Wer in den letzten Jahren mit einem Chatbot zu tun hatte, erinnert sich vermutlich eher an Frust als an Hilfe. Man tippt eine Frage ein, bekommt drei vorgefertigte Antwortbausteine zur Auswahl, keiner passt, und am Ende landet man doch in der Warteschleife der Hotline. Viele Unternehmen haben mit solchen Systemen Geld versenkt und das Thema danach zu den Akten gelegt.
Das war voreilig. Denn was heute unter dem Begriff KI-Agent läuft, hat mit den Klick-Bots von 2019 wenig gemein. Ein Agent beantwortet keine Fragen aus einem starren Skript. Er versteht das Anliegen, greift auf Bestelldaten und Wissensdatenbanken zu, führt Zwischenschritte selbstständig aus und meldet sich erst wieder, wenn das Problem gelöst ist oder ein Mensch übernehmen muss. Der Unterschied ist ungefähr so groß wie der zwischen einem Anrufbeantworter und einer Assistenz, die eigenständig Termine verschiebt.
Der Aufbau solcher Systeme ist allerdings kein Wochenendprojekt. Es braucht Schnittstellen zu Warenwirtschaft und CRM, saubere Berechtigungen und klare Regeln dafür, was der Agent darf und was nicht. Anbieter wie NEXperts haben sich auf genau diese Umsetzung spezialisiert und begleiten Unternehmen bei KI-Agenten und Automatisierung von der Auswahl der Anwendungsfälle bis zum laufenden Betrieb. Wer das Thema ernsthaft angehen will, sollte sich solche Unterstützung zumindest ansehen, bevor intern monatelang experimentiert wird.
Was einen Agenten vom Chatbot unterscheidet
Der klassische Chatbot arbeitet mit Entscheidungsbäumen. Frage A führt zu Antwort B, und wer etwas fragt, das die Entwickler nicht vorhergesehen haben, läuft ins Leere. Ein KI-Agent arbeitet anders. Er nutzt ein Sprachmodell, um das Anliegen zu verstehen, und hat Zugriff auf Werkzeuge: die Bestellhistorie, das Retourensystem, den Versanddienstleister, die interne Wissensdatenbank.
Ein Beispiel macht das greifbar. Ein Kunde schreibt: “Meine Lieferung sollte gestern kommen, ist aber nicht da. Ich brauche das Teil bis Freitag.” Ein alter Chatbot hätte einen Link zur Sendungsverfolgung geschickt. Ein Agent prüft die Sendung selbst, sieht, dass das Paket beim Zusteller feststeckt, storniert nach Rückfrage die Lieferung, löst eine Ersatzsendung per Express aus und schreibt dem Kunden, wann sie ankommt. Der Vorgang dauert zwei Minuten und kein Mitarbeiter musste eingreifen.
Wo sich der Einsatz zuerst lohnt
Nicht jeder Kontakt eignet sich für Automatisierung. Gut funktionieren Anliegen, die häufig vorkommen, klaren Regeln folgen und auf Daten basieren, die digital vorliegen. Dazu gehören Fragen zum Lieferstatus, Adressänderungen, Rechnungskopien, Retourenabwicklung oder das Zurücksetzen von Zugangsdaten. In vielen Serviceabteilungen machen solche Routinefälle mehr als die Hälfte des Aufkommens aus.
Interessant wird die Rechnung, wenn man die Zeiten außerhalb der Geschäftszeiten einbezieht. Ein Agent arbeitet nachts und am Wochenende, ohne Zuschläge und ohne Laune. Kunden, die sonntagabends eine Retoure anmelden wollen, bekommen sofort eine Lösung statt einer Eingangsbestätigung mit Bearbeitungszeit.
Bei emotional aufgeladenen Fällen sieht es anders aus. Eine Beschwerde über eine falsche Abbuchung oder ein Trauerfall im Kundenkonto gehört in menschliche Hände. Gute Systeme erkennen solche Situationen und leiten sie direkt weiter, inklusive einer Zusammenfassung des bisherigen Verlaufs, damit der Kunde nicht alles noch einmal erzählen muss.
Die Grenzen ehrlich benennen
Sprachmodelle können Dinge behaupten, die nicht stimmen. Im Kundenservice ist das kein Schönheitsfehler, sondern ein Geschäftsrisiko. Ein Agent, der eine Kulanzregelung erfindet oder falsche Lieferzeiten zusagt, kostet Vertrauen und im Zweifel bares Geld. Ein Fall aus Kanada hat es 2024 bis vor ein Tribunal geschafft: Air Canada musste für eine Erstattung geradestehen, die ihr Chatbot einem Kunden fälschlich in Aussicht gestellt hatte.
Deshalb gehört zu jedem seriösen Projekt ein Regelwerk. Der Agent darf nur Aussagen treffen, die er aus hinterlegten Quellen belegen kann. Für Gutschriften oberhalb einer Grenze braucht er eine Freigabe. Und jede Antwort wird protokolliert, damit sich im Streitfall nachvollziehen lässt, was gesagt wurde. Wer diese Leitplanken von Anfang an einzieht, erspart sich später unangenehme Gespräche mit der Rechtsabteilung.
Was vor dem Start geklärt sein muss
Die Technik ist selten das größte Hindernis. Häufiger scheitern Projekte an unklaren Zuständigkeiten und an Daten, die verstreut oder veraltet sind. Ein Agent kann nur so gut antworten wie die Wissensbasis, aus der er schöpft. Wenn die FAQ zuletzt 2022 aktualisiert wurde und die Retourenregeln nur im Kopf der Serviceleitung existieren, hilft auch das beste Sprachmodell nicht weiter.
Sinnvoll ist ein Start mit einem einzigen, klar umrissenen Anwendungsfall. Etwa: Der Agent beantwortet ausschließlich Fragen zum Lieferstatus und übergibt alles andere an das Team. Nach vier bis acht Wochen liegen echte Zahlen vor. Wie viele Anfragen löst er fallabschließend? Wo bricht er ab? Was sagen die Kunden? Auf dieser Basis lässt sich entscheiden, ob und wie erweitert wird. Das ist unspektakulärer als der große Wurf, funktioniert aber deutlich zuverlässiger.
Auch das Team gehört früh an den Tisch. Servicemitarbeiter wissen am besten, welche Anfragen nerven und welche heikel sind. Wer sie einbindet, bekommt bessere Anwendungsfälle und nimmt gleichzeitig die Sorge, dass hier still und leise Stellen wegautomatisiert werden sollen. In der Praxis verschiebt sich die Arbeit eher: weniger Copy-and-paste-Antworten, mehr komplizierte Fälle, die Erfahrung brauchen.
Ein realistischer Blick auf die Kosten
Die Preisspanne ist groß. Fertige Lösungen für Standardfälle gibt es ab wenigen hundert Euro im Monat, individuelle Umsetzungen mit Anbindung an mehrere Systeme kosten fünfstellige Beträge in der Einführung. Dazu kommen laufende Kosten für Modellnutzung, Pflege der Wissensbasis und Weiterentwicklung.
Dem gegenüber steht, was ein Servicekontakt heute kostet. Je nach Branche liegen die Kosten pro telefonischem Kontakt zwischen fünf und fünfzehn Euro. Wenn ein Agent monatlich tausend Routineanfragen übernimmt, rechnet sich die Sache oft schneller als gedacht. Entscheidend ist, vorher ehrlich zu messen, wie viele Kontakte überhaupt automatisierbar sind, statt mit Idealzahlen aus Anbieterprospekten zu kalkulieren.
Der Kundenservice ist für viele Unternehmen der Bereich, in dem KI zum ersten Mal messbar Geld spart oder eben messbar scheitert. Der Unterschied liegt selten am Modell und fast immer an Vorbereitung, Datenlage und der Bereitschaft, klein anzufangen. Wer beides mitbringt, bekommt einen Servicekanal, der rund um die Uhr erreichbar ist und mit jedem Monat besser wird.











