Eine Mitarbeiterin im Kundenservice hat den Anrufer in der Leitung, spricht ruhig und freundlich weiter, während sie mit der Maus zwischen drei Programmfenstern hin- und herklickt: CRM, Bestellsystem, Ticket-Tool. Der Kunde hört davon nichts. Er hört nur eine kurze Pause, bevor die Antwort kommt. Genau diese Pause hat sich der Anbieter UJET in US-amerikanischen Contact Centern angeschaut. Das Unternehmen hat Mitarbeitende vor Ort begleitet, Gespräche mitgehört, Supervisoren befragt. Die Erkenntnis überrascht wenig, wenn man selbst je in einer Warteschleife gesessen hat: Was Agenten am meisten ausbremst, ist nicht das Gespräch mit dem Kunden. Es ist das, was dazwischen passiert.
Was ein Dashboard nicht zeigt
Tena Curic, Senior Customer Success Managerin bei UJET, beschreibt es im Gespräch mit CX Today so: „What stood out to me is how much of the job actually happens in between those obvious moments.“ Ein Dashboard zeigt, dass ein Anruf erfolgreich beendet wurde. Es zeigt nicht, wie der Agent währenddessen zwischen Kundendatensatz, Abrechnungssystem, internen Tickets und Wissensdatenbank gesprungen ist – und dabei versucht hat, ruhig und präsent zu klingen. Diese unsichtbare Arbeit ist nach Curics Beobachtung genau dort, wo KI etwas beitragen kann. Nicht, weil Agenten Technik ablehnen würden. Sondern weil sie eine sehr konkrete Bitte haben: „Help me move faster through the noise so that I can focus on the customer.“ Kein Wunsch nach Automatisierung als Selbstzweck – ein Wunsch nach weniger Lärm.
Workarounds sind Warnsignale, keine Erfolgsgeschichten
Ein zweiter Punkt aus der Beobachtung vor Ort betrifft Workarounds. Wenn ein Werkzeug nicht zu einem Ablauf passt, melden Agenten das selten formal. Sie bauen sich manuelle Umwege, arbeiten drumherum, machen weiter. Von außen sieht das nach Improvisationsvermögen aus, und in gewisser Weise ist es das auch. Es zeigt aber auch, wo ein System nicht zur tatsächlichen Arbeit passt – oder wo ein Prozess über Jahre gewachsen ist, ohne dass ihn noch jemand angeschaut hat. Wer Telefonzentralen und Serviceteams von außen betreut, kennt dieses Muster: Die Lücke zwischen dem, was ein System vorsieht, und dem, was am Ende tatsächlich getippt, notiert und weitergereicht wird, verrät oft mehr über die echte Arbeitslast als jede Kennzahl.
Die richtige Arbeit entfernen – nicht irgendeine
Kristin King, Chief Customer Officer bei UJET, bringt die Haltung auf einen Satz: „The goal is to remove the right work and not just removing work.“ Das ist eine andere Ausgangsfrage als die, die in der Branche oft gestellt wird. Nicht: Wie viele Kontakte kann KI übernehmen? Sondern: Welche Arbeit kostet Kapazität, ohne dass sie menschliches Urteilsvermögen braucht – und welche Arbeit trägt die eigentliche Kundenbeziehung? Eine einfache Statusabfrage darf gerne schnell und automatisch beantwortet werden. Ein Kunde, der zum dritten Mal wegen desselben Problems anruft und merklich frustriert ist, braucht jemanden, der die Situation liest und reagiert – nicht ein System, das die Anfrage noch schneller abarbeitet.
Diese Trennung deckt sich mit unserer eigenen Erfahrung im Telefonservice. Ein Agent-Assist-System, das im Hintergrund mitläuft, Kontext liefert und ein Gespräch zusammenfasst, während die Kollegin am Telefon spricht, verändert nicht, wer das Gespräch führt. Es nimmt ihr die Sucherei ab, nicht die Entscheidung. Genau da liegt der Unterschied zwischen Assistenz und Ersatz – und genau den sollte man in jedem Projekt vorab klären, statt ihn erst zu entdecken, wenn Kunden merken, dass sich niemand mehr für ihr eigentliches Anliegen zuständig fühlt.
Wo die Grenze wirklich verläuft
Man muss dabei ehrlich bleiben, auch wenn es unbequem ist: Nicht jede Automatisierung, die technisch möglich ist, ist auch die richtige. Timing, Empathie, die Entscheidung, wann man eskaliert – das bleibt Sache eines Menschen, der zuhören kann. Eine KI kann Notizen zusammenfassen, Datensätze zusammenführen, Routing übernehmen. Sie kann nicht beurteilen, ob ein Kunde gerade nur eine Information braucht oder ob er eigentlich sagen will: Ich bin damit allein gelassen worden. Wer diese beiden Fälle über einen Kamm schert, spart vielleicht ein paar Sekunden Bearbeitungszeit und verliert dafür die Kundenbeziehung, um die es eigentlich geht.
Kunden bemerken das Ergebnis, nicht das Werkzeug
Curic nennt in dem Gespräch ein Beispiel aus dem Einzelhandel: Eine Modemarke nutzt KI, um Service anhand von Kaufhistorie, Vorlieben und Größenangaben persönlicher zu gestalten. Kunden hinterlassen positive Bewertungen – aber sie loben nicht die Technik dahinter. Sie schreiben, dass sie sich verstanden und individuell behandelt fühlten. Das ist vielleicht der nüchternste Maßstab, den man an ein KI-Projekt im Kundenservice anlegen kann: Nicht, wie viele Kontakte automatisiert wurden. Sondern ob ein Kunde am Ende das Gefühl hatte, mit der richtigen Antwort schnell und unkompliziert weitergekommen zu sein. Sinkende Chat-Volumina oder eine hohe Deflection-Rate sagen darüber für sich genommen wenig aus.
Die eigentliche Erkenntnis aus UJETs Besuchen in den Contact Centern ist also keine technische. Sie ist eine Beobachtung darüber, wo Arbeit wirklich entsteht – und dass niemand, der täglich Anrufe entgegennimmt, um seinen Job fürchtet, wenn ihm jemand das Suchen abnimmt. Gefürchtet wird das Gegenteil: dass die Technik genau an der Stelle eingesetzt wird, an der ein Mensch gebraucht würde.
Quellen: CX Today – „UJET Heard What Agents Really Want From AI. It Wasn't Replacement“ (https://www.cxtoday.com/ai-automation-in-cx/ujet-heard-what-agents-really-want-from-ai-it-wasnt-replacement-ujet-cs-0190/)