KI im Kundensupport: Was sie leistet und wie du sie einführst

Der Chatbot der frühen 2010er-Jahre war im Kern ein FAQ-Baum mit Eingabefeld: Er reagierte auf Stichwörter, arbeitete vorbereitete Antwortpfade ab und verwies bei Unklarheit auf eine Warteschleife. Viele Kundinnen und Kunden haben ihn gemieden. Was heute als KI im Kundensupport angeboten wird, beruht auf Sprachmodellen und ist technisch etwas anderes. Dieser Artikel ordnet nüchtern ein, wann sich das lohnt, wie ein gutes System aufgebaut ist, woran du den Erfolg misst und wo die Grenzen liegen.

Was moderne KI im Support kann

Ein Chatbot auf Basis eines Sprachmodells versteht freie Formulierungen, auch wenn jemand ungewöhnlich schreibt, hält den Gesprächsverlauf im Blick und antwortet in ganzen Sätzen. Wichtiger ist, woher die Antworten kommen: In einem guten System greift das Modell auf deine eigenen Quellen zu (Hilfeseiten, Produktdaten, Richtlinien, bei Bedarf Bestell- oder Vertragsinformationen), meist über RAG, und formuliert daraus die Antwort. So antwortet es nach deinem Stand und nicht nach allgemeinem Modellwissen.

Das heißt nicht, dass die KI „alles versteht“. Sie kann Fehler machen, Zusammenhänge falsch deuten und Dinge erfinden (Halluzination). Gutes Design rechnet damit.

Wann sich KI im Support lohnt

Besonders geeignet sind:

• Viele ähnliche Anfragen: Status von Bestellungen, Rückgabe, Lieferzeiten, Passwort oder Konto, Produktfragen.
• Gut dokumentierte Antworten: Es gibt eine gepflegte Wissensbasis, auf die die KI zugreifen kann.
• Mehrere Kanäle und Sprachen: E-Mail, Chat und Formular, auch außerhalb der Geschäftszeiten.
• Entlastung des Teams: Mitarbeitende sollen sich auf die schwierigen, persönlichen Fälle konzentrieren.

Weniger geeignet ist KI, wenn Anfragen selten und sehr individuell sind, wenn die Wissensbasis fehlt oder widersprüchlich ist oder wenn fast jede Antwort eine Einzelfallentscheidung verlangt.

Drei Einsatzstufen

1. Antwortentwürfe für das Team: Die KI schlägt eine Antwort vor, ein Mensch prüft und sendet. Das ist der sicherste Einstieg und liefert schnell Erkenntnisse über Qualität und Lücken. Ein Beispiel aus unserer Arbeit sind Retouren- und Produktfragen.
2. Teilautomatisch: Einfache, klar abgrenzbare Fälle beantwortet die KI direkt, alles andere geht an Menschen.
3. Weitgehend automatisch mit Eskalation: Ein Chatbot beantwortet den Großteil selbst und übergibt an Menschen, wenn er unsicher ist oder die Person es wünscht.

Beginne mit Stufe 1 oder 2 und steigere die Automatisierung erst, wenn Qualität und Kennzahlen es hergeben.

Eskalation ist das Herzstück

Ein gutes System weiß, wann es an seine Grenzen stößt, und übergibt dann mit Kontext: Die Mitarbeiterin sieht sofort, was besprochen wurde, was versucht wurde und warum eskaliert wurde. Ohne das müssen Kunden alles wiederholen, und genau das Vertrauen geht verloren, das du aufbauen willst. Plane Eskalationsfälle so sorgfältig wie den Normalfall: bei Unsicherheit, bei Beschwerden, bei sensiblen Themen (Zahlung, Vertrag, Gesundheit) und wenn jemand ausdrücklich mit einem Menschen sprechen will. Das Prinzip heißt Human-in-the-Loop.

Woran du den Erfolg misst

Lege vor dem Start fest, was du messen willst, und vergleiche mit dem Zustand davor:

• Erste Antwortzeit und Zeit bis zur Lösung
• Lösungsquote beim ersten Kontakt
• Eskalationsquote und Gründe der Eskalation
• Kundenzufriedenheit (zum Beispiel eine kurze Bewertung nach dem Gespräch)
• Fehlerquote: Stichproben, in denen eine Person die KI-Antworten prüft
• Kosten pro Vorgang (inklusive Modellnutzung, siehe Tokens)

Auswertungen von Gesprächen, die nicht zufriedenstellend liefen, zeigen, wo die Wissensbasis nachgebessert werden muss. Gelernt wird dabei in geplanten Schritten: Du verbesserst Quellen und Anweisungen und aktualisierst bei Bedarf gezielt das Modell, ohne dass sich das System im Betrieb unkontrolliert verändert.

Recht und Transparenz

• Datenschutz: Support-Gespräche enthalten oft personenbezogene Daten. Kläre Anbieter, Auftragsverarbeitung, Speicherort und Löschfristen vor dem Start (siehe KI und Datenschutz).
• Transparenz: Kundinnen und Kunden sollten erkennen, dass sie mit einer KI sprechen. Für solche Systeme gelten nach der KI-Verordnung Transparenzpflichten. Prüfe den aktuellen Stand und deine Rolle.
• Verlässliche Auskünfte: Bei Vertrags-, Preis- und Zahlungsthemen sollte die KI nur aus freigegebenen Quellen antworten und im Zweifel übergeben.

Häufige Fehler

• Zu früh zu viel automatisieren und Qualität nicht messen.
• Schlechte oder veraltete Wissensbasis: Die KI wiederholt, was in den Quellen steht.
• Keine klare Übergabe an Menschen, oder eine, die den Verlauf verliert.
• Keine Stichproben: Fehler fallen erst auf, wenn sich Kunden beschweren.
• KI als Ersatz für Zuhören verstehen: Support lebt auch von Empathie und Kulanz. Die KI nimmt Routine ab, die Beziehung bleibt Menschensache.

Kurz beantwortet

Ersetzt KI mein Support-Team? In der Regel nicht. Sie übernimmt wiederkehrende Fragen und liefert Entwürfe, die Menschen kümmern sich um die schwierigen Fälle.

Wie schnell lässt sich ein erster Test starten? Mit einer vorhandenen Wissensbasis und Antwortentwürfen für das Team oft innerhalb weniger Wochen. Das hängt von Daten und Systemen ab.

Was, wenn die KI etwas Falsches sagt? Deshalb gibt es Quellenbindung, Stichproben, Eskalationsregeln und zunächst die Prüfung durch Menschen.

Brauchen wir ein eigenes Modell? Meist nicht. Die meisten Support-Anwendungen funktionieren mit vorhandenen Modellen und deiner Wissensbasis.

Fazit

KI im Kundensupport ist kein Selbstläufer, aber ein nützliches Werkzeug, wenn Anwendungsfall, Wissensbasis, Eskalation und Messung stimmen. Beginne klein, miss ehrlich und baue aus, wenn die Ergebnisse tragen. Wenn du das für deinen Support prüfen möchtest, findest du unser Angebot unter Chatbots und KI-Integration.