Kundenservice im KI-Zeitalter: Wie intelligenter Service Effizienz und Kundenerlebnis verbindet

Der Kundenservice gehört zu den Bereichen, in denen Unternehmen KI am frühesten und am entschiedensten einführen. Von automatischen Antworten bis zu Agenten, die Bestellungen abfragen und Erstattungen veranlassen, kann ein intelligenter Kundenservice mit weniger Personal tatsächlich mehr Anfragen bearbeiten. Doch Kundinnen und Kunden sind nicht immer überzeugt: Antworten, die an der Frage vorbeigehen, oder Schleifen, in denen sich kein menschlicher Ansprechpartner finden lässt, verschlechtern das Erlebnis und können das Unternehmen sogar rechtlich haftbar machen. Das Ziel eines intelligenten Kundenservice sollte nicht sein, „weniger Anrufe anzunehmen“, sondern die Probleme der Kunden schneller und präziser zu lösen – Effizienz und Kundenerlebnis müssen gemeinsam bilanziert werden.

Wie finden Unternehmen hier die richtige Balance? In diesem Beitrag behandeln wir den Wandel vom regelbasierten Bot zum Large Language Model und zum Agenten, die tatsächliche Haltung von Kunden gegenüber KI-Kundenservice, die Lehren aus dem Fall des Air-Canada-Chatbots, die Frage, welche Anliegen sich für KI eignen, sowie Designprinzipien, eine schrittweise Einführung und die Kennzahlen, auf die es wirklich ankommt.

Wie hat sich der intelligente Kundenservice entwickelt?

Der intelligente Kundenservice hat grob drei Stufen durchlaufen: regelbasierte Bots, Assistenten auf Basis großer Sprachmodelle und Kundenservice-Agenten. Mit jeder Stufe werden die Fähigkeiten stärker, aber auch die Art der Fehler verändert sich: Aus „versteht nichts“ wird „klingt überzeugend, ist aber falsch“.

• Regelbasierte Bots. Frühe Service-Bots arbeiteten mit Schlüsselwörtern und vorgegebenen Frage-Antwort-Bäumen. Gibt ein Kunde „Rücksendung“ ein, erhält er einen Link zu den Rückgaberegeln. Solche Bots sagen selten etwas Falsches, doch sobald eine Frage nur etwas vom Vorgegebenen abweicht, bleibt ihnen nur die Antwort „Das habe ich nicht verstanden, bitte formulieren Sie es anders“.
• Assistenten auf Basis großer Sprachmodelle. Ein Kundenservice auf Basis eines Large Language Models (LLM) versteht natürliche Sprache und formuliert Antworten anhand der Wissensdatenbank; das Gesprächserlebnis verbessert sich deutlich. Dort, wo die Wissensdatenbank nichts abdeckt, kann er jedoch „frei improvisieren“ und Antworten geben, die plausibel klingen, aber nicht der Unternehmensrichtlinie entsprechen.
• Kundenservice-Agenten. Ein KI-Agent beantwortet nicht nur Fragen, sondern greift auch auf Geschäftssysteme zu und führt Vorgänge aus, etwa den Versandstatus abzufragen, die Lieferadresse zu ändern oder eine Erstattung anzustoßen. Er kann mehr Anliegen lösen; unterläuft ihm ein Fehler, schlagen die Folgen direkt auf Bestellungen und Geldflüsse durch.

Dieser Wandel vollzieht sich rasch. Die im Mai 2026 veröffentlichte Salesforce-Umfrage „State of Service: AI Agents Edition“ unter 3.075 Kundenservice-Fachkräften zeigt, dass der Anteil der Serviceorganisationen, die Agenten einsetzen, von 39 % im Jahr 2025 auf 66 % im Jahr 2026 gestiegen ist; 70 % der Teams, die bereits Agenten nutzen, sahen innerhalb von 60 Tagen nach dem Einsatz einen messbaren Nutzen (Quelle). Dabei ist zu beachten, dass die Umfrage von einem Anbieter von Service-Software in Auftrag gegeben wurde und die Befragten Fachkräfte im Kundenservice sind, nicht Endkunden; die Ergebnisse spiegeln also die Sicht der Unternehmen wider.

Wie sehen Kunden KI im Kundenservice?

Unternehmen sind von KI im Kundenservice begeistert, Kunden dagegen deutlich zurückhaltender. Was Kunden wirklich fürchten, ist nicht „KI“ an sich, sondern von KI abgeblockt zu werden und niemanden zu finden, der ihr Problem lösen kann.

Gartner befragte im Dezember 2023 5.728 Kunden; die im Juli 2024 veröffentlichten Ergebnisse zeigen: 64 % der Kunden wünschen sich, dass Unternehmen im Kundenservice keine KI einsetzen; 53 % würden einen Wechsel zu einem Wettbewerber erwägen, wenn sie erfahren, dass ein Unternehmen KI im Kundenservice nutzt. Die größte Sorge der Kunden ist, dass es schwerer wird, einen Menschen zu erreichen; es folgen die Sorge, dass KI Arbeitsplätze ersetzt, und die Sorge, dass KI falsche Antworten gibt (Quelle). Die Umfrage wurde Ende 2023 abgeschlossen; seither haben sich Leistungsfähigkeit und Verbreitung von KI im Kundenservice stark verändert, die heutigen Werte können daher abweichen, doch die genannten Sorgen bleiben als Orientierung aufschlussreich.

Auch zwischen Unternehmen und Kunden klafft eine deutliche Wahrnehmungslücke. Der genannte Salesforce-Bericht zeigt, dass 65 % der Kundenservice-Fachkräfte glauben, ihre Kunden vertrauten KI uneingeschränkt; eine im Bericht zitierte Verbraucherumfrage von Metrigy ergab dagegen, dass nur 44 % der Verbraucher KI zutrauen, ihre Serviceanliegen zu bearbeiten (Quelle).

Auch Gartner selbst urteilt zurückhaltend. Im September 2025 prognostizierte Gartner, dass bis 2028 kein einziges Fortune-500-Unternehmen seinen menschlichen Kundenservice vollständig abschaffen wird; und dass bis 2027 die Hälfte der Unternehmen, die ihr Servicepersonal wegen KI stark abbauen wollten, diesen Plan aufgeben wird, weil sie das Ziel des „personalfreien“ Betriebs verfehlen (Quelle). Gartner-Analysten zufolge tut sich KI bei Ausnahmefällen und Szenarien mit hohem Risiko weiterhin schwer; der realistischere Weg ist ein hybrides Modell aus „Mensch plus KI“ statt eines vollständig menschenlosen Contact Centers.

Was lehrt der Fall des Air-Canada-Chatbots?

Der Fall Moffatt v. Air Canada aus dem Jahr 2024 ist die am häufigsten zitierte Lehre im Bereich des intelligenten Kundenservice. Er verdeutlicht eine schlichte Wahrheit: Was ein Service-Bot sagt, sagt das Unternehmen.

Dem Beschluss des Civil Resolution Tribunal der kanadischen Provinz British Columbia vom 14. Februar 2024 zufolge lag der Fall im Kern wie folgt (Quelle):

• Im November 2022 starb die Großmutter des Fluggastes Jake Moffatt. Auf der Website von Air Canada fragte er den Service-Chatbot nach ermäßigten Tarifen für Trauerfälle.
• Der Bot teilte ihm mit, er könne das Ticket zunächst zum regulären Preis kaufen und nach der Reise innerhalb von 90 Tagen ab Ausstellungsdatum die Erstattung der Differenz zum ermäßigten Tarif beantragen. Die in der Bot-Antwort verlinkte offizielle Seite besagte jedoch, dass der Trauerfalltarif nicht für Anträge gilt, die erst nach Abschluss der Reise gestellt werden.
• Moffatt kaufte nach den Angaben des Bots Hin- und Rückflug; sein späterer Antrag auf Erstattung der Differenz wurde abgelehnt. Air Canada räumte ein, dass die Aussage des Bots irreführend war, argumentierte aber, das Unternehmen sei nicht für Informationen verantwortlich, die seine Vertreter oder Beauftragten – einschließlich des Chatbots – gegeben hätten.
• Das Tribunal sah darin die Behauptung, der Chatbot sei eine eigenständige juristische Person, die für ihr Handeln selbst einstehen müsse, bezeichnete dies als „bemerkenswerte Behauptung“ und stellte fahrlässige Falschdarstellung durch Air Canada fest. Der Beschluss hält fest, dass der Chatbot trotz seiner Interaktivität lediglich ein Teil der Website von Air Canada sei und das Unternehmen für sämtliche Informationen auf seiner Website verantwortlich sei, gleichgültig, ob sie von einer statischen Seite oder einem Chatbot stammen.
• Am Ende wurde Air Canada zu einem Schadensersatz von 650,88 kanadischen Dollar für die Preisdifferenz verurteilt, zusammen mit Zinsen und Verfahrenskosten insgesamt 812,02 kanadische Dollar.

Der Betrag ist gering, die Wirkung weitreichend. Für Unternehmen ergeben sich daraus mindestens drei Lehren: Erstens: Man kann sich nicht mit „das hat der Bot gesagt“ aus der Verantwortung ziehen. Zweitens müssen die Richtliniendetails in den Antworten des Bots mit der offiziellen Richtlinie übereinstimmen; widersprechen sich beide, kann ein Unternehmen von Kunden kaum verlangen, selbst nachzuprüfen. Drittens sind Zusagen zu Erstattungen, Entschädigungen und Preisausnahmen am anfälligsten für Probleme und erfordern die strengsten Grenzen.

Welche Anliegen eignen sich für KI, und welche müssen an Menschen übergeben werden?

Wer ein Anliegen bearbeiten soll, hängt vor allem von zwei Fragen ab: Ist die Antwort eindeutig, und wie hoch sind die Kosten eines Fehlers? Anliegen mit eindeutiger, überprüfbarer Antwort, bei denen sich Fehler leicht korrigieren lassen, eignen sich für KI; Anliegen, die Urteilsvermögen, Emotionen, Geld oder rechtliche Folgen betreffen, sollten Menschen bearbeiten oder zumindest bestätigen.

Die folgende Tabelle ist eine gängige Orientierung für die Aufgabenteilung:

Die Tabelle dient nur zur Orientierung; die konkreten Grenzen sollten an Branche, regulatorische Anforderungen und die eigene Risikotoleranz des Unternehmens angepasst werden.

Welche Prinzipien gelten für das Design eines intelligenten Kundenservice?

Ein guter intelligenter Kundenservice versucht nicht, „den Weg zu einem Menschen möglichst zu verbergen“, sondern „Kunden auf dem kürzesten Weg zur Lösung zu führen“. Der Kern der folgenden fünf Prinzipien: Kunden müssen jederzeit wissen, mit wem sie kommunizieren und wer für ihr Anliegen verantwortlich ist.

Jederzeit an einen Menschen übergeben können. Der Zugang zum menschlichen Service sollte deutlich und leicht auffindbar sein und nicht hinter mehreren Gesprächsrunden versteckt. In der genannten Umfrage empfiehlt Gartner, Kunden aktiv mitzuteilen, dass sie an einen Menschen weitergeleitet werden, wenn der Bot ein Problem nicht lösen kann (Quelle).

Offenlegen, dass es sich um KI handelt. Wenn Kunden von Beginn an wissen, dass sie mit einer KI sprechen, ist das eine Frage des Respekts und hilft, Erwartungen zu steuern. Für Unternehmen mit Kunden in der EU ist dies bereits eine gesetzliche Pflicht: Artikel 50 Absatz 1 der EU-KI-Verordnung (Regulation (EU) 2024/1689) verlangt, dass Anbieter sicherstellen, dass KI-Systeme, die direkt mit natürlichen Personen interagieren, so konzipiert sind, dass diese erkennen, dass sie mit einem KI-System interagieren – es sei denn, dies ist für eine angemessen informierte, aufmerksame und verständige Person aus den Umständen offensichtlich; Absatz 5 verlangt, dass diese Information spätestens zum Zeitpunkt der ersten Interaktion klar und erkennbar bereitgestellt wird (Quelle). Nach Artikel 113 gelten diese Pflichten ab dem 2. August 2026; nach Artikel 99 können Verstöße gegen die Transparenzpflichten des Artikels 50 mit Geldbußen von bis zu 15 Mio. Euro oder 3 % des weltweiten Jahresumsatzes geahndet werden, je nachdem, welcher Betrag höher ist. Die Einordnung der irischen Kanzlei McCann FitzGerald vom Juli 2026 weist darauf hin, dass der nachfolgende „Digital Omnibus“ der EU lediglich den Anwendungszeitpunkt von Artikel 50 Absatz 2 (maschinenlesbare Kennzeichnung KI-generierter Inhalte) für bestehende Systeme angepasst hat; die Informationspflicht für Chatbots gilt weiterhin nach dem Zeitplan vom August 2026 (Quelle). Wie die Compliance-Verantwortung im Einzelnen verteilt ist, sollten Sie mit fachkundiger rechtlicher Beratung klären.

Beim Übergeben den Kontext mitgeben. Nach der Übergabe an einen Menschen stört Kunden am meisten, ihr Problem noch einmal von vorn schildern zu müssen. Der Bot sollte Identität des Kunden, bereits bestätigte Informationen, bereits versuchte Aktionen und den Gesprächsverlauf an den Mitarbeitenden übergeben. Auch Gartner empfiehlt eine „nahtlose“ Übergabe, bei der der menschliche Service dort weitermacht, wo der Bot aufgehört hat.

Keine Zusagen über die eigenen Befugnisse hinaus. Der Fall Air Canada hat gezeigt: Die Zusage eines Bots ist die Zusage des Unternehmens. Bei Erstattungsbeträgen, Entschädigungen und Preisausnahmen darf der Bot nur Richtlinien und Abläufe erläutern, nicht eigenmächtig etwas versprechen; falls nötig, bestätigt ein Mensch mit entsprechender Befugnis.

Nur mit echter, aktueller Wissensdatenbank antworten. Die Antworten des Bots sollten auf vom Unternehmen geprüften Richtliniendokumenten, Produktunterlagen und Geschäftsdaten beruhen und möglichst die Quelle nennen; was nicht in der Wissensdatenbank steht, beantwortet er lieber mit „Das muss ein Mitarbeiter bestätigen“, statt das Modell spekulieren zu lassen. Ändert sich eine Richtlinie, muss die Wissensdatenbank gleichzeitig aktualisiert werden.

Wie führt man einen intelligenten Kundenservice schrittweise ein, und welche Kennzahlen zählen?

Die sicherste Art der Einführung ist, mit einem kleinen Umfang und risikoarmen Anliegen zu beginnen und anhand von Daten über den nächsten Schritt zu entscheiden. Zuerst muss gezeigt werden, dass der Bot einfache Anliegen gut löst; erst dann wird sein Einsatzbereich schrittweise erweitert.

Schritt 1: Bestehende Anfragen analysieren und häufige, einfache Anliegen finden. Exportieren Sie Tickets und Chatverläufe der vergangenen Monate und werten Sie Anzahl und Bearbeitungsdauer nach Anliegenart aus. Meist machen wenige Anliegenarten (etwa Bestellabfrage, Rechnung, Lieferzeit) den Großteil des Anfragevolumens aus; sie sind der beste Ausgangspunkt.

Schritt 2: Wissensdatenbank aufbereiten und prüfen. Bringen Sie Richtlinien, Produktunterlagen und häufige Fragen in eine einheitliche, aktuelle Fassung und benennen Sie eine verantwortliche Person für die Pflege. Die Qualität der Wissensdatenbank bestimmt die Obergrenze der Antwortqualität des Bots.

Schritt 3: Übergaberegeln und Übergabeprozess entwerfen. Legen Sie fest, welche Anliegen direkt an einen Menschen gehen, in welchen Fällen der Bot anhalten muss und welche Informationen bei der Übergabe weitergegeben werden. Stellen Sie außerdem sicher, dass die Einsatzplanung des menschlichen Service die übergebenen Anfragen auffangen kann.

Schritt 4: Interner Test und Schattenbetrieb. Lassen Sie zunächst Mitarbeitende als Kunden Fragen stellen; danach bearbeitet der Bot im Hintergrund echte Anfragen und erzeugt nur Antwortvorschläge, die Menschen vergleichen und prüfen. Prüfen Sie vor allem, ob er bei Richtliniendetails, Beträgen und Ausnahmefällen etwas Falsches sagt.

Schritt 5: Klein starten und schrittweise erweitern. Öffnen Sie zunächst einen Kanal oder eine Anliegenart, zum Beispiel nur Bestellabfragen auf der Website; bei stabiler Leistung folgen weitere Kanäle und Anliegen, die einen Vorgang auslösen.

Schritt 6: Laufend auswerten und einen Verbesserungskreislauf aufbauen. Prüfen Sie wöchentlich stichprobenartig Gesprächsprotokolle und analysieren Sie vor allem Übergaben an Menschen, negative Kundenbewertungen und wiederholte Anrufe; ergänzen Sie darauf aufbauend die Wissensdatenbank und passen Sie die Regeln an.

Bei der Bewertung des intelligenten Kundenservice besteht der häufigste Fehler darin, nur auf die „Eindämmungsquote“ (Containment Rate) zu schauen, also darauf, wie viele Anfragen nicht an einen Menschen weitergeleitet wurden. Eine hohe Eindämmungsquote kann bedeuten, dass Probleme gelöst wurden – oder dass Kunden keinen Menschen finden und aufgeben. Verlässlicher ist es, Effizienz- und Erlebniskennzahlen gemeinsam zu betrachten:

• Lösungsquote. Ob das Problem des Kunden tatsächlich gelöst wurde, lässt sich durch die Bestätigung am Gesprächsende oder durch eine spätere Rückfrage beurteilen.
• Wiederkontaktquote. Meldet sich derselbe Kunde kurz darauf erneut wegen desselben Problems, zeigt das häufig, dass es beim letzten Mal nicht gelöst wurde.
• Übergabequote und Übergabegründe. Eine niedrigere Übergabequote ist an sich nicht besser; entscheidend ist die Analyse der Gründe: unzureichende Fähigkeiten des Bots, Lücken in der Wissensdatenbank oder Anliegen, die ohnehin von Menschen bearbeitet werden sollten.
• Kundenzufriedenheit. Erfassen Sie die Zufriedenheit getrennt für KI-Bearbeitung und menschliche Bearbeitung und achten Sie besonders auf die Veränderung der Zufriedenheit nach der Übergabe vom Bot an einen Menschen.
• Fehler und Beschwerden. Verfolgen Sie Beschwerden, die durch falsche Informationen oder unangemessene Zusagen des Bots entstanden sind; solche Fälle sollten, auch wenn es nur wenige sind, einzeln ausgewertet werden.

Häufige Fragen zum KI-Kundenservice

Lohnt sich ein intelligenter Kundenservice für mittelständische Unternehmen? Bei hohem Anfragevolumen und vielen wiederkehrenden Fragen lohnt sich die Überlegung; bei geringem Volumen und Kunden, denen der persönliche Kontakt wichtig ist, können Sie zunächst mit der Aufbereitung der Wissensdatenbank und automatischen Antworten beginnen. Entscheidend ist, zuerst genau zu ermitteln, welche Anliegen die meisten Personalressourcen binden.

Sollte man Kunden mitteilen, dass sie mit einer KI sprechen? Ja, das empfiehlt sich. Es schafft Vertrauen und hilft, Erwartungen zu steuern; für Dienste, die sich an Nutzer in der EU richten, ist es zudem ab dem 2. August 2026 eine Anforderung nach Artikel 50 der KI-Verordnung.

Muss das Unternehmen haften, wenn der Bot falsch antwortet? Nach dem Fall Air Canada kann sich ein Unternehmen kaum mit dem Hinweis „das hat der Bot gesagt“ der Haftung entziehen. Daher sollten Zusagen des Bots zu Erstattungen, Entschädigungen und Ähnlichem begrenzt und seine Antworten regelmäßig mit der offiziellen Richtlinie abgeglichen werden.

Kann man mit einem intelligenten Kundenservice das Servicepersonal stark reduzieren? Hier ist Vorsicht geboten. Gartner prognostiziert, dass die Hälfte der Unternehmen, die ihr Servicepersonal mithilfe von KI stark abbauen wollen, diesen Plan bis 2027 aufgeben wird. Sicherer ist es, KI einfache, wiederkehrende Anliegen bearbeiten zu lassen und die Kapazität des menschlichen Service auf komplexe Fälle und die Kundenbeziehung zu konzentrieren.

Quellen

• State of Service: AI Agents Edition (Pressemitteilung: AI service agents improve customer satisfaction), Salesforce, Mai 2026
• Gartner Survey Finds 64% of Customers Would Prefer That Companies Didn't Use AI For Customer Service, Gartner, Juli 2024
• Gartner Predicts None of the Fortune 500 Companies Will Have Fully Eliminated Human Customer Service by 2028, Gartner, September 2025
• Moffatt v. Air Canada, 2024 BCCRT 149, Civil Resolution Tribunal (British Columbia, Kanada), Februar 2024
• Regulation (EU) 2024/1689 (Artificial Intelligence Act), EUR-Lex, Juni 2024
• One Month to Go: EU AI Act Transparency Compliance, McCann FitzGerald, Juli 2026