Souveräne KI als Wettbewerbsvorteil: Agentic AI im Kundenservice
Agentic AI im Kundenservice bezeichnet KI-Systeme auf Basis großer Sprachmodelle, die eigenständig Ziele verstehen, Prozesse steuern und Vorgänge fallabschließend bearbeiten können – etwa Authentifizierung, Datenauskunft oder Buchungen. Sie brechen Aufgaben in Teilschritte herunter, treffen Entscheidungen und greifen dabei auf Backend-Systeme wie ERP, CRM oder Ticketing zu.
Was steckt wirklich hinter Agentic AI?
Anders als klassische Chatbots oder starre IVR-Menüs sind Agenten nicht auf einen festen Gesprächspfad festgelegt. Sie erfassen die Anliegen von Kundinnen und Kunden direkt aus deren natürlicher Sprache, beziehen den jeweiligen Kontext mit ein und treffen auch über mehrere Interaktionsschritte hinweg nachvollziehbare, stimmige Entscheidungen. Genau diese Fähigkeit macht sie für Serviceabteilungen so interessant, die mit wachsendem Anfragevolumen, Personalengpässen und immer höheren Ansprüchen an die Erreichbarkeit zu kämpfen haben.
Dabei darf man nicht vergessen, dass es sich um probabilistische Systeme handelt: Das zugrunde liegende Modell entscheidet sich jeweils für die statistisch wahrscheinlichste nächste Antwort oder Handlung. Man kann sich das wie eine ausgesprochen fleißige Mitarbeiterin oder einen fleißigen Mitarbeiter vorstellen, dem jedoch gelegentlich der gesunde Menschenverstand fehlt – die Folge können Fehleinschätzungen sein, etwa eine falsche Zuordnung von Anliegen, unangemessene Kulanzangebote oder missverständlich formulierte Auskünfte.
Erfahrungswerte aus der Praxis legen nahe, dass Unternehmen dann am meisten profitieren, wenn sie Agenten nicht als isolierte Einzellösung betrachten, sondern in eine umfassendere Automatisierungsstrategie einbetten – eine, die sämtliche Kontaktkanäle wie Telefon, E-Mail und Chat gleichermaßen abdeckt. KI-Agenten entfalten ihren größten Nutzen erst dann, wenn sie eng mit vorhandenen Systemen verzahnt sind und Anfragen eigenständig bis zum Abschluss bearbeiten können.
Wann prozessorientierte Automatisierung besser ist als Agenten
Klar strukturierte Standardprozesse – etwa Zählerstandsmeldungen, Sperrmüllterminbuchungen oder einfache Adressänderungen – sind typische Kandidaten für prozessorientierte Automatisierung. Die Abläufe sind eindeutig definiert: Identifikation, wenige Pflichtangaben, Bestätigung. Für solche Szenarien liefern regelbasierte Workflows meist die zuverlässigste Lösung bei geringstem Risiko.
Ein typischer Ablauf für eine Sperrmüllbuchung sieht etwa so aus: Adresse erfassen, drei mögliche Termine aus dem Tourenplan vorschlagen, Auswahl bestätigen, Vorgang im System anlegen und per SMS bestätigen. Agentic AI bietet hier kaum zusätzlichen Nutzen, erhöht aber Komplexität und Testaufwand. Die Prozess-Treue (Adherence) ist bei einem festgelegten Ablauf nahezu vollständig gegeben – Abweichungen landen automatisch im Fallback zum menschlichen Service.
Praxiserfahrungen aus der Entsorgungs- und Energiewirtschaft zeigen: Solche Prozesse erreichen auch ohne KI sehr hohe Automatisierungsquoten, sofern die Dialogführung klar ist und die Datenqualität stimmt. Ein zusätzlicher Agent mag „intelligenter“ wirken, verbessert aber weder Erfolgsrate noch Kundenzufriedenheit merklich.
Auch wirtschaftlich spricht vieles für klares Prozessdesign: Ein deterministischer Flow benötigt kaum oder gar keine KI-Ressourcen. Während ein vollständig agentischer Telefon-Use-Case schnell 100.000–200.000 Tokens pro Gespräch verbrauchen kann, kommen hybride oder rein prozessuale Ansätze oft mit wenigen Tausend Tokens aus – teilweise sogar ganz ohne große Sprachmodelle.
Wo Agentic AI glänzt: komplexe Anliegen und Customer Experience
Agentic AI zeigt ihre Stärken überall dort, wo Anliegen inhaltlich komplex, schwer strukturierbar oder stark variabel sind. Ein gutes Beispiel ist die Abfallentsorgung: Kundinnen und Kunden schildern die unterschiedlichsten Gegenstände, vermischen mehrere Abfallarten in einer Anfrage („altes Holz, etwas Bauschutt und ein paar Pizzakartons“) und erwarten trotzdem eine eindeutige Entsorgungsempfehlung.
Ein rein prozessbasiertes Design müsste hierfür sämtliche denkbaren Kombinationen in starre Entscheidungsbäume abbilden – das ist praktisch nicht umsetzbar. Ein Agent dagegen benötigt lediglich eine Liste zulässiger Kategorien sowie entsprechende Regeln (etwa „fettige Pizzakartons gehören in den Restmüll“) und kann daraus passende Antworten in Echtzeit ableiten. Fehler lassen sich dabei nicht vollständig ausschließen, das Risiko bleibt jedoch überschaubar: Im ungünstigsten Fall führt eine falsche Auskunft zu einer unnötigen Fahrt zum Wertstoffhof.
Auch bei Kulanzentscheidungen in Versicherungen oder im Beschwerdemanagement spielen Agenten ihre Vorteile aus. Sie können Vertragsdetails, Verlaufshistorien und Schriftverkehr auswerten und daraus einen konkreten Entscheidungsvorschlag ableiten. In einem Human-in-the-Loop-Modell erarbeitet der Agent einen strukturierten Vorschlag mit Begründung sowie einen Antwortentwurf, den eine zuständige Person anschließend prüft und freigibt. Dadurch reduziert sich der Bearbeitungsaufwand spürbar, während die Entscheidungsverantwortung weiterhin beim Menschen bleibt.
Praxiserfahrungen aus verschiedenen Projekten bestätigen, dass gerade ein hybrider Ansatz – die Verbindung aus KI-Unterstützung und menschlicher Kontrolle – besonders wirkungsvoll ist.
Für alle, die es verpasst haben: Den I-CEM Vortrag zu: Agentic AI im Kundenservice, von der 17. Customer Service Week gibt es hier zum Nachschauen.
Hybride Automatisierung im Kundenservice: Zwei Praxisbeispiele
Ein hybrider Ansatz verbindet die Verlässlichkeit fest definierter Prozesse mit der Flexibilität von Agentic AI. Entscheidend ist dabei eine bewusste Abgrenzung: Wo genügt klassisches Prozessdesign, wo schafft ein Agent echten Mehrwert – und wo behält der Mensch die Entscheidungshoheit?
Beispiel Stadtwerke/Energieversorger: Zählerstandsmeldungen laufen als robuster, regelbasierter Workflow – Identifikation über Vertragsnummer und Geburtsdatum, Eingabe des Zählerstands, Plausibilitätsprüfung, Übergabe ans ERP-System. Für komplexere Anliegen wie Tariffragen, Abrechnungslogik oder ungewöhnliche Verbrauchsspitzen kommt hingegen ein Agent zum Einsatz, mit Fallback zum Service-Team bei Bedarf.
Beispiel Entsorgungsunternehmen: Die Terminbuchung für Sperrmüll folgt einer klaren Prozesslogik mit fester Slot-Vergabe. Fragen zur richtigen Entsorgung verschiedenster Gegenstände übernimmt dagegen ein Agent, der Freitexteingaben versteht, Kategorien zuordnet und passende Antworten liefert – die anschließende Bestätigung, Dokumentation und Auswertung erfolgt wieder über die Prozessengine.
In beiden Fällen werden Agenten gezielt dort eingesetzt, wo ihre Stärken – Sprachverständnis, Kontextbezug, Entscheidungsunterstützung – tatsächlich gebraucht werden. Sensible oder stark regulierte Entscheidungen, etwa Leistungsablehnungen oder kritische Vertragsänderungen, verbleiben dagegen bewusst in einer Human-in-the-Loop-Struktur mit klar definierter Verantwortung.
Wettbewerbsvorteil durch kluge Kombination
Agentic AI ist kein Ersatz für klassisches Prozessdesign, sondern dessen sinnvolle Ergänzung. Den echten Wettbewerbsvorteil erzielen Unternehmen dort, wo sie beides gezielt kombinieren: robuste, regelbasierte Workflows für strukturierte Standardfälle und leistungsfähige Agenten für komplexe, variable Anliegen, bei denen Sprachverständnis und Kontextbezug den Unterschied machen.
Damit dieser hybride Ansatz nicht zum teuren Experiment wird, braucht es drei Dinge: erstens eine nüchterne Analyse der eigenen Serviceprozesse statt eines technologiegetriebenen Schnellschusses, zweitens klare Leitplanken bei Datenstandort, Haftung und Verantwortlichkeit – insbesondere mit Blick auf europäische Regulatorik – und drittens ein bewusstes Kosten-Nutzen-Verhältnis, da unkontrollierter Tokenverbrauch schnell zum Kostentreiber werden kann.
Wer schrittweise vorgeht – von der Analyse über fokussierte Piloten bis zum skalierbaren Operating Model – schafft eine Servicearchitektur, die sowohl heutigen Effizienzanforderungen als auch künftigen Kundenerwartungen gerecht wird. So wird Agentic AI vom Hype-Thema zum tatsächlichen strategischen Vorteil im Kundenservice.
