KI im Kundenservice in der Praxis: 99,7 % korrekte Erstzuordnung im Service Desk

KI im Kundenservice bezeichnet den Einsatz von KI-Technologien, um Abläufe im Service zu verbessern und zu automatisieren. Laut SAP gehören dazu Chatbots, virtuelle Assistenten und Analysemodelle, die Aufgaben automatisieren, Kundenfragen verstehen und datengestützte Lösungen empfehlen. In der Praxis entsteht der Nutzen jedoch selten erst bei der vollautomatischen Antwort. Er beginnt früher, nämlich bei der Frage, wer eine Anfrage bearbeiten soll.

Am Beispiel eines IT-Service-Desks lässt sich zeigen, wie die Zuordnung von Anfragen mit KI funktioniert. Der Desk nimmt Anfragen in Microsoft Teams entgegen und übergibt sie an Zoho Desk. Daraus ergibt sich, welche Voraussetzungen erfüllt sein müssen, wo die Grenzen liegen und welche Kennzahlen für Ihre Entscheidung zählen.

Die Anwendungsfelder sind breit. KI kann Anfragen automatisiert beantworten oder an die zuständigen Mitarbeitenden weiterleiten, Gespräche in Echtzeit transkribieren und positive oder negative Stimmungen in Text- und Sprachdaten erkennen. Chatbots und virtuelle Assistenten ermöglichen zudem einen Service rund um die Uhr, während menschliche Teams an feste Arbeitszeiten gebunden sind.

Für die Planung ist eine Unterscheidung hilfreich. Manche Funktionen ersetzen einzelne Arbeitsschritte, etwa die Kategorisierung eines Tickets. Andere unterstützen Mitarbeitende, beispielsweise durch Antwortentwürfe oder Zusammenfassungen. Beide Formen verlangen unterschiedliche Kontrollmechanismen und sollten getrennt bewertet werden.

Viele Serviceprobleme entstehen nicht bei der Lösung, sondern auf dem Weg dorthin. Lange Wartezeiten sind laut moin.ai das größte Ärgernis für Kundinnen und Kunden. Ebenso ärgert es sie, wenn sie ihr Anliegen mehrfach wiederholen müssen, womöglich sogar vor verschiedenen Gesprächspartnern. Beides ist typisch für falsch zugeordnete Anfragen, die zwischen Teams hin und her wandern.

Die Erwartungen sind konkret. Nach der dort zitierten Studie „Kundenservice des Jahres 2021“ wollen Kunden in der Hotline oder im Chat spätestens nach vier Minuten eine Antwort. Per E-Mail erwarten die meisten eine Rückmeldung innerhalb von 24 Stunden. Der Mehrheit der Studienteilnehmer ist ein guter Kundenservice zudem wichtiger als günstige Preise.

Der Druck steigt. Laut der Salesforce-Studie „State of Service“ sagen 82 % der Service-Profis, dass die Kundenanforderungen gestiegen sind, und 78 % der Kundinnen und Kunden empfinden den Service als zu gehetzt. SAP beschreibt die Folge: Herkömmliche Teammodelle und Servicesoftware halten bei wachsenden Volumen nicht mit, was zu längeren Reaktionszeiten, geringerer Zufriedenheit und Umsatzverlusten führt.

Jede Fehlzuordnung kostet also doppelt, nämlich Bearbeitungszeit im Team und Geduld beim Kunden. Welche Anfragearten dominieren, hängt stark von der Branche ab. Für Fertigungsbetriebe finden Sie typische Abläufe auf der Seite zu KI in der Produktion.

Svennis hat für Asset Services Group (Message Direct) einen IT-Service-Desk gebaut, der auf Claude in Microsoft Teams läuft und Zoho Desk vorgelagert ist. Laut der veröffentlichten Fallstudie ordnet er 99,7 % der Anfragen beim ersten Mal richtig zu und bringt einen Effizienzgewinn von 40 %, bestätigt vom Head of Technology des Kunden mit dessen schriftlicher Freigabe.

Das Muster solcher Lösungen ist übertragbar. Anfragen werden dort gestellt, wo Menschen ohnehin arbeiten, also im Chat. Ein Assistent versteht das Anliegen in natürlicher Sprache, und das Ticketsystem bleibt die führende Stelle für Bearbeitung, Nachverfolgung und Auswertung.

Der Unterschied zu einem klassischen Formular liegt in der Kategorisierung. Niemand muss vorab die passende Kategorie aus einer Liste wählen, denn diese Entscheidung trifft das System anhand des Inhalts. Ein vergleichbares Prinzip beschreibt Salesforce für B. Braun: Dort fallen im Kundenservice jährlich drei bis fünf Millionen E-Mails an. Eine KI-basierte Fall-Klassifizierung liest die Anfragen beim Eingang, vergibt Kategorien und leitet sie an die richtigen Experten weiter.

Die Quote der korrekten Erstzuordnung ist deshalb eine aussagekräftige Kennzahl. Sie misst, wie oft ein Vorgang ohne Umweg beim richtigen Team landet. Jede Fehlzuordnung bedeutet eine Weiterleitung, oft eine Rückfrage und in jedem Fall Wartezeit für die anfragende Person.

Laut IBM arbeiten KI-Kundenservicesysteme mit der Verarbeitung natürlicher Sprache. Sie erkennen damit die Absicht einer Anfrage, führen Stimmungsanalysen in Echtzeit durch und passen Antworten an Kontext und Verlauf an. Für die Zuordnung sind drei Teilaufgaben entscheidend.

Gegenstand erkennen

Das System ermittelt, worum es geht, etwa um ein Zugangsproblem, eine Rechnung oder einen Lieferstatus. SAP beschreibt Plattformen, die Fälle anhand des bisherigen Kundenverhaltens klassifizieren und mit prädiktiven Analysen den Gegenstand jedes Tickets bestimmen. Je sauberer Ihre Kategorien definiert sind, desto eindeutiger fällt diese Entscheidung aus.

Dringlichkeit bestimmen

Dieselben Verfahren bewerten laut SAP auch die Dringlichkeit eines Tickets. Das ist die Grundlage dafür, dass ein Ausfall mehrerer Arbeitsplätze vor einer Frage zur Druckerkonfiguration bearbeitet wird, obwohl beide gleichzeitig eingehen.

Stimmung berücksichtigen

KI kann die Kundenkommunikation nach sprachlichen Hinweisen wie Ärger oder Frustration durchsuchen und sensible Fälle so gezielt priorisieren. Laut IBM können dialogorientierte Systeme in Telefonanlagen und Kontaktcentern unnötige Schritte überspringen und frustrierte Kunden direkt an Mitarbeitende weiterleiten.

Für die Praxis heißt das: Die Qualität der Zuordnung hängt weniger vom Sprachmodell allein ab als von der Struktur, in die es sortiert. Eine klare Liste von Teams, Zuständigkeiten und Prioritätsregeln ist deshalb der erste Arbeitsschritt, nicht der letzte.

SAP hält fest, dass sich KI am besten für wiederkehrende Aufgaben und die Verarbeitung umfangreicher Daten eignet. Sensible oder emotional komplexe Fälle sollten bei den Servicemitarbeitenden bleiben. Diese Grenze sollten Sie vor dem Start festlegen, nicht erst nach dem ersten Beschwerdefall.

Die Grenzen sind real. Laut ADITO stößt KI bei komplexen Anfragen an ihre Grenzen, und Fehlinterpretationen können zu falschen Antworten führen. Ein Chatbot kann in solchen Fällen die Kundendaten aufnehmen und die Anfrage an einen verfügbaren Mitarbeitenden weiterleiten. Genau diese Übergabe ist der Punkt, an dem eine saubere Zuordnung ihren Wert zeigt.

Studien liefern Orientierung, aber keine Zusage für Ihr Unternehmen. Laut IBM Institute for Business Value soll dialogorientierte KI, die direkt mit externen Kunden interagiert, die Kosten pro Kontakt um 23,5 % senken und den Jahresumsatz im Durchschnitt um 4 % steigern. Das Wort „soll“ ist dabei wichtig, denn es handelt sich um erwartete Werte.

Weitere Befunde derselben Quelle: Erfahrene KI-Anwender, also Unternehmen, die einen KI-gestützten Kundenservice betreiben oder optimieren, berichten von einer um 17 % höheren Kundenzufriedenheit. Ältere Anwender melden eine um 15 % höhere Zufriedenheitsrate ihrer Mitarbeitenden. Als Einzelbeispiel nennt IBM den Assistenten Redi von Virgin Money mit mehr als 2 Millionen Kundeninteraktionen und einer Zufriedenheitsrate von 94 % bei den Befragten.

Wie stark die Entlastung in Ihrem Fall ausfällt, hängt laut moin.ai davon ab, wie viel durch KI automatisiert werden kann und soll. Ein Service mit vielen gleichartigen Anfragen profitiert stärker als einer mit überwiegend individuellen Fällen.

Messen Sie deshalb vor dem Start Ihren eigenen Ausgangswert. Drei Kennzahlen genügen für eine belastbare Entscheidung:

• Quote der korrekten Erstzuordnung: Anteil der Tickets, die ohne Weiterleitung beim richtigen Team landen.
• Weiterleitungen je Ticket: wie oft ein Vorgang im Durchschnitt den Besitzer wechselt.
• Zeit bis zur ersten qualifizierten Reaktion: gemessen je Kanal.

Ohne verwertbare Daten funktioniert keine Klassifikation. Eine fundierte Datenbasis ist laut ADITO Voraussetzung dafür, dass KI Muster erkennt. Unvollständige, veraltete oder fehlerhafte Daten beeinträchtigen Genauigkeit und Zuverlässigkeit erheblich. Prüfen Sie daher, ob Ihre bisherigen Tickets einheitlich kategorisiert sind, bevor Sie sie als Grundlage verwenden.

Die zweite Hürde sind die Systeme. SAP weist darauf hin, dass KI Echtzeitzugriff auf Daten und Prozesse benötigt, was schwierig ist, wenn diese über isolierte Systeme mit veralteter Infrastruktur verteilt sind. Auch novomind nennt die Integration in bestehende IT-Landschaften als eine der größten Herausforderungen, verbunden mit teils erheblichen Investitionen.

Technisch erfolgt die Anbindung an CRM-Systeme laut Salesforce über Programmierschnittstellen oder vorgefertigte Konnektoren. Das ist mehr als ein Detail: Die meisten großen Sprachmodelle werden laut Salesforce mit Daten trainiert, die fast zwei Jahre alt sind. Aktuelle Zuständigkeiten, Kundendaten und Vorgangsstände muss das System deshalb aus Ihren eigenen Anwendungen beziehen.

Eine nüchterne Lehre liefert B. Braun. Dort erwiesen sich viele anfängliche Ideen gar nicht als KI-Anwendungsfälle, sondern hätten sich mit klassischen Analysewerkzeugen lösen lassen. Wo eine feste Regel genügt, ist sie günstiger und leichter zu prüfen. Wie sich regelbasierte Automatisierung und KI sinnvoll kombinieren lassen, beschreibt die Seite zur KI-Automatisierung für den Mittelstand.

KI-Lösungen im Kundenservice müssen den geltenden gesetzlichen Vorgaben entsprechen, in der EU insbesondere der DSGVO. Nach Art. 32 Abs. 1 DSGVO sind verantwortliche Stellen verpflichtet, geeignete technische und organisatorische Maßnahmen zum Schutz personenbezogener Daten umzusetzen. Das Risiko einer Verarbeitung ist laut BfDI nach der Schwere des Risikos und der Eintrittswahrscheinlichkeit einzuschätzen.

Zugriffe begrenzen

Für den Telekommunikationsbereich hält die BfDI fest, dass ein freier Datenzugriff auf alle Kundendaten durch Mitarbeitende nicht erfolgen darf. Übertragen auf einen KI-Assistenten bedeutet das: Er sollte nur auf die Daten zugreifen, die er für Zuordnung und Bearbeitung tatsächlich benötigt. Ein Assistent für die Ticketzuordnung braucht selten Einblick in Vertragsdetails.

Auskunftsrecht mitdenken

Nach Art. 15 DSGVO können betroffene Personen Auskunft über die zu ihnen gespeicherten Daten verlangen. Das umfasst laut BfDI auch geführte Kommunikation und interne Vermerke, soweit sie personenbezogene Daten enthalten. Chatverläufe, Tickets und automatisch erzeugte Fallzusammenfassungen sollten daher auffindbar und exportierbar sein. Wird der Antrag elektronisch gestellt, ist die Auskunft in einem gängigen elektronischen Format zu erteilen.

SAP erinnert daran, dass Sicherheitsverletzungen bei Kundendaten erhebliche rechtliche Risiken und Schäden für das Markenbild nach sich ziehen. Wer zusätzlich die Anforderungen der europäischen KI-Regulierung prüfen möchte, findet den Volltext der KI-Verordnung mit Erläuterungen.

Technik allein entscheidet nicht über den Erfolg. Laut SAP und novomind befürchten Mitarbeitende, dass KI ihre Arbeitsplätze ersetzt oder ihre Aufgaben verändert. ADITO ergänzt, dass KI für viele Menschen etwas Undurchschaubares hat, was zusammen mit dieser Angst schnell zu Ablehnung führt. Dass sich Jobprofile im Service verändern, bestätigt auch moin.ai.

Die KPMG-Befragung zeigt, wie viel von der Begleitung abhängt. 70 % der Unternehmen, die Mitarbeitende aktiv bei der KI-Nutzung unterstützen, erzielen eine optimierte Effektivität im Kundenservice. Von den Unternehmen, die wenig unterstützen, schöpfen 61 % das Potenzial kaum oder gar nicht aus. KPMG spricht in diesem Zusammenhang von einem Enablement-Konzept, das sicherstellt, dass Mitarbeitende die nötigen Fähigkeiten besitzen.

Auf Kundenseite ist das Vertrauen gesunken. Laut Salesforce vertrauen nur 42 % der Kundinnen und Kunden darauf, dass Unternehmen KI ethisch einwandfrei einsetzen, nach 58 % im Jahr 2023. Novomind stellt zudem fest, dass Kunden besonders bei komplexen oder emotional aufgeladenen Problemen weiterhin mit einem Menschen sprechen möchten.

Daraus folgen zwei Regeln. Erstens: Machen Sie transparent, wofür die KI eingesetzt wird und wofür nicht. Zweitens: Sorgen Sie dafür, dass der Weg zu einem Menschen jederzeit kurz bleibt. Eine präzise Zuordnung unterstützt genau das, weil sie die Anfrage direkt zur richtigen Person bringt.

Novomind empfiehlt, KI schrittweise einzuführen und mit Pilotprojekten in ausgewählten Bereichen zu beginnen. KPMG nennt drei zentrale Schritte: eine klare KI-Strategie, ein Zielbetriebsmodell mit Enablement-Konzept sowie kontinuierliches Feedback mit laufender Verbesserung. Für einen Service Desk lässt sich das in eine überschaubare Reihenfolge übersetzen.

1. Ausgangswert messen: Erheben Sie über einige Wochen die Quote der korrekten Erstzuordnung, die Weiterleitungen je Ticket und die Zeit bis zur ersten Reaktion.
2. Kategorien bereinigen: Legen Sie eindeutige Teams, Zuständigkeiten und Prioritätsregeln fest. Doppelte oder unklare Kategorien verschlechtern jede Klassifikation.
3. Einen Kanal als Pilot wählen: Beginnen Sie mit einem Kanal und einer klar abgegrenzten Anfrageart, etwa internen IT-Anfragen.
4. Übergaben und Freigaben definieren: Bestimmen Sie, wann die KI nur zuordnet, wann sie Antworten entwirft und wann ein Mensch sofort übernimmt.
5. Datenschutz prüfen: Begrenzen Sie die Zugriffe des Assistenten und stellen Sie sicher, dass Tickets und Zusammenfassungen im Rahmen einer Auskunft nach Art. 15 DSGVO bereitgestellt werden können.
6. Feedback-Schleifen einrichten: Geben Sie Mitarbeitenden und Kunden eine einfache Möglichkeit, Fehlzuordnungen und Verbesserungsvorschläge zu melden, und werten Sie diese regelmäßig aus.

Vergleichen Sie nach dem Pilotzeitraum die gemessenen Werte mit dem Ausgangswert und entscheiden Sie erst dann über die Ausweitung auf weitere Kanäle. Wenn Sie vorab einschätzen möchten, wie gut Ihre Daten und Systeme vorbereitet sind, hilft der KI-Readiness-Check bei der Bestandsaufnahme.