Fragen für Kundenzufriedenheitsumfragen: 50+ Beispiele (2026)

Was eine Umfragefrage wirklich funktionieren lässt

Bevor es zu den Fragenlisten geht, lohnt es sich, ehrlich zu sein, warum die meisten Umfragen unterdurchschnittlich abschneiden. Es liegt selten am Thema, sondern an der Formulierung. Eine Frage, die versucht, drei Dinge auf einmal zu messen, oder den Kunden zu einer netten Antwort drängt, liefert Daten, denen du nicht trauen kannst, und die dann still ignoriert werden.

Vier Regeln decken fast alles ab:

• Eine Frage, ein Fokus. „Wie zufrieden bist du mit unserem Service, Support und unseren Preisen?“ sind drei Fragen im Trenchcoat einer einzigen. Wenn der Score sinkt, hast du keine Ahnung, welcher Teil kaputt war. Trenne sie.
• Neutrale Formulierung, kein Anstupsen. „Wie sehr hast du unseren tollen neuen Checkout geliebt?“ verrät dem Kunden, was du hören willst. Frag stattdessen „Wie würdest du die Checkout-Erfahrung bewerten?“.
• Passe die Frage an einen echten Moment an. Frag nach einem Ticket direkt nachdem es geschlossen wurde, nicht drei Wochen später, wenn der Kunde schon vergessen hat, dass es passiert ist. Erinnerung verblasst schnell, und veraltete Umfragen bekommen veraltete Antworten.
• Lass immer Raum für das Warum. Eine Zahl sagt dir, dass jemand unzufrieden ist; ein offener Kommentar sagt dir, warum. Eine Bewertung plus ein optionales offenes Feld ist die Umfrage mit dem höchsten Signal, die du verschicken kannst.

Behalte diese vier im Hinterkopf, und die konkreten Fragen weiter unten schreiben sich fast von selbst.

Die drei Umfragetypen (und wann man welchen einsetzt)

Fast jede Zufriedenheitsfrage, die du je stellen wirst, passt in eines von drei etablierten Formaten. Sie messen unterschiedliche Dinge, auf unterschiedlichen Skalen, zu unterschiedlichen Zeitpunkten, daher zählt die richtige Wahl mehr als die genaue Formulierung.

Eine schnelle Merkhilfe: CSAT ist eine Momentaufnahme, NPS ist die Beziehung, und CES ist die Reibung. Wenn du nur eine einsetzt, setze CSAT bei deinen Support-Tickets ein, es ist das schnellste Signal, dass in deinem Support-Workflow etwas kaputtgegangen ist. Alle drei lohnt es sich, neben deinen anderen Kundenservice-Kennzahlen im Auge zu behalten.

Unsicher, welche du versenden solltest?

Wähle das Ziel, das dazu passt, was du gerade herausfinden willst:

CSAT-Umfragefragen

CSAT-Fragen sind dein Arbeitspferd. Sie bewerten eine einzelne, aktuelle Interaktion, und weil sie an einen bestimmten Moment gebunden sind, sind sie der schnellste Weg, einen kaputten Schritt zu erkennen. Verschicke eine sofort, nachdem ein Ticket geschlossen wurde, eine Bestellung verschickt wurde oder ein Chat endet.

Zentrale Bewertungsfragen:

1. Wie zufrieden warst du mit dem Support, den du heute erhalten hast?
2. Wie würdest du deine Gesamterfahrung mit uns bewerten?
3. Wie zufrieden bist du damit, wie schnell wir dein Problem gelöst haben?
4. Wie gut hat unser Team deine Frage verstanden?
5. Wie zufrieden bist du mit der Antwort, die du erhalten hast?
6. Wie würdest du die Qualität der erhaltenen Hilfe bewerten?
7. Hat diese Interaktion deine Erwartungen erfüllt?
8. Wie zufrieden warst du mit deinem letzten Kauf?
9. Wie würdest du die Onboarding-Erfahrung bisher bewerten?
10. Wie zufrieden bist du insgesamt mit unserem Produkt?

Folgefragen (direkt nach der Bewertung stellen):

11. Was ist der Hauptgrund für deine Bewertung?
12. Was hätten wir tun können, damit das eine 5-Sterne-Erfahrung wird?
13. Gab es etwas an dieser Interaktion, das dich frustriert hat?
14. Gibt es etwas, das wir klarer hätten erklären können?

Halte die Skala über alle CSAT-Umfragen hinweg konsistent, ein 1-5 an einer Stelle und ein 1-7 an einer anderen macht dein Reporting zum Chaos. Wenn du diese Umfragen aus einem Helpdesk heraus verschickst, unterstützen die meisten das Muster „Umfrage bei Abschluss“ nativ; hier erfährst du, wie du eine CSAT-Umfrage bei Abschluss versendest, damit sie in dem Moment rausgeht, in dem das Ticket abgeschlossen wird.

NPS-Umfragefragen

NPS (Net Promoter Score) stellt die eine Loyalitätsfrage, dann eine Folgefrage. Es geht um die gesamte Beziehung, nicht um ein einzelnes Ticket, also verschicke ihn in einem langsameren Rhythmus: vierteljährlich, bei der Verlängerung, oder bei einem Lifecycle-Meilenstein. Die klassische Frage ändert sich fast nie, aber der eigentliche Insight steckt in der Folgefrage.

Die zentrale Frage:

15. Wie wahrscheinlich ist es, dass du uns einem Freund oder Kollegen empfiehlst? (0-10)

Folgefragen nach Score-Bereich:

16. (Promotoren, 9-10) Was liebst du am meisten daran, uns zu nutzen?
17. (Promotoren, 9-10) Was würde dich dazu bringen, uns noch stärker zu empfehlen?
18. (Passive, 7-8) Was ist die eine Sache, die uns für dich von gut zu großartig machen würde?
19. (Kritiker, 0-6) Was ist der Hauptgrund für deine Bewertung?
20. (Kritiker, 0-6) Was müssten wir ändern, damit du bleibst?
21. Welche Funktion oder welcher Teil des Produkts ist für dich am wertvollsten?
22. Gibt es aktuell etwas, das dich davon abhält, mehr Nutzen aus uns zu ziehen?
23. Wie gut erfüllen wir deine Bedürfnisse im Vergleich zu deinem Einstieg?

Die Falle bei NPS ist, die Zahl als das eigentliche Ergebnis zu behandeln. Eine 42 sagt dir für sich genommen nichts; die Kommentare der Kritiker sagen dir alles. Leite sie direkt an jemanden weiter, der handeln kann, idealerweise automatisch als Abwanderungsrisiko markiert. Wenn du einen Onlineshop betreibst, passt NPS auch gut zu den Chatbot-Kennzahlen, die du bereits verfolgst. Viele Helpdesks können das auch nach Zeitplan verschicken, wie eine NPS-Umfrage in Freshdesk.

CES-Fragen (Customer Effort Score)

CES misst, wie hart der Kunde arbeiten musste. Es ist der am meisten unterschätzte der drei, weil Aufwand Abwanderung besser vorhersagt als reine Zufriedenheit: Jemand kann mit einer Antwort „zufrieden“ sein, für die er vier E-Mails und einen Anruf gebraucht hat, und trotzdem gehen. Verschicke CES direkt nach einer Lösung oder einem Self-Service-Versuch.

Aufwandsbewertungsfragen:

24. Wie einfach war es, dein Problem heute gelöst zu bekommen?
25. Wie viel Aufwand musstest du persönlich betreiben, um Hilfe zu bekommen?
26. Inwieweit stimmst du zu: „Das Unternehmen hat es mir leicht gemacht, mein Problem zu lösen.“
27. Wie einfach war es, die gesuchte Information zu finden?
28. Wie einfach war es, eine Person zu erreichen, als du eine gebraucht hast?
29. Wie unkompliziert war der Checkout- / Anmeldeprozess?
30. Wie einfach war die Nutzung des Self-Service-Hilfecenters?

Folgefragen:

31. Was hat das schwieriger gemacht, als es sein musste?
32. Wo bist du hängengeblieben, falls überhaupt?
33. Was hätte das einfacher gemacht?

CES ist die Frage, die die Reibung offenlegt, die dein CSAT verbirgt. Eine Lösung mit hohem Aufwand ist ein kaputter Prozess mit einem Lächeln im Gesicht. Wenn Self-Service der Übeltäter ist, deutet das meist auf eine dünne Wissensdatenbank hin, dieselbe Grundursache hinter einer niedrigen Ablenkungsrate. Die Doku zu verbessern erhöht CES und senkt gleichzeitig das Ticketvolumen.

Offene Fragen und Produkt-Feedback

Bewertungsfragen geben dir Trendlinien; offene Fragen geben dir die Gründe und oft die Ideen, nach denen du nie gefragt hättest. Nutze sie sparsam (sie kosten den Befragten Aufwand), aber baue immer mindestens eine ein.

Allgemein offen:

34. Was ist die eine Sache, die wir tun könnten, um deine Erfahrung zu verbessern?
35. Wenn du eine Sache an unserem Produkt ändern könntest, was wäre das?
36. Was hätte dich fast davon abgehalten, zu kaufen / dich anzumelden?
37. Was hätte dich fast aufgeben lassen, während du Hilfe gesucht hast?
38. Was machen wir besser als jeder andere, den du genutzt hast?
39. Was wolltest du erreichen, als du uns kontaktiert hast?

Produkt- und Funktions-Feedback:

40. Welche Funktion nutzt du am meisten, und warum?
41. Bei welcher Funktion wünschst du dir, dass sie anders funktioniert?
42. Was fehlt, damit das für dich unverzichtbar wird?
43. Wie gut passt das Produkt in deinen bestehenden Workflow?
44. Was würdest du einem Kollegen sagen, der uns in Erwägung zieht?

Support-spezifisch:

45. Wurde dein Problem vollständig gelöst, oder ist noch etwas offen?
46. Musstest du dich gegenüber mehr als einer Person wiederholen?
47. Wie hat sich die Wartezeit für dich angefühlt?
48. War der Ton des erhaltenen Supports für dich passend?
49. Haben wir uns gemeldet, wie wir es angekündigt hatten?
50. Gibt es noch etwas, das du uns wissen lassen möchtest?

Das sind über 50, aus denen du wählen kannst. Der Fehler, den Teams machen, ist nicht, dass ihnen die Fragen ausgehen, sondern dass sie all diesen Text sammeln und nie lesen. Was das eigentliche Thema des nächsten Abschnitts ist.

Die Fehler, die Umfragedaten still und leise ruinieren

Selbst mit guten Fragen vergiften ein paar Gewohnheiten die Ergebnisse. Achte auf Folgendes:

• Doppelläufige Fragen. Alles mit einem „und“ darin („Wie war Geschwindigkeit und Qualität?“) misst zwei Dinge und meldet eine Zahl. Trenne sie.
• Suggestivfragen. „Wie großartig war deine Erfahrung?“ bahnt eine positive Antwort an. Bleib neutral.
• Zu spät befragen. Eine CSAT-Umfrage, die eine Woche nach Abschluss des Tickets verschickt wird, misst die Erinnerung des Kunden, nicht die Interaktion.
• Zu viele Fragen. Die Antwortquote bricht nach den ersten zwei oder drei Fragen ein. Ein Ein-Fragen-CSAT schlägt jedes Mal ein Zehn-Fragen-Formular.
• Nur glückliche Pfade befragen. Wenn du nur gelöste Tickets befragst, schließt du systematisch deine wütendsten Kunden aus, die, die die Warteschlange abgebrochen haben.
• Sammeln, ohne zu handeln. Der häufigste Fehler von allen. Eine Umfrage, die niemand liest, ist schlimmer als keine Umfrage, weil sie den Kunden Aufwand kostet und dir nichts bringt.

Der letzte Punkt ist der, der am meisten zählt, und es ist ein Skalierungsproblem, kein Formulierungsproblem.

Die eigentliche Arbeit ist das Lesen der Antworten

Das sagt einem niemand, wenn man ein Umfrageprogramm aufsetzt: Die Fragen zu schreiben, dauert einen Nachmittag, und die Antworten zu lesen, dauert ewig. Ein Team, das ein paar tausend Tickets im Monat bearbeitet, erzeugt eine Flut von Freitext-Kommentaren, und „irgendjemand wird sie durchgehen“ wird zu einem Rückstand, den niemand anfasst. Die Scores werden montags kurz im Dashboard überflogen, die Kommentare verrotten, und die Feedback-Schleife, der ganze Sinn der Übung, schließt sich nie.

Genau hier zahlt sich KI aus. Statt dass ein Mensch 4.000 Kommentare liest, kann eine KI jede Antwort nach Thema taggen, ihr Sentiment bewerten und die drei Probleme aufdecken, die die meisten deiner Kritiker antreiben, und dann die dringenden Fälle wie jeden anderen Ticket-Triage-Schritt an eine Person weiterleiten. Die Bewertungsfrage bleibt gleich; was sich ändert, ist, dass das Warum hinter jedem Score tatsächlich gelesen wird.

Ich beobachte das seit Jahren von der anderen Seite. Das Häufigste, was ich von Support-Verantwortlichen höre, ist nicht „wir wissen nicht, was wir fragen sollen“, sondern „wir ertrinken in Feedback, das wir nicht verarbeiten können“. Eine CX-Verantwortliche einer DTC-Marke hat den zugrundeliegenden Instinkt gut auf den Punkt gebracht:

"The AI will never be able to answer 100% of the questions... I need an AI who is only handling the tickets that it's confident to handle and all the other ones, leave them alone."

eine CX-Verantwortliche einer DTC-Nahrungsergänzungsmittelmarke (eesel AI)

Dieselbe Logik gilt für Umfragekommentare: Lass die KI selbstbewusst den Großteil der Klassifizierung und Sentiment-Arbeit übernehmen, und eskaliere die wirklich kniffligen, hochriskanten Antworten an einen Menschen. Das ist die Version von Automatisierung, die auf einer laufenden Warteschlange tatsächlich standhält, und deshalb simulieren wir jeden Rollout gegen die historischen Tickets eines Unternehmens, bevor er je einen Kunden berührt.

Verwandle Umfrageantworten mit eesel in Handlung

Der Großteil dieses Leitfadens ist tool-unabhängig, die Fragen funktionieren überall. Aber wenn der Engpass das Lesen und Handeln nach den Antworten ist, dann ist das genau das Problem, für das eesel AI gebaut wurde. Es klinkt sich in den Helpdesk ein, den du bereits nutzt (Zendesk, Freshdesk, Gorgias, Front, und 100+ Integrationen), lernt aus deinen bisherigen Tickets und Hilfedokumenten, und kann Feedback genauso taggen, triagieren und weiterleiten, wie es den laufenden Support handhabt.

Das Unterscheidungsmerkmal ist der Simulationsschritt: Bevor eesel irgendetwas Live berührt, läuft es gegen deine historischen Tickets, damit du genau siehst, wie es klassifiziert und geantwortet hätte, ohne Rätselraten. Das ist dieselbe Disziplin, die es Gridwise ermöglicht hat, im ersten Monat 73 % der Tier-1-Anfragen zu lösen. Das Ergebnis ist eine Feedback-Schleife, die sich tatsächlich schließt: Schlechte Scores werden gelesen, Themen kommen ans Licht, und die Korrekturen (bessere Doku, Agenten-Coaching, smarteres Routing) fließen direkt zurück in deinen KI-Helpdesk-Agenten.

Du kannst die obigen Fragen noch heute in deinen Helpdesk einbinden und dann eesel den Teil erledigen lassen, der immer kaputtgeht: jede Antwort zu lesen und etwas damit zu tun. Es ist kostenlos zum Starten (nutzungsbasiert bei 40 ¢ pro Ticket, keine Sitzplatzgebühren), sodass du es auf einen Ausschnitt deines echten Feedbacks ansetzen und beobachten kannst, was es entdeckt, bevor du dich festlegst. Wenn du den größeren Kontext willst, gehen unsere Leitfäden zu KI für den Kundenservice, Kundenservice-Management, und der besten KI-Helpdesk-Software tiefer ins Detail.