KI-Kundenservice für Telekommunikation: Was 2026 wirklich funktioniert

Warum Telekommunikations-Support seine eigene Art von Schwierigkeit ist

Ich arbeite jeden Tag an einer Support-Queue, und Telekommunikation ist das Beispiel, das ich heranziehe, wenn jemand sagt "Support ist Support, es ist alles gleich." Ist es nicht. Telekommunikations-Queues vereinen die drei Dinge, die KI und Menschen gleichermaßen zum Scheitern bringen: enormes Volumen, wirklich komplexe Probleme und Kunden, die schon wütend sind, bevor sie Sie erreichen, weil der Dienst, für den sie bezahlen, nicht mehr funktioniert. Das ist weit entfernt von dem aufgeräumten KI-Kundenservice-Workflow, den die meisten Demos zeigen.

Die Benchmark-Daten bestätigen das unverblümt. Laut SQM Groups First-Call-Resolution-Benchmark 2024 (veröffentlicht im Februar 2025) liegen Callcenter der Telekommunikation im Bereich "verbesserungswürdig", und in den mehr als 25 Jahren Benchmarking von SQM hat noch nie ein Telekommunikationsunternehmen eine erstklassige First-Call-Resolution erreicht. Der branchenübergreifende Durchschnitt liegt bei 69 %; erstklassig sind 80 % oder mehr, was nur 5 % der Callcenter erreichen.

Schlimmer noch: Die schwierigsten Anrufe der Telekommunikation sind auch die mit dem höchsten Volumen. Die Aufschlüsselung von SQM nach Anrufart zeigt, dass Abrechnung nur in 69 % der Fälle beim ersten Anruf gelöst wird, technischer Support in 60 % und Beschwerden nur in 48 %. Diese drei Kategorien machen den Großteil jeder Anbieter-Queue aus.

Und der Druck steigt. SQM meldet eine durchschnittliche Bearbeitungszeit von 697 Sekunden, rund 11,6 Minuten, ein Anstieg von 18 % im Jahresvergleich, wobei die längsten Anrufe schlechter gelöst werden als mittellange. Bei der Personalausstattung bedeutet eine jährliche Mitarbeiterfluktuation von 34 %, dass Anrufer regelmäßig auf unerfahrene Mitarbeiter treffen, und zwar genau bei den komplexen Abrechnungs- und Netzproblemen, die Erfahrung erfordern. Das ist die Lücke, die KI eigentlich schließen soll, und deshalb greift die Telekommunikationsbranche schneller zu KI-Kundenservice-Automatisierung als fast jede andere Branche.

Sie ist zudem reguliert. Der Ofcom-Beschwerdebericht für Q2 2025 stellte fest, dass Störungen, Servicequalität und Anschlussprobleme weiterhin die Hauptgründe für Beschwerden von Breitband- und Festnetzkunden sind, und Abrechnungsfehler ziehen echte Strafen nach sich: Ofcom verpflichtete BT nach einer Durchsetzungsmaßnahme, Kunden 18 Millionen Pfund zurückzuerstatten oder gutzuschreiben. Wenn eine falsche Antwort zu einem regulatorischen Problem werden kann, ist Genauigkeit kein Nice-to-have.

Die KI, die Telekommunikation zuerst bekam (und warum Kunden sie hassten)

Hier kommt der Teil, den die meisten Anbieter auslassen. Die Telekommunikation hat KI nicht gemieden. Sie ist blindlings hineingestürzt, und vieles davon war schlecht. Die erste Welle war ein Deflection-Bot, der vor die Telefon-Queue geschaltet wurde und dessen eigentliche Aufgabe darin bestand, zu verhindern, dass man einen Menschen erreicht, und Kunden durchschauten das sofort.

Sie müssen mir nicht glauben. Im eigenen Kundenforum von Comcast, in einem Thread mit dem wörtlichen Titel "Why is your AI completely useless", ist der Ton brutal und durchgängig:

"I spent 20 min in an endless loop with the chatbot online and on the phone. The only way to speak to a real human is to state to the chat bot you want your service disconnected."

Kunde im Xfinity-Community-Forum

Ein anderer im selben Thread: "Useless software that sends customers on an endless loop where the solution is always to restart the modem." Das ist die große Geschichte, die der ACSI in einem Satz einfing, "AI promises fall short", heruntergebrochen auf einen einzigen wütenden Kunden um 23 Uhr.

Die Lehre daraus lautet nicht "KI funktioniert nicht für Telekommunikation". Sie lautet, dass eine Deflection-Mauer und ein echter Teamkollege gegensätzliche Dinge sind, die zufällig dasselbe Chatfenster teilen. Das eine fängt den Kunden in einer Schleife ein; das andere löst das Problem oder leitet es sauber weiter. Wenn Sie sich nur ein Bild aus diesem Beitrag merken, dann dieses.

Die gute Nachricht ist: Richtig gemacht, kehren sich die Zahlen um. Der eigene Newsroom von Vodafone berichtet, dass sein TOBi-Assistent rund 1 Million Interaktionen pro Monat verarbeitet, bei 70 % First-Time-Resolution, und das breitere Programm hob die First-Call-Resolution in Großbritannien auf 77 %. Das ist ein Beweis in Carrier-Größenordnung dafür, dass KI am oberen Ende einer Telekommunikations-Queue lösen kann, statt sie nur zu absorbieren.

Was guter KI-Kundenservice für Telekommunikation wirklich leistet

Was ist also die häufige, sich wiederholende Ebene, die KI übernehmen sollte? In einer Telekommunikations-Queue ist das bemerkenswert konsistent, und es deckt sich fast eins zu eins mit den Anrufarten, die alle frustrieren:

• Abrechnungsfragen. "Warum ist meine Rechnung diesen Monat höher", "diese Belastung erklären", "mein Zahlungsdatum ändern". Abrechnung ist die häufigste Anrufart in der Telekommunikation und eine der schlechtesten bei der First-Call-Resolution, was sie zum wertvollsten Automatisierungsziel macht. Eine KI, trainiert mit Ihren echten Abrechnungs-Tickets und verbunden mit Ihren Kontodaten, kann Abrechnungsfragen beantworten, ohne einen Menschen einzubeziehen.
• Störungs- und Netzstatus. "Gibt es eine Störung in meiner Region?" Ein KI-Agent, der Ihre Statussysteme prüft, beantwortet das sofort, statt den Kunden in eine Warteschlange zu stecken, die wegen genau derselben Störung ohnehin schon überlastet ist. Es ist eine der saubersten Möglichkeiten, das Ticketaufkommen während eines Vorfalls zu reduzieren.
• Tarifänderungen und Kontoverwaltung. Diese lösen sich bereits sauber, wenn Menschen sie bearbeiten (SQM setzt Kontoverwaltung bei 72 % First-Call-Resolution an), was sie zu einem sicheren, sauberen Automatisierungskandidaten macht.
• Abdeckung außerhalb der Geschäftszeiten. Telekommunikationskunden haben keine Störungen nach einem 9-bis-17-Uhr-Zeitplan. KI-Support außerhalb der Geschäftszeiten deckt das nächtliche Zeitfenster ab, das Ihre menschliche Queue nicht abdecken kann, und genau dort werden auch die wütendsten Forenbeiträge geschrieben.
• Mehrsprachiger Support. Anbieter bedienen große, sprachlich gemischte Kundenstämme. Ein mehrsprachiger Support-Agent, der in der Sprache des Kunden antwortet, ist Grundvoraussetzung, keine Premiumfunktion.

Der Mechanismus, der das sicher statt riskant macht, ist Confidence Routing. Statt die KI zu zwingen, alles zu beantworten (der Fehler der Deflection-Mauer), lässt ein gutes System sie nur das beantworten, wobei sie sich sicher ist, und den Rest still entwerfen und eskalieren, wobei das vollständige Gespräch an den Menschen übergeben wird, damit der Kunde sich nie wiederholen muss.

Auch wo die KI lebt, spielt eine Rolle. Die stärksten Setups schrauben keinen separaten Chatbot seitlich an; sie laufen innerhalb des Helpdesks, den Sie bereits nutzen, sodass die KI dieselben Tickets, Makros und Kundenhistorie sieht wie Ihre Mitarbeiter. So sieht das auf einer echten Zendesk-Queue aus:

Genauigkeit sichern: der Teil, den regulierte Telekommunikationsunternehmen nicht überspringen können

Angesichts der Tatsache, dass Abrechnungsfehler in der Telekommunikation Folgen im Umfang von 18 Millionen Pfund haben können, reicht "die KI klingt selbstsicher" nicht aus. Das, was ich am häufigsten schiefgehen sehe, ist ein Bot, der flüssig und falsch antwortet, was schlimmer ist als gar keine Antwort. Zwei Kontrollen beheben das meiste davon.

Erstens: Halluzinationsprävention. Die KI sollte aus Ihrem tatsächlichen Wissen antworten (Hilfe-Dokumente, gelöste vergangene Tickets, Kontosysteme) und an einen Menschen weiterleiten, wenn ihre Sicherheit sinkt, statt eine plausibel klingende Belastungserklärung zu improvisieren. Das haben wir vor Jahren auf die harte Tour gelernt, weshalb wir niedrige Sicherheit heute als Routing-Signal behandeln, nicht als Fehler.

Zweitens: Simulation vor dem Launch. Das ist der Schritt, der einen sorgfältigen Rollout von einem hoffnungsvollen unterscheidet. Bevor die KI auch nur einem einzigen echten Telekommunikationskunden antwortet, lassen Sie sie gegen Tausende Ihrer vergangenen Tickets laufen, um genau zu sehen, was sie geantwortet hätte, wo sie gelöst hätte und wo sie stumm geblieben wäre. Sie beheben die Lücken und gehen dann mit einer Zahl live, der Sie tatsächlich vertrauen.

Sie können das Verhalten auch in einfacher Sprache statt über eine Regel-Engine anpassen, was wichtig ist, wenn sich die Richtlinien eines Anbieters häufig ändern. Der KI zu sagen "nie einen Endbetrag der Rechnung nennen, Rückerstattungsstreitigkeiten immer eskalieren" sollte ein Satz sein, kein Sprint.

Worauf Sie bei der Auswahl eines Tools achten sollten

Wenn Sie KI-Kundenservice-Software speziell für einen Telekommunikationsbetrieb evaluieren, verpassen die generischen "bester KI-Chatbot"-Checklisten das, was bei Carrier-Größenordnung wirklich beißt. (Wenn Sie einen Tool-für-Tool-Vergleich wollen, führen wir eine separate Übersicht der besten KI für Telekommunikations-Support.) Hier ist die Kurzliste, die ich einem Telekommunikations-Support-Leiter an die Hand geben würde.

Zum Thema Preise speziell: Bei Telekommunikations-Volumen wird die Wahl des Preismodells teuer. Preise pro Sitzplatz und pro Lösung skalieren beide genau dann gegen Sie, wenn Sie die KI am meisten brauchen (eine Störung). Ein nutzungsbasiertes Modell, bei dem Sie pro Ticket zahlen, hält die Rechnung berechenbar, und es lohnt sich, das direkt mit Ihren aktuellen Kosten pro von Menschen bearbeitetem Ticket und sogar einem Vergleich mit Offshore-Teams zu vergleichen, bevor Sie sich entscheiden. Die Kosteneinsparungen kommen meist vom Volumen, weshalb die Einheit, in der Sie abgerechnet werden, mehr zählt als der Schlagzeilenpreis.

Es lohnt sich auch, ehrlich damit umzugehen, wo KI noch nicht die Antwort ist. Tiefgehende technische Netzdiagnosen, Bindungsgespräche mit einem abwandernden Enterprise-Kunden, alles emotional Aufgeladene: Das will immer noch einen Menschen, und ein gutes Tool sollte diese Übergabe schnell machen, statt vorzugeben, alles zu können. Diese Ehrlichkeit ist der springende Punkt. Die Anbieter, über die sich Kunden beschweren, sind die, deren KI sich weigerte, eine Grenze zuzugeben.

eesel für Telekommunikations-Support testen

Wenn Sie eine Telekommunikations-Support-Queue betreiben, ist eesel AI genau für die Situation gebaut, die ich beschrieben habe: Es lebt innerhalb Ihres bestehenden Helpdesks (Zendesk, Freshdesk, Front, Gorgias und mehr), lernt vom ersten Tag an aus Ihren vergangenen Tickets und Hilfe-Dokumenten und beantwortet Abrechnungs-, Störungs- und Tariffragen in über 80 Sprachen, während alles, wobei es sich unsicher ist, mit vollständigem Kontext an einen Menschen weitergeleitet wird.

Das Unterscheidungsmerkmal, das für eine regulierte Branche mit hohem Volumen am meisten zählt, ist der Simulationsmodus: Sie lassen ihn anhand Ihrer eigenen historischen Tickets laufen und sehen die echte Lösungsquote, bevor er je mit einem Kunden spricht. Zur Größenordnung: Ein eesel-Kunde betreibt einen vollautomatisierten Agenten für mehr als 100.000 Tickets pro Monat, und bei Gridwise wurden im ersten Monat 73 % der Tier-1-Anfragen gelöst. Es ist kostenlos zum Testen, keine Kreditkarte nötig, sodass Sie an Ihrer eigenen Queue simulieren und die Zahl selbst sehen können.