Conversational AI für den Kundenservice: was 2026 wirklich funktioniert

Kurzfassung

Conversational AI für den Kundenservice hat, irgendwann seit letztem Jahr, aufgehört, eine technologische Frage zu sein. Die Modelle sind inzwischen gut genug. Ich sitze in der Support-Warteschlange von eesel, und über alle Einführungen hinweg, die ich beobachte, gilt: die zwei Dinge, die tatsächlich darüber entscheiden, ob ein Rollout funktioniert, sind der Umfang (Scope) und die Abrechnungseinheit. Fast niemand recherchiert eines von beiden, bevor unterschrieben wird.

93 % Triage-Genauigkeit, in 88 % der Fälle war der Entwurf inhaltlich richtig, das ergab ein aktueller kreuzvalidierter Test auf der Zendesk-Warteschlange einer DTC-Accessoire-Marke. Aber nur 12 % dieser Entwürfe gingen ohne menschliche Bearbeitung raus, und 7 % enthielten einen sachlichen Fehler. Genau in dieser Lücke steckt die ganze Geschichte. Eine KI, die meistens richtig liegt, ist ein Entwurfswerkzeug. Eine KI, die in einem engen, gut abgesteckten Ausschnitt richtig liegt, ist dagegen ein autonomer Agent. Diese Entscheidung trifft die Konfiguration. Die Modellqualität spielt dabei kaum eine Rolle.

Dann ist da noch die Rechnung. Veröffentlichte Tarife für 2026 reichen für dieselbe Kundenkonversation von $0,40 bis $2,00, ganz danach, auf wessen Zähler sie landet, und Zendesk druckt bis heute überhaupt keine Zahl. Im Folgenden: was jeder Anbieter tatsächlich berechnet und was die Einheit wirklich bedeutet. Dazu vier Stellschrauben, die es wert sind, eingestellt zu werden, bevor irgendetwas davon in die Nähe einer produktiven Warteschlange kommt.

Was Conversational AI für den Kundenservice heute tatsächlich bedeutet

Ein Chat-Widget mit einem Entscheidungsbaum dahinter, das war die alte Definition. Man baute die Verzweigungen, der Kunde wählte eine aus, und lag seine Frage außerhalb des Baums, bekam er ein „Ich verbinde dich mit einem Mitarbeiter" und landete in einer Warteschlange. Viele davon laufen noch immer. Deshalb zucken so viele Leute schon bei dem Begriff selbst zusammen. Was seither auf den Markt kam, ist so anders, dass ich dazu eine eigene Erklärung zu KI-Agenten versus Chatbots pflege.

Was 2026 ausgeliefert wird, unterscheidet sich in drei konkreten Punkten.

Es sucht Informationen, statt nur abzugleichen (Retrieval statt Matching). Das System liest dein Helpcenter, deine vergangenen Tickets und auch deine internen Dokumente und formuliert dann eine Antwort auf die vorliegende Frage. Zendesk betreibt das über 80 Sprachen hinweg auf einem Multi-Modell-Stack, und derselbe Retrieval-Ansatz steckt hinter jedem ernstzunehmenden KI-Kundenservice-Chatbot auf dem Markt.

Es führt Aktionen aus. Ein moderner Agent kann eine Bestellung nachschlagen oder eine Rücksendung starten und auch per API-Aufruf eine Gutschrift ausstellen. Das ist der Sprung vom Antworten zum Lösen, an dem KI für Rückerstattungsanfragen aufhört, eine Demo zu sein. Denselben Wandel sieht man bei der Automatisierung der Sendungsverfolgung.

Es arbeitet innerhalb des Helpdesks, den man bereits hat. Der Bot braucht kein eigenes Postfach mehr. Er schreibt interne Notizen, entwirft Antworten, vergibt Tags und routet, wodurch KI-Ticketklassifizierung von einer Nebenfunktion zur Selbstverständlichkeit wurde. Die Sentiment-Analyse von Tickets nahm denselben Weg.

Diese letzte Zeile ist es wert, länger dabei zu verweilen. Der Fehlermodus hat sich verschoben. Ein Baum-Bot scheitert laut, und der Kunde merkt es, aber ein Conversational-AI-Agent scheitert leise und flüssig, und genau deshalb zählt die Kontrollschicht weiter unten mehr als das Modell selbst. Wer vor dem Thema Geld erst den breiteren Blick auf die Kategorie will: die Übersicht der Conversational-AI-Plattformen zeigt, wer was baut.

Was Anbieter auf der Preisseite weglassen

Sechs große Anbieter, sechs unterschiedliche Abrechnungseinheiten, und keine davon austauschbar. Genau das hätte ich mir vor zwei Jahren gewünscht, dass mir jemand vorlegt.

Die veröffentlichten Zahlen, alle diese Woche direkt von den Preisseiten der Anbieter:

Vier Dinge in dieser Tabelle sind mehr wert als der Rest dieses Abschnitts.

Gorgias berechnet Interaktionen, nicht Lösungen. Bei $1,50 wirkt die Schlagzeile im Mittelfeld, aber eine „automatisierte Interaktion" erweist sich als deutlich weiter gefasste Einheit als eine Lösung, was bedeutet, dass eine Konversation, die die KI berührt und nie gelöst hat, trotzdem gezählt werden kann. Help Scout geht den anderen Weg und zählt eine Lösung nur dann, wenn der Kunde weder eskaliert noch auf „Ich brauche noch Hilfe" klickt. Ähnlicher Preis, aber es wird etwas anderes verkauft.

Zendesk dokumentiert alles außer der Zahl. Das Helpcenter erklärt den Mechanismus der automatisierten Lösung im Detail: 5 bis 15 Lösungen pro Agent und Monat inklusive, mit einer festen Obergrenze von 10.000 zugeteilten Lösungen pro Jahr bei jedem Plan. Überschreitungen werden darüber hinaus ausdrücklich oberhalb der vertraglich vereinbarten Nutzung bepreist. Die Dollarzahl selbst taucht nirgendwo auf. Jeder Weg endet bei einem Verkaufsgespräch, dieselbe Mauer, an die Leser in meinem Artikel zu Zendesk AI stoßen.

Salesforces eigene Beispielrechnungen gehen nicht auf. Die Agentforce-Preisseite veröffentlicht fünf Szenarien zu $0,005 pro Credit, und vier davon sind in sich konsistent. Die Voice-Zeile zeigt 120 Credits für $0,15, obwohl dieselbe Rechnung $0,60 ergeben würde, weil Voice mit anderen Multiplikatoren läuft. Salesforce sagt das auch so in seinen FAQ und verweist auf eine separate Preisliste. Nachvollziehbar, aber es bedeutet, dass die veröffentlichten Beispiele eigentlich kein Angebot sind, ein Punkt, den mein Agentforce-Preisleitfaden ausführlicher behandelt.

Die Vorreiter beim erfolgsbasierten Preismodell veröffentlichen gar keinen Preis. Sierra bewirbt erfolgsbasierte Preise unter der Überschrift „Pay for a job well done" (Zahle für gute Arbeit), ohne irgendwo auf der Seite eine Einheit oder einen Tarif zu nennen, und auch Decagon nennt auf seiner Startseite kein Abrechnungsmodell. Beide sind reale Produkte mit realen Einsätzen, worauf meine Decagon-Bewertung ausführlich eingeht. Auch zu Sierra gibt es einen entsprechenden Artikel. Man kann sie einfach nicht ohne ein Telefonat vergleichen.

Rechne mit deinen eigenen Zahlen

Der Unterschied wird erst deutlich, wenn dein tatsächliches Volumen eingesetzt wird, deshalb gibt es unten einen Rechner, aufgebaut auf den oben genannten veröffentlichten Tarifen.

Kein Rundungsfehler, sondern die Spanne zwischen der günstigsten und der teuersten Option bei tausend Konversationen im Monat. Das entspricht den Kosten einer weiteren Vollzeitkraft, und hängt einzig davon ab, welches Substantiv der Anbieter zum Abrechnen ausgewählt hat.

Käufer bemerken das eher, wenn die Nutzung nach oben geht, nicht beim Einstieg:

"The only thing I'd keep an eye on is the pricing. Once you start using more advanced automations or Lyro AI, costs can climb pretty quickly depending on how many conversations you're handling. It's not a deal-breaker, but it's definitely worth understanding how the limits work before you start scaling everything."

Alamgir H., Senior WordPress Engineer, G2

Wie die Zahlen aussehen, sobald es tatsächlich live ist

50 % bis 90 %. Das ist die Spanne der Resolution-Rate, die Fallstudien der Anbieter angeben. Decagon veröffentlicht acht namentlich genannte Markenzahlen: Duolingo mit 80 % Deflection, Chime mit 70 % Resolution. Zendesks Seite zeigt Best Egg mit 80 %, Fortnum & Mason mit 90 %. Echte Zahlen, für diese Unternehmen. Sie sind aber auch das Ende einer bereits fein abgestimmten Einführung. Monat eins sieht damit überhaupt nicht vergleichbar aus.

So sah ein kreuzvalidierter Test auf einer produktiven Zendesk-Warteschlange bei einer DTC-Accessoire-Marke aus, 284 KI-Chats abgeglichen gegen 100 echte Tickets:

Die Triage war hervorragend. Die Spam-Erkennung lief bei 100 % ohne einen einzigen Fehlalarm auf einem Posteingang, der zu 22 % aus Spam bestand. Die Entwurfsqualität nach Kategorie war dort stark, wo die Kategorie eng gefasst war: Retouren und Rückerstattungen 93,8 % brauchbar, Garantieansprüche 96,4 % brauchbar. Produktanfragen erreichten 100 %.

Und trotzdem gingen nur 12 % der Entwürfe unangetastet raus.

Diese Lücke zwischen „inhaltlich richtig" und „einfach abschicken" ist die am wenigsten diskutierte Zahl in dieser Kategorie. Das ist kein Scheitern. Es ist das genaue Bild dessen, was ein nicht abgesteckter Agent in einer gemischten Warteschlange anrichtet, und deshalb ist das ehrliche Ziel für den ersten Monat ein Ausschnitt aus Tier 1, nicht ein Prozentsatz von allem. Ein interner IT-Desk auf Jira Service Management, den ich genau beobachtet habe, liegt bei 15 % Deflection gegenüber einem Ziel von 55 % und nähert sich diesem an, indem der Umfang eine Absicht (Intent) nach der anderen erweitert wird, nicht durch einen Modellwechsel.

Das Gegengewicht, und es ist ein echtes: Ist der Umfang eng gefasst, spielt die Menge keine Rolle mehr. Ein eesel-Kunde betreibt laut eesels eigenen Kundenzahlen einen vollständig automatisierten Zendesk-Agenten komplett auf Deutsch mit über 100.000 Tickets im Monat. Ein anderer, eine Fahrer-Analyse-App der Gig-Economy auf Zendesk, löste im ersten Monat nach einer siebentägigen Testphase 73 % seiner Tier-1-Anfragen. Beide eng und tief, nicht breit und flach. Wer die Definitionen der Kennzahlen kennen will, bevor er sich ein Ziel setzt, sollte mit der KI-Resolution-Rate beginnen und sie dann mit KI-CSAT kombinieren, damit eine schnelle, aber falsche Antwort nicht wie ein Erfolg aussieht.

Noch eine Sache zu den Zahlen, weil es bei jedem Vergleich, den ich sehe, zu Verwirrung führt: Deflection und Resolution sind nicht dieselbe Kennzahl. Decagon berichtet beide im selben ROI-Band. Deflection bedeutet, dass der Kunde aufgehört hat zu fragen, und das schließt diejenigen ein, die aufgegeben haben. Resolution bedeutet, dass er die Antwort bekommen hat. Meine Aufschlüsselung zu Ticket-Deflection hält die beiden auseinander, ebenso der Artikel zum Resolution-Rate-Reporting. Jede Anbietertabelle, die das nicht tut, tut dir damit keinen Gefallen.

Was Kunden übers Reden mit diesen Dingen sagen

Die andere Seite des Widgets, lesenswert, bevor man eins kauft. Das öffentliche Bild in 2026 ist kein pauschales „KI ist schlecht". Viel spezifischer als das.

Das Argument fürs Automatisieren überhaupt ist stärker, als sich die meisten Anbieter die Mühe machen zu formulieren. Von jemandem mit zwei Verwandten in Support-Organisationen:

"My brother used to work at tech support for XBox Live.

He said that 80% of his calls were for password resets, something users can easily self-service. There's literally an option on the login form for "Forgot Password", and people would rather spend time calling up support, waiting on hold, and verifying their identity to a support agent than click a button. […] I have an uncle that works tech support for XFinity. Half his calls are resolved by just power cycling the modem/router."

Sohcahtoa82, Hacker News

Genau dieses Volumen soll Conversational AI abfangen, und es deckt sich fast exakt mit dem, worin ein KI-Helpdesk gut ist.

Das Gegenargument dreht sich eigentlich nie um die Antwortqualität. Es geht darum, was passiert, wenn die Antwort falsch ist und es keinen Ausweg gibt:

"The marketing team has 4 turns with an AI that refuses to escalate to a human and is convinced this is the only entry it needs us to add to our DNS. Dropped the vendor. Someone from their retention team followed up and we linked them the ticket talking to the bot about the obvious bug. Never heard back."

judgardner, Hacker News

Vier Runden und ein gekündigter Vertrag. Der Bot hat diesen Deal nicht verloren, weil er falsch lag, sondern weil er keinen Ausweg hatte. Käuferbewertungen benennen dieselbe Grenze aus dem Inneren der Tools heraus, mit einem Tidio-Rezensenten auf G2, der anmerkt, der Bot „könnte bei mehrstufigen Fragen eher als erwartet eine menschliche Übernahme brauchen". Das ist die ehrliche Form dieser Technologie, und genau dafür zu designen, ist die eigentliche Aufgabe.

Der wahre Engpass ist Kontrolle, nicht Genauigkeit

Immer derselbe Punkt. Jeder ins Stocken geratene Deal, den ich beobachtet habe, bleibt genau dort hängen, und es ist nie „die KI ist nicht schlau genug". Es ist eine Support-Leitung, die begreift, dass sie nicht beaufsichtigen kann, was sie nicht abstecken kann.

Die klarste Version davon kam von einer CX-Leiterin einer DTC-Nahrungsergänzungsmittel-Marke, die Gorgias und Shopify nutzt, mit rund 7.000 Tickets im Monat:

"The AI will never be able to answer 100% of the questions, but if it tries and just answers 'sorry I don't know this,' I cannot go and check all my 7,000 tickets to see if the AI actually made a good answer. I need an AI who is only handling the tickets that it's confident to handle and all the other ones, leave them alone."

Das ist der gesamte Einwand in einem Absatz, und es ist ein guter. Dasselbe Thema taucht in den Notizen immer wieder auf: „es gibt bestimmte Tickets, die ich nicht über die KI laufen lassen will", und „ich will nur eine Antwort, wenn ich @eesel erwähne, nicht bei jeder Erstellung und jeder Kundennachricht im Ticket". Das sind keine Leute, die der KI misstrauen. Es sind Leute, die einen Regler wollen. Jemand auf Hacker News brachte denselben Punkt direkter auf den Punkt, als ich es je könnte:

"The problem is not chatbot customer support, the problem is bird-brained managers that think a system that solves 99% of issues doesn't need a fallback for that 1%."

LorenPechtel, Hacker News

Das Muster, das funktioniert, sind zwei hintereinandergeschaltete Tore. Zuerst eine Ausschlussliste: Streitigkeiten zur Abrechnung, rechtliche Fragen, Rückerstattungen über einem Schwellenwert, nichts davon erreicht die KI überhaupt. Dann ein Konfidenzschwellenwert, sodass alles, wobei sich der Agent unsicher ist, zu einem Entwurf in der Warteschlange des Mitarbeiters wird statt zu einer Antwort im Posteingang des Kunden. Zendesk zeigt eine eigene Version davon als Intent-Konfidenzschwellenwert. Das Übergabe-Design drumherum ist genauso wichtig wie der Schwellenwert selbst.

Richtet man das so ein, hört die Zahl „12 % unverändert versendet" auf, alarmierend zu sein, weil die 88 %, die Bearbeitung brauchten, ohnehin nie unbeaufsichtigt rausgingen. Ohne Tore landet genau diese 7-%-Sachfehlerquote direkt bei den Kunden. Mein Artikel zur Verhinderung von Halluzinationen geht auf die Mechanik tiefer ein.

Wie ich einen Rollout durchführen würde

Vier Schritte, in dieser Reihenfolge. Die Reihenfolge ist der Teil, den die Leute überspringen.

1. Vor dem Go-live an historischen Tickets simulieren. Lasse den Agenten gegen einige Hundert eigene abgeschlossene Tickets laufen und lies, was er geantwortet hätte. Das ist der Schritt, der die selbstsicher falsche Antwort abfängt, solange sie noch nichts kostet, und der Grund, warum eesel die Simulation ins Onboarding einbaut statt sie als Zusatzoption zu verkaufen. Er liefert außerdem eine belastbare eigene Schätzung der Resolution-Rate statt der eines Anbieters. Es hilft, zuerst die Eingaben richtig zu bekommen, wofür das Training mit der eigenen Wissensdatenbank da ist.

2. Eng abstecken, dann erweitern. Wähle die zwei oder drei Absichten mit dem höchsten Volumen und dem kleinsten Schadensradius. Bestellstatus und Passwort-Reset. Vielleicht Versandfenster. Nichts, was am ersten Tag mit Geld oder Rechtlichem zu tun hat. Erst erweitern, wenn die Zahlen im aktuellen Ausschnitt zwei Wochen lang halten. Mein Leitfaden zum Ablenken von FAQs mit KI ist eine passable Startliste.

3. Den Konfidenzschwellenwert vor dem Go-live festlegen, nicht nach der ersten schlechten Antwort. Konservativ starten. Ein hoher Schwellenwert bei engem Umfang ergibt einen langweiligen Agenten, über den sich niemand beschwert, genau das, was man in Woche eins will. Man kann ihn jederzeit lockern, und die Best Practices für Übergaben, die es wert sind, kopiert zu werden, drehen sich meist genau darum, was in dem Moment passiert, in dem man das tut.

4. Die Einheit beobachten, nicht die Rechnung. Was auch immer man unterschreibt, das messen, was der Anbieter tatsächlich abrechnet. Sind es Resolutions, die Eskalationsrate verfolgen, die sie zunichtemacht. Sind es Interactions, verfolgen, wie viele die KI berührt hat, ohne zu lösen, denn auch die werden abgerechnet. Zendesk bestätigt eine Lösung erst nach 72 Stunden Kundenschweigen plus einer LLM-Prüfung, sodass das Nutzungs-Dashboard der Realität drei Tage hinterherhinkt, was wichtig ist, wenn man auf ein monatliches Limit hinsteuert.

Wo ich Conversational AI noch nicht einsetzen würde

Der Unterschied zwischen einem Rollout, der überlebt, und einem, der im zweiten Monat abgeschaltet wird? Darüber ehrlich zu sein.

Alles, wo eine falsche Antwort echtes Geld kostet oder rechtliche Risiken schafft, sollte menschlich bleiben, zumindest bis Monate an Daten vorliegen. Regulierte Beratung, Streitfälle, Kündigungen mit Rückhalteangeboten, alles rund um Rückbuchungen. Die Technologie kann die Konversation führen; der Punkt ist, dass die Kosten der 7 % asymmetrisch sind.

Warteschlangen mit kaum wiederholbarem Volumen passen ebenfalls schlecht. Ist jedes Ticket ein Einzelfall, gibt es nichts, was das Retrieval abrufen könnte, und man gibt für die Konfiguration mehr aus, als man spart. Komplexe Eskalationspfade lohnt es sich zu automatisieren; Probleme, die noch niemand gesehen hat, nicht.

Und, der Fairness halber, eine Grenze auf der eigenen Seite: eesel ist darauf ausgelegt, sich auf den Helpdesk zu legen, den man bereits betreibt, was bedeutet, dass es eine schlechte Wahl ist, wenn man eigentlich einen kompletten Ersatz-Helpdesk mit Ticketing, Telefonie, Workforce-Management, dem gesamten Stack auf einer Rechnung möchte. Das ist ein legitimer Wunsch, und ein Full-Stack-Helpdesk wie Zendesk wird dem besser gerecht. Dasselbe gilt für Freshworks AI. eesel hat außerdem keine native Crisp- oder LiveAgent-Integration, sodass es auf diesen Stacks eher eine Alternative als eine Ergänzung ist.

eesel für Conversational Customer Service ausprobieren

Genau dieses spezifische Ding, die Konversationsschicht über einem Helpdesk, den man bereits betreibt, ist das, was eesel macht. Es dockt direkt an Zendesk an, liest die bestehenden Makros und das Helpcenter, auch die abgeschlossenen Tickets. Freshdesk, Gorgias, Front und Slack funktionieren genauso, und die meisten Teams haben ihren ersten Agenten innerhalb von 30 Minuten live.

Zwei Dinge, die ich angesichts von alldem konkret hervorheben würde. Man kann den Agenten gegen die eigenen abgeschlossenen Tickets simulieren, bevor er auch nur einem einzigen Kunden antwortet, sodass die Resolution-Rate-Zahl, die man dem Vorgesetzten vorlegt, die eigene ist und nicht die einer Fallstudie. Und der Zähler liegt laut eesels Preisen bei $0,40 pro Ticket oder Chat-Sitzung, ohne Sitzplatzgebühren und ohne Plattformgebühr, abgerechnet pro bearbeiteter Konversation statt pro Antwort, was bedeutet, dass ein gesprächiger Kunde nicht mehr kostet als ein wortkarger. Es gibt $50 kostenlose Nutzung zum Testen, ohne Kreditkarte.

Wer lieber zuerst die Alternativen sehen möchte: meine Zusammenstellung Zendesk-AI-Alternativen ist der ehrliche Ausgangspunkt. Der breitere Vergleich Kundenservice-KI deckt den Rest des Feldes ab.