KI im Kundenservice: Beispiele, Grenzen und Einstieg

Im Februar 2024 meldete Klarna, der eigene KI-Assistent habe im ersten Monat 2,3 Millionen Kundengespräche geführt - zwei Drittel aller Service-Chats, ein Arbeitsäquivalent von 700 Vollzeitkräften. Fünfzehn Monate später erklärte derselbe CEO in einem Bloomberg-Interview, das Unternehmen stelle wieder Menschen für den Kundenservice ein. Kosten seien ein zu dominantes Bewertungskriterium gewesen, das Ergebnis niedrigere Qualität.

Beides ist wahr, und beides gehört zusammen. Das ist die nützlichste Geschichte, die es zu KI im Kundenservice gibt, weil sie den Nutzen und die Grenze im selben Fall zeigt: Der automatisierte Anteil funktioniert bis heute. Die Annahme, man könne den Rest ersatzlos streichen, hat nicht funktioniert.

Dieser Leitfaden zeigt dir, was KI im Kundenservice tatsächlich übernimmt: sechs Einsatzfelder mit Beispielen, was der Klarna-Fall belegt, warum Menschen nach Marken plus "Kundenservice Chatbot" googeln, die Wahl zwischen Chatbot, Telefon und stiller Assistenz, der Einstieg in fünf Schritten und der Rechtsrahmen seit August 2026.

Was ist KI im Kundenservice? Definition und Einordnung

KI im Kundenservice ist der Einsatz künstlicher Intelligenz für Aufgaben rund um Kundenanfragen: eingehende Nachrichten einordnen und weiterleiten, wiederkehrende Fragen aus der eigenen Wissensbasis beantworten, Antwortentwürfe erzeugen, Vorgänge zusammenfassen und an die richtige Stelle übergeben. Der Begriff umfasst dabei drei Schichten, die im Alltag ständig in einen Topf geworfen werden.

Die erste Schicht ist die Selbstbedienung: Der Kunde spricht direkt mit einem System, per Chat auf der Website oder am Telefon. Das ist die sichtbarste und zugleich riskanteste Schicht, weil jeder Fehler beim Kunden landet. Die zweite Schicht ist Assistenz: Die KI arbeitet dem Team zu, schlägt Antworten vor, fasst Verläufe zusammen, sucht die passende Textstelle in den Bedingungen. Der Kunde merkt nichts davon, ein Mensch bleibt in der Verantwortung. Die dritte Schicht ist Sortierung im Hintergrund: Anfragen werden klassifiziert, priorisiert und weitergeleitet, bevor sie überhaupt jemand liest.

Davon zu trennen ist die schlichte Automatisierung ohne KI: feste Regeln, die immer gleich ablaufen. Eine Eingangsbestätigung, eine Weiterleitung nach Betreffzeile, eine Erinnerung nach fünf Tagen. Dafür braucht es kein Sprachmodell, sondern eine sauber gebaute Strecke, wie sie in der n8n-Automatisierung entsteht. KI kommt dort dazu, wo eine Einschätzung nötig ist: Worum geht es in dieser Nachricht? Ist der Kunde verärgert? Welcher Fall aus den Bedingungen trifft zu? Wo dein Betrieb auf dieser Skala steht, ordnet das Vier-Stufen-Modell der Automatisierung ein.

Warum KI im Kundenservice gerade jetzt entscheidend wird

Der Kundenkontakt ist der Bereich, in dem KI in deutschen Unternehmen am weitesten verbreitet ist. In der Bitkom-Untersuchung vom September 2025 nannten 88 Prozent der KI-nutzenden Unternehmen den Kundenkontakt als Einsatzbereich - mehr als jeder andere Bereich. Die Erhebung umfasst 604 Unternehmen ab 20 Beschäftigten und ist repräsentativ.

Gleichzeitig ist KI im Betrieb keine Randerscheinung mehr: Laut der Bitkom-Befragung vom März 2026 nutzen 41 Prozent der Unternehmen ab 20 Beschäftigten KI, weitere 48 Prozent planen oder diskutieren den Einsatz.

Die viel zitierte Zahl für die Zukunft stammt von Gartner: Bis 2029 soll agentische KI 80 Prozent der häufigen Serviceanliegen ohne menschliches Eingreifen lösen, bei 30 Prozent niedrigeren Betriebskosten. Wichtig für die Einordnung: Das ist eine Prognose aus dem März 2025, keine Messung. Wer heute plant, plant nicht gegen diese Zahl, sondern gegen den eigenen Anfragenberg. Was Sprachmodelle im Betrieb wirklich leisten und wo sie zuverlässig scheitern, ordnet der Beitrag was KI kann und was nicht ein.

KI im Kundenservice: Beispiele aus sechs Einsatzfeldern

KIMit KI erzeugtes Bild

1. Anfragen sortieren und weiterleiten. Jede eingehende Nachricht bekommt Kategorie, Dringlichkeit und Zuständigkeit, bevor ein Mensch sie liest. Das ist der unauffälligste Einstieg, weil er ohne Außenwirkung auskommt - wie eine solche Triage von Support-Tickets aussieht, zeigt das Fallbeispiel dazu.

2. Antwortvorschläge für das Team. Die KI entwirft, ein Mensch prüft und schickt. Neue Mitarbeitende werden schneller produktiv, weil der Tonfall und die Fakten schon im Entwurf stecken. Gute Entwürfe hängen an guten Anweisungen: Tonfall, Grenzen und die erlaubten Quellen gehören in die Anweisung, nicht in den Kopf der Person, die korrigiert.

3. Wiederkehrende Fragen beantworten. Lieferzeiten, Rückgabe, Öffnungszeiten, Kompatibilität: Ein Chatbot im Kundenservice, der ausschließlich aus der eigenen Wissensbasis antwortet, nimmt dem Team den immer gleichen Teil ab. Wie so ein System technisch funktioniert und was es nicht kann, steht im Praxis-Guide zum KI-Chatbot.

4. Reklamationen vorbereiten. Das System sammelt Bestellung, Verlauf, Garantiestatus und Bedingungen, bevor ein Mensch entscheidet. Die Entscheidung selbst bleibt menschlich - Kulanz ist keine Rechenaufgabe.

5. Mehrsprachiger Support. Anfragen in Sprachen, für die kein eigenes Team existiert, werden verstanden und in der Sprache des Kunden beantwortet. Klarna nennt für den eigenen Assistenten über 35 Sprachen in 23 Märkten.

6. Telefon außerhalb der Geschäftszeiten. Ein KI-Telefonassistent nimmt an, erfasst das Anliegen und bucht Termine, auch abends und am Wochenende. Was dahintersteckt, beschreibt der Überblick zur KI-Telefonie; die Abgrenzung zur bloßen Ansage klärt der Beitrag zum KI-Anrufbeantworter. Für das Postfach übernimmt die E-Mail-KI den gleichen Job schriftlich.

Auffällig ist, was in dieser Liste fehlt: die schwierige Ausnahme. KI im Kundenservice heißt nicht, dass eine Maschine über Kulanz, Eskalation oder Vertragsauslegung entscheidet. Sie räumt den Weg dorthin frei.

Was der Klarna-Fall wirklich zeigt

Der Klarna-Fall wird meist halb erzählt. Die vollständige Version ist lehrreicher.

Teil eins, Februar 2024. Der Assistent führt im ersten Monat 2,3 Millionen Gespräche, zwei Drittel aller Service-Chats. Klarna beziffert die Wirkung mit dem Arbeitsäquivalent von 700 Vollzeitkräften. Die Kennzahlen dahinter sind die eigentlich interessanten: Die durchschnittliche Lösungszeit fällt von 11 Minuten auf unter 2, die Zahl der Wiederholungsanfragen sinkt um 25 Prozent, die Kundenzufriedenheit liegt auf dem Niveau menschlicher Kräfte.

Teil zwei, Mai 2025. CEO Sebastian Siemiatkowski erklärt, Kosten seien ein zu dominantes Bewertungskriterium gewesen, und das Ergebnis sei niedrigere Qualität. Klarna stellt wieder menschliche Servicekräfte ein und will sicherstellen, dass immer ein Mensch erreichbar ist. Die KI bleibt im Einsatz und übernimmt weiterhin zwei Drittel der Anfragen.

Daraus folgen zwei Dinge, die sich nicht widersprechen. Erstens: Der automatisierbare Anteil ist real und groß. Zweitens: Er ist nicht der ganze Kundenservice, und die Messgröße "Anteil ohne Menschen" führt in die Irre. Wer nur die Deflection Rate steuert, optimiert am Ende auf Kunden, die aufgeben - nicht auf Kunden, denen geholfen wurde.

Warum Menschen nach "H&M Kundenservice Chatbot" suchen

Es lohnt sich, einen Blick auf die Suchanfragen selbst zu werfen. Begriffe wie "h&m kundenservice chatbot" oder "creamy fabrics kundenservice chatbot" werden von echten Kunden getippt, und sie meinen fast immer eines von zwei Dingen: Entweder jemand sucht den Einstiegspunkt in den Service, weil er ihn auf der Website nicht findet. Oder jemand hat den Bot bereits erlebt und sucht den Weg an ihm vorbei.

Beide Lesarten sind für dich als Betreiber dieselbe Nachricht. Wenn dein Markenname zusammen mit "Kundenservice" und "Chatbot" gesucht wird, ist der Serviceweg entweder schlecht auffindbar oder er endet in einer Sackgasse. Das ist ein messbares Signal, kein Gefühl - du findest es in der Search Console unter deinen eigenen Markenanfragen.

Praktisch heißt das dreierlei: Der Einstieg in den Service gehört sichtbar auf die Seite, nicht in ein Untermenü. Der Bot sagt von sich aus, was er kann und was nicht. Und der Weg zum Menschen steht im Bot selbst, nicht auf einer separaten Kontaktseite, die man erst suchen muss. Ein KI-Chatbot im Kundenservice, der diese drei Punkte erfüllt, wird akzeptiert. Einer, der sie umgeht, produziert genau diese Suchanfragen.

Chatbot, Telefon oder stille Assistenz: was wann passt

KIMit KI erzeugtes Bild

Ein Chatbot im Kundenservice lohnt sich, wenn viele gleichartige schriftliche Anfragen eingehen und die Antworten darauf dokumentiert sind. Die Betonung liegt auf dokumentiert: Ohne gepflegte Wissensbasis hat der Bot nichts, woraus er antworten könnte, und beginnt zu raten. Das ist der häufigste Grund, warum Chatbot-Projekte scheitern - nicht das Modell, sondern das fehlende Wissen dahinter.

Der Telefonkanal ist dann der richtige Einstieg, wenn der Engpass hörbar ist: unbesetzte Leitungen, Rückrufe, die niemand schafft, Anrufe außerhalb der Geschäftszeiten. In Handwerk, Praxis und Handel ist das oft der teuerste Verlust, weil ein nicht angenommener Anruf selten ein zweites Mal kommt.

Stille Assistenz im Hintergrund ist der sicherste Einstieg von allen. Das Team bekommt Vorschläge, Zusammenfassungen und Vorbereitung, der Kunde spricht weiter mit Menschen. Kein Kennzeichnungsproblem, kein Imagerisiko, sofortige Entlastung - und du lernst an echten Fällen, welche Anfragen sich überhaupt automatisieren lassen. Der Schritt zur Selbstbedienung wird danach eine Entscheidung auf Datenbasis statt ein Sprung ins Wasser. Wie eine solche Schicht technisch entsteht, beschreibt der Leitfaden zur Prozessautomatisierung mit KI im KMU.

Wie du KI im Kundenservice einführst: fünf Schritte

Schritt 1: Zwei Wochen zählen. Nimm alle eingehenden Anfragen aus zwei normalen Wochen und sortiere sie grob nach Anliegen. Fast immer stellen sich fünf bis acht Kategorien als Masse heraus. Diese Liste ist die Geschäftsgrundlage des Projekts - und die einzige ehrliche Antwort auf die Frage, wie viel Automatisierung überhaupt möglich ist.

Schritt 2: Die Wissensbasis vor dem Bot bauen. Für die häufigsten Kategorien braucht es geprüfte, aktuelle Antworten an einem Ort. Dieser Schritt ist der langweiligste und der einzige, den du nicht überspringen kannst. Eine KI im Kundenservice ist nur so gut wie das Wissen, auf das sie zugreift.

Schritt 3: Mit Assistenz beginnen, nicht mit Selbstbedienung. Erst intern Vorschläge erzeugen, Trefferquote messen, Formulierungen nachschärfen. Erst wenn die Entwürfe in der Mehrzahl unverändert rausgehen, ist der Kanal zum Kunden dran.

Schritt 4: Die Übergabe zuerst bauen. Bevor die erste Kundenanfrage automatisiert beantwortet wird, muss der Weg zum Menschen stehen: Wann übergibt das System, an wen, und was gibt es mit? Der komplette Verlauf, nicht eine Zusammenfassung. Nichts ärgert mehr, als einem Menschen alles noch einmal erzählen zu müssen.

KIMit KI erzeugtes Bild

Schritt 5: Auf die richtige Zahl schauen. Nicht "Anteil ohne Menschen", sondern: Wie viele Anliegen sind ohne erneuten Kontakt erledigt? Wie lange dauert die erste inhaltliche Antwort? Wie oft muss ein Mensch korrigieren? Diese drei Zahlen sagen, ob das System trägt. Wer stattdessen die Automatisierungsquote steuert, bekommt genau das - und verliert Kunden dabei.

Worauf du bei KI im Kundenservice achten solltest

Kennzeichnung. Seit dem 2. August 2026 gilt Artikel 50 des EU AI Acts: Wer mit einem KI-System spricht, muss das erkennen können. Im Service ist das kein Nachteil, sondern eine Vertrauensfrage. Ein Assistent, der sich als solcher vorstellt und sauber übergibt, wird akzeptiert. Den größeren Rahmen dazu erklärt der Beitrag zum EU AI Act.

Kompetenz im Team. Artikel 4 des EU AI Acts verlangt seit dem 2. Februar 2025 unabhängig von Risikoklasse und Unternehmensgröße ausreichende KI-Kompetenz von allen, die KI beruflich einsetzen. Was das konkret bedeutet, steht im Beitrag zur KI-Schulungspflicht; ein Format, das am eigenen Prozess arbeitet statt Werkzeuge vorzuführen, ist die KI-Schulung für Team und Leadership.

Kundendaten. Welche Inhalte sieht welches Modell bei welchem Anbieter? Im Service laufen Bestelldaten, Adressen und teils Gesundheits- oder Vertragsangaben durch das System. Diese Frage gehört pro Anbindung geprüft, nicht pauschal beantwortet.

Verbindlichkeit der Aussagen. Sobald ein System nach außen formuliert, sind die Aussagen darin Zusagen. Google beschreibt in Patent US11769017B1 einen Vertrauens-Score als Auswahlkriterium für generative Antworten - die technische Bestätigung einer schlichten Servicewahrheit: Belegte Auskünfte tragen, plausibel klingende kosten dich den Fall.

Erreichbarkeit des Menschen. Genau der Punkt, an dem Klarna korrigiert hat. Ein sichtbarer, funktionierender Weg zum Menschen ist keine Schwäche des Systems, sondern seine Voraussetzung.

Häufige Fehler bei KI im Kundenservice

Den Bot vor der Wissensbasis bauen. Der Klassiker. Das System steht, die Antworten fehlen, also fängt es an zu improvisieren. Danach ist das Vertrauen weg, und zwar bei Kunden und im Team gleichzeitig.

Das Gespräch automatisieren statt den Papierkram drumherum. In der Praxis liegt der größere Hebel oft neben dem Gespräch. Bei Dr. med. Niels Freitag, einem Arzt für ästhetische Medizin, war nicht die Beratung das Problem, sondern alles davor: Terminkoordination, Fragebögen und Datenschutzerklärungen, die Patienten erst vor Ort ausfüllten und die dadurch Beratungszeit auffraßen. Automatisiert wurde die Vorbereitung, nicht das Gespräch. Ergebnis: kürzere Beratungen bei gleichem Inhalt und ein Team, das wieder seine Kernaufgaben macht. Das war ein Automatisierungsprojekt ohne Sprachmodell - genau die Schicht, auf der KI heute aufsetzt und ohne die sie nichts zu greifen hat.

Die Eskalation verstecken. Ein Weg zum Menschen, der drei Klicks tief liegt, ist kein Weg. Er erzeugt genau die Markensuchen aus dem Abschnitt oben.

Auf die Automatisierungsquote optimieren. Sie lässt sich immer erhöhen, indem man das Aufgeben erleichtert. Klarna hat die Korrektur öffentlich gemacht, viele andere merken es an der Abwanderung.

Kulanz an die Maschine geben. Preisnachlässe, Ausnahmen und Vertragsauslegung gehören in feste Regeln oder in menschliche Hände. Sonst entstehen Zusagen, die niemand reproduzieren kann.

Aufsicht vergessen. In den ersten Wochen muss jemand die Antworten stichprobenartig lesen. Ohne diese Schleife läuft ein Fehler wochenlang mit und wird zur Gewohnheit. Wie viel Selbstständigkeit ein solches System überhaupt haben sollte, ordnet der Beitrag zum KI-Agenten ein.

Wann sich KI im Kundenservice lohnt - und wie du entscheidest

Eine brauchbare Faustregel: Sobald dieselbe Art von Anfrage mindestens wöchentlich wiederkehrt und die Antwort darauf dokumentierbar ist, rechnet sich Automatisierung. Enthält die Anfrage zusätzlich Freitext, der verstanden werden muss, kommt KI dazu.

Für kleine Betriebe liegt der Einstieg fast immer beim Telefon und beim Postfach - dort geht am meisten verloren, weil niemand abnimmt. Für wachsende Mittelständler mit einem Serviceteam ist die stille Assistenz der Hebel: Antwortentwürfe, Zusammenfassungen, Sortierung. Erst danach lohnt der Blick auf einen Chatbot. Für größere Organisationen mit mehreren Kanälen ist die Sortierung im Hintergrund entscheidend, weil dort die Verluste zwischen den Kanälen sitzen - eine Anfrage per E-Mail, ein Anruf und ein Chat zum selben Vorgang, die niemand zusammenführt. Der gleiche Mechanismus wirkt auf der Vertriebsseite, wie der Beitrag zu KI im Vertrieb zeigt.

Woran erkennst du, dass es sich nicht lohnt? Wenn die Anfragen einstellig pro Monat sind. Wenn es keine dokumentierten Antworten gibt und auch keine geben soll. Oder wenn der Engpass nicht im Prozess sitzt, sondern im Produkt. Kein Chatbot repariert eine Lieferzeit, die Kunden ärgert.

Das Muster aus über 600 umgesetzten Projekten seit 2012 ist in allen Branchen dasselbe: Der Gewinn kommt nicht daher, dass weniger Menschen antworten, sondern daher, dass Anfragen nicht mehr liegen bleiben, nicht mehr doppelt bearbeitet werden und nicht mehr verloren gehen. Wenn du entscheiden willst, brauchst du drei Antworten: Welche Anfragekategorie kostet gerade nachweisbar Zeit oder Kunden? Sind die Antworten darauf dokumentiert oder ist das der erste Schritt? Und wer im Team verantwortet den Ablauf danach? Sind diese drei geklärt, ist der Rest Handwerk - fachliche Begriffe dazu findest du im Glossar, die Einordnung für den eigenen Betrieb liefert eine KI-Strategie-Beratung.