Woran erkennt ein Kunde, dass er mit einer KI spricht, obwohl niemand es ihm gesagt hat? Nicht an der Stimme, nicht am Tonfall, nicht am Tempo der Antworten. Er merkt es an drei Stellen: wenn eine Antwort erfunden wirkt, wenn niemand bemerkt, dass eigentlich ein Mensch übernehmen sollte, und wenn er seine Frage ein zweites Mal stellen muss, nachdem er weitergereicht wurde. Alle drei Punkte sind keine Frage der Technik, sondern der Entscheidungen, die vor dem Start getroffen werden.
Die meisten Betriebe, die mit einem KI-Kundenservice schlechte Erfahrungen gemacht haben, hatten kein zu schwaches System. Sie hatten ein System, das für das Sparen von Supportkosten gebaut war, nicht für ein Gespräch, das sich richtig anfühlt. Der Unterschied zeigt sich nicht im Testlauf mit freundlichen Testfragen, sondern im echten Betrieb, bei den Anfragen, die niemand vorhergesehen hat.
Erstens: Antworten nur aus dem, was wirklich dasteht
Der schnellste Weg, als Chatbot zu wirken, ist eine Antwort, die zwar plausibel klingt, aber nicht stimmt. Ein Kunde verzeiht eine ehrliche „das weiß ich nicht” leichter als eine selbstbewusst falsche Auskunft, die sich erst beim nächsten Schritt als Irrtum herausstellt.
Der Grund, warum das trotzdem häufig passiert, ist meistens die Anlage des Systems: Es wird darauf trainiert, immer irgendeine Antwort zu geben, statt nur aus den eigenen Dokumenten zu schöpfen. In einem anonymisierten Projekt aus unserer Arbeit, einer Vertriebsorganisation mit rund 1.500 Partnern im DACH-Raum, lief deshalb die Wissensdatenbank des Assistenten ausschließlich aus vorhandenen Antworten auf, nicht aus neu erfundenen Texten. Gab die Wissensbasis nichts Passendes her, war die vorgesehene Antwort die Übergabe an einen Menschen, nicht eine Vermutung.
Zweitens: Übergabe statt Rätselraten
Der zweite Punkt, an dem sich ein System als Chatbot entlarvt, ist der Moment, in dem es eigentlich hätte abgeben sollen und es nicht tat. Jedes System hat eine Grenze, ab der die Anfrage zu speziell, zu emotional oder zu folgenreich für eine automatische Antwort ist. Entscheidend ist nicht, dass diese Grenze existiert, sondern ob der Assistent sie selbst erkennt, statt einfach weiterzuraten.
In dem genannten Projekt wurde dafür bewusst nicht an der Antwortqualität gefeilt, sondern an der Unsicherheits-Erkennung: Der Agent gibt bei Unsicherheit keine Schätzung ab, sondern übergibt an einen Menschen, und zwar mit dem vollständigen Gesprächsverlauf. Genau diese Übergabe mit Kontext ist der Punkt, der in schlecht gebauten Systemen am häufigsten fehlt. Ohne ihn erlebt der Kunde den Rückfall auf einen Menschen als Rückschritt, weil er von vorn erzählen muss, was er gerade schon gesagt hat.
Drittens: Stufenweise statt auf einmal
Der dritte Unterschied zeigt sich nicht im einzelnen Gespräch, sondern in der Einführung. Ein System, das am ersten Tag gleich Chat, E-Mail und Telefonie gleichzeitig übernimmt, hat keine Möglichkeit, aus den ersten echten Fehlern zu lernen, bevor sie sich über alle Kanäle gleichzeitig ausbreiten.
In dem Projekt wurde deshalb stufenweise freigeschaltet: zuerst der Chat, danach E-Mail, zuletzt die Telefonie, jeweils erst dann, wenn der vorige Kanal verlässlich lief. Dieser Umweg kostet anfangs Zeit, verhindert aber, dass ein Fehlerbild, das sich beim Start zeigt, gleich auf dem größten und unmittelbarsten Kanal auftritt, dem Telefonanruf, bei dem keine Zeit zum Nachlesen bleibt.
Was am Ende zählt, ist die Verteilung, nicht die Abdeckung
Der Maßstab für ein gutes System ist nicht, wie viel Prozent der Anfragen die KI beantwortet, sondern ob die richtigen Anfragen bei ihr bleiben und die richtigen bei einem Menschen landen. In dem genannten, einzelnen Projekt wurden rund 70 Prozent der Anfragen ohne menschliches Zutun abschließend beantwortet, bei gleichzeitig gestiegener Kundenzufriedenheit. Diese Zahl stammt aus einem anonymisierten Einzelfall und lässt sich nicht auf jeden Betrieb übertragen, weil sie stark davon abhängt, wie viele der eingehenden Fragen überhaupt Standardfragen sind.
Aussagekräftiger als die Gesamtquote ist deshalb die Frage, welche Art von Anfrage bei der KI bleibt. Wiederkehrende, dokumentierte Standardfragen gehören dorthin. Alles, was Verhandlungsspielraum, eine Beschwerde oder eine Entscheidung mit Tragweite für den Kunden enthält, gehört zu einem Menschen, und zwar bevor der Kunde danach fragen muss.
Was Sie an Ihrem eigenen Kundenservice prüfen können
Bevor Sie über ein System sprechen, sammeln Sie für eine Woche die Anfragen, die bei Ihnen tatsächlich eingehen, nicht die, die Sie erwarten. Trennen Sie sie in zwei Stapel: Fragen, auf die es in Ihren vorhandenen Unterlagen bereits eine dokumentierte Antwort gibt, und Fragen, die eine Einschätzung oder eine Entscheidung brauchen. Nur der erste Stapel ist ein guter Startpunkt für einen KI-Assistenten bei KIsult oder anderswo.
Prüfen Sie zusätzlich, wie die Übergabe an einen Menschen heute aussieht, wenn eine Anfrage zu kompliziert ist. Muss der Kunde seine Frage wiederholen, haben Sie bereits die wichtigste Stelle gefunden, an der ein Projekt anfangen sollte, unabhängig davon, welchen Anbieter Sie am Ende wählen. Diese beiden Fragen lassen sich ohne Werkzeug und ohne Budget beantworten, allein durch genaues Hinschauen bei den Anfragen einer einzigen Woche.
Wie wir Telefonie und Kommunikation automatisieren, beschreiben wir unter Voice-KI & Kommunikation. Geht es vor allem darum, vorhandenes Wissen verlässlich zugänglich zu machen, passt Wissensdatenbanken & KI-Assistenten besser.