{"content_id":"2doywe7tfr","slug":"why-ai-chatbots-do-not-reduce-call-center-calls","locale":"de","schema_type":"TechArticle","category":"ai_data","category_name":"KI-Daten","title":"Warum trotz AI-Chatbot die Anrufe im Callcenter nicht abnehmen","summary":"Auch bei steigender Chatbot-Nutzung sinken Anrufaufkommen und Betriebskosten im Callcenter möglicherweise nicht, wenn es an Bearbeitungsbefugnissen, Kontextverständnis und der Weiterleitung an menschliche Berater fehlt. Statt der Automatisierungsquote sollte gemessen werden, ob Kundenprobleme gelöst wurden. Zudem muss die gesamte Customer Journey so gestaltet sein, dass AI und Berater den Kontext teilen.","sponsorship_disclosure":null,"author":{"name":"injoys","url":"https://injoys.com/ko/about"},"key_points":["Eine zunehmende Chatbot-Nutzung kann bedeuten, dass die Nachfrage nach Unterstützung und die Zahl der Kontaktpunkte gestiegen sind, und belegt daher nicht direkt einen Rückgang der Callcenter-Anrufe.","Die Fähigkeit, Informationen zu erklären, und die Befugnis, Erstattungen, Stornierungen oder Kontoänderungen tatsächlich durchzuführen, sind unterschiedliche Kompetenzen.","Anrufe nach einem gescheiterten Chatbot-Kontakt konzentrieren sich auf komplexe Fälle. Daher können auch bei gleichbleibendem Anrufvolumen die durchschnittliche Bearbeitungszeit und die emotionale Belastung steigen.","Bei einem effektiven Handover werden die Gesprächszusammenfassung, der Authentifizierungsstatus des Kunden, die durchgeführten Maßnahmen und die Gründe für das Scheitern gemeinsam an den Berater übermittelt.","Die zentralen Leistungskennzahlen sollten statt auf einer bloßen Abwehrquote auf der Abschlussquote der Customer Journey, der Wiederkontaktquote, der gesamten Lösungszeit und dem Kundenaufwand basieren."],"content_markdown":"Ein stark gestiegenes Gesprächsvolumen von AI-Chatbots führt nicht automatisch dazu, dass Anrufe im Callcenter oder Beratungskosten sinken. Fragen zu beantworten und die Probleme von Kunden vollständig zu lösen, sind zwei verschiedene Dinge. Gescheiterte Automatisierung kann sogar dazu führen, dass komplexere und emotionalere Anfragen an menschliche Berater weitergeleitet werden.\n\nDas zentrale Paradox, das sich im operativen Betrieb beobachten lässt, lautet: Die Nutzung des Chatbots nimmt zu, während das gesamte Anrufvolumen nahezu unverändert bleibt und zugleich die Schwierigkeit der von Beratern bearbeiteten Anfragen sowie die durchschnittliche Bearbeitungszeit steigen. Um dies zu verstehen, muss statt der Nutzung einzelner Kanäle der gesamte Lösungsweg des Kunden betrachtet werden.\n\n## Warum Chatbot-Nutzung und Rückgang der Anrufe nicht übereinstimmen\n\nDas Nutzungsvolumen eines Chatbots ist kein Ergebnisindikator, sondern ähnelt eher dem Aktivitätsvolumen an einem Kontaktpunkt. Die Zahl der Gespräche kann allein durch mehr Besucher, eine stärkere Sichtbarkeit des Chatbots, eine veränderte Einstiegsposition in der App oder den Kanalwechsel bisheriger FAQ-Nutzer steigen.\n\nSelbst wenn die Zahl der Chatbot-Gespräche beispielsweise um 300% gestiegen ist, sinkt das Anrufvolumen in den folgenden Situationen nicht.\n\n- Bestellungen und Abonnentenzahlen sind zugleich gestiegen, sodass die gesamte Nachfrage nach Auskünften zugenommen hat.\n- Bisherige Nutzer von Suche und FAQ sind zum Chatbot gewechselt, während die Zahl der Anrufenden unverändert blieb.\n- Ein Kunde hat nach der Nutzung des Chatbots wegen desselben Problems erneut angerufen.\n- Der Chatbot wurde zu einem neuen Einstiegskanal für Anfragen, sodass auch Kunden eine Beratung begannen, die zuvor aufgegeben hätten.\n- Der Anteil komplexer Probleme, die einen Anruf erfordern, ist nicht gesunken.\n\nDaher müssen bei der Analyse neben der reinen Zahl der Gespräche die folgenden Kennzahlen getrennt betrachtet werden.\n\n| Kennzahl | Berechnung oder Bedeutung | Zu beachten |\n|---|---|---|\n| Telefonkontaktquote | Zahl der telefonischen Anfragen ÷ Zahl der Bestellungen, Abonnements oder aktiven Kunden | Der Anstieg des Anfragevolumens infolge des Geschäftswachstums muss bereinigt werden. |\n| Übergabequote | An menschliche Beratung übergebene Chatbot-Sitzungen ÷ alle Chatbot-Sitzungen | Ein niedriger Wert ist nicht zwangsläufig gut. Er kann auch sinken, wenn die Schaltfläche zur Kontaktaufnahme verborgen wird. |\n| Wiederkontaktquote | Anteil der Kunden, die innerhalb eines bestimmten Zeitraums wegen desselben Problems erneut Kontakt aufnehmen | Auch bei unterschiedlichen Kanälen muss erkannt werden, ob es sich um dasselbe Problem handelt. |\n| Abschlussquote des Lösungswegs | Kunden, die die gewünschte Aufgabe tatsächlich abgeschlossen haben ÷ Kunden, die diese Aufgabe versucht haben | Die Bereitstellung einer Antwort muss vom tatsächlichen Abschluss der Bearbeitung unterschieden werden. |\n| Lösungsquote beim Erstkontakt | Anteil der Fälle, die bei der ersten Interaktion ohne zusätzlichen Kontakt gelöst wurden | Sie wird verzerrt, wenn Berater einen Fall eigenmächtig als abgeschlossen markieren, ohne dies vom Kunden bestätigen zu lassen. |\n| Gesamtlösungszeit | Vergangene Zeit vom ersten Kontakt bis zur endgültigen Lösung | Wartezeiten, Kanalwechsel und erneute Authentifizierung müssen ebenfalls einbezogen werden. |\n| Durchschnittliche Bearbeitungszeit | Gesamter Zeitaufwand für die Beratung ÷ Zahl der bearbeiteten Fälle | Sie kann steigen, wenn nach der Automatisierung nur noch schwierige Fälle übrig bleiben. |\n\n## Drei strukturelle Grenzen, aufgrund derer AI trotz einer Antwort das Problem nicht löst\n\n### 1. Unterschied zwischen Erklärungsfähigkeit und Ausführungsbefugnis\n\nGenerative AI kann Inhalte, die in Dokumenten vorliegen, etwa Richtlinien, Nutzungshinweise und Produktinformationen, schnell erklären. Die tatsächlichen Anliegen von Kunden umfassen jedoch häufig mehrstufige Geschäftsprozesse.\n\nWenn ein Kunde beispielsweise sagt: „Ich habe mein Abonnement gekündigt, wurde aber erneut belastet. Bitte erstatten Sie mir den Betrag“, muss das System möglicherweise die folgenden Aufgaben ausführen.\n\n1. Den Kunden und das Konto authentifizieren.\n2. Den Kündigungszeitpunkt und die Zahlungshistorie abrufen.\n3. Prüfen, ob eine Doppelbelastung vorliegt oder die Erstattungsbedingungen erfüllt sind.\n4. Genehmigungsbefugnisse und Ausnahmeregelungen prüfen.\n5. Die Erstattung ausführen und das Ergebnis dokumentieren.\n\nWenn der Chatbot nicht mit dem internen Zahlungs- oder Bestellsystem verbunden ist oder keine Ausführungsbefugnis besitzt, kann er lediglich Hinweise geben. Muss der Kunde selbst das entsprechende Menü suchen und den Vorgang erneut durchführen, gilt dies aus Unternehmenssicht zwar möglicherweise als „Antwort abgeschlossen“, aus Kundensicht ist das Anliegen jedoch ungelöst.\n\nAuch sensible Vorgänge pauschal mit weitreichenden Befugnissen auszustatten, ist keine Lösung. Funktionen wie Erstattungen, Änderungen personenbezogener Daten und Kontowiederherstellungen erfordern Identitätsprüfung, minimale Berechtigungen, Betragsgrenzen, Genehmigungsverfahren, Audit-Protokolle und Möglichkeiten zur Wiederherstellung bei Fehlern.\n\n### 2. Fehlender Kontext, der aus der Frage nicht hervorgeht\n\nAllein anhand des Satzes „Bitte empfehlen Sie mir ein Urlaubsziel, an das ich mit meinem Kind reisen kann“ lässt sich nur schwer ein passendes Ergebnis bestimmen. Einschränkungen wie das Alter des Kindes, die Reisezeit, das Budget, Lebensmittelallergien, die Sicherheit des Pools und der Zugang zu medizinischer Versorgung können das Ergebnis verändern.\n\nZu den Methoden, den Kontext zu ergänzen, gehören die folgenden Elemente.\n\n- Rückfragen zur Klärung notwendiger Bedingungen\n- Nutzung der Bestell- und Beratungshistorie in dem vom Kunden genehmigten Umfang\n- Wissensgraphen, die Beziehungen zwischen Produkten, Richtlinien, Regionen, Zielgruppen und Ausnahmen abbilden\n- Ontologien, die Begriffe und Beziehungen konsistent definieren\n- Abruf aktueller Richtliniendokumente sowie tatsächlicher Bestands- und Buchungssysteme\n\nOntologien oder Wissensgraphen sind mögliche Implementierungsansätze, aber keine zwingende Voraussetzung für jeden Chatbot. Bei einfachen Aufgaben können strukturierte APIs und klar definierte Gesprächsabläufe effizienter sein. Entscheidend ist, dass das Modell Lücken nicht durch Vermutungen füllt, sondern erforderliche Informationen erfragt oder aus vertrauenswürdigen Systemen abruft.\n\n### 3. Schwierige Anfragen, die nach gescheiterter Automatisierung übrig bleiben\n\nWenn der Chatbot einfache Anfragen bearbeitet, bleiben für die Berater relativ mehr komplexe Ausnahmefälle übrig. Dies lässt sich als Veränderung der Fallzusammensetzung betrachten. Selbst wenn die Zahl der Anrufe gleich bleibt oder leicht sinkt, können die gesamte Beratungszeit und die Kosten unverändert bleiben, wenn die verbleibenden Gespräche länger dauern.\n\nWenn ein Kunde dem Chatbot dieselbe Erklärung mehrfach gegeben hat und sie dem Berater anschließend erneut von Anfang an schildern muss, steigt auch die emotionale Belastung. Ein ursprünglich einfacher Fall zur Prüfung einer Zahlung kann sich zu einer Beschwerde ausweiten, die zusätzlich den Ärger über das Scheitern der Automatisierung umfasst.\n\nDer Anstieg der durchschnittlichen Bearbeitungszeit darf jedoch nicht vorschnell dem Chatbot zugeschrieben werden. Auch Faktoren wie Produktstörungen, Richtlinienänderungen, der Anteil neuer Berater und saisonale Effekte haben Einfluss. Beim Vergleich vor und nach der Einführung müssen die Art der Anfrage und die Kundengruppe kontrolliert werden. Zudem sind Kunden, die nach der Chatbot-Nutzung angerufen haben, getrennt von Kunden zu analysieren, die direkt angerufen haben.\n\n## Die Lösung ist keine Abwehr von Anfragen, sondern eine reibungslose Übergabe\n\nEine Übergabe bezeichnet den Prozess, bei dem ein Gespräch, das die AI nicht lösen konnte, an einen menschlichen Berater weitergeleitet wird. Ziel einer guten Übergabe ist nicht, den Kunden möglichst lange im Chatbot festzuhalten, sondern die Grenzen der Automatisierung schnell zu erkennen und dem nächsten Bearbeiter eine unterbrechungsfreie Fortsetzung der Arbeit zu ermöglichen.\n\nWenn Signale wie die folgenden auftreten, kann eine Verbindung zu einem menschlichen Berater angeboten werden.\n\n- Der Kunde bittet ausdrücklich um die Verbindung mit einem Berater.\n- Dieselbe oder eine ähnliche Frage wird wiederholt.\n- Die Konfidenz der Antwort liegt unter dem Schwellenwert oder es wurde kein Belegdokument gefunden.\n- Es besteht ein hohes Risiko, etwa bei Zahlungsstreitigkeiten, Kontoübernahmen, rechtlichen Drohungen oder Sicherheitsproblemen.\n- Negative Emotionen halten an oder der Kunde lehnt die Antwort ab.\n- Eine vom Chatbot ausgeführte Aktion ist fehlgeschlagen oder in einen Ausnahmezustand geraten.\n\nAuf dem Bildschirm des Beraters sollten statt eines bloßen Gesprächstranskripts strukturierte Informationen übermittelt werden, die unmittelbar für die Bearbeitung nutzbar sind.\n\n| Übermittelte Information | Konkreter Inhalt |\n|---|---|\n| Kundenabsicht | Das Ergebnis, das der Kunde letztlich erreichen möchte |\n| Wesentliche Fakten | Bestätigte Informationen wie Bestellnummer, Zeitpunkt des Auftretens, Produkt und Betrag |\n| Authentifizierungsstatus | Wie die Identität geprüft wurde und in welchem Umfang die Prüfung gültig ist |\n| Ausgeführte Vorgänge | Vom Chatbot abgerufene oder ausgeführte Aktionen und deren Ergebnisse |\n| Fehlerursache | Fehlende Berechtigung, Richtlinienausnahme, API-Fehler, geringe Konfidenz usw. |\n| Gesprächszusammenfassung | Aussagen des Kunden, bereits gegebene Erklärungen und offene Fragen |\n| Emotions- und Risikosignale | Intensität der Unzufriedenheit und mögliche Sicherheits-, Schutz- oder Rechtsrisiken |\n| Belege | Version der verwendeten Richtliniendokumente und relevante Systemaufzeichnungen |\n\nDa von AI erstellte Zusammenfassungen Fehler enthalten können, muss auch das ursprüngliche Gespräch einsehbar sein. Authentifizierungsdaten und sensible personenbezogene Daten dürfen nur im erforderlichen Umfang übermittelt werden; Zugriffsrechte und Aufbewahrungsfristen müssen verwaltet werden.\n\n## Dreistufiges Betriebsmodell zur Aufteilung der Rollen von AI und Menschen\n\nEs ist sicherer, den Automatisierungsgrad anhand des Risikos, der Häufigkeit von Ausnahmen und der Verantwortung für Entscheidungen zu unterteilen.\n\n| Bereich | Geeignete Aufgaben | Rolle der AI | Rolle des Menschen |\n|---|---|---|---|\n| Automatisierung | Auskunft zu Öffnungszeiten, Sendungsverfolgung, risikoarme Buchungsänderungen | Abruf, Erklärung und Ausführung von Vorgängen | Eingreifen bei Ausnahmen |\n| Zusammenarbeit | Anfragen zu komplexen Produkten, Prüfung von Richtlinienausnahmen, gewöhnliche Beschwerden | Kontext strukturieren, Belege suchen, Antwortentwurf vorschlagen | Fakten prüfen, endgültig entscheiden und kommunizieren |\n| Ausschließlich Menschen | Rechtsstreitigkeiten, Erstattungen hoher Beträge, Kontoübernahmen, Sicherheitskrisen, intensive emotionale Betreuung | Suche nach Aufzeichnungen und Bereitstellung unterstützender Unterlagen | Verantwortliche Entscheidung, Genehmigung und Wiederherstellung der Beziehung |\n\nDas Kriterium für die Einteilung sollte nicht lauten, ob die AI gute Sätze formuliert, sondern wie groß der Schaden bei einer fehlerhaften Bearbeitung wäre und in welchem Maß sich der Vorgang rückgängig machen lässt. Bei Aufgaben mit hohen finanziellen, rechtlichen oder sicherheitsbezogenen Risiken oder häufigen Ausnahmen ist es angemessen, Prüfungs- und Genehmigungsschritte durch Menschen beizubehalten.\n\n## KPI-Wechsel von der Abwehrquote zur Abschlussquote des Lösungswegs\n\nDie Abwehrquote oder Automatisierungsquote wird häufig als Anteil der Sitzungen verwendet, die nicht an einen Berater weitergeleitet wurden. Der Wert kann sich jedoch auch verbessern, wenn der Zugang zu einer Verbindung erschwert wird oder Kunden die Lösung ihres Problems aufgeben. Als alleiniger KPI birgt er daher die Gefahr, eine Optimierung in die entgegengesetzte Richtung des Kundenerlebnisses zu fördern.\n\nEin lösungswegorientiertes Messsystem muss die folgenden Fragen beantworten.\n\n1. Wurde die vom Kunden gewünschte Aufgabe tatsächlich abgeschlossen?\n2. Hat der Kunde wegen desselben Problems erneut Kontakt aufgenommen?\n3. Wie viele Kanäle und Schritte waren bis zur Lösung erforderlich?\n4. Wie oft musste der Kunde dieselben Informationen oder seine Authentifizierung wiederholen?\n5. Wie viel Zeit verging vom ersten Kontakt bis zur endgültigen Lösung?\n6. Führte ein Automatisierungsfehler zu einem finanziellen Verlust oder einem Verstoß gegen Richtlinien?\n\nDas empfohlene Dashboard kann aus vier Ebenen bestehen: Ergebnis, Aufwand, Betrieb und Risiko.\n\n- **Ergebnis:** Abschlussquote des Lösungswegs, Lösungsquote beim Erstkontakt, Wiederkontaktquote\n- **Kundenaufwand:** Gesamtlösungszeit, Zahl wiederholter Erklärungen, Zahl der Kanalwechsel, Customer Effort Score\n- **Betrieb:** Telefonkontaktquote, durchschnittliche Bearbeitungszeit, Wartezeit, Auslastung der Berater\n- **Qualität und Risiko:** Quote falscher Antworten, Quote nicht genehmigter Aktionen, Offenlegung sensibler Informationen, Zahl der Einwände und Wiederherstellungsfälle\n\nAuch die Kosten dürfen nicht nur anhand der Zahl der Anrufe berechnet werden. Verglichen werden müssen die Gesamtkosten pro Lösungsweg, einschließlich der Kosten für AI-Inferenz, Systemintegration, Qualitätsbewertung, Sicherheitskontrollen, menschliche Prüfzeit und Fehlerbehebung.\n\n## Pipeline für Kontextschlussfolgerung, Orchestrierung und Übergabe\n\nPraktische AI für den Kundenservice ähnelt weniger einem einzelnen Chatfenster als vielmehr einer Pipeline aus mehreren miteinander verbundenen Systemen.\n\n### 1. Kontextschlussfolgerung\n\nDie Absicht des Kunden und die erforderlichen Bedingungen werden ermittelt, anschließend werden die genehmigten Kundeninformationen und aktuellen Geschäftsdaten abgerufen. Statt sich ausschließlich auf das Gedächtnis des Modells zu verlassen, müssen autoritative Quellen wie Richtliniendokumente, Bestellsysteme und der Kontostatus verwendet werden.\n\n### 2. Orchestrierung\n\nEs wird entschieden, an welches Werkzeug oder welchen Bearbeiter die Anfrage weitergeleitet wird. Vor der Ausführung werden Authentifizierungsstatus, Berechtigungen, Betragsgrenzen und Risikostufe geprüft. Bei einem Fehler erfolgen keine endlosen Wiederholungsversuche; stattdessen wird zu einem Wiederherstellungsverfahren oder zur menschlichen Beratung gewechselt.\n\n### 3. Übergabe\n\nDas Ziel des Kunden, bestätigte Fakten, ausgeführte Aktionen, Fehlerursachen und empfohlene nächste Schritte werden zusammengefasst und an den Berater übermittelt. Der Berater prüft den Originaltext und die Belege und setzt anschließend die Bearbeitung fort.\n\n### 4. Ergebnisaufzeichnung und Lernen\n\nOb das Problem endgültig gelöst wurde und welche Korrekturen der Berater vorgenommen hat, wird gespeichert. Bei wiederkehrenden Fehlern darf nicht nur das Modell neu trainiert werden. Stattdessen muss unterschieden werden, ob die Ursache in Richtliniendokumenten, APIs, Geschäftsberechtigungen oder den Bildschirmabläufen liegt, und der jeweilige Bereich ist zu verbessern.\n\n## Versuchsdesign zur Überprüfung der Einführungseffekte\n\nWenn nur das gesamte Anrufvolumen vor und nach der Einführung verglichen wird, lassen sich die Auswirkungen von Geschäftswachstum und saisonalen Effekten nur schwer trennen. Wenn möglich, sollte die Einführung schrittweise nach ähnlichen Kundengruppen oder Anfragearten erfolgen, wobei die folgenden Punkte gemeinsam zu beobachten sind.\n\n- Zahl der Anrufe je 1.000 Bestellungen oder aktive Kunden\n- Erneute Anfrage aus demselben Grund innerhalb von 24 Stunden oder 7 Tagen nach der Chatbot-Nutzung\n- Abschlussquote und durchschnittliche Bearbeitungszeit nach Anfrageart\n- Kundenaufwand und Zufriedenheit vor und nach der Verbindung mit einem Menschen\n- Anteil der Fälle, in denen Berater die AI-Zusammenfassung korrigiert haben\n- Fehlerquote automatischer Ausführungen und von Menschen benötigte Zeit zur Wiederherstellung\n- Kognitive Belastung, emotionale Erschöpfung und Arbeitszufriedenheit der Berater\n\nAußerdem muss „Lösung“ im Voraus definiert werden. Ein Zustand, in dem eine Antwort angezeigt wurde, der Kunde das Gespräch beendet hat, ein Backend-Vorgang erfolgreich war oder der Kunde das Ergebnis bestätigt hat, sind jeweils unterschiedlich. Bei Aufgaben wie Erstattungen, die eine nachgelagerte Bearbeitung erfordern, muss der tatsächliche Transaktionsstatus geprüft werden.\n\n## Prüfliste für Produktteams\n\n- Wurde unterschieden zwischen Aufgaben, die der Chatbot beantworten kann, und solchen, die er tatsächlich ausführen kann?\n- Werden die Erfolgskriterien jeder Aufgabe anhand des Backend-Ergebnisses geprüft?\n- Kann der Kunde jederzeit eindeutig um eine menschliche Beratung bitten?\n- Werden wiederholte Fragen, geringe Konfidenz und risikobehaftete Formulierungen als Übergabesignale verwendet?\n- Kann der Berater neben der Gesprächszusammenfassung auch den Originaltext und die Belege einsehen?\n- Muss der Kunde Authentifizierung und Erklärungen nicht erneut wiederholen?\n- Gibt es für Beträge und Befugnisse, über die die AI verfügen darf, Grenzen und Genehmigungsverfahren?\n- Werden die Wiederkontaktquote und die Gesamtlösungszeit nach Anfrageart gemessen?\n- Führt das Feedback der Berater zu Verbesserungen an Wissensdokumenten, Werkzeugen und Arbeitsabläufen?\n- Testen die tatsächlich für den Betrieb Verantwortlichen regelmäßig den gesamten Chatbot-Lösungsweg aus Kundensicht?\n\n## Fazit\n\nDer Erfolg eines AI-Chatbots lässt sich nicht allein anhand des Gesprächsvolumens oder der Abwehrquote gegenüber menschlicher Beratung beurteilen. Wird das Ziel des Kunden nicht tatsächlich erreicht, ist der Chatbot kein Kanal zur Problemlösung, sondern ein zusätzlicher Schritt, den Kunden vor einem Anruf durchlaufen müssen.\n\nEin wirksames Design verbirgt die Grenzen der AI nicht. Standardisierte Aufgaben mit geringem Risiko werden automatisiert, bei Aufgaben mit Entscheidungsbedarf werden Berater unterstützt und Situationen mit hohem Risiko werden schnell an erfahrene Menschen übergeben. In Verbindung mit einer Übergabe, die sowohl das Gespräch als auch den Bearbeitungsstatus übermittelt, kann AI statt einer Barriere zum Schutz des Callcenters zu einem Werkzeug werden, das die Lösungszeit für Kunden verkürzt.","content_html":"\u003cp\u003eEin stark gestiegenes Gesprächsvolumen von AI-Chatbots führt nicht automatisch dazu, dass Anrufe im Callcenter oder Beratungskosten sinken. Fragen zu beantworten und die Probleme von Kunden vollständig zu lösen, sind zwei verschiedene Dinge. Gescheiterte Automatisierung kann sogar dazu führen, dass komplexere und emotionalere Anfragen an menschliche Berater weitergeleitet werden.\u003c/p\u003e\n\u003cp\u003eDas zentrale Paradox, das sich im operativen Betrieb beobachten lässt, lautet: Die Nutzung des Chatbots nimmt zu, während das gesamte Anrufvolumen nahezu unverändert bleibt und zugleich die Schwierigkeit der von Beratern bearbeiteten Anfragen sowie die durchschnittliche Bearbeitungszeit steigen. Um dies zu verstehen, muss statt der Nutzung einzelner Kanäle der gesamte Lösungsweg des Kunden betrachtet werden.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#warum-chatbot-nutzung-und-r%C3%BCckgang-der-anrufe-nicht-%C3%BCbereinstimmen\" class=\"anchor\" id=\"warum-chatbot-nutzung-und-rückgang-der-anrufe-nicht-übereinstimmen\"\u003e\u003c/a\u003eWarum Chatbot-Nutzung und Rückgang der Anrufe nicht übereinstimmen\u003c/h2\u003e\n\u003cp\u003eDas Nutzungsvolumen eines Chatbots ist kein Ergebnisindikator, sondern ähnelt eher dem Aktivitätsvolumen an einem Kontaktpunkt. Die Zahl der Gespräche kann allein durch mehr Besucher, eine stärkere Sichtbarkeit des Chatbots, eine veränderte Einstiegsposition in der App oder den Kanalwechsel bisheriger FAQ-Nutzer steigen.\u003c/p\u003e\n\u003cp\u003eSelbst wenn die Zahl der Chatbot-Gespräche beispielsweise um 300% gestiegen ist, sinkt das Anrufvolumen in den folgenden Situationen nicht.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eBestellungen und Abonnentenzahlen sind zugleich gestiegen, sodass die gesamte Nachfrage nach Auskünften zugenommen hat.\u003c/li\u003e\n\u003cli\u003eBisherige Nutzer von Suche und FAQ sind zum Chatbot gewechselt, während die Zahl der Anrufenden unverändert blieb.\u003c/li\u003e\n\u003cli\u003eEin Kunde hat nach der Nutzung des Chatbots wegen desselben Problems erneut angerufen.\u003c/li\u003e\n\u003cli\u003eDer Chatbot wurde zu einem neuen Einstiegskanal für Anfragen, sodass auch Kunden eine Beratung begannen, die zuvor aufgegeben hätten.\u003c/li\u003e\n\u003cli\u003eDer Anteil komplexer Probleme, die einen Anruf erfordern, ist nicht gesunken.\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eDaher müssen bei der Analyse neben der reinen Zahl der Gespräche die folgenden Kennzahlen getrennt betrachtet werden.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eKennzahl\u003c/th\u003e\n\u003cth\u003eBerechnung oder Bedeutung\u003c/th\u003e\n\u003cth\u003eZu beachten\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kennzahl\"\u003eTelefonkontaktquote\u003c/td\u003e\n\u003ctd data-label=\"Berechnung oder Bedeutung\"\u003eZahl der telefonischen Anfragen ÷ Zahl der Bestellungen, Abonnements oder aktiven Kunden\u003c/td\u003e\n\u003ctd data-label=\"Zu beachten\"\u003eDer Anstieg des Anfragevolumens infolge des Geschäftswachstums muss bereinigt werden.\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kennzahl\"\u003eÜbergabequote\u003c/td\u003e\n\u003ctd data-label=\"Berechnung oder Bedeutung\"\u003eAn menschliche Beratung übergebene Chatbot-Sitzungen ÷ alle Chatbot-Sitzungen\u003c/td\u003e\n\u003ctd data-label=\"Zu beachten\"\u003eEin niedriger Wert ist nicht zwangsläufig gut. Er kann auch sinken, wenn die Schaltfläche zur Kontaktaufnahme verborgen wird.\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kennzahl\"\u003eWiederkontaktquote\u003c/td\u003e\n\u003ctd data-label=\"Berechnung oder Bedeutung\"\u003eAnteil der Kunden, die innerhalb eines bestimmten Zeitraums wegen desselben Problems erneut Kontakt aufnehmen\u003c/td\u003e\n\u003ctd data-label=\"Zu beachten\"\u003eAuch bei unterschiedlichen Kanälen muss erkannt werden, ob es sich um dasselbe Problem handelt.\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kennzahl\"\u003eAbschlussquote des Lösungswegs\u003c/td\u003e\n\u003ctd data-label=\"Berechnung oder Bedeutung\"\u003eKunden, die die gewünschte Aufgabe tatsächlich abgeschlossen haben ÷ Kunden, die diese Aufgabe versucht haben\u003c/td\u003e\n\u003ctd data-label=\"Zu beachten\"\u003eDie Bereitstellung einer Antwort muss vom tatsächlichen Abschluss der Bearbeitung unterschieden werden.\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kennzahl\"\u003eLösungsquote beim Erstkontakt\u003c/td\u003e\n\u003ctd data-label=\"Berechnung oder Bedeutung\"\u003eAnteil der Fälle, die bei der ersten Interaktion ohne zusätzlichen Kontakt gelöst wurden\u003c/td\u003e\n\u003ctd data-label=\"Zu beachten\"\u003eSie wird verzerrt, wenn Berater einen Fall eigenmächtig als abgeschlossen markieren, ohne dies vom Kunden bestätigen zu lassen.\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kennzahl\"\u003eGesamtlösungszeit\u003c/td\u003e\n\u003ctd data-label=\"Berechnung oder Bedeutung\"\u003eVergangene Zeit vom ersten Kontakt bis zur endgültigen Lösung\u003c/td\u003e\n\u003ctd data-label=\"Zu beachten\"\u003eWartezeiten, Kanalwechsel und erneute Authentifizierung müssen ebenfalls einbezogen werden.\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kennzahl\"\u003eDurchschnittliche Bearbeitungszeit\u003c/td\u003e\n\u003ctd data-label=\"Berechnung oder Bedeutung\"\u003eGesamter Zeitaufwand für die Beratung ÷ Zahl der bearbeiteten Fälle\u003c/td\u003e\n\u003ctd data-label=\"Zu beachten\"\u003eSie kann steigen, wenn nach der Automatisierung nur noch schwierige Fälle übrig bleiben.\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003ch2\u003e\n\u003ca href=\"#drei-strukturelle-grenzen-aufgrund-derer-ai-trotz-einer-antwort-das-problem-nicht-l%C3%B6st\" class=\"anchor\" id=\"drei-strukturelle-grenzen-aufgrund-derer-ai-trotz-einer-antwort-das-problem-nicht-löst\"\u003e\u003c/a\u003eDrei strukturelle Grenzen, aufgrund derer AI trotz einer Antwort das Problem nicht löst\u003c/h2\u003e\n\u003ch3\u003e\n\u003ca href=\"#1-unterschied-zwischen-erkl%C3%A4rungsf%C3%A4higkeit-und-ausf%C3%BChrungsbefugnis\" class=\"anchor\" id=\"1-unterschied-zwischen-erklärungsfähigkeit-und-ausführungsbefugnis\"\u003e\u003c/a\u003e1. Unterschied zwischen Erklärungsfähigkeit und Ausführungsbefugnis\u003c/h3\u003e\n\u003cp\u003eGenerative AI kann Inhalte, die in Dokumenten vorliegen, etwa Richtlinien, Nutzungshinweise und Produktinformationen, schnell erklären. Die tatsächlichen Anliegen von Kunden umfassen jedoch häufig mehrstufige Geschäftsprozesse.\u003c/p\u003e\n\u003cp\u003eWenn ein Kunde beispielsweise sagt: „Ich habe mein Abonnement gekündigt, wurde aber erneut belastet. Bitte erstatten Sie mir den Betrag“, muss das System möglicherweise die folgenden Aufgaben ausführen.\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003eDen Kunden und das Konto authentifizieren.\u003c/li\u003e\n\u003cli\u003eDen Kündigungszeitpunkt und die Zahlungshistorie abrufen.\u003c/li\u003e\n\u003cli\u003ePrüfen, ob eine Doppelbelastung vorliegt oder die Erstattungsbedingungen erfüllt sind.\u003c/li\u003e\n\u003cli\u003eGenehmigungsbefugnisse und Ausnahmeregelungen prüfen.\u003c/li\u003e\n\u003cli\u003eDie Erstattung ausführen und das Ergebnis dokumentieren.\u003c/li\u003e\n\u003c/ol\u003e\n\u003cp\u003eWenn der Chatbot nicht mit dem internen Zahlungs- oder Bestellsystem verbunden ist oder keine Ausführungsbefugnis besitzt, kann er lediglich Hinweise geben. Muss der Kunde selbst das entsprechende Menü suchen und den Vorgang erneut durchführen, gilt dies aus Unternehmenssicht zwar möglicherweise als „Antwort abgeschlossen“, aus Kundensicht ist das Anliegen jedoch ungelöst.\u003c/p\u003e\n\u003cp\u003eAuch sensible Vorgänge pauschal mit weitreichenden Befugnissen auszustatten, ist keine Lösung. Funktionen wie Erstattungen, Änderungen personenbezogener Daten und Kontowiederherstellungen erfordern Identitätsprüfung, minimale Berechtigungen, Betragsgrenzen, Genehmigungsverfahren, Audit-Protokolle und Möglichkeiten zur Wiederherstellung bei Fehlern.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#2-fehlender-kontext-der-aus-der-frage-nicht-hervorgeht\" class=\"anchor\" id=\"2-fehlender-kontext-der-aus-der-frage-nicht-hervorgeht\"\u003e\u003c/a\u003e2. Fehlender Kontext, der aus der Frage nicht hervorgeht\u003c/h3\u003e\n\u003cp\u003eAllein anhand des Satzes „Bitte empfehlen Sie mir ein Urlaubsziel, an das ich mit meinem Kind reisen kann“ lässt sich nur schwer ein passendes Ergebnis bestimmen. Einschränkungen wie das Alter des Kindes, die Reisezeit, das Budget, Lebensmittelallergien, die Sicherheit des Pools und der Zugang zu medizinischer Versorgung können das Ergebnis verändern.\u003c/p\u003e\n\u003cp\u003eZu den Methoden, den Kontext zu ergänzen, gehören die folgenden Elemente.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eRückfragen zur Klärung notwendiger Bedingungen\u003c/li\u003e\n\u003cli\u003eNutzung der Bestell- und Beratungshistorie in dem vom Kunden genehmigten Umfang\u003c/li\u003e\n\u003cli\u003eWissensgraphen, die Beziehungen zwischen Produkten, Richtlinien, Regionen, Zielgruppen und Ausnahmen abbilden\u003c/li\u003e\n\u003cli\u003eOntologien, die Begriffe und Beziehungen konsistent definieren\u003c/li\u003e\n\u003cli\u003eAbruf aktueller Richtliniendokumente sowie tatsächlicher Bestands- und Buchungssysteme\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eOntologien oder Wissensgraphen sind mögliche Implementierungsansätze, aber keine zwingende Voraussetzung für jeden Chatbot. Bei einfachen Aufgaben können strukturierte APIs und klar definierte Gesprächsabläufe effizienter sein. Entscheidend ist, dass das Modell Lücken nicht durch Vermutungen füllt, sondern erforderliche Informationen erfragt oder aus vertrauenswürdigen Systemen abruft.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#3-schwierige-anfragen-die-nach-gescheiterter-automatisierung-%C3%BCbrig-bleiben\" class=\"anchor\" id=\"3-schwierige-anfragen-die-nach-gescheiterter-automatisierung-übrig-bleiben\"\u003e\u003c/a\u003e3. Schwierige Anfragen, die nach gescheiterter Automatisierung übrig bleiben\u003c/h3\u003e\n\u003cp\u003eWenn der Chatbot einfache Anfragen bearbeitet, bleiben für die Berater relativ mehr komplexe Ausnahmefälle übrig. Dies lässt sich als Veränderung der Fallzusammensetzung betrachten. Selbst wenn die Zahl der Anrufe gleich bleibt oder leicht sinkt, können die gesamte Beratungszeit und die Kosten unverändert bleiben, wenn die verbleibenden Gespräche länger dauern.\u003c/p\u003e\n\u003cp\u003eWenn ein Kunde dem Chatbot dieselbe Erklärung mehrfach gegeben hat und sie dem Berater anschließend erneut von Anfang an schildern muss, steigt auch die emotionale Belastung. Ein ursprünglich einfacher Fall zur Prüfung einer Zahlung kann sich zu einer Beschwerde ausweiten, die zusätzlich den Ärger über das Scheitern der Automatisierung umfasst.\u003c/p\u003e\n\u003cp\u003eDer Anstieg der durchschnittlichen Bearbeitungszeit darf jedoch nicht vorschnell dem Chatbot zugeschrieben werden. Auch Faktoren wie Produktstörungen, Richtlinienänderungen, der Anteil neuer Berater und saisonale Effekte haben Einfluss. Beim Vergleich vor und nach der Einführung müssen die Art der Anfrage und die Kundengruppe kontrolliert werden. Zudem sind Kunden, die nach der Chatbot-Nutzung angerufen haben, getrennt von Kunden zu analysieren, die direkt angerufen haben.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#die-l%C3%B6sung-ist-keine-abwehr-von-anfragen-sondern-eine-reibungslose-%C3%BCbergabe\" class=\"anchor\" id=\"die-lösung-ist-keine-abwehr-von-anfragen-sondern-eine-reibungslose-übergabe\"\u003e\u003c/a\u003eDie Lösung ist keine Abwehr von Anfragen, sondern eine reibungslose Übergabe\u003c/h2\u003e\n\u003cp\u003eEine Übergabe bezeichnet den Prozess, bei dem ein Gespräch, das die AI nicht lösen konnte, an einen menschlichen Berater weitergeleitet wird. Ziel einer guten Übergabe ist nicht, den Kunden möglichst lange im Chatbot festzuhalten, sondern die Grenzen der Automatisierung schnell zu erkennen und dem nächsten Bearbeiter eine unterbrechungsfreie Fortsetzung der Arbeit zu ermöglichen.\u003c/p\u003e\n\u003cp\u003eWenn Signale wie die folgenden auftreten, kann eine Verbindung zu einem menschlichen Berater angeboten werden.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eDer Kunde bittet ausdrücklich um die Verbindung mit einem Berater.\u003c/li\u003e\n\u003cli\u003eDieselbe oder eine ähnliche Frage wird wiederholt.\u003c/li\u003e\n\u003cli\u003eDie Konfidenz der Antwort liegt unter dem Schwellenwert oder es wurde kein Belegdokument gefunden.\u003c/li\u003e\n\u003cli\u003eEs besteht ein hohes Risiko, etwa bei Zahlungsstreitigkeiten, Kontoübernahmen, rechtlichen Drohungen oder Sicherheitsproblemen.\u003c/li\u003e\n\u003cli\u003eNegative Emotionen halten an oder der Kunde lehnt die Antwort ab.\u003c/li\u003e\n\u003cli\u003eEine vom Chatbot ausgeführte Aktion ist fehlgeschlagen oder in einen Ausnahmezustand geraten.\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eAuf dem Bildschirm des Beraters sollten statt eines bloßen Gesprächstranskripts strukturierte Informationen übermittelt werden, die unmittelbar für die Bearbeitung nutzbar sind.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eÜbermittelte Information\u003c/th\u003e\n\u003cth\u003eKonkreter Inhalt\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Übermittelte Information\"\u003eKundenabsicht\u003c/td\u003e\n\u003ctd data-label=\"Konkreter Inhalt\"\u003eDas Ergebnis, das der Kunde letztlich erreichen möchte\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Übermittelte Information\"\u003eWesentliche Fakten\u003c/td\u003e\n\u003ctd data-label=\"Konkreter Inhalt\"\u003eBestätigte Informationen wie Bestellnummer, Zeitpunkt des Auftretens, Produkt und Betrag\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Übermittelte Information\"\u003eAuthentifizierungsstatus\u003c/td\u003e\n\u003ctd data-label=\"Konkreter Inhalt\"\u003eWie die Identität geprüft wurde und in welchem Umfang die Prüfung gültig ist\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Übermittelte Information\"\u003eAusgeführte Vorgänge\u003c/td\u003e\n\u003ctd data-label=\"Konkreter Inhalt\"\u003eVom Chatbot abgerufene oder ausgeführte Aktionen und deren Ergebnisse\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Übermittelte Information\"\u003eFehlerursache\u003c/td\u003e\n\u003ctd data-label=\"Konkreter Inhalt\"\u003eFehlende Berechtigung, Richtlinienausnahme, API-Fehler, geringe Konfidenz usw.\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Übermittelte Information\"\u003eGesprächszusammenfassung\u003c/td\u003e\n\u003ctd data-label=\"Konkreter Inhalt\"\u003eAussagen des Kunden, bereits gegebene Erklärungen und offene Fragen\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Übermittelte Information\"\u003eEmotions- und Risikosignale\u003c/td\u003e\n\u003ctd data-label=\"Konkreter Inhalt\"\u003eIntensität der Unzufriedenheit und mögliche Sicherheits-, Schutz- oder Rechtsrisiken\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Übermittelte Information\"\u003eBelege\u003c/td\u003e\n\u003ctd data-label=\"Konkreter Inhalt\"\u003eVersion der verwendeten Richtliniendokumente und relevante Systemaufzeichnungen\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eDa von AI erstellte Zusammenfassungen Fehler enthalten können, muss auch das ursprüngliche Gespräch einsehbar sein. Authentifizierungsdaten und sensible personenbezogene Daten dürfen nur im erforderlichen Umfang übermittelt werden; Zugriffsrechte und Aufbewahrungsfristen müssen verwaltet werden.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#dreistufiges-betriebsmodell-zur-aufteilung-der-rollen-von-ai-und-menschen\" class=\"anchor\" id=\"dreistufiges-betriebsmodell-zur-aufteilung-der-rollen-von-ai-und-menschen\"\u003e\u003c/a\u003eDreistufiges Betriebsmodell zur Aufteilung der Rollen von AI und Menschen\u003c/h2\u003e\n\u003cp\u003eEs ist sicherer, den Automatisierungsgrad anhand des Risikos, der Häufigkeit von Ausnahmen und der Verantwortung für Entscheidungen zu unterteilen.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eBereich\u003c/th\u003e\n\u003cth\u003eGeeignete Aufgaben\u003c/th\u003e\n\u003cth\u003eRolle der AI\u003c/th\u003e\n\u003cth\u003eRolle des Menschen\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Bereich\"\u003eAutomatisierung\u003c/td\u003e\n\u003ctd data-label=\"Geeignete Aufgaben\"\u003eAuskunft zu Öffnungszeiten, Sendungsverfolgung, risikoarme Buchungsänderungen\u003c/td\u003e\n\u003ctd data-label=\"Rolle der AI\"\u003eAbruf, Erklärung und Ausführung von Vorgängen\u003c/td\u003e\n\u003ctd data-label=\"Rolle des Menschen\"\u003eEingreifen bei Ausnahmen\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Bereich\"\u003eZusammenarbeit\u003c/td\u003e\n\u003ctd data-label=\"Geeignete Aufgaben\"\u003eAnfragen zu komplexen Produkten, Prüfung von Richtlinienausnahmen, gewöhnliche Beschwerden\u003c/td\u003e\n\u003ctd data-label=\"Rolle der AI\"\u003eKontext strukturieren, Belege suchen, Antwortentwurf vorschlagen\u003c/td\u003e\n\u003ctd data-label=\"Rolle des Menschen\"\u003eFakten prüfen, endgültig entscheiden und kommunizieren\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Bereich\"\u003eAusschließlich Menschen\u003c/td\u003e\n\u003ctd data-label=\"Geeignete Aufgaben\"\u003eRechtsstreitigkeiten, Erstattungen hoher Beträge, Kontoübernahmen, Sicherheitskrisen, intensive emotionale Betreuung\u003c/td\u003e\n\u003ctd data-label=\"Rolle der AI\"\u003eSuche nach Aufzeichnungen und Bereitstellung unterstützender Unterlagen\u003c/td\u003e\n\u003ctd data-label=\"Rolle des Menschen\"\u003eVerantwortliche Entscheidung, Genehmigung und Wiederherstellung der Beziehung\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eDas Kriterium für die Einteilung sollte nicht lauten, ob die AI gute Sätze formuliert, sondern wie groß der Schaden bei einer fehlerhaften Bearbeitung wäre und in welchem Maß sich der Vorgang rückgängig machen lässt. Bei Aufgaben mit hohen finanziellen, rechtlichen oder sicherheitsbezogenen Risiken oder häufigen Ausnahmen ist es angemessen, Prüfungs- und Genehmigungsschritte durch Menschen beizubehalten.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#kpi-wechsel-von-der-abwehrquote-zur-abschlussquote-des-l%C3%B6sungswegs\" class=\"anchor\" id=\"kpi-wechsel-von-der-abwehrquote-zur-abschlussquote-des-lösungswegs\"\u003e\u003c/a\u003eKPI-Wechsel von der Abwehrquote zur Abschlussquote des Lösungswegs\u003c/h2\u003e\n\u003cp\u003eDie Abwehrquote oder Automatisierungsquote wird häufig als Anteil der Sitzungen verwendet, die nicht an einen Berater weitergeleitet wurden. Der Wert kann sich jedoch auch verbessern, wenn der Zugang zu einer Verbindung erschwert wird oder Kunden die Lösung ihres Problems aufgeben. Als alleiniger KPI birgt er daher die Gefahr, eine Optimierung in die entgegengesetzte Richtung des Kundenerlebnisses zu fördern.\u003c/p\u003e\n\u003cp\u003eEin lösungswegorientiertes Messsystem muss die folgenden Fragen beantworten.\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003eWurde die vom Kunden gewünschte Aufgabe tatsächlich abgeschlossen?\u003c/li\u003e\n\u003cli\u003eHat der Kunde wegen desselben Problems erneut Kontakt aufgenommen?\u003c/li\u003e\n\u003cli\u003eWie viele Kanäle und Schritte waren bis zur Lösung erforderlich?\u003c/li\u003e\n\u003cli\u003eWie oft musste der Kunde dieselben Informationen oder seine Authentifizierung wiederholen?\u003c/li\u003e\n\u003cli\u003eWie viel Zeit verging vom ersten Kontakt bis zur endgültigen Lösung?\u003c/li\u003e\n\u003cli\u003eFührte ein Automatisierungsfehler zu einem finanziellen Verlust oder einem Verstoß gegen Richtlinien?\u003c/li\u003e\n\u003c/ol\u003e\n\u003cp\u003eDas empfohlene Dashboard kann aus vier Ebenen bestehen: Ergebnis, Aufwand, Betrieb und Risiko.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eErgebnis:\u003c/strong\u003e Abschlussquote des Lösungswegs, Lösungsquote beim Erstkontakt, Wiederkontaktquote\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eKundenaufwand:\u003c/strong\u003e Gesamtlösungszeit, Zahl wiederholter Erklärungen, Zahl der Kanalwechsel, Customer Effort Score\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eBetrieb:\u003c/strong\u003e Telefonkontaktquote, durchschnittliche Bearbeitungszeit, Wartezeit, Auslastung der Berater\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eQualität und Risiko:\u003c/strong\u003e Quote falscher Antworten, Quote nicht genehmigter Aktionen, Offenlegung sensibler Informationen, Zahl der Einwände und Wiederherstellungsfälle\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eAuch die Kosten dürfen nicht nur anhand der Zahl der Anrufe berechnet werden. Verglichen werden müssen die Gesamtkosten pro Lösungsweg, einschließlich der Kosten für AI-Inferenz, Systemintegration, Qualitätsbewertung, Sicherheitskontrollen, menschliche Prüfzeit und Fehlerbehebung.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#pipeline-f%C3%BCr-kontextschlussfolgerung-orchestrierung-und-%C3%BCbergabe\" class=\"anchor\" id=\"pipeline-für-kontextschlussfolgerung-orchestrierung-und-übergabe\"\u003e\u003c/a\u003ePipeline für Kontextschlussfolgerung, Orchestrierung und Übergabe\u003c/h2\u003e\n\u003cp\u003ePraktische AI für den Kundenservice ähnelt weniger einem einzelnen Chatfenster als vielmehr einer Pipeline aus mehreren miteinander verbundenen Systemen.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#1-kontextschlussfolgerung\" class=\"anchor\" id=\"1-kontextschlussfolgerung\"\u003e\u003c/a\u003e1. Kontextschlussfolgerung\u003c/h3\u003e\n\u003cp\u003eDie Absicht des Kunden und die erforderlichen Bedingungen werden ermittelt, anschließend werden die genehmigten Kundeninformationen und aktuellen Geschäftsdaten abgerufen. Statt sich ausschließlich auf das Gedächtnis des Modells zu verlassen, müssen autoritative Quellen wie Richtliniendokumente, Bestellsysteme und der Kontostatus verwendet werden.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#2-orchestrierung\" class=\"anchor\" id=\"2-orchestrierung\"\u003e\u003c/a\u003e2. Orchestrierung\u003c/h3\u003e\n\u003cp\u003eEs wird entschieden, an welches Werkzeug oder welchen Bearbeiter die Anfrage weitergeleitet wird. Vor der Ausführung werden Authentifizierungsstatus, Berechtigungen, Betragsgrenzen und Risikostufe geprüft. Bei einem Fehler erfolgen keine endlosen Wiederholungsversuche; stattdessen wird zu einem Wiederherstellungsverfahren oder zur menschlichen Beratung gewechselt.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#3-%C3%BCbergabe\" class=\"anchor\" id=\"3-übergabe\"\u003e\u003c/a\u003e3. Übergabe\u003c/h3\u003e\n\u003cp\u003eDas Ziel des Kunden, bestätigte Fakten, ausgeführte Aktionen, Fehlerursachen und empfohlene nächste Schritte werden zusammengefasst und an den Berater übermittelt. Der Berater prüft den Originaltext und die Belege und setzt anschließend die Bearbeitung fort.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#4-ergebnisaufzeichnung-und-lernen\" class=\"anchor\" id=\"4-ergebnisaufzeichnung-und-lernen\"\u003e\u003c/a\u003e4. Ergebnisaufzeichnung und Lernen\u003c/h3\u003e\n\u003cp\u003eOb das Problem endgültig gelöst wurde und welche Korrekturen der Berater vorgenommen hat, wird gespeichert. Bei wiederkehrenden Fehlern darf nicht nur das Modell neu trainiert werden. Stattdessen muss unterschieden werden, ob die Ursache in Richtliniendokumenten, APIs, Geschäftsberechtigungen oder den Bildschirmabläufen liegt, und der jeweilige Bereich ist zu verbessern.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#versuchsdesign-zur-%C3%BCberpr%C3%BCfung-der-einf%C3%BChrungseffekte\" class=\"anchor\" id=\"versuchsdesign-zur-überprüfung-der-einführungseffekte\"\u003e\u003c/a\u003eVersuchsdesign zur Überprüfung der Einführungseffekte\u003c/h2\u003e\n\u003cp\u003eWenn nur das gesamte Anrufvolumen vor und nach der Einführung verglichen wird, lassen sich die Auswirkungen von Geschäftswachstum und saisonalen Effekten nur schwer trennen. Wenn möglich, sollte die Einführung schrittweise nach ähnlichen Kundengruppen oder Anfragearten erfolgen, wobei die folgenden Punkte gemeinsam zu beobachten sind.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eZahl der Anrufe je 1.000 Bestellungen oder aktive Kunden\u003c/li\u003e\n\u003cli\u003eErneute Anfrage aus demselben Grund innerhalb von 24 Stunden oder 7 Tagen nach der Chatbot-Nutzung\u003c/li\u003e\n\u003cli\u003eAbschlussquote und durchschnittliche Bearbeitungszeit nach Anfrageart\u003c/li\u003e\n\u003cli\u003eKundenaufwand und Zufriedenheit vor und nach der Verbindung mit einem Menschen\u003c/li\u003e\n\u003cli\u003eAnteil der Fälle, in denen Berater die AI-Zusammenfassung korrigiert haben\u003c/li\u003e\n\u003cli\u003eFehlerquote automatischer Ausführungen und von Menschen benötigte Zeit zur Wiederherstellung\u003c/li\u003e\n\u003cli\u003eKognitive Belastung, emotionale Erschöpfung und Arbeitszufriedenheit der Berater\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eAußerdem muss „Lösung“ im Voraus definiert werden. Ein Zustand, in dem eine Antwort angezeigt wurde, der Kunde das Gespräch beendet hat, ein Backend-Vorgang erfolgreich war oder der Kunde das Ergebnis bestätigt hat, sind jeweils unterschiedlich. Bei Aufgaben wie Erstattungen, die eine nachgelagerte Bearbeitung erfordern, muss der tatsächliche Transaktionsstatus geprüft werden.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#pr%C3%BCfliste-f%C3%BCr-produktteams\" class=\"anchor\" id=\"prüfliste-für-produktteams\"\u003e\u003c/a\u003ePrüfliste für Produktteams\u003c/h2\u003e\n\u003cul\u003e\n\u003cli\u003eWurde unterschieden zwischen Aufgaben, die der Chatbot beantworten kann, und solchen, die er tatsächlich ausführen kann?\u003c/li\u003e\n\u003cli\u003eWerden die Erfolgskriterien jeder Aufgabe anhand des Backend-Ergebnisses geprüft?\u003c/li\u003e\n\u003cli\u003eKann der Kunde jederzeit eindeutig um eine menschliche Beratung bitten?\u003c/li\u003e\n\u003cli\u003eWerden wiederholte Fragen, geringe Konfidenz und risikobehaftete Formulierungen als Übergabesignale verwendet?\u003c/li\u003e\n\u003cli\u003eKann der Berater neben der Gesprächszusammenfassung auch den Originaltext und die Belege einsehen?\u003c/li\u003e\n\u003cli\u003eMuss der Kunde Authentifizierung und Erklärungen nicht erneut wiederholen?\u003c/li\u003e\n\u003cli\u003eGibt es für Beträge und Befugnisse, über die die AI verfügen darf, Grenzen und Genehmigungsverfahren?\u003c/li\u003e\n\u003cli\u003eWerden die Wiederkontaktquote und die Gesamtlösungszeit nach Anfrageart gemessen?\u003c/li\u003e\n\u003cli\u003eFührt das Feedback der Berater zu Verbesserungen an Wissensdokumenten, Werkzeugen und Arbeitsabläufen?\u003c/li\u003e\n\u003cli\u003eTesten die tatsächlich für den Betrieb Verantwortlichen regelmäßig den gesamten Chatbot-Lösungsweg aus Kundensicht?\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2\u003e\n\u003ca href=\"#fazit\" class=\"anchor\" id=\"fazit\"\u003e\u003c/a\u003eFazit\u003c/h2\u003e\n\u003cp\u003eDer Erfolg eines AI-Chatbots lässt sich nicht allein anhand des Gesprächsvolumens oder der Abwehrquote gegenüber menschlicher Beratung beurteilen. Wird das Ziel des Kunden nicht tatsächlich erreicht, ist der Chatbot kein Kanal zur Problemlösung, sondern ein zusätzlicher Schritt, den Kunden vor einem Anruf durchlaufen müssen.\u003c/p\u003e\n\u003cp\u003eEin wirksames Design verbirgt die Grenzen der AI nicht. Standardisierte Aufgaben mit geringem Risiko werden automatisiert, bei Aufgaben mit Entscheidungsbedarf werden Berater unterstützt und Situationen mit hohem Risiko werden schnell an erfahrene Menschen übergeben. In Verbindung mit einer Übergabe, die sowohl das Gespräch als auch den Bearbeitungsstatus übermittelt, kann AI statt einer Barriere zum Schutz des Callcenters zu einem Werkzeug werden, das die Lösungszeit für Kunden verkürzt.\u003c/p\u003e\n","tags":["KI Chatbot","Callcenter","CX","automatisierter Kundenservice","Übergabe"],"faqs":[{"question":"Wenn die Zahl der Chatbot-Nutzer steigt, müsste dann nicht auch die Zahl der Anrufe beim Callcenter sinken?","answer":"Nicht unbedingt. Eine Zunahme der Chatbot-Nutzung kann auch durch eine größere Reichweite, mehr Kunden oder eine Verlagerung vom bisherigen FAQ-Kanal entstehen. Wenn derselbe Kunde nach der Nutzung des Chatbots erneut anruft, kann die Zahl der Gespräche steigen, während die Zahl der Anrufe gleich bleibt."},{"question":"Bedeutet eine hohe Abwehrquote des Chatbots, dass die Automatisierung erfolgreich war?","answer":"Das lässt sich allein anhand der Abwehrquote nur schwer beurteilen. Die Abwehrquote kann auch steigen, wenn die Schaltfläche zur Weiterleitung schwer auffindbar ist oder Kunden die Lösung ihres Problems aufgeben. Tatsächliche Aufgabenerledigung, erneute Anfragen, die gesamte Lösungszeit und der Kundenaufwand müssen gemeinsam gemessen werden."},{"question":"Warum kann sich die durchschnittliche Bearbeitungszeit nach der Einführung eines Chatbots erhöhen?","answer":"Wenn die AI einfache Anfragen bearbeitet, können sich komplexe Ausnahmefälle und emotional geprägte Beschwerden bei den Kundenberatern konzentrieren. Aufgrund dieser veränderten Fallzusammensetzung kann die Bearbeitungszeit pro Beratung steigen, selbst wenn die Zahl der Anrufe sinkt."},{"question":"Was sollte eine gute Übergabe an einen menschlichen Kundenberater umfassen?","answer":"Sie sollte das endgültige Anliegen des Kunden, den Authentifizierungsstatus, bestätigte Fakten, die vom Chatbot ausgeführten Aktionen, die Ursache des Fehlschlags, relevante Richtlinien und eine Zusammenfassung des Gesprächs enthalten. Da AI-Zusammenfassungen Fehler enthalten können, muss der Kundenberater auch den Originaltext und die Belege prüfen können."},{"question":"Wird das Problem gelöst, wenn die AI die Befugnis erhält, Erstattungen oder Stornierungen vorzunehmen?","answer":"Einige Abläufe verbessern sich dadurch, doch die Erteilung unbegrenzter Befugnisse ist nicht sicher. Es müssen Identitätsprüfung, minimale Berechtigungen, Betragsgrenzen, Genehmigungsbedingungen, Audit-Protokolle und Verfahren zur Fehlerbehebung vorhanden sein, und die Automatisierung sollte schrittweise mit risikoarmen Aufgaben beginnen."},{"question":"Sind eine Ontologie und ein Wissensgraph für einen Kundenservice-Chatbot zwingend erforderlich?","answer":"Sie sind nicht zwingend erforderlich. Bei komplexen Beziehungen zwischen Produkten und Richtlinien sind sie nützlich, einfache Aufgaben lassen sich jedoch auch allein mit strukturierten APIs und klaren Gesprächsabläufen bearbeiten. Entscheidend ist, den erforderlichen Kontext zu erfragen oder aus einem vertrauenswürdigen System abzurufen."},{"question":"Wie lässt sich bestimmen, wann an einen Kundenberater übergeben werden sollte?","answer":"Dies kann anhand von Kriterien wie einer ausdrücklichen Bitte um einen Kundenberater, wiederholten Fragen, geringer Zuverlässigkeit der Antwort, fehlgeschlagenen Aufgaben, anhaltend negativer Stimmung sowie Hochrisikosignalen wie Zahlungsstreitigkeiten, Kontoübernahmen oder Sicherheitsproblemen bestimmt werden. Hochriskante Anfragen dürfen nicht aus Gründen der Kostensenkung lange beim Chatbot verbleiben."},{"question":"Welche Kennzahlen sollten als zentrale KPIs des Chatbots verwendet werden?","answer":"Prioritär können die Abschlussquote des Ablaufs, die Lösungsquote beim Erstkontakt, die Quote erneuter Anfragen aus demselben Grund, die gesamte Lösungszeit und die Anzahl wiederholter Erklärungen betrachtet werden. Auch die telefonische Kontaktquote, die durchschnittliche Bearbeitungszeit, die Fehlerquote und die Gesamtkosten pro Ablauf müssen gemeinsam geprüft werden."},{"question":"Wie lässt sich überprüfen, ob der Chatbot die Kosten des Callcenters gesenkt hat?","answer":"Es sollte nicht nur das gesamte Anrufvolumen vor und nach der Einführung verglichen werden, sondern eine telefonische Kontaktquote berechnet werden, die um die Kunden- und Transaktionszahl bereinigt ist. Sinnvoll ist ein Vergleich der Gesamtkosten pro Ablauf, der die Abschlussquote nach Anfrageart, erneute Anfragen, die Beratungszeit, die Betriebskosten der AI sowie die Kosten für menschliche Prüfungen und Fehlerbehebungen berücksichtigt."}],"sources":[{"url":"https://www.nist.gov/itl/ai-risk-management-framework","title":"NIST-Framework für KI-Risikomanagement","type":"source"},{"url":"https://cloud.google.com/solutions/contact-center-ai-platform","title":"Google Cloud Contact Center AI Platform","type":"source"},{"url":"https://www.ibm.com/think/topics/ontology","title":"IBM: Was ist eine Ontologie?","type":"source"},{"url":"https://learn.microsoft.com/en-us/azure/architecture/ai-ml/guide/human-in-the-loop","title":"Microsoft Azure Architecture Center: Human-in-the-Loop","type":"source"}],"images":[{"id":626,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6NzU5NywicHVyIjoiYmxvYl9pZCJ9fQ==--317ba98209612caa9af6cdc98ef2ee488ef9e21b/ai-97159692.webp","is_representative":true,"generation_method":"ai_image","license":"ai_generated","mime_type":"image/webp","translations":{"ko":{"alt":"단순 문의는 처리하고 복잡한 문제는 대기 줄과 상담원에게 넘기는 AI 챗봇 흐름도","caption":"챗봇이 일부 요청을 해결하지만 오류와 복잡한 문의는 콜센터 상담원에게 이어진다.","description":null},"en":{"alt":"AI chatbot routing simple requests to solutions and complex issues to a call center queue","caption":"The chatbot resolves some requests while errors and complex cases flow to waiting callers and human agents.","description":null},"ja":{"alt":"簡単な問い合わせを処理し、複雑な問題を待機列とオペレーターへ回すAIチャットボット","caption":"チャットボットが一部の依頼を解決する一方、エラーや複雑な相談はコールセンターへ送られる。","description":null},"es":{"alt":"Chatbot de IA que resuelve consultas simples y deriva problemas complejos a la cola del centro de llamadas","caption":"El chatbot resuelve algunas solicitudes, mientras los errores y casos complejos pasan a agentes humanos.","description":null},"id":{"alt":"Chatbot AI menangani permintaan sederhana dan mengalihkan masalah rumit ke antrean pusat panggilan","caption":"Chatbot menyelesaikan sebagian permintaan, sedangkan galat dan kasus rumit diteruskan ke agen manusia.","description":null},"pt":{"alt":"Chatbot de IA resolve pedidos simples e encaminha problemas complexos à fila da central de atendimento","caption":"O chatbot soluciona algumas solicitações, enquanto erros e casos complexos seguem para atendentes humanos.","description":null},"zh-hant":{"alt":"AI 聊天機器人處理簡單需求，並將複雜問題轉入客服中心等候隊伍","caption":"聊天機器人解決部分請求，但錯誤與複雜案件仍會轉交真人客服。","description":null},"de":{"alt":"KI-Chatbot löst einfache Anfragen und leitet komplexe Probleme an die Warteschlange des Callcenters weiter","caption":"Der Chatbot erledigt einige Anliegen, während Fehler und komplexe Fälle an menschliche Agenten gehen.","description":null}}},{"id":627,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6NzYwMywicHVyIjoiYmxvYl9pZCJ9fQ==--3ee1a2d62648624b7dfb616c81456a18181d3f5c/ai-6fc792ff.webp","is_representative":false,"generation_method":"ai_image","license":"ai_generated","mime_type":"image/webp","translations":{"ko":{"alt":"고객 문의가 AI 챗봇과 전화·이메일을 거쳐 상담원에게 연결되는 흐름과 분석 대시보드","caption":"AI 챗봇과 여러 문의 채널을 상담원이 이어받아 해결하는 과정을 보여준다.","description":null},"en":{"alt":"Customer inquiry routed through an AI chatbot, phone and email to a human agent, with analytics below","caption":"The illustration shows a human agent resolving inquiries across AI and customer service channels.","description":null},"ja":{"alt":"顧客の問い合わせがAIチャットボットや電話、メールを経て担当者につながる流れと分析画面","caption":"AIと複数の問い合わせ窓口を人間の担当者が引き継いで解決する流れを示している。","description":null},"es":{"alt":"Consulta de una clienta canalizada por chatbot, teléfono y correo hacia una agente, con panel de análisis","caption":"La ilustración muestra a una agente resolviendo consultas procedentes de la IA y otros canales.","description":null},"id":{"alt":"Pertanyaan pelanggan dialihkan melalui chatbot AI, telepon, dan email ke agen, dengan dasbor analitik","caption":"Ilustrasi menunjukkan agen manusia menyelesaikan pertanyaan dari AI dan berbagai kanal layanan.","description":null},"pt":{"alt":"Dúvida de cliente encaminhada por chatbot, telefone e e-mail até uma atendente, com painel de análises","caption":"A ilustração mostra uma atendente resolvendo solicitações vindas da IA e de outros canais.","description":null},"zh-hant":{"alt":"客戶問題經由AI聊天機器人、電話和電子郵件轉交真人客服，下方顯示分析儀表板","caption":"圖中呈現真人客服接手AI與多種服務管道的問題並完成處理。","description":null},"de":{"alt":"Kundenanfrage wird über KI-Chatbot, Telefon und E-Mail an eine Mitarbeiterin geleitet, darunter Analysen","caption":"Die Grafik zeigt, wie eine Mitarbeiterin Anfragen aus KI- und weiteren Servicekanälen löst.","description":null}}}],"published_at":"2026-08-14T01:01:58+09:00","updated_at":"2026-08-14T01:01:58+09:00","license":"cc_by","translation_status":"reviewed","available_locales":["ko","en","ja","es"],"data_locales":["ko","en","ja","es","id","pt","zh-hant","de"],"url":"https://injoys.com/en/articles/why-ai-chatbots-do-not-reduce-call-center-calls"}