---
title: "Warum trotz AI-Chatbot die Anrufe im Callcenter nicht abnehmen"
locale: de
category: ai_data
category_name: "KI-Daten"
translation_status: reviewed
license: cc_by
author: "injoys"
source_url: https://injoys.com/en/articles/why-ai-chatbots-do-not-reduce-call-center-calls
published_at: 2026-08-14T01:01:58+09:00
---

# Warum trotz AI-Chatbot die Anrufe im Callcenter nicht abnehmen

> 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.

## 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.

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.

Das 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.

## Warum Chatbot-Nutzung und Rückgang der Anrufe nicht übereinstimmen

Das 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.

Selbst wenn die Zahl der Chatbot-Gespräche beispielsweise um 300% gestiegen ist, sinkt das Anrufvolumen in den folgenden Situationen nicht.

- Bestellungen und Abonnentenzahlen sind zugleich gestiegen, sodass die gesamte Nachfrage nach Auskünften zugenommen hat.
- Bisherige Nutzer von Suche und FAQ sind zum Chatbot gewechselt, während die Zahl der Anrufenden unverändert blieb.
- Ein Kunde hat nach der Nutzung des Chatbots wegen desselben Problems erneut angerufen.
- Der Chatbot wurde zu einem neuen Einstiegskanal für Anfragen, sodass auch Kunden eine Beratung begannen, die zuvor aufgegeben hätten.
- Der Anteil komplexer Probleme, die einen Anruf erfordern, ist nicht gesunken.

Daher müssen bei der Analyse neben der reinen Zahl der Gespräche die folgenden Kennzahlen getrennt betrachtet werden.

| Kennzahl | Berechnung oder Bedeutung | Zu beachten |
|---|---|---|
| Telefonkontaktquote | Zahl der telefonischen Anfragen ÷ Zahl der Bestellungen, Abonnements oder aktiven Kunden | Der Anstieg des Anfragevolumens infolge des Geschäftswachstums muss bereinigt werden. |
| 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. |
| 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. |
| 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. |
| 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. |
| Gesamtlösungszeit | Vergangene Zeit vom ersten Kontakt bis zur endgültigen Lösung | Wartezeiten, Kanalwechsel und erneute Authentifizierung müssen ebenfalls einbezogen werden. |
| Durchschnittliche Bearbeitungszeit | Gesamter Zeitaufwand für die Beratung ÷ Zahl der bearbeiteten Fälle | Sie kann steigen, wenn nach der Automatisierung nur noch schwierige Fälle übrig bleiben. |

## Drei strukturelle Grenzen, aufgrund derer AI trotz einer Antwort das Problem nicht löst

### 1. Unterschied zwischen Erklärungsfähigkeit und Ausführungsbefugnis

Generative AI kann Inhalte, die in Dokumenten vorliegen, etwa Richtlinien, Nutzungshinweise und Produktinformationen, schnell erklären. Die tatsächlichen Anliegen von Kunden umfassen jedoch häufig mehrstufige Geschäftsprozesse.

Wenn 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.

1. Den Kunden und das Konto authentifizieren.
2. Den Kündigungszeitpunkt und die Zahlungshistorie abrufen.
3. Prüfen, ob eine Doppelbelastung vorliegt oder die Erstattungsbedingungen erfüllt sind.
4. Genehmigungsbefugnisse und Ausnahmeregelungen prüfen.
5. Die Erstattung ausführen und das Ergebnis dokumentieren.

Wenn 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.

Auch 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.

### 2. Fehlender Kontext, der aus der Frage nicht hervorgeht

Allein 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.

Zu den Methoden, den Kontext zu ergänzen, gehören die folgenden Elemente.

- Rückfragen zur Klärung notwendiger Bedingungen
- Nutzung der Bestell- und Beratungshistorie in dem vom Kunden genehmigten Umfang
- Wissensgraphen, die Beziehungen zwischen Produkten, Richtlinien, Regionen, Zielgruppen und Ausnahmen abbilden
- Ontologien, die Begriffe und Beziehungen konsistent definieren
- Abruf aktueller Richtliniendokumente sowie tatsächlicher Bestands- und Buchungssysteme

Ontologien 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.

### 3. Schwierige Anfragen, die nach gescheiterter Automatisierung übrig bleiben

Wenn 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.

Wenn 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.

Der 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.

## Die Lösung ist keine Abwehr von Anfragen, sondern eine reibungslose Übergabe

Eine 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.

Wenn Signale wie die folgenden auftreten, kann eine Verbindung zu einem menschlichen Berater angeboten werden.

- Der Kunde bittet ausdrücklich um die Verbindung mit einem Berater.
- Dieselbe oder eine ähnliche Frage wird wiederholt.
- Die Konfidenz der Antwort liegt unter dem Schwellenwert oder es wurde kein Belegdokument gefunden.
- Es besteht ein hohes Risiko, etwa bei Zahlungsstreitigkeiten, Kontoübernahmen, rechtlichen Drohungen oder Sicherheitsproblemen.
- Negative Emotionen halten an oder der Kunde lehnt die Antwort ab.
- Eine vom Chatbot ausgeführte Aktion ist fehlgeschlagen oder in einen Ausnahmezustand geraten.

Auf dem Bildschirm des Beraters sollten statt eines bloßen Gesprächstranskripts strukturierte Informationen übermittelt werden, die unmittelbar für die Bearbeitung nutzbar sind.

| Übermittelte Information | Konkreter Inhalt |
|---|---|
| Kundenabsicht | Das Ergebnis, das der Kunde letztlich erreichen möchte |
| Wesentliche Fakten | Bestätigte Informationen wie Bestellnummer, Zeitpunkt des Auftretens, Produkt und Betrag |
| Authentifizierungsstatus | Wie die Identität geprüft wurde und in welchem Umfang die Prüfung gültig ist |
| Ausgeführte Vorgänge | Vom Chatbot abgerufene oder ausgeführte Aktionen und deren Ergebnisse |
| Fehlerursache | Fehlende Berechtigung, Richtlinienausnahme, API-Fehler, geringe Konfidenz usw. |
| Gesprächszusammenfassung | Aussagen des Kunden, bereits gegebene Erklärungen und offene Fragen |
| Emotions- und Risikosignale | Intensität der Unzufriedenheit und mögliche Sicherheits-, Schutz- oder Rechtsrisiken |
| Belege | Version der verwendeten Richtliniendokumente und relevante Systemaufzeichnungen |

Da 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.

## Dreistufiges Betriebsmodell zur Aufteilung der Rollen von AI und Menschen

Es ist sicherer, den Automatisierungsgrad anhand des Risikos, der Häufigkeit von Ausnahmen und der Verantwortung für Entscheidungen zu unterteilen.

| Bereich | Geeignete Aufgaben | Rolle der AI | Rolle des Menschen |
|---|---|---|---|
| Automatisierung | Auskunft zu Öffnungszeiten, Sendungsverfolgung, risikoarme Buchungsänderungen | Abruf, Erklärung und Ausführung von Vorgängen | Eingreifen bei Ausnahmen |
| Zusammenarbeit | Anfragen zu komplexen Produkten, Prüfung von Richtlinienausnahmen, gewöhnliche Beschwerden | Kontext strukturieren, Belege suchen, Antwortentwurf vorschlagen | Fakten prüfen, endgültig entscheiden und kommunizieren |
| 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 |

Das 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.

## KPI-Wechsel von der Abwehrquote zur Abschlussquote des Lösungswegs

Die 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.

Ein lösungswegorientiertes Messsystem muss die folgenden Fragen beantworten.

1. Wurde die vom Kunden gewünschte Aufgabe tatsächlich abgeschlossen?
2. Hat der Kunde wegen desselben Problems erneut Kontakt aufgenommen?
3. Wie viele Kanäle und Schritte waren bis zur Lösung erforderlich?
4. Wie oft musste der Kunde dieselben Informationen oder seine Authentifizierung wiederholen?
5. Wie viel Zeit verging vom ersten Kontakt bis zur endgültigen Lösung?
6. Führte ein Automatisierungsfehler zu einem finanziellen Verlust oder einem Verstoß gegen Richtlinien?

Das empfohlene Dashboard kann aus vier Ebenen bestehen: Ergebnis, Aufwand, Betrieb und Risiko.

- **Ergebnis:** Abschlussquote des Lösungswegs, Lösungsquote beim Erstkontakt, Wiederkontaktquote
- **Kundenaufwand:** Gesamtlösungszeit, Zahl wiederholter Erklärungen, Zahl der Kanalwechsel, Customer Effort Score
- **Betrieb:** Telefonkontaktquote, durchschnittliche Bearbeitungszeit, Wartezeit, Auslastung der Berater
- **Qualität und Risiko:** Quote falscher Antworten, Quote nicht genehmigter Aktionen, Offenlegung sensibler Informationen, Zahl der Einwände und Wiederherstellungsfälle

Auch 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.

## Pipeline für Kontextschlussfolgerung, Orchestrierung und Übergabe

Praktische AI für den Kundenservice ähnelt weniger einem einzelnen Chatfenster als vielmehr einer Pipeline aus mehreren miteinander verbundenen Systemen.

### 1. Kontextschlussfolgerung

Die 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.

### 2. Orchestrierung

Es 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.

### 3. Übergabe

Das 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.

### 4. Ergebnisaufzeichnung und Lernen

Ob 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.

## Versuchsdesign zur Überprüfung der Einführungseffekte

Wenn 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.

- Zahl der Anrufe je 1.000 Bestellungen oder aktive Kunden
- Erneute Anfrage aus demselben Grund innerhalb von 24 Stunden oder 7 Tagen nach der Chatbot-Nutzung
- Abschlussquote und durchschnittliche Bearbeitungszeit nach Anfrageart
- Kundenaufwand und Zufriedenheit vor und nach der Verbindung mit einem Menschen
- Anteil der Fälle, in denen Berater die AI-Zusammenfassung korrigiert haben
- Fehlerquote automatischer Ausführungen und von Menschen benötigte Zeit zur Wiederherstellung
- Kognitive Belastung, emotionale Erschöpfung und Arbeitszufriedenheit der Berater

Außerdem 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.

## Prüfliste für Produktteams

- Wurde unterschieden zwischen Aufgaben, die der Chatbot beantworten kann, und solchen, die er tatsächlich ausführen kann?
- Werden die Erfolgskriterien jeder Aufgabe anhand des Backend-Ergebnisses geprüft?
- Kann der Kunde jederzeit eindeutig um eine menschliche Beratung bitten?
- Werden wiederholte Fragen, geringe Konfidenz und risikobehaftete Formulierungen als Übergabesignale verwendet?
- Kann der Berater neben der Gesprächszusammenfassung auch den Originaltext und die Belege einsehen?
- Muss der Kunde Authentifizierung und Erklärungen nicht erneut wiederholen?
- Gibt es für Beträge und Befugnisse, über die die AI verfügen darf, Grenzen und Genehmigungsverfahren?
- Werden die Wiederkontaktquote und die Gesamtlösungszeit nach Anfrageart gemessen?
- Führt das Feedback der Berater zu Verbesserungen an Wissensdokumenten, Werkzeugen und Arbeitsabläufen?
- Testen die tatsächlich für den Betrieb Verantwortlichen regelmäßig den gesamten Chatbot-Lösungsweg aus Kundensicht?

## Fazit

Der 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.

Ein 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.

## FAQ

### Wenn die Zahl der Chatbot-Nutzer steigt, müsste dann nicht auch die Zahl der Anrufe beim Callcenter sinken?
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.

### Bedeutet eine hohe Abwehrquote des Chatbots, dass die Automatisierung erfolgreich war?
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.

### Warum kann sich die durchschnittliche Bearbeitungszeit nach der Einführung eines Chatbots erhöhen?
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.

### Was sollte eine gute Übergabe an einen menschlichen Kundenberater umfassen?
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.

### Wird das Problem gelöst, wenn die AI die Befugnis erhält, Erstattungen oder Stornierungen vorzunehmen?
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.

### Sind eine Ontologie und ein Wissensgraph für einen Kundenservice-Chatbot zwingend erforderlich?
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.

### Wie lässt sich bestimmen, wann an einen Kundenberater übergeben werden sollte?
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.

### Welche Kennzahlen sollten als zentrale KPIs des Chatbots verwendet werden?
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.

### Wie lässt sich überprüfen, ob der Chatbot die Kosten des Callcenters gesenkt hat?
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

- [NIST-Framework für KI-Risikomanagement](https://www.nist.gov/itl/ai-risk-management-framework)
- [Google Cloud Contact Center AI Platform](https://cloud.google.com/solutions/contact-center-ai-platform)
- [IBM: Was ist eine Ontologie?](https://www.ibm.com/think/topics/ontology)
- [Microsoft Azure Architecture Center: Human-in-the-Loop](https://learn.microsoft.com/en-us/azure/architecture/ai-ml/guide/human-in-the-loop)

## Images

![KI-Chatbot löst einfache Anfragen und leitet komplexe Probleme an die Warteschlange des Callcenters weiter](https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6NzU5NywicHVyIjoiYmxvYl9pZCJ9fQ==--317ba98209612caa9af6cdc98ef2ee488ef9e21b/ai-97159692.webp)
![Kundenanfrage wird über KI-Chatbot, Telefon und E-Mail an eine Mitarbeiterin geleitet, darunter Analysen](https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6NzYwMywicHVyIjoiYmxvYl9pZCJ9fQ==--3ee1a2d62648624b7dfb616c81456a18181d3f5c/ai-6fc792ff.webp)