Kunden erwarten schnelle Antworten. Das übliche Support-Zeitfenster von 9 bis 17 Uhr wird immer seltener; Menschen wollen rund um die Uhr Hilfe, und zwar schnell. Dieser Druck hat viele Unternehmen dazu bewogen, nach einer Lösung im Bereich der KI (Künstliche Intelligenz) zu suchen.
KI-Chatbots sind oft die erste Überlegung, aber nicht jede KI ist gleich aufgebaut. Einige Modelle sind nicht darauf ausgelegt, menschliche Agenten zu ersetzen, sondern mit ihnen zusammenzuarbeiten. Die Branche lässt regelbasierte Bots hinter sich, die sich oft wie ein Sackgassen-Telefonmenü anfühlen können. Die neue Generation von KI kann wie ein neues Teammitglied sein. Sie lernt aus den Daten Ihres Unternehmens, übernimmt die Tonalität Ihrer Marke und arbeitet Seite an Seite mit Ihrem Team.
Dieser Beitrag schlüsselt auf, wie einige der größten Unternehmen, die KI-Chatbots für den Kundenservice einsetzen, damit umgehen. Wir schauen uns an, was funktioniert, was nicht funktioniert und mit welchen häufigen Problemen sie konfrontiert sind, und erkunden dann einen kollaborativen, teambasierten Ansatz für die Implementierung.
KI-Chatbots für den Kundenservice verstehen
Ein KI-Chatbot für den Kundenservice ist ein Programm, das menschliche Konversation nachahmt. Das Ziel ist es, Kundenfragen zu beantworten und Probleme auf verschiedenen Kanälen zu lösen, wie z. B. auf Ihrer Website, innerhalb Ihres Helpdesks oder in internen Tools wie Slack.
Sie basieren auf Technologien wie Natural Language Processing (NLP), also der Verarbeitung natürlicher Sprache. Diese hilft der KI zu verstehen, was eine Person fragt, und nicht nur die eingegebenen Schlüsselwörter zu erkennen. Sie hilft dem Bot, die Absicht (Intent) und den Kontext hinter einer Nachricht zu entschlüsseln.
Moderne KI hält sich nicht nur an ein Skript. Viele Plattformen lernen aus der eigenen Wissensdatenbank Ihres Unternehmens, Ihren alten Support-Tickets, Hilfe-Center-Artikeln und internen Dokumenten. Dies trägt dazu bei, dass die KI nur von Ihnen genehmigte Informationen ausgibt, sodass sie wie Ihr Team klingt und präzise Antworten liefert.
Anstatt eines eigenständigen Bots kann es nützlich sein, ihn als „KI-Teammitglied (AI Teammate)“ zu betrachten. Eine gut integrierte KI kann mehr als nur chatten; sie kann Aktionen ausführen. Sie kann eine Bestellung nachschlagen, ein Ticket in Ihrem Helpdesk aktualisieren oder eine Rücksendung bearbeiten. Sie kann zu einem Partner in Ihrem Workflow werden, nicht nur zu einem Werkzeug für Konversationen.
Beispiele für Unternehmen, die KI-Chatbots einsetzen
Um zu sehen, wie das in der Praxis funktioniert, schauen wir uns einige Beispiele an. Wir prüfen, wie einige große Marken KI einsetzen, was sie gut machen und auf welche Hürden sie gestoßen sind.
Klarna: Automatisierung des Supports in riesigem Maßstab
Anwendungsfall: Klarna, der „Jetzt kaufen, später bezahlen“-Dienst (Buy-now-pay-later), erregte Aufmerksamkeit, als das Unternehmen ankündigte, einen maßgeschneiderten KI-Assistenten einzusetzen, um eine große Anzahl von Kundenservice-Chats zu bearbeiten. Der Plan war, häufige Fragen zu Rückerstattungen, Zahlungen und Bestellungen zu verwalten, ohne jedes Mal einen Menschen zu benötigen.
Gemeldeter Erfolg: Die ersten Ergebnisse waren signifikant. In seinem ersten Monat bearbeitete der KI-Assistent von Klarna 2,3 Millionen Konversationen, was laut Angaben des Unternehmens dem Äquivalent von 700 Agenten entsprach. Sie berichteten außerdem, dass die Lösungszeiten für Kunden von durchschnittlich 11 Minuten auf knapp unter zwei Minuten sanken.
Die Einschränkung: Ein Jahr nach der Ankündigung gab Klarna bekannt, dass es wieder menschliche Agenten einstellt. Ihr CEO gab zu, dass ein zu starker Fokus auf KI zur Kostensenkung zu einer geringeren Servicequalität führte. Dies verdeutlicht eine potenzielle Herausforderung, wenn man versucht, menschliche Agenten vollständig zu ersetzen, anstatt ihnen bessere Werkzeuge an die Hand zu geben.
Ein anderer Ansatz: Ein alternativer Ansatz ist das Modell des KI-Teammitglieds. Anstelle einer Alles-oder-Nichts-Strategie kann eine Plattform wie eesel AI repetitive Aufgaben automatisieren, während ein menschliches Team die Kontrolle für Qualitätsprüfungen und komplexe Probleme behält. Dieses Modell zielt darauf ab, Effizienz zu gewinnen und gleichzeitig das Kundenerlebnis zu wahren.
Delta Airlines: Erstellung eines personalisierten Reise-Concierges
Anwendungsfall: Delta entwickelt seinen Delta Concierge, einen KI-gestützten Assistenten, der in die Fly Delta App integriert ist. Das Ziel ist es, Reisenden einen proaktiven, persönlichen Assistenten zur Seite zu stellen, der sie während der gesamten Reise unterstützt.
Gemeldeter Erfolg: Während seines Beta-Tests war der Assistent in der Lage, Flug-Updates in Echtzeit zu geben, Erinnerungen an ablaufende Reisepässe zu senden und Menschen dabei zu helfen, sich am Flughafen zurechtzufinden.
Die Einschränkung: Diese Art von KI ist ein großes, maßgeschneidertes Projekt, das an eine einzige, proprietäre App gebunden ist. Für die meisten Unternehmen ist es möglicherweise unrealistisch, etwas Ähnliches von Grund auf neu zu bauen. Zudem ist das Wissen der KI in einer Plattform isoliert, wo es nicht anderweitig genutzt werden kann.
Ein anderer Ansatz: Für Unternehmen, die eine schneller zu implementierende Lösung benötigen, kann ein Internal Chat Agent von eesel AI eine Verbindung zu verschiedenen Wissensquellen herstellen (wie Confluence, Google Docs oder Notion) und innerhalb von Tools wie Slack oder Microsoft Teams arbeiten. Dies bietet eine interne Wissensressource für Mitarbeiter, die schnell einsatzbereit ist.
H&M: Optimierung des E-Commerce-Erlebnisses
Anwendungsfall: H&M setzte einen KI-Chatbot auf Messaging-Plattformen wie Kik ein, der als „digitaler Stylist“ fungierte. Der Bot befragt Käufer zu ihren Stilpräferenzen, um ihnen zu helfen, neue Produkte zu finden und Outfits zusammenzustellen.
Gemeldeter Erfolg: Der Bot hilft Nutzern, sich im großen Katalog von H&M zurechtzufinden. Anstatt endlos zu scrollen, erhalten Kunden ein interaktives Erlebnis, das sie auf Kleidung hinweist, die sie interessieren könnte. Es ist ein Beispiel dafür, wie KI genutzt werden kann, um das Online-Shopping persönlicher zu gestalten.
Die Einschränkung: Obwohl sie nützlich sind, um Produkte zu finden, sind viele E-Commerce-Bots wie dieser auf einen Bereich spezialisiert und können möglicherweise keine weiteren Aktionen ausführen. Sie sind oft nicht in der Lage, einen Bestellstatus zu prüfen, eine Rücksendung zu bearbeiten oder eine Versandverzögerung zu untersuchen. Das bedeutet, dass bei einem Support-Problem des Kunden das Gespräch möglicherweise an einen Menschen übergeben werden muss.
Ein anderer Ansatz: Für erweiterte Funktionen können einige Chatbots direkt mit anderen Plattformen integriert werden. Zum Beispiel verbindet sich der E-Commerce-Chatbot von eesel AI mit Plattformen wie Shopify, um Aktionen auszuführen. Dazu gehören die Bearbeitung von Bestellabfragen, Retouren oder die Bereitstellung von Verkaufsfunktionen wie Produkt-Karussells und „In den Warenkorb“-Buttons direkt im Chat.
Bank of America: Personalisierte Finanzberatung in großem Umfang anbieten
Anwendungsfall: „Erica“ von der Bank of America ist eine virtuelle Finanzassistentin, die Millionen von Kunden bei ihren täglichen Bankgeschäften hilft. Sie kann Ausgaben verfolgen, beim Kündigen von Abonnements helfen, Salden prüfen und Nutzern helfen, Trades auf ihren Merrill-Investmentkonten zu tätigen.
Gemeldeter Erfolg: Erica ist eine weit verbreitete Banking-Assistentin. Sie hat über 1,5 Milliarden Kundeninteraktionen abgewickelt und bedient mehr als 37 Millionen Kunden. Dies zeigt, dass KI in der Lage ist, persönliche Finanzberatung in massivem Umfang zu leisten.
Die Einschränkung: Die Ressourcen, die für den Aufbau eines Systems wie Erica benötigt werden, sind beträchtlich. Die Entwicklungszeit, die Sicherheitseinrichtung und die laufenden Wartungskosten ordnen es fest in die Kategorie Enterprise ein. Es ist ein mächtiges Werkzeug, aber kein Modell, das die meisten Unternehmen einfach nachahmen können.
Ein anderer Ansatz: Es gibt alternative Lösungen, die Sicherheitsmerkmale auf Enterprise-Niveau bieten. eesel AI bietet Datenverschlüsselung, nutzt SOC 2 Type II-zertifizierte Unterauftragsverarbeiter und ist für eine schnelle Einrichtung konzipiert. Dieser Ansatz zielt darauf ab, sichere KI für Unternehmen zugänglich zu machen, die nicht über die Ressourcen einer globalen Bank verfügen.
Häufige Herausforderungen bei KI-Chatbots für den Kundenservice
Betrachtet man die obigen Beispiele, lassen sich einige Muster erkennen. Während groß angelegte KI beeindruckend ist, bringt ihr typischer Rollout oft Herausforderungen mit sich, die die Einführung für viele Teams erschweren.
Lange und komplizierte Einrichtung
Viele Plattformen erfordern ein umfangreiches Onboarding, komplexe Einstellungen und Entwicklungszeit. Die maßgeschneiderten Lösungen von Unternehmen wie Delta und Bank of America brauchten Jahre für den Aufbau, was bedeutet, dass es lange dauerte, bis erste Ergebnisse sichtbar waren.
Unflexible, schwer zu verwaltende Workflows
Ältere KI-Systeme verlassen sich oft auf komplexe, starre Logikbäume, die nur schwer zu aktualisieren sind. Wenn sich Geschäftsrichtlinien ändern, müssen Sie möglicherweise alles manuell neu erstellen. Eine starre Denkweise kann sich manchmal negativ auf das Kundenerlebnis auswirken und erfordert eine Strategieänderung.
Das Risiko eines „Big Bang“-Rollouts
Bei vielen KI-Tools gibt es keine sichere Möglichkeit, sie zu testen, bevor sie live auf Kunden treffen. Dies kann dazu führen, dass man sie einfach einschaltet und auf das Beste hofft – ein erhebliches Risiko. Aus diesem Grund sind viele Support-Manager vorsichtig, wenn es darum geht, der KI die volle Kontrolle über Kunden-Chats zu geben.
Hohe Kosten und verwirrende Preisgestaltung
Maßgeschneiderte Lösungen sind teuer, aber selbst Standard-SaaS-Plattformen können eine verwirrende und unvorhersehbare Preisgestaltung haben. Viele berechnen pro Problemlösung oder verlangen teure Lizenzen pro Agenten-Sitzplatz, was die Budgetierung erschwert.
Ein kollaboratives KI-Modell für den Kundenservice
Ein alternativer Ansatz konzentriert sich darauf, KI als Teammitglied zu betrachten. Dieses Modell wurde entwickelt, um die Herausforderungen anzugehen, die traditionelle KI-Projekte beeinträchtigen können.
In wenigen Minuten live mit einem „Human-in-the-Loop“
eesel nutzt eine „Einladen statt Konfigurieren“-Methode. Sie verbinden es mit Ihrem Helpdesk, wie Zendesk oder Freshdesk, und es beginnt sofort, aus Ihren vergangenen Tickets, Makros und Hilfe-Center-Artikeln zu lernen. Es ist in wenigen Minuten einsatzbereit.
Zudem startet es standardmäßig mit einem „Human-in-the-Loop“ (Mensch im Prozess). Der AI Copilot von eesel schlägt Antworten vor, die Ihre menschlichen Agenten genehmigen, bearbeiten oder ignorieren können. Dies kann helfen, die Produktivität des Teams zu steigern und gleichzeitig das Risiko zu minimieren, dass die KI eine falsche Antwort gibt.
Steuerung und Anpassung in einfacher Sprache
Sie müssen kein Entwickler sein, um eesel Anweisungen zu geben. Sie können die Tonalität, die ausführbaren Aktionen und die Eskalationsregeln in einfacher Alltagssprache festlegen. Zum Beispiel können Sie sagen: „Wenn eine Rückerstattung nach mehr als 30 Tagen angefordert wird, lehne höflich ab und biete eine Gutschrift an.“
eesel verfügt außerdem über einen Simulationsmodus, mit dem Sie Ihre Einrichtung an Tausenden Ihrer alten Tickets testen können. So können Sie sehen, wie das System performt hätte, und erhalten eine Prognose über die Lösungsraten, bevor es mit einem echten Kunden interagiert. Dies hilft, das Risiko eines „Big Bang“-Rollouts zu mindern.
Ein klarer Weg vom Trainee zum Frontline-Agenten
eesel ist für einen schrittweisen, kontrollierten Rollout konzipiert. Es beginnt als „Trainee“, der Antwortentwürfe für Ihr Team erstellt. Während es aus deren Feedback lernt, können Sie es „befördern“, damit es bestimmte Arten von Fragen bearbeitet oder sogar den Frontline-Support eigenständig übernimmt. Dieser Prozess schafft Vertrauen und stellt sicher, dass Sie die Kontrolle über die Qualität behalten.
Transparente Preismodelle
Einige Plattformen bieten verschiedene Preismodelle an. Die Preisgestaltung von eesel basiert beispielsweise auf Pay-per-Interaction-Plänen. Es gibt keine Gebühren pro Agenten-Sitzplatz, sodass Ihre Kosten vorhersehbar sind und mit Ihrem Wachstum skalieren können.
| Funktion | Team-Plan | Business-Plan |
|---|---|---|
| Preis (jährlich) | 239 $ /Monat | 639 $ /Monat |
| KI-Interaktionen | 1.000 /Monat | 3.000 /Monat |
| AI Copilot | Inklusive | Inklusive |
| Training auf alten Tickets | Nein | Inklusive |
| KI-Aktionen | Nein | Inklusive |
Insbesondere der Fall Klarna hat eine breite Diskussion über die Zukunft der KI im Kundenservice ausgelöst. Er dient als eindrucksvolles Beispiel sowohl für das immense Potenzial als auch für die erheblichen Risiken, die mit einer groß angelegten Automatisierung verbunden sind. Das folgende Video beleuchtet die ursprüngliche Ankündigung und ihre Auswirkungen auf die Branche.
Dieses Video von CX Today untersucht Klarnas ursprüngliche Ankündigung über seinen KI-Assistenten und die Auswirkungen auf die Kundenservice-Branche.
Teams unterstützen statt sie zu ersetzen
Die Beispiele großer Unternehmen verdeutlichen sowohl das Potenzial der KI als auch ihre gängigen Herausforderungen. Eine wichtige Erkenntnis ist, dass ein erfolgreicher Ansatz darin bestehen kann, Agenten zu unterstützen, anstatt sie zu ersetzen.
Dieser Ansatz konzentriert sich darauf, Teams ein fähiges KI-Teammitglied zur Seite zu stellen, das repetitive Aufgaben übernimmt. So haben menschliche Agenten den Kopf frei für wertvolle Gespräche, die Empathie und kreatives Denken erfordern.
Das Modell des „KI-Teammitglieds“, das auf Zusammenarbeit, Sicherheit und Benutzerfreundlichkeit setzt, ist für Unternehmen ein gangbarer Weg, um mit dem Einsatz von KI im Kundenservice zu beginnen.
Um mehr über dieses Modell zu erfahren, können Sie eesel zu Ihrem Helpdesk einladen, um zu sehen, wie es bei Ihren bisherigen Tickets abschneidet.
Häufig gestellte Fragen
Ein häufiger Fehler besteht darin, zu versuchen, menschliche Agenten vollständig zu ersetzen, anstatt sie zu unterstützen. Wie man bei Klarna sehen konnte, kann dies zu einem Rückgang der Servicequalität führen. Eine ausgewogene Strategie besteht darin, KI als Teammitglied einzusetzen, um repetitive Aufgaben zu übernehmen, sodass Menschen mehr Zeit für komplexere Probleme haben.
Kleine Unternehmen können konkurrieren, indem sie ein „KI-Teammitglied“-Modell mit zugänglichen Plattformen wie eesel AI einführen. Anstatt Millionen für eine maßgeschneiderte Lösung auszugeben, können sie eine Plug-and-Play-Lösung nutzen, die leistungsstarke Funktionen, eine schnelle Einrichtung und einen Human-in-the-Loop-Ansatz ohne die Kosten auf Enterprise-Ebene bietet.
Suchen Sie nach einer Plattform, die einfach einzurichten ist, von Ihren vorhandenen Daten lernt, menschliche Aufsicht ermöglicht und mit einfacher Sprache angepasst werden kann. Ein Simulationsmodus zum Testen der KI, bevor sie live geht, ist ebenfalls ein wichtiges Merkmal zur Risikominderung.
Das muss es nicht sein. Während maßgeschneiderte Enterprise-Lösungen unglaublich teuer sind, verfügen moderne Plattformen oft über eine transparente Preisgestaltung pro Interaktion ohne Lizenzgebühren pro Agentensitzplatz. Dies macht es für Unternehmen aller Größen erschwinglich, einzusteigen und berechenbar zu skalieren.
Genauigkeit entsteht durch das Training der KI auf der spezifischen Wissensdatenbank Ihres Unternehmens, wie z. B. alten Tickets und Artikeln im Hilfe-Center. Ein Human-in-the-Loop-Modell, bei dem Agenten die vorgeschlagenen Antworten der KI genehmigen oder bearbeiten, ist ebenfalls entscheidend für die Qualitätskontrolle und den Aufbau von Vertrauen in das System.
Ja, wenn der Chatbot in der Lage ist, Aktionen auszuführen. Viele einfache Bots können nur Informationen bereitstellen. Ein fortschrittlicheres KI-Teammitglied kann in andere Plattformen (wie Shopify) integriert werden, um Aufgaben wie die Überprüfung des Bestellstatus, die Bearbeitung von Retouren oder die direkte Aktualisierung von Kundeninformationen zu erledigen.
Diesen Beitrag teilen
Article by
Kenneth Pangan
Kenneth Pangan ist seit über zehn Jahren als Autor und Vermarkter tätig. Er teilt seine Zeit zwischen Geschichte, Politik und Kunst auf, wobei er immer wieder von seinen Hunden unterbrochen wird, die Aufmerksamkeit fordern.
