KI im Kundenservice richtig dosieren: 5 Gründe, warum mehr Automatisierung nicht die Lösung ist

Du kennst diesen Moment. Du hängst in einer Chatbot-Schleife, tippst zum dritten Mal dein Anliegen, und der Bot antwortet freundlich am Thema vorbei. Irgendwann tippst du nur noch: „MITARBEITER. MENSCH. BITTE.“

Gleichzeitig bekommen gerade viele Unternehmen den Rat, noch mehr KI in den Kundenservice zu packen. Mehr Bot, mehr Self-Service, mehr Automatisierung. Fast alle, die diesen Rat geben, verkaufen die passende Software gleich mit. Ich baue Software-Architektur und komme immer von einer anderen Frage: Wie kannst du KI niedrigschwellig und möglichst markensicher einsetzen, falls überhaupt? Wenn dann ein Chat-Baustein dazugehört, sind die Markenstimme und vor allem die Übergabe an Menschen tief im Konzept verankert. Ich verdiene nichts daran, dass du mehr automatisierst. Deshalb kann ich dir den Satz sagen, den du in den Anbieter-Guides nicht findest: Mehr KI im Kundenservice ist nicht die Lösung. Die richtige Dosis ist es.

Die Zahlen dazu sind deutlich. Fast eine von fünf Personen, die KI im Kundenservice erlebt haben, sagt: Das hat mir gar nichts gebracht. Das ist eine fast vierfach höhere Fehlerrate als bei KI-Anwendungen insgesamt (Quelle: Qualtrics, 2025). Jetzt die gute Nachricht: Das ist kein Argument gegen KI im Kundenservice. Es ist ein Argument für die richtige Dosis. Und die zu treffen ist für ein kleines Unternehmen leichter als für einen Konzern. Genau darum geht es heute: fünf Gründe, warum „mehr“ die falsche Richtung ist, und wie die richtige Dosis aussieht.

Warum scheitert KI im Kundenservice so oft?

Weil Service-Anliegen selten Standard sind. KI im Kundenservice scheitert rund viermal so oft wie andere KI-Anwendungen, gemessen an Kund:innen, die keinerlei Nutzen erlebt haben.

Das ist Grund eins, und er kommt aus dem 2026 Consumer Experience Trends Report von Qualtrics: Konsument:innen ranken KI-Anwendungen im Kundenservice bei Bequemlichkeit, Zeitersparnis und Nützlichkeit unter den schlechtesten aller KI-Anwendungen. Ausgerechnet an der Stelle, wo dein Unternehmen Vertrauen aufbaut, liefert die Technologie messbar am schwächsten ab.

Warum? Denk kurz darüber nach, was bei deinem Service überhaupt ankommt. Die Standard-Fragen hat deine Website schon abgefangen. Öffnungszeiten, Preise, Lieferstatus: Das steht in der FAQ. Was durchkommt, ist der Rest. Sonderfälle. Emotionen. Dinge, die schiefgelaufen sind. Genau das Terrain, auf dem KI-Lösungen am schwächsten sind.

Und wenn etwas eine vierfach höhere Fehlerrate hat, dann skaliert „mehr davon“ nicht den Nutzen. Es skaliert die schlechte Erfahrung.

Warum landen die meisten Bot-Gespräche doch beim Menschen?

Weil der Bot die schwierigen Fälle nicht lösen kann. 82 Prozent der Befragten sagen, dass Chatbot-Gespräche üblicherweise doch bei einem Menschen enden.

Grund zwei nenne ich den Eskalations-Boomerang. Die Zahl stammt aus einer Umfrage, die das Marktforschungsinstitut Sago im September 2025 unter 1.500 US-Erwachsenen durchgeführt hat, beauftragt ausgerechnet von einem KI-Anbieter. Umso bemerkenswerter das Ergebnis: 82 Prozent sagen, die Bot-Session eskaliert am Ende doch zum Menschen (Quelle: CMSWire, 2025).

Das ist wie eine Umleitung, die zurück auf dieselbe Straße führt. Du hast nichts abgekürzt. Du bist nur länger gefahren. Der Bot hat die Konversation nicht ersetzt, er hat ihr eine frustrierende Vorstufe verpasst. Und der Mensch, der dann übernimmt, startet oft bei null, weil der Kontext aus dem Bot-Gespräch nicht mitkommt. Genau deshalb verankere ich die Übergabe an Menschen von Anfang an im Konzept statt sie dem Zufall zu überlassen. Wie das konkret aussieht, kommt weiter unten.

Dieselbe Umfrage zeigt noch etwas: 60 Prozent sagen, die akkurate Lösung ist ihnen am wichtigsten. Nur 31 Prozent setzen Geschwindigkeit auf Platz eins. Der Bot optimiert also genau die Größe, die den Menschen am wenigsten wichtig ist. Und deine Kundin merkt sofort den Unterschied zwischen „die wollen mir helfen“ und „die wollen mich abwimmeln“.

Welche Nachteile hat KI im Kundenservice noch?

Den größten sieht man nicht im Dashboard: Kund:innen durchschauen das Motiv. Sie lehnen nicht die Technologie ab, sondern das Sparen am Service, den sie brauchen.

Grund drei ist deshalb der unbequemste. 53 Prozent nennen den Missbrauch persönlicher Daten als größte Sorge, wenn Unternehmen Interaktionen mit KI automatisieren. Das sind acht Punkte mehr als im Jahr davor. Die Hälfte fürchtet, durch den KI-Einsatz gar keinen Menschen mehr zu erreichen (Quelle: Qualtrics, 2025).

Isabelle Zdatny vom Qualtrics XM Institute bringt es auf einen Satz: „Too many companies are deploying AI to cut costs, not solve problems, and customers can tell the difference.“ Zu viele Unternehmen setzen KI ein, um Kosten zu drücken, nicht um Probleme zu lösen. Und die Kund:innen spüren den Unterschied.

Dieselbe Studie zeigt aber auch die Gegenrichtung: Vertrauen ist reparierbar. 46 Prozent würden mehr Daten teilen, wenn transparent ist, was gesammelt wird. Je 45 Prozent, wenn sie Nutzung und Löschung selbst kontrollieren können. Transparenz ist also kein Nice-to-have. Sie ist der Hebel.

Denn Vertrauen ist im Kundenservice die eigentliche Währung. Und Vertrauen entsteht nicht da, wo alles glattläuft. Es entsteht da, wo etwas schiefging und jemand es richtig gemacht hat.

Wird KI den Kundenservice ersetzen?

Nein. Gartner erwartet, dass bis 2028 kein einziges Fortune-500-Unternehmen den menschlichen Kundenservice vollständig abgeschafft haben wird.

Grund vier: Die Vorreiter rudern bereits zurück. Die deutlichste Geschichte dazu kommt von Klarna. Februar 2024: Klarna launcht seinen KI-Assistenten. 2,3 Millionen Konversationen im ersten Monat, nach eigener Aussage die Arbeit von rund 700 Vollzeitkräften. Die Belegschaft schrumpft, vor allem über einen langen Einstellungsstopp, von 5.500 auf 3.400. Das Unternehmen feiert das öffentlich als Zukunftsmodell (Quelle: Fast Company, 2026). Mai 2025: CEO Sebastian Siemiatkowski räumt öffentlich ein, man habe zu tief geschnitten. Klarna stellt wieder Menschen ein und baut seitdem um: KI übernimmt das Routine-Volumen, Menschen übernehmen Eskalationen, komplexe Fälle und die wichtigen Kundenbeziehungen. Der Bruchpunkt war nicht Geld. Es war Qualität: Sonderfälle, emotionale Situationen, mehrstufige Probleme.

Klarna ist kein Einzelfall, sondern der Anfang einer Welle. Gartner prognostiziert, dass bis 2027 die Hälfte der Unternehmen, die Personalabbau der KI zugeschrieben haben, wieder Personal für ähnliche Aufgaben einstellen wird (Quelle: Gartner, 2026).

Und die vielleicht überraschendste Zahl aus derselben Erhebung unter 321 Service-Verantwortlichen: Nur 20 Prozent haben überhaupt wegen KI Personal reduziert. Die Schlagzeilen erzählen eine andere Geschichte als die Daten.

Bis 2028, so Gartner weiter, wird kein einziges Fortune-500-Unternehmen den menschlichen Service komplett eliminiert haben (Quelle: Gartner, 2025).

Gartner-Analystin Emily Potosky begründet das so: KI sei schlicht nicht reif genug, um Expertise, Empathie und Urteilsvermögen menschlicher Agents zu ersetzen. Sich jetzt allein auf KI zu verlassen, sei verfrüht.

Wer heute „mehr KI im Kundenservice“ als Strategie einkauft, kauft das Modell, das die Vorreiter gerade rückabwickeln.

Warum dieselbe Logik auch für dein Team gilt und was die Upwork-Daten zur Mensch-KI-Kollaboration zeigen, liest du in „Warum KI ohne Menschen scheitert“. Kurzfassung: Reine KI-Agenten scheitern regelmäßig. Die Kombination aus Mensch und KI steigert Projektabschlussraten um bis zu 70 Prozent.

Warum lösen mehr Tools das Architektur-Problem nicht?

Der fünfte Grund hat gar nichts mit KI zu tun, sondern mit dem Fundament darunter. „Mehr KI“ heißt in der Praxis meist: noch ein Tool auf einen Stack, der schon fragmentiert ist. Der Puzzel-Report State of Contact Centres 2026 zeigt: Nur 3 Prozent der Contact Center arbeiten auf einer einheitlichen Plattform. Der Durchschnitt jongliert 3,9 verschiedene Technologien (Quelle: CMSWire / Puzzel, 2026).

Eine KI ist aber nur so gut wie der Kontext, den sie sieht. Wenn Bestellhistorie, Ticketsystem und E-Mail-Verlauf in drei getrennten Systemen liegen, kann auch das beste Modell nur raten. Das ist kein KI-Problem. Das ist ein Architektur-Problem. Und ein weiteres Tool macht es größer, nicht kleiner.

Hier hat ein kleines Unternehmen paradoxerweise einen Vorteil: weniger Systeme, kürzere Wege, überschaubare Datenlage. Die Voraussetzung, eine KI-Lösung sauber anzubinden, ist bei 10 Leuten oft besser als bei 10.000.

Wie kann KI im Kundenservice sinnvoll eingesetzt werden?

Indem du gezielter automatisierst statt mehr: KI beantwortet das Sachliche sofort, Menschen lösen das Emotionale richtig, und die Eskalation ist als Feature gebaut.

Was wäre, wenn die Frage nie „wie viel KI“ war, sondern „wo KI“? Die Unternehmen, die es gut machen, automatisieren gezielter. Die Dosis macht den Unterschied, wie bei einem Medikament: Die richtige Menge heilt. Zu viel schadet. Wo der Sweet Spot liegt, kannst du hier selbst ausprobieren:

Vier Schritte helfen, diese Dosis zu treffen.

Schritt 1: Zieh die Linie, bevor du irgendein Tool anschaust

Sachliche Anfragen mit eindeutiger Antwort sind perfekte KI-Beispiele: „Wo ist meine Bestellung?“, „Wann habt ihr offen?“, einen Termin verschieben. Rund um die Uhr, sofort, ohne Warteschleife. Emotionale, vertrauenskritische Momente gehören zum Menschen, ohne Umweg: die Beschwerde, die Unsicherheit vor dem Kauf, der Fall, in dem etwas schiefgegangen ist. Wie du diese Trennlinie systematisch ziehst, mit einer Drei-Zonen-Landkarte für grüne, rote und graue Aufgaben, habe ich in „Wo KI Raum schafft und wo Mensch bleibt“ ausführlich beschrieben.

Schritt 2: Bau die Eskalation als Feature, nicht als Notausgang

Der „Ich will einen Menschen“-Weg ist keine Niederlage der KI. Er ist Teil des Designs: jederzeit sichtbar, ein Klick, und der Mensch bekommt den kompletten Gesprächsverlauf mit. Kund:innen wiederholen sich nicht. Erinner dich an die 82 Prozent: Die Eskalation passiert sowieso. Die Frage ist nur, ob sie sich wie Service anfühlt oder wie eine Strafrunde.

Schritt 3: Miss Lösungsqualität, nicht Abwimmelquote

Viele Systeme messen die „Deflection Rate“: wie viele Anfragen der Bot vom Menschen ferngehalten hat. Das misst Abwimmeln, nicht Helfen. Besser: Wurde das Anliegen wirklich gelöst? Kam die Kundin wieder? 60 Prozent der Menschen wollen die richtige Lösung, nicht die schnellste.

Schritt 4: Sei transparent, großzügig transparent

Sag klar, wenn KI antwortet. Sag, was mit Daten passiert. Die Qualtrics-Zahlen zeigen, dass Transparenz genau der Hebel ist, der Vertrauen zurückbaut. Wer verschleiert, bestätigt den Verdacht, dass am Service gespart wird.

Und noch die Pointe für dein Unternehmen: Während Konzerne gerade zurückrudern, kannst du die Linie von Anfang an richtig ziehen. Dein Vorteil ist nicht, dass du mehr Technologie hast. Dein Vorteil ist, dass bei dir noch ein Mensch rangeht, wenn es drauf ankommt. Eine gut dosierte KI-Lösung schützt genau diesen Vorteil: Sie räumt das Sachliche weg und hält die Menschen-Zeit für die Momente frei, die Kund:innen nie vergessen.

Die richtige Dosis ist deine Chance

Mehr KI im Kundenservice ist nicht die Lösung. Die richtige Dosis ist es. KI für das Sachliche. Menschen für das, was Vertrauen baut. Und eine Architektur, die beides sauber verbindet.

Was ich aus meiner Arbeit mitbringe, ist eine Überzeugung: Das Ziel ist nie, Menschen aus dem Gespräch zu entfernen. Das Ziel ist, ihnen die Gespräche zurückzugeben, die es wert sind.

Wenn du wissen willst, wo du stehst: Nimm dir diese Woche 15 Minuten. Schau dir die letzten 20 Service-Anfragen an. Markiere: Welche davon waren rein sachlich? Welche brauchten einen Menschen? Das Verhältnis, das du da siehst, ist deine Dosis. Nicht die, die ein Tool-Anbieter dir verkauft.

Die nächsten zwei Jahre werden zeigen, wer Kundenservice als Kostenstelle behandelt hat und wer als Beziehung. Und wenn du die Dosis nicht allein bestimmen willst, können wir sie im Coaching gemeinsam finden.