Der Kundenservice vieler Unternehmen steht 2026 unter einem Druck, den es in dieser Form vorher nicht gab. Drei Entwicklungen wirken gleichzeitig und keine davon lässt sich aussitzen.
(1) Die erste ist der Personalmangel. Servicepositionen bleiben länger unbesetzt, die Fluktuation ist hoch. Qualifizierte Mitarbeitende für anspruchsvolle Beratung sind schwer zu finden. Wer schon einmal versucht hat, ein Contactcenter im laufenden Betrieb neu zu besetzen, kennt das Problem: Die Einarbeitung dauert Wochen. Bis die neue Kraft produktiv ist, hat oft schon die nächste gekündigt. In größeren Organisationen kommt hinzu, dass erfahrene Servicekräfte zunehmend in den Ruhestand gehen und ihr Wissen mitnehmen, ohne dass es dokumentiert wäre. Genau dieses implizite Erfahrungswissen lässt sich am schwersten ersetzen.
(2) Die zweite ist die gestiegene Kundenerwartung. Kunden vergleichen den Service eines Industrieunternehmens nicht mehr mit dem eines anderen Industrieunternehmens, sondern mit Amazon, Netflix oder ihrem Mobilfunkanbieter. Diese Erwartung gilt inzwischen auch im B2B, wo früher längere Reaktionszeiten toleriert wurden. Der Einkäufer eines Industriekunden ist im Privatleben denselben Standard gewohnt und überträgt ihn auf den geschäftlichen Kontakt. Erreichbarkeit außerhalb der Geschäftszeiten, schnelle Statusauskünfte und konsistente Antworten über alle Kanäle sind vom Wunsch zur Mindestanforderung geworden.
(3) Die dritte ist der Kostendruck. Service gilt in vielen Unternehmen noch als Kostenstelle, nicht als Werttreiber. In wirtschaftlich angespannten Phasen ist er deshalb einer der ersten Bereiche, in dem gespart werden soll. Gleichzeitig soll die Qualität nicht leiden. Das ist der Widerspruch, vor dem viele Serviceleitungen stehen: mehr leisten, mit weniger Leuten, für anspruchsvollere Kunden.
Künstliche Intelligenz wird als Antwort auf alle drei Punkte gehandelt. Das ist nicht falsch. Aber der Weg dorthin entscheidet darüber, ob aus der Investition ein Werttreiber wird oder ein teurer Fehlschlag.
Der naheliegende Reflex – und warum er scheitert
Wenn der Druck groß genug ist, fällt die Entscheidung oft schnell: Dann kaufen wir eben einen KI-Bot. Der Markt scheint die Lösung bereitzuhalten, die Anbieter versprechen Automatisierungsquoten von 60, 70, 80 Prozent. Die Demo im Vertriebsgespräch sieht überzeugend aus.
In der Praxis scheitern viele dieser Projekte trotzdem. Die Gründe sind selten technischer Natur. Sie liegen in der Vorbereitung.
Der erste Fehler ist, Technologie vor Prozess zu setzen. Eine KI kann nur so gut antworten, wie die Wissensbasis dahinter gepflegt ist. Wer einen Bot auf eine veraltete, lückenhafte Dokumentation setzt, automatisiert vor allem falsche Antworten. Das beschädigt das Kundenvertrauen schneller, als ein langsamer menschlicher Service es je könnte.
Der zweite Fehler ist die Anbieterauswahl ohne klare Anforderungen. Der Markt für KI im Kundenservice zählt mehrere hundert Anbieter, vom spezialisierten Voicebot bis zum Zusatzmodul des großen CRM-Anbieters. Wer ohne eigene Kriterien in diesen Markt geht, lässt sich die Anforderungen vom Verkäufer vorgeben. Das Ergebnis passt dann zum Tool, nicht zum eigenen Bedarf.
Ein typisches Muster sieht so aus: Ein beeindruckender Anbieter wird ausgewählt, der Vertrag ist unterschrieben und dann zeigt sich, dass die Anbindung an das vorhandene CRM aufwendiger ist als gedacht oder die Datenhaltung nicht zu den internen Vorgaben passt. Was als schnelle Lösung gedacht war, bindet plötzlich über Monate interne Ressourcen. Die Lizenzgebühr ist dabei selten das Problem. Teuer wird der Integrationsaufwand, den vorher niemand bewertet hat.
Der dritte Fehler ist die fehlende Einbindung des Teams. Mitarbeitende, die fürchten, durch KI ersetzt zu werden, arbeiten nicht an deren Erfolg mit. Sie pflegen die Wissensbasis nicht, sie melden Fehler nicht und im schlimmsten Fall leiten sie Kunden bewusst am Bot vorbei. Eine KI-Einführung ist immer auch ein großes Veränderungsprojekt, kein reines IT-Projekt.
Wie professionelle Automatisierung tatsächlich abläuft
Unternehmen, die KI im Kundenservice erfolgreich einführen, gehen in einer anderen Reihenfolge vor. Sie beginnen nicht mit dem Tool, sondern mit der Analyse. Fünf Schritte haben sich dabei bewährt.
1. Anfrageaufkommen analysieren: Am Anfang steht die Frage, welche Anfragen überhaupt anfallen und welche davon sich automatisieren lassen. Eine strukturierte Analyse über mehrere Wochen zeigt, welcher Anteil der Kontakte aus wiederkehrenden Standardfällen besteht und welche Fälle beim Menschen bleiben müssen. Statusabfragen, Terminbuchungen und einfache Stammdatenänderungen eignen sich gut. Beschwerden mit emotionaler Komponente oder Sonderfälle, bei denen eine falsche Auskunft hohe Folgekosten hätte, gehören weiter in menschliche Hand. Erst diese Baseline macht später messbar, was die Automatisierung gebracht hat.
2. Anforderungskatalog erstellen: Auf dieser Grundlage entsteht eine Beschreibung dessen, was die Lösung können muss, bevor irgendein Anbieter ins Spiel kommt. Dazu gehören die Integrationsfähigkeit mit den bestehenden Systemen (CRM, Telefonie, Wissensdatenbank), die Sprach- und Antwortqualität, die Skalierbarkeit bei schwankendem Volumen sowie das Vertragsmodell. Auch der Kanal gehört hierher: Ein Voicebot in der Telefonie muss mit Gesprächsabbrüchen, Hintergrundgeräuschen und unklarer Aussprache umgehen und im richtigen Moment sauber an einen Mitarbeitenden übergeben. Das macht die Auswahl anspruchsvoller als im rein schriftlichen Kanal. In regulierten Branchen kommt ein weiterer Punkt hinzu, auf den ich gleich eingehe.
3. Anbieter gegen eigene Kriterien bewerten: Mit diesem Katalog lässt sich der Markt seriös prüfen. Statt Verkaufspräsentationen zu folgen, vergleicht man Anbieter gegen feste, eigene Kriterien. Das verschiebt die Macht im Auswahlprozess zurück zum Unternehmen. Eine herstellerneutrale Auswahl der passenden KI-Lösung endet mit einer begründeten Shortlist, nicht mit dem Tool, dessen Vertrieb am überzeugendsten war.
4. Proof of Concept mit echten Daten: Bevor eine Entscheidung fällt, gehört ein Test unter realen Bedingungen dazu. Eine Verkaufsdemo läuft immer rund, weil sie mit ausgewählten Beispielen vorbereitet ist. Erst der Test mit den eigenen, unsortierten Daten zeigt, wie das System wirklich performt. Viele Unternehmen stellen erst jetzt fest, dass ihre Dokumentation widersprüchlich, veraltet oder über mehrere Systeme verstreut ist. Diese Arbeit lässt sich weder auslagern noch automatisieren. Wer sie überspringt, baut auf Sand.
5. Schrittweise ausrollen und messen: Ein klar umrissener Use Case geht zuerst live, mit definierten Kennzahlen und der Baseline aus der Analysephase. Funktioniert er, kommen weitere Anfragetypen hinzu. Parallel läuft die Arbeit am Team: Schulung, neue Rollen und klare Übergaberegeln zwischen KI und Mensch. Eine realistische Automatisierungsquote für Routineanfragen liegt bei 30 bis 50 Prozent. Wer 80 Prozent verspricht, hat entweder einen sehr einfachen Service oder verkauft eine Illusion. Der wirtschaftliche Nachweis ergibt sich aus dem Vergleich mit der Baseline: Erst er zeigt, welchen Aufwand die KI tatsächlich übernommen hat. Diese Zahl will die Geschäftsführung für die Freigabe der Skalierung sehen, denn ohne sie bleibt der Nutzen eine Behauptung.
Dieser Ablauf, von der Analyse bis zum produktiven Betrieb, ist der Kern einer ernsthaften Automatisierung im Kundenservice mit KI. Er dauert länger als ein Toolkauf. Er besteht dafür im Betrieb.
Der regulatorische Aspekt in Konzernen und reguliertem Umfeld
Für Konzerne und Unternehmen in regulierten Branchen kommt eine Ebene hinzu, die in der öffentlichen Diskussion über KI im Kundenservice oft zu kurz kommt. Mit dem AI Act der EU gelten je nach Einsatzzweck unterschiedliche Anforderungen an KI-Systeme. In der Finanz- und Versicherungsbranche kommt mit DORA eine eigene Regulatorik für digitale Betriebsstabilität hinzu.
Der entscheidende Punkt aus Sicht des Auswahlprozesses ist die Reihenfolge. Regulatorische Anforderungen gehören in den Anforderungskatalog, nicht erst in die Vertragsprüfung am Ende. Wenn Datenschutz, Nachvollziehbarkeit der Entscheidungen, Datenhaltung und Auditierbarkeit von Anfang an als Auswahlkriterien definiert sind, fallen ungeeignete Anbieter früh heraus. Wird die Regulatorik dagegen erst nach der Toolentscheidung geprüft, steht das Projekt im schlechtesten Fall vor einem teuren Rückbau.
Das bedeutet nicht, dass die Serviceleitung zum Juristen werden muss. Die juristische Detailprüfung bleibt bei der Fachabteilung. Aber das Auswahlverfahren muss so strukturiert sein, dass diese Prüfung an der richtigen Stelle ansetzen kann und die regulatorischen Kriterien dokumentiert in die Anbieterbewertung einfließen. Gerade in Konzernen, in denen ein solches Verfahren revisionssicher dokumentiert sein muss, entscheidet die Struktur des Prozesses über seinen Erfolg.
Wer diese Aufgabe im Unternehmen verantwortet
Bleibt die Frage, wer das Auswahl- und Einführungsverfahren tatsächlich steuert. Die Aufgabe verlangt eine seltene Kombination: Verständnis für den operativen Kundenservice, Marktkenntnis bei KI-Lösungen, Erfahrung mit Auswahlverfahren und die Fähigkeit, zwischen Fachbereich und IT zu vermitteln. Diese Mischung ist intern selten an einer Stelle vorhanden. Für die Umsetzung gibt es drei Wege, jeder mit eigenen Stärken und Grenzen.
(1) Der erste Weg ist die interne Besetzung. Eine vorhandene Führungskraft übernimmt das Projekt zusätzlich oder es wird eine neue Stelle dafür geschaffen. Das hält das Wissen im Haus, scheitert aber oft an der Kapazität. Wer den laufenden Servicebetrieb verantwortet, hat selten Zeit für ein Projekt dieser Größe nebenher. Eine Neueinstellung mit dem passenden Profil braucht von der Ausschreibung bis zur produktiven Einarbeitung typischerweise drei bis sechs Monate, in denen der Druck weiter steigt.
(2) Der zweite Weg ist die klassische Unternehmensberatung. Sie bringt Methodik und externe Perspektive mit, bleibt aber oft auf halber Strecke stehen. Das Konzept wird übergeben und die operative Einführung landet wieder beim Unternehmen, dem genau dafür die Kapazität fehlte. Zwischen Empfehlung und Ergebnis klafft dann eine Lücke.
(3) Der dritte Weg ist das Interim Management. Ein Interim Manager mit Servicehintergrund und KI-Kompetenz verbindet Auswahl und Umsetzung in einer Verantwortung und ist schneller einsatzbereit als ein Mitarbeiter in Festanstellung. Er trägt die Ergebnisverantwortung für das Projekt und verlässt das Unternehmen wieder, wenn die Lösung läuft. Der Wissenstransfer an das interne Team gehört dabei zum Mandat. Die Grenze liegt auf der Hand: Es ist eine Lösung auf Zeit, kein dauerhafter Aufbau und sie lohnt sich vor allem dort, wo das Projekt klar umrissen und der Zeitdruck real ist.
Welcher Weg der richtige ist, hängt von der Situation im Unternehmen ab: Von der vorhandenen Kapazität, vom Zeitdruck und davon, ob die Kompetenz dauerhaft oder nur für die Dauer des Projekts gebraucht wird. Wichtig ist, diese Frage bewusst zu entscheiden und nicht dem Projekt zu überlassen.
Fazit
KI im Kundenservice ist kein Selbstzweck und keine Wunderlösung. Sie ist ein Werkzeug, das den realen Druck aus fehlendem Personal, steigenden Kundenerwartungen und knappen Budgets abfedern kann, wenn sie richtig ausgewählt und eingeführt wird. Der Unterschied zwischen Erfolg und Fehlinvestition liegt nicht im Tool, sondern im Verfahren: Analyse vor Technologie, eigene Anforderungen vor Verkaufsversprechen, schrittweiser Rollout mit harten Kennzahlen und ein Team, das die Veränderung mitträgt. Wer in dieser Reihenfolge vorgeht, macht aus dem Kostenfaktor Service wieder einen Bereich, der zur Kundenbindung beiträgt, statt sie zu gefährden.
PROFIL VON CHRISTIAN FLORSCHÜTZ BEI UNITEDINTERIM - AUF DAS PROFESSIONELLE INTERIM MANAGEMENT SPEZIALISIERTE PLATTFORM FÜR DIE DACH-REGION
Westhang 9
85309 Pörnbach
+49 170 29 57 0 57