KI senkt die Bearbeitungszeit, indem sie bei jedem Schritt eines Tickets Arbeit abnimmt: eine Zusammenfassung, damit Agenten den Verlauf nicht noch einmal lesen müssen, eine Wissenssuche und Bestellabfrage, damit sie nicht zwischen Tabs wechseln, ein Antwortentwurf, damit sie nicht bei null anfangen, und ausgefüllte Tags und Notizen, damit der Abschluss nur Sekunden dauert. Der Abfrageschritt bringt meist den größten Gewinn, und genau den überspringen die meisten „KI-Antwort“-Tools.
Der Haken: Sobald KI Ihre einfachen Tickets vollständig löst, sind die verbleibenden Tickets für Menschen die langen, sodass die durchschnittliche Bearbeitungszeit steigen kann, während die gesamten Agentenstunden sinken. Messen Sie Agentenstunden und AHT pro Tickettyp und behalten Sie Wiedereröffnungen, die Erstlösungsquote, CSAT und den Anteil der Entwürfe im Blick, die Agenten umschreiben.
Ein KI-Teammitglied wie eesel erledigt das direkt in Zendesk, Freshdesk oder Gorgias. Bei STIL Classics bereitete es in einem Monat etwa 320 Gorgias-Tickets vor und schlug etwa 230 Shopify-Bestellungen nach, bevor ein Wort geschrieben wurde. Die Tarife bestehen aus einem festen monatlichen Credit-Kontingent, ein Ticket entspricht einem Credit, ab $299 im Monat.
Wohin gehen die Minuten der durchschnittlichen Bearbeitungszeit eigentlich?
Die durchschnittliche Bearbeitungszeit (Average Handle Time, AHT) ist die Zeit, die ein Agent aktiv an einem Ticket arbeitet, vom Öffnen bis zum Abschluss von Antwort und Notizen. Sie ist nicht dasselbe wie die erste Antwortzeit oder die Lösungszeit, diese beiden messen, wie lange der Kunde wartet. Ein Ticket kann zwei Tage warten und trotzdem eine Bearbeitungszeit von vier Minuten haben.
Ich baue die KI-Agenten bei eesel, und als Erstes sehe ich mir mit einem neuen Team eine Handvoll Tickets Schritt für Schritt an. Die Minuten verteilen sich fast immer auf dieselbe Weise.
- Lesen. Den Verlauf durchblättern, herausfinden, was der Kunde will, prüfen, was ein Kollege schon versucht hat.
- Nachschlagen. Die Bestellung, das Konto, den Hilfeartikel, die Richtlinie finden. Dieser Schritt versteckt sich, weil er in anderen Tabs stattfindet.
- Schreiben. Die Antwort tippen oder das passende Makro finden und anpassen.
- Abschließen. Tags, Ticketfelder, eine interne Notiz, die Statusänderung.
Den Nachschlageschritt sollten Sie zuerst prüfen. Laut der Freshdesk-Dokumentation zählt die Bearbeitungszeit-Stoppuhr keine Zeit außerhalb des Tickets mit, etwa das Nachschlagen einer Erstattungsrichtlinie an anderer Stelle. Einige Ihrer langsamsten Minuten tauchen im Bericht also womöglich gar nicht auf. Ein Support-Leiter auf Reddit fand dasselbe auf der Telefonseite heraus:
"Agents could copy/paste the phone number into the search and pull up 90% of accounts immediately. ... changing that look-up process shaved 2+ minutes off our AHT."
Der Abschluss ist der andere stille Zeitfresser. Ein Hacker-News-Kommentator, der ein internes KI-Engineering-Team in einem Unternehmen mit großen Callcentern leitet, schrieb, dass seine Agenten nach jedem Anruf 3 bis 5 Minuten mit manuellen Zusammenfassungen verbrachten, bevor sie auf KI-geschriebene umstiegen. Help Scout liest seine eigene Kennzahl zur Bearbeitungszeit genauso: Hohe Werte deuten laut seiner Dokumentation zum E-Mail-Bericht auf lange Antworten oder auf „a lack of resources or knowledge“ beim Agenten hin.
Welche KI-Aufgaben senken die Bearbeitungszeit, Schritt für Schritt?
Es gibt sechs Aufgaben, die ein Ticket verkürzen, plus eine siebte, die es ganz aus der Warteschlange nimmt. Jede zielt auf einen anderen Schritt, daher hängt der beste erste Schritt davon ab, wohin Ihre Minuten gehen.
1. Eine Zusammenfassung, wenn das Ticket geöffnet wird
Lange Verläufe und Übergaben kosten Lesezeit, wiedereröffnete Tickets ebenfalls. Eine KI-Zusammenfassung oben im Ticket zeigt dem Agenten in wenigen Zeilen, wer, was und wie der Stand ist. Bei Qontro, einem Cloud-ERP-Unternehmen auf Freshdesk, kann jeder Kollege eesel in einem Ticket mit dem Wort „summarise“ erwähnen und bekommt eine kurze Notiz zurück: wer der Kunde ist, das Problem, was versucht wurde und wie der Stand ist. Mein Beitrag zur KI-Ticketzusammenfassung behandelt die Formate, die funktionieren.
2. Wissenssuche, die zuerst die Antwort findet
Wenn die Antwort irgendwo im Help Center, in einem früheren Ticket oder in einem Google Doc steht, wird die Aufgabe des Agenten zur Suche. Der Agent bei Qontro führte in einem Monat etwa 400 Wissenssuchen zu etwa 190 Tickets durch, also grob zwei pro Ticket, und griff dabei auf etwa 9.800 frühere Tickets und Hilfeartikel zurück. Den Artikel verlinkt er im Entwurf. Der Service Desk Lead von CartonCloud beschrieb die Wirkung in der Fallstudie:
"We've seen a reduction in the time spent on rudimentary queries, allowing our agents to spend more time focused on more complex queries."
Eddie Stephens, Service Desk Lead, CartonCloud
Wenn Ihr Wissen verstreut ist, beginnen Sie mit Wissensmanagement für den Support, bevor Sie der KI die Schuld geben.
3. Abfragen in den Systemen hinter dem Ticket
Diesen Schritt überspringen die meisten KI-Antworttools, und im E-Commerce ist er meist der größte. STIL Classics, eine Planer-Marke auf Gorgias und Shopify, richtete eesel so ein, dass es vor jedem Entwurf die Bestellung, ihren Versandstatus, die Artikel und die Lieferadresse abruft. In einem Monat waren das etwa 230 nachgeschlagene Shopify-Bestellungen bei etwa 320 Tickets. Es nennt nie eine Tatsache, die es nicht nachgeschlagen hat: Fehlt eine Angabe, lässt der Entwurf für den Agenten eine Lücke in Klammern, statt zu raten. Zur Gorgias-Seite der Einrichtung siehe meinen Leitfaden zu Gorgias-Bestelldaten.
4. Ein Antwortentwurf, der im Ticket wartet
Ein Entwurf als interne Notiz macht aus „schreiben“ ein „prüfen und senden“. Bei smava, einem deutschen Kreditvergleichsportal auf Zendesk, durchsucht der Entwurfsagent etwa 820 Makros und Hilfeartikel und entwirft das passende Makro wortwörtlich, mit ausgefüllten Platzhaltern und Schaltflächen zum Genehmigen und Ablehnen im Ticket. In einem Monat bereitete er etwa 15.300 Entwürfe bei etwa 27.000 Tickets vor. In der regulierten Finanzbranche kommt es stark auf den Wortlaut an, deshalb geht der Entwurf vom freigegebenen Text aus statt von freiem Schreiben. Mein Leitfaden zu KI-Makros behandelt dieses Muster.
Seien Sie bei der Entwurfsqualität aber ehrlich zu sich selbst. Bei Qontro geht inzwischen etwa jeder zehnte Entwurf mit wenig oder gar keiner Bearbeitung raus, und das Team nutzt die übrigen, um Lücken im Help Center zu finden. Das ist ein echtes Ergebnis, aber ein Entwurf, den ein Agent von Grund auf neu schreibt, erhöht die Lesezeit und spart keine Schreibzeit.
5. Triage und Weiterleitung, bevor jemand das Ticket anfasst
Jede Weitergabe startet für einen neuen Agenten den Leseschritt von vorn. Wenn Tickets bei Eingang nach Anliegen, Sprache und auch Dringlichkeit sortiert werden, ist die erste Person, die ein Ticket öffnet, die richtige. Der Kategorisierungsagent von smava taggt die Sprache, prüft, ob ein Ticket eine automatische Antwort erhalten darf, und wählt aus smavas eigenem Zuordnungsdokument eine Kategorie, die er in Zendesk-Felder schreibt. Er lief in einem Monat bei etwa 14.600 Tickets. Die Einrichtung finden Sie unter automatisierte Ticket-Triage.
6. Nacharbeiten, die für Sie ausgefüllt werden
Tags, Ticketfelder, Abschlussnotizen. Wenn die KI das Ticket schon gelesen hat, kann sie diese nebenbei ausfüllen. Ein Callcenter-Agent auf Reddit beschrieb die gute Variante:
"...at my current job they have an AI listening to our calls and it generates a summary of the call that we use as our disposition so we don't type it manually."
Mein Beitrag zum KI-Tagging im Support zeigt, wie Sie Tags so konsistent halten, dass sich darauf berichten lässt.
7. Einen Teil der Tickets aus der Warteschlange nehmen
Das schnellste Ticket ist das, das nie ein Agent öffnet. Wählen Sie einen Teil, den die KI allein abschließen kann (Bestellstatus, How-to-Fragen, Richtlinienfragen), und lassen Sie sie direkt antworten. Original Bootcamp, ein Outdoor-Fitnessunternehmen auf Freshdesk, macht das mit einem Filter in deutscher Sprache, der nur Tickets durchlässt, die sich aus der Website und früheren Tickets beantworten lassen. Alles zu einer Buchung oder einem Konto geht direkt an einen Menschen. Die meisten AHT-Ratschläge hören bei der Unterstützung der Agenten auf und lassen diesen Punkt aus, dabei hat er die größte Wirkung auf die Gesamtstunden. Wo Sie die Grenze ziehen, lesen Sie unter Ticket-Deflection im Tier-1-Support.
Wo sollten Sie anfangen?
Beginnen Sie mit dem Schritt, der bei Ihrem häufigsten Tickettyp die meisten Minuten frisst. Stoppen Sie fünf Tickets von Hand, teilen Sie sie in die vier Schritte auf, und die Antwort springt meist ins Auge.
| Wenn Agenten hauptsächlich... | Der Engpass ist | Beginnen Sie mit | Erste Prüfung nach einer Woche |
|---|---|---|---|
| Lange Verläufe und Übergaben durchscrollen | Lesen | Zusammenfassungen beim Öffnen | Scrollen Agenten noch nach oben? |
| Zu Shopify, Abrechnung oder CRM wechseln | Nachschlagen | Systemabfragen im Entwurf | Anteil der Entwürfe mit bereits enthaltener Bestellung |
| Das Help Center durchsuchen oder Kollegen fragen | Nachschlagen | Wissenssuche mit Links | Welche Artikel die Entwürfe zitieren |
| Dieselben Antworten neu tippen | Schreiben | Antwortentwürfe aus Makros oder früheren Tickets | Bearbeitungsquote der Entwürfe |
| Tickets zwischen Teams weitergeben | Lesen (erneut) | Triage und Weiterleitung | Übergaben pro Ticket |
| Zeit mit Tags und Notizen verbringen | Abschließen | Automatische Tags und Felder | Tag-Genauigkeit in einer Stichprobe |
| Den ganzen Tag „Wo ist meine Bestellung?“ beantworten | Das ganze Ticket | Vollautomatisierung dieses Teils | Wiedereröffnungsquote bei KI-Antworten |
Wie viel Bearbeitungszeit könnte KI Ihnen sparen?
Tragen Sie unten Ihre eigenen Zahlen ein. Die Standardwerte sind ein Beispielticket, kein Benchmark: 11 Minuten, aufgeteilt auf die vier Schritte, mit KI-Hilfe auf 5 Minuten gesenkt, und ein Viertel der Tickets wird von der KI vollständig gelöst. Diese gelösten Tickets gelten als Ihre schnellen, mit je 5 Minuten.
Ändern Sie die Minuten pro Schritt, Ihr monatliches Volumen und den Anteil, den die KI löst, um AHT und Agentenstunden zu sehen. Gelöste Tickets gelten als die schnellen, weshalb die mittlere Karte steigt.
Sehen Sie sich zuerst die mittlere Karte an. Mit den Standardwerten treibt die Automatisierung allein die AHT von 11 auf 13 Minuten, weil die 5-Minuten-Tickets aus dem Durchschnitt verschwunden sind. Kommt KI-Hilfe für den Rest dazu, fällt sie auf etwa 6, und die Agentenzeit sinkt von 550 Stunden im Monat auf etwa 220. Der Großteil dieser Einsparung kommt aus den Schritten Nachschlagen und Schreiben, und deshalb würde ich bei fast jedem Team dort anfangen.
Warum kann die durchschnittliche Bearbeitungszeit steigen, wenn Sie KI einführen?
Weil die KI die einfachen Tickets nimmt und Ihrem Team die schweren überlässt. Die Bearbeitungszeit ist ein Durchschnitt, und wenn die schnellen Tickets daraus verschwinden, steigt der Durchschnitt, obwohl niemand langsamer geworden ist und das Team insgesamt weniger Stunden an der Warteschlange arbeitet.
Agenten spüren das, bevor das Dashboard es zeigt. Ein Callcenter-Agent auf Reddit beschrieb es, nachdem sein Unternehmen einen KI-Sprachagenten vor die Telefonleitung geschaltet hatte:
"At this point, it's handling a lot of "routine" calls. Which means the calls that come through to us humans are more complicated, or people who are upset about the AI messing something up."
Manche Helpdesks bauen das bereits ein. Gorgias berechnet die Ticket-Bearbeitungszeit nur für Tickets, die ein Mensch bearbeitet hat, und lässt Tickets aus, die sein AI Agent gelöst hat. Die Leistungsübersicht kann die Ergebnisse außerdem nach Agententyp aufteilen:
Berichten Sie also drei Zahlen statt einer: die gesamten Agentenstunden an der Warteschlange, die AHT pro Tickettyp (Bestellstatus, Retouren, Technik) und den Anteil der von der KI gelösten Tickets. Wenn die Agentenstunden und die AHT pro Typ sinken, funktioniert es, egal was der gemischte Durchschnitt tut. Mein Beitrag zur KI-Lösungsquote behandelt die KI-Seite. Zur Übergabe lesen Sie Containment und Eskalationsqualität.
Eine weitere Sache, die Sie einplanen sollten: Eine Warteschlange nur mit schweren Tickets ist ermüdend. Ein Reddit-Kommentator mit fast 30 Jahren Support-Erfahrung brachte es deutlich auf den Punkt:
"Except now imagine an eight-hour shift where practically EVERY conversation you receive is an escalation, an angry customer, an unusual problem or something the AI already couldn't solve."
Das ist ein Grund, AHT-Ziele nicht einzelnen Agenten zuzuordnen, sobald KI im Spiel ist, und sich mit KI-Coaching für den Support zu beschäftigen, wenn die Tickets schwieriger werden.
Wie messen Helpdesks die Bearbeitungszeit?
Unterschiedlich, und deshalb sollten Sie Ihre AHT nicht mit der eines anderen Unternehmens vergleichen. So definiert jeder sie laut den Dokumentationen der Anbieter, geprüft am 29. Oktober 2026.
| Helpdesk | Kennzahl | Was gezählt wird | Wo | Tarif |
|---|---|---|---|---|
| Zendesk | Handle time | Agentenzeit bei einem Messaging-Ticket, von der Zuweisung bis zum Setzen auf Pending, On-hold oder Solved | Explore, Datensatz Messaging-Tickets | Suite Professional und höher |
| Zendesk | Time-Tracking-App | Zeit pro Ticket, gespeichert in zwei benutzerdefinierten Feldern | Marketplace-App, Auswertung in Explore | Suite Growth und höher |
| Freshdesk | Average Handling Time | Eine Stoppuhr, solange der Agent in einem zugewiesenen Ticket ist, über alle Besuche summiert | Analytics > Curated Reports | Pro und Enterprise |
| Gorgias | Ticket handle time | Entwurfs-, Bearbeitungs- und Telefonzeit bei geschlossenen Tickets, die ein Mensch bearbeitet hat | Analytics > Helpdesk performance > Overview | Alle Helpdesk-Tarife |
| Help Scout | Handle Time | Vom Öffnen der Konversation bis zum Klick auf Senden, nur der letzte Besuch | Reports > Email | Standard (2 Jahre Daten), Plus und Pro |
| Front | Handle time | Vom Ansehen einer Konversation bis zum Senden einer Antwort, auf 60 Min. begrenzt | Analytics-Berichte | Tarif nicht angegeben |
| HubSpot | Keine Bearbeitungszeit-Kennzahl gefunden | Nur Zeit bis zur ersten Antwort und Zeit bis zum Abschluss | Service > Help Desk > Analyze | Service Hub Professional und höher |
Zwei davon sind nützlich, um KI direkt zu messen. Front weist die Bearbeitungszeit für vorgeschlagene Antworten getrennt von handgeschriebenen Antworten aus, sodass Sie beide in einem Bericht vergleichen können. Der AHT-Bericht von Freshdesk schlüsselt die Zeit nach Agent, Gruppe, Produkt und Ticket auf, was für einen Vorher-nachher-Vergleich bei einem Tickettyp genügt:
In Zendesk deckt die Messaging-Kennzahl keine E-Mails ab, E-Mail-Teams brauchen also die Engagement-Dauer oder die Time-Tracking-App. Die Zendesk-Dokumentation weist selbst darauf hin, dass Agenten Wege finden können, das Laden der App zu umgehen, behandeln Sie diese Zahlen also als Untergrenze. Wenn Sie Zendesk nutzen und die komplette KI-Seite der Einrichtung wollen, führt Sie mein Leitfaden zum Zendesk-KI-Copiloten durch.
Was sollten Sie neben der Bearbeitungszeit verfolgen?
Mindestens vier Dinge, denn die AHT allein belohnt Hetze. Ein kürzeres Ticket, das zweimal wiederkommt, kostet mehr als ein längeres, das erledigt ist.
- Wiedereröffnungsquote. Anteil der Tickets, bei denen der Kunde nach dem Schließen noch einmal schreibt. Hastige Antworten zeigen sich hier zuerst.
- Erstlösungsquote. Anteil, der mit einer Antwort gelöst wird. Siehe KI und Erstlösungsquote.
- CSAT. Getrennt nach KI-entworfenen und handgeschriebenen Antworten, wenn Ihr Helpdesk das Taggen erlaubt. Mein Leitfaden zu KI und CSAT behandelt die Umfrageseite.
- Bearbeitungsquote der Entwürfe. Anteil der KI-Entwürfe, die ein Agent stark umschreibt. Bleibt dieser Wert hoch, erhöhen die Entwürfe die Lesezeit, statt Schreibzeit zu sparen.
Die ersten drei schützen vor dem ältesten AHT-Problem, das um Jahrzehnte älter ist als KI. Ein Reddit-Agent erklärte den Zielkonflikt aus eigener Erfahrung:
"Not ideal for someone like me who prefers to take that extra 5 minutes now to save the customer and one of my colleagues 10-20 minutes later."
Die vierte ist die KI-spezifische. Schlecht abgestimmte KI kann Tickets länger machen, und Agenten merken das sofort:
"Calls were actually taking longer because we had to review and edit notes before saving them."
Deshalb lassen die eesel-Entwürfe bei STIL Classics eine Lücke in Klammern statt einer Vermutung, und deshalb liest Qontro jeden umgeschriebenen Entwurf als Zeichen für einen fehlenden Artikel. Das vollständige Kennzahlenset finden Sie unter Kundenservice-KPIs und in meiner Liste der Fehler bei der KI-Einführung.
Wie führen Sie KI in 30 Tagen ein, um die Bearbeitungszeit zu senken?
In vier wöchentlichen Schritten: Beginnen Sie mit Entwürfen und lassen Sie die KI erst selbstständig antworten, wenn die Zahlen sagen, dass es sicher ist. Ich beobachte seit Jahren, wie eesel KI-Agenten in laufende Support-Warteschlangen setzt, und die Einführungen, die schiefgehen, sind die, bei denen in Woche eins alles eingeschaltet wird.
| Woche | Was die KI tut | Was Sie messen |
|---|---|---|
| Vor dem Start | Nichts live. Stoppen Sie 20 Tickets von Hand über die vier Schritte und lassen Sie die KI über vergangene Tickets laufen | Ihre AHT-Basis pro Tickettyp und die Agentenstunden |
| Woche 1 | Zusammenfassungen und Entwürfe als interne Notizen bei einem Tickettyp | Bearbeitungsquote der Entwürfe, AHT bei diesem Typ |
| Woche 2 | Ergänzt Abfragen (Bestellungen, Konten) und Wissenslinks in den Entwürfen | Anteil der Entwürfe mit der richtigen Bestellung und dem richtigen Artikel |
| Woche 3 | Ergänzt Triage und automatische Tags in der gesamten Warteschlange | Übergaben pro Ticket, Tag-Genauigkeit |
| Woche 4 | Antwortet selbstständig bei dem Teil mit den besten Entwürfen | Wiedereröffnungsquote bei KI-Antworten, gesamte Agentenstunden |
Die KI zuerst über vergangene Tickets laufen zu lassen, ist wichtiger als ihr Tonfall. Jede eesel-Einrichtung führt vor dem Livegang eine Simulation gegen den echten Verlauf des Teams durch, denn dort zeigen sich selbstsicher klingende falsche Antworten, bevor ein Kunde sie je sieht. Sie können sie in einfacher Sprache anfordern („run a simulation on my recent tickets“), und sie bewertet die Antworten der KI anhand dessen, was Ihr Team tatsächlich gesendet hat. Wenn Sie KI zu dem Helpdesk hinzufügen, den Sie schon haben, behandelt mein Leitfaden zu KI für einen bestehenden Helpdesk die Anbindung.
Was kostet KI zur Reduzierung der Bearbeitungszeit?
In den meisten Teams weniger als die Agentenstunden, die sie spart. Die eesel-Tarife bestehen aus einem festen monatlichen Credit-Kontingent: $299 für 500, $499 für 1.000, $1,149 für 3.000 und $1,749 für 5.000, laut der Seite eesel-Preise. Ein Ticket entspricht einem Credit, egal wie viele Antworten es braucht und was der Agent darin tut, ob Entwerfen, Bestellung nachschlagen oder Lösen. Mehrverbrauch kostet $0.80 pro Credit, wenn Sie ihn aktivieren, und der kostenlose Tarif enthält 100 Credits zum Testen an echten Tickets.
Mit den Standardwerten des Rechners passen 3.000 Tickets im Monat in den 3.000-Credit-Tarif für $1,149, bei etwa 330 eingesparten Agentenstunden. Für einen breiteren Blick auf Preismodelle helfen meine Aufschlüsselung der Kosten von KI im Kundenservice und die Benchmarks für Kosten pro Ticket bei der Business-Case-Rechnung.
Wo eesel nicht die richtige Wahl ist: Wenn der Großteil Ihrer Bearbeitungszeit aus Live-Telefonaten besteht, beginnen Sie mit der Anrufzusammenfassung in Ihrer Telefonanlage, denn eesel arbeitet mit Helpdesk-Tickets und Chat. Und wenn Ihr Helpdesk nicht in der Liste der Integrationen steht, prüfen Sie das zuerst.
eesel zur Reduzierung der Bearbeitungszeit testen
Wenn Ihre Agenten ihre Minuten in anderen Tabs verbringen, arbeitet eesel wie ein neues Teammitglied, das die Vorarbeit erledigt, bevor sie das Ticket öffnen. Es tritt Ihrer Warteschlange in Zendesk, Freshdesk, Gorgias oder Help Scout bei, liest den Verlauf, prüft die Bestellung in Shopify, findet den Hilfeartikel und hinterlässt einen Entwurf mit markierten Lücken. Ihr Agent prüft ihn und sendet ab. Bei dem Teil der Tickets, den es allein abschließen kann, antwortet es direkt, und jede Aktion erscheint im Aktivitätsprotokoll, sodass Sie sie genehmigen, ablehnen oder prüfen können.
Dieses Setup nutzt STIL Classics mit der Gorgias-Integration und Bestellabfragen, und smava betreibt es auf Zendesk bei 27.000 Tickets im Monat. Sie können Ihren Helpdesk verbinden und mit 100 kostenlosen Credits echte Entwürfe zu Ihren eigenen Tickets sehen, ohne Karte.
Testen Sie eesel an der Warteschlange dieser Woche, oder vergleichen Sie zuerst das Feld in meiner Übersicht der besten KI-Agent-Assist-Tools.