Future{hacks}: Wenn AI 80 Prozent der Tickets löst, brauchst du dann 80 Prozent weniger Menschen?
Trending Topics auf Google als bevorzugte Nachrichtenquelle festlegen.
AI macht Kundenservice schneller und effizienter. Der Denkfehler beginnt dort, wo Unternehmen aus erfolgreicher Automatisierung automatisch weniger Personal ableiten.
Eigentlich hatte Christoph „Chris“ Ott, Gründer und CEO von LEAN-CODERS, eine ziemlich gute Woche in Sizilien. Dann meldete sich der Ätna und seine ganz persönliche “Ottisey” startete. Flüge wurden gestrichen, Informationen widersprachen sich, und irgendwann führte die Reise unfreiwillig von Catania nach Palermo. Ein alternativer Flug sollte die Heimreise retten, bis ein brennendes Auto auf einer Brücke auch diesen Plan zunichtemachte.
Danach begann der Teil der Geschichte, der mich aus Unternehmenssicht interessiert. Chris brauchte Hilfe bei einer Situation, die in keinem vorgesehenen Standardprozess sauber abgebildet war. Chatbots, automatisierte Hotlines und verschiedene Supportwege brachten ihn nicht weiter. Die Rückreise dauerte schlussendlich vier Tage. Am Ende erreichte er einen Mitarbeiter von Eurowings, der den Fall verstand und tatsächlich eine Lösung fand.
Chris schrieb später: „Er war in diesem Moment unser Engel – und Eurowings hatte danach einen Fan mehr.“
Ich kann das ziemlich gut nachvollziehen. Wenn ich selbst ein echtes Problem habe, spreche ich ebenfalls lieber mit einem Menschen als mit einem AI-Agenten. Nicht, weil Menschen jede Standardfrage besser beantworten würden. Sondern weil ich keine Lust habe, einem System zum vierten Mal zu erklären, warum mein Fall eben nicht in eine der drei angebotenen Kategorien passt.
Gleichzeitig verstehe ich jeden Konzern, der sich die Kosten seines Supports ansieht und versucht, genau dort zu automatisieren. Bei Hunderttausenden oder Millionen Kontakten pro Jahr wird aus ein paar eingesparten Euro pro Anfrage sehr schnell sehr viel Geld. Genau deshalb lohnt es sich aber, bei den Erfolgsmeldungen genauer hinzusehen.
AI-Support funktioniert. Das macht die Sache schwieriger.
Wer 2026 noch darüber diskutiert, ob AI im Customer Service überhaupt funktionieren kann, ist zu spät dran. AI beantwortet Standardfragen, durchsucht Wissensdatenbanken, fasst Gespräche zusammen, bearbeitet einfache Transaktionen und unterstützt Mitarbeiter bei der Lösungsfindung. Klarna wickelte 2025 nach eigenen Angaben rund 80 Prozent seiner Customer-Service-Chats über einen AI Assistant ab und bezifferte die Einsparungen auf rund 59 Millionen Dollar.
Ich habe Klarna vor einem Jahr an dieser Stelle selbst als Beispiel dafür verwendet, dass agentische AI im Support messbar funktionieren kann. Daran hat sich nichts geändert. Im Gegenteil, genau deshalb wird der Case heute interessanter.
Denn sobald Automatisierung funktioniert, beginnt im Management die nächste Rechnung. Wenn ein System 80 Prozent der Kontakte übernehmen kann, braucht man dann nicht irgendwann auch 80 Prozent weniger Menschen?
Auf der ersten CFO-Slide klingt das hervorragend. In der Praxis ist die Rechnung deutlich unangenehmer.
Die übrigen 20 Prozent sind schließlich keine zufällige Auswahl aus den ursprünglichen Fällen. Die einfachen Anliegen verschwinden zuerst. Eine Rechnung erneut senden oder einen Lieferstatus prüfen lässt sich hervorragend automatisieren. Übrig bleiben häufiger jene Fälle, bei denen mehrere Systeme unterschiedliche Informationen liefern, ein Prozess nicht greift oder eine Ausnahme notwendig wird.
Je besser AI Standardfälle entfernt, desto höher wird damit der durchschnittliche Anteil komplexer Probleme im menschlichen Support. Genau dort beginnt die Logik von „80 Prozent weniger Kontakte gleich 80 Prozent weniger Personal“ zu zerbrechen.
Menschen werden nicht automatisch überflüssig. Ihr Job wird schwieriger.
Die aktuellen Zahlen passen erstaunlich gut dazu. Gartner veröffentlichte im Juli eine Analyse, laut der Customer Service bei der AI-Nutzung inzwischen weit vorne liegt und die Produktivität steigt. Ein klarer finanzieller Return bleibt trotzdem bei vielen Organisationen schwer nachweisbar. Mehr Produktivität führt offenbar nicht automatisch im gleichen Maß zu weniger Kosten.
Gleichzeitig zeigt eine Gartner-Befragung aus diesem Jahr, dass 85 Prozent der Service- und Support-Verantwortlichen die Aufgaben ihrer menschlichen Mitarbeiter erweitern. Nur 31 Prozent hatten AI-bedingte Frontline-Stellenstreichungen bereits umgesetzt oder bis Anfang 2027 geplant. Drei Viertel verschieben Mitarbeiter in neue Rollen innerhalb ihrer Serviceorganisation.
Das ist vermutlich näher an der wirtschaftlichen Realität als die Vorstellung vom menschenleeren Callcenter.
Wenn AI die einfachen Fälle zuverlässig übernimmt, brauche ich tatsächlich weniger Menschen, die vorgegebene Antworten aus einem System vorlesen. Dafür brauche ich aber Mitarbeiter, die komplexe Situationen verstehen, Informationen aus mehreren Quellen zusammenbringen und erkennen, wann eine Ausnahme wirtschaftlich sinnvoller ist als die nächste Standardantwort.
Im B2B-Geschäft wird das besonders schnell relevant. Ein eskalierter Fall bei einem strategischen Kunden ist irgendwann kein Supportticket mehr. Er wird zum Vertragsrisiko. Dann interessiert mich als Unternehmen nicht mehr besonders, ob der Kontakt zwölf oder achtzehn Minuten gedauert hat. Mich interessiert, ob das Problem gelöst wurde, bevor aus Ärger eine Kündigungsdiskussion entsteht.
Kunden wollen vor allem nicht im Bot gefangen sein
Ich würde auch vorsichtig damit sein, aus aktuellen Umfragen abzuleiten, dass Kunden AI-Support inzwischen besonders gern mögen. Gartner hat Anfang 2026 mehr als 3.500 B2B- und B2C-Kunden befragt. 50 Prozent sagten, GenAI mache ihre Supportinteraktionen einfacher. Das ist ein relevanter Wert, aber noch lange kein Beleg dafür, dass die Hälfte der Kunden lieber mit einer AI als mit einem Menschen spricht.
Die interessantere Zahl steht für mich daneben: 87 Prozent halten es für essenziell, bei GenAI-Support einen Menschen erreichen zu können.
Das deckt sich wesentlich stärker mit meiner eigenen Erfahrung. Wenn ich innerhalb von dreißig Sekunden eine Rechnung bekomme, ist mir egal, ob sie mir ein Mensch oder ein Agent geschickt hat. Wenn mein Problem aber offensichtlich außerhalb des Standardprozesses liegt, möchte ich nicht beweisen müssen, dass ich das Recht verdient habe, mit einem Menschen zu sprechen.
Und selbst die Übergabe an einen Mitarbeiter löst nicht automatisch alles.
Eine aktuelle Five9-Studie unter 3.000 Konsumenten und 600 Customer-Experience-Verantwortlichen zeigt eine bemerkenswerte Wahrnehmungslücke. Unternehmen gehen weitgehend davon aus, dass beim Übergang an Menschen der bisherige Kontext erhalten bleibt. 83 Prozent der befragten Konsumenten sagen hingegen, dass sie sich nach einer Weiterleitung zumindest manchmal wiederholen müssen. Weil Five9 selbst Anbieter im Contact-Center-Markt ist, würde ich die Zahl nicht zur letzten Wahrheit erklären. Das beschriebene Erlebnis dürfte trotzdem vielen bekannt vorkommen.
Wer zwanzig Minuten mit einem Bot diskutiert und danach seine komplette Geschichte wieder von vorne erzählt, hat technisch zwar einen Human Handoff erlebt. Einen guten Supportprozess hatte er nicht.
Ein Mensch ohne Befugnis ist nur der nächste Bot
Noch wichtiger als der Kontext ist die Frage, was der Mitarbeiter nach der Übergabe überhaupt tun darf. Ein Mensch, der freundlich zuhört, anschließend aber dieselben fünf Optionen im System vor sich hat wie der AI-Agent, löst keinen Ausnahmefall. Er ist dann lediglich die menschliche Oberfläche desselben starren Prozesses.
Wenn Unternehmen komplexe Fälle bewusst bei Menschen konzentrieren, müssen diese Menschen auch die notwendigen Mittel bekommen. Zugriff auf relevante Systeme, vollständigen Kontext, definierte Kulanzgrenzen und echten Entscheidungsspielraum. Sonst wird aus dem angeblichen Fallback nur die nächste Warteschleife.
Genau darin lag der Wert des Eurowings-Mitarbeiters in Chris’ Geschichte. Entscheidend war nicht, dass am anderen Ende plötzlich ein Mensch saß. Entscheidend war, dass dieser Mensch die Situation verstand und offenbar etwas tun konnte, was die Systeme davor nicht geschafft hatten.
Auch aktuelle Forschung weist darauf hin, dass die Eskalation selbst gut gestaltet sein muss. Eine 2026 veröffentlichte Feldstudie im Kundenservice der chinesischen C2C-Verkaufsplattform Taobao (Mutterkonzern Alibaba) untersuchte menschliche Eingriffe bei AI-gestützten Supportfällen. Technische AI-Fehler konnten Menschen häufig auffangen. Wurde allerdings erst eingegriffen, nachdem Kunden bereits deutlich frustriert waren, fiel die Wirkung schlechter aus. Frühes Eingreifen funktionierte besser.
Für Unternehmen steckt darin ein unangenehmer Zielkonflikt. Wer sein AI-System hauptsächlich darauf optimiert, möglichst viele Kontakte selbst zu halten, kann auf dem Dashboard eine beeindruckende Automatisierungsquote produzieren. Für den Kunden kann dieselbe Optimierung bedeuten, dass er drei Schleifen länger im falschen Kanal festhängt.
Eine gute AI muss deshalb nicht nur möglichst oft eine richtige Antwort liefern. Sie muss auch rechtzeitig erkennen, wann sie selbst nicht mehr die richtige Instanz ist.
Mehr Nutzung ist noch lange kein Erfolg
Vielleicht liegt genau hier ein größeres Problem vieler AI-Business-Cases. Wir messen gern das, was sich einfach zählen lässt. Automatisierte Tickets. Bearbeitungszeiten. Kontakte pro Mitarbeiter. Tokens.
Dass Aktivität und Wert nicht dasselbe sind, sieht man inzwischen auch außerhalb des Supports. Nvidia-Chef Jensen Huang schwärmte dieses Jahr öffentlich von enormen Token-Budgets und der Vorstellung, Entwickler mit AI um ein Vielfaches produktiver zu machen. Wenig überraschend für jemanden, dessen Unternehmen gut daran verdient, wenn immer mehr Rechenleistung verbraucht wird.
Ob mehr Tokens tatsächlich proportional mehr produktiven Output erzeugen, ist eine wesentlich interessantere Frage. Dazu vielleicht in der nächsten Ausgabe mehr.
Im Support ist der Denkfehler jedenfalls ähnlich. Eine hohe Automatisierungsquote ist eine sinnvolle Kennzahl. Kosten pro Kontakt ebenfalls. Beide werden problematisch, wenn daraus eine simple Personalformel wird.
Wenn 80 Prozent der Kontakte automatisiert sind, würde ich deshalb ein paar Zahlen danebenlegen:
Wie viele Kunden melden sich nach einem AI-Kontakt erneut?
Wie lange dauert es bei komplexen Fällen bis zu einer sinnvollen Eskalation?
Wie viele dieser Fälle kann der menschliche Mitarbeiter tatsächlich selbst lösen?
Und was kostet uns ein Problem, das ungelöst bleibt?
Gerade die letzte Frage fehlt mir in vielen Automatisierungsdiskussionen.
Ein Standardkontakt mag wenige Euro kosten. Ein ungelöstes Problem eines langjährigen Kunden kann erheblich teurer sein. Im B2B-Bereich reden wir dabei schnell über Verträge, Folgegeschäft und Beziehungen, die über Jahre aufgebaut wurden. Dann hilft eine hervorragende Cost-per-Contact-Kennzahl herzlich wenig, wenn der Kunde am Ende trotzdem geht.
Unser Future{hacks} Fazit
AI im Support kann enorme Mengen an Standardarbeit übernehmen. Unternehmen sollten das nutzen. Wer einen reproduzierbaren Vorgang schneller, günstiger und zuverlässig automatisieren kann, sollte keinen Menschen danebenstellen, nur damit sich der Prozess persönlicher anfühlt.
Der Fehler beginnt für mich dort, wo erfolgreiche Automatisierung automatisch als Beweis dafür gilt, dass menschliche Kapazität im selben Verhältnis verschwinden kann. Je besser die AI die einfachen Fälle übernimmt, desto komplexer wird das, was beim Menschen landet. Dafür braucht es weniger Skript und mehr Urteil, vollständigen Kontext und vor allem echte Entscheidungskompetenz.
Chris’ Sizilien-Erlebnis zeigt ziemlich gut, was das in der Praxis bedeutet. Der wertvollste Supportkontakt war vermutlich nicht der günstigste. Er war derjenige, der das Problem tatsächlich gelöst hat. Das Ergebnis hat Chris selbst besser beschrieben, als es jede Customer-Service-KPI könnte: „Eurowings hatte danach einen Fan mehr.“
Bevor wir also feiern, dass ein AI-Agent 80 Prozent unserer Supportfälle übernimmt, lohnt der Blick auf die restlichen. Sie senken keine Kosten. Aber sie entscheiden, ob der Kunde wiederkommt. Und wer Kapazität im selben Verhältnis abbaut, in dem er automatisiert, spart genau an dieser Stelle.
Wie viele der übrigen 20 Prozent können wir also noch wirklich lösen?
Markus Kirchmaier ist Prokurist & Partner bei LEAN-CODERS und beschäftigt sich seit Jahren intensiv mit dem IT-Arbeitsmarkt sowie modernen IT-Systemen und technologischen Entwicklungen. Hier geht es zu den anderen Beiträgen aus der Future{hacks}-Reihe.
