischen dem, was Self-Service heute löst, und dem, was agentische Systeme leisten sollen, ist kein kleiner Schritt.

Den ersten Nutzen sehen Sie bei Ihren neuesten Mitarbeitenden

Der deutlichste Beleg stammt aus einer kontrollierten Studie mit mehr als 5.000 Servicemitarbeitenden eines großen Softwareunternehmens, bei der die Einführung schrittweise erfolgte. Der Zugang zu einem generativen KI-Assistenten steigerte die Produktivität, gemessen an den pro Stunde gelösten Anliegen, im Schnitt um 14 % – ohne Einbußen bei der Kundenzufriedenheit.

Der Durchschnitt verdeckt das Eigentliche. Der Zugewinn ballte sich dort, wo die Betriebszugehörigkeit gering ist.

Das ist das praktische Argument dafür, zuerst bei einfachen Anliegen mit hohem Aufkommen anzusetzen. Der Agent übernimmt die wiederkehrenden Standardfälle, die Einarbeitung neuer Mitarbeitender verkürzt sich, und Ihre erfahrenen Leute bekommen den Kopf frei für die Gespräche, die sie wirklich brauchen.

Was eine echte Lösung vom bloßen Abfangen unterscheidet

Schwierig ist nicht die Technologie. Schwierig sind Rahmen, Messung und Übergabe. Fünf Disziplinen trennen die Programme, die funktionieren, von denen, die scheitern.

1. Stecken Sie den Rahmen eng, bevor Sie breit ausrollen. Legen Sie fest, welche Anliegen der Agent verantwortet und welche er eskalieren muss. Ein Agent, der sich an allem versucht, löst nichts und verspielt das Vertrauen schon beim ersten Kontakt.
2. Verschaffen Sie ihm Handlungsfähigkeit über Werkzeuge, nicht über Text. Gelöst wird über präzise CRM-Abfragen, Bestellprüfungen und ausgeführte Prozesse. Binden Sie zuerst die Systeme an; das Gespräch ist der einfache Teil.
3. Verstehen Sie die Übergabe als Funktion, nicht als Versagen. Wenn der Agent eskaliert, sollte er eine saubere Zusammenfassung mitliefern, damit der Kunde sich nicht wiederholen muss. An der Übergabe entscheidet sich, ob der Kontakt gelingt oder kippt.
4. Messen Sie die Lösung, nicht das Abfangen. Betrachten Sie Containment, Lösungsquote, Bearbeitungsdauer und die Zufriedenheit nach dem Kontakt im Zusammenhang. Eine hohe Abfangquote, die Arbeit nur nach hinten verschiebt, ist ein Kostenfaktor im Gewand einer Einsparung.
5. Schließen Sie nach jedem Kontakt den Kreis. Gesprächsprotokolle und Ergebnisse fließen zurück in Prompts, Werkzeuge und Routing, sodass sich das System genau dort verbessert, wo es scheitert, statt denselben Fehler immer wieder in großem Maßstab zu wiederholen.

McKinsey schätzt, dass Unternehmen, die so vorgehen, ihren Kundenservice mithilfe KI-gestützter Automatisierung mit 40 bis 50 Prozent weniger Mitarbeitenden betreiben und dabei 20 bis 30 Prozent mehr Kontakte bewältigen könnten. Das ist keine Geschichte vom Stellenabbau. Es ist eine Geschichte davon, Routine zu beseitigen und das frei werdende Urteilsvermögen neu einzusetzen.

Die Unternehmen, die das richtig machen, sind nicht jene, die am meisten automatisieren. Es sind jene, die die Grenze zwischen maschineller Lösung und menschlichem Urteilsvermögen präzise ziehen und sie bewusst verschieben, sobald das System Vertrauen gewonnen hat. Wie wir diese Grenze gemeinsam mit unseren Kunden gestalten, sehen Sie in unserer Arbeit zu Customer Experience und Advisory, oder werfen Sie einen Blick in die Fallstudien.