Kundenservice-Teams: Nutzen Kunden KI, bevor sie Kontakt aufnehmen? Wir beobachten eine große Veränderung bei Support-Anfragen

Jennifer, das passiert branchenweit. Wir analysieren das gerade.

Die neue Customer Journey:

Früher: Problem → Google → Firmen-Helpcenter → Support kontaktieren
Neu: Problem → ChatGPT → (Vielleicht) Firmen-Helpcenter → Support kontaktieren

Was sich dadurch ändert:

1. Einfache Anfragen werden abgefangen – KI beantwortet das Leichte
2. Komplexe bleiben übrig – KI kann Spezialfälle nicht lösen
3. Vor-informierte Kunden – Sie haben schon einiges ausprobiert
4. Falsch informierte Kunden – KI gab falsche Infos

Unsere Support-Daten:

Weniger Tickets, aber jedes dauert länger, weil die einfachen wegfallen.

Perspektive Wissensmanagement zum KI-Wandel im Kundenservice:

Ihre Hilfeseiten trainieren jetzt die KI.

Was im Helpcenter, in der Doku und im FAQ steht, lernt die KI über Ihr Produkt. Ist Ihr Content:

• Unvollständig → KI rät Lücken zusammen
• Veraltet → KI gibt alte Infos aus
• Unklar → KI interpretiert falsch

Die Lösung:

Behandeln Sie Ihre Hilfetexte als KI-Trainingsdaten. Sie müssen:

1. Umfassend sein (alle Features abdecken)
2. Aktuell (regelmäßig aktualisieren)
3. Klar (unmissverständliche Sprache)
4. Korrekt (faktenbasiert)
5. Explizit zu Einschränkungen (was Sie NICHT anbieten)

Was wir geändert haben:

Wir haben Abschnitte ergänzt wie:

• “Was [Produkt] NICHT kann”
• “Häufige Missverständnisse zu [Produkt]”
• “Unterschiede zwischen [Produkt] und [Wettbewerber]”

Das hilft der KI, schon vor der Supportanfrage korrekte Infos zu liefern.

Betriebsperspektive zum Wandel:

Auswirkungen auf das Staffing:

Wenn einfache Tickets abnehmen und komplexe zunehmen, braucht man:

• Weniger Tier-1-Agenten
• Mehr Tier-2/3-Spezialisten
• Anderes Training (Komplexe Problemlösung statt Prozessbefolgung)
• Längere Bearbeitungszeiten einkalkulieren

Unsere Anpassungen:

1. Tier-1-Team um 20% reduziert
2. Beste Mitarbeiter zu Tier 2 befördert
3. Erfolgskriterien geändert (Bearbeitungszeit → Lösungsqualität)
4. “KI-Eskalations”-Workflow bei Fehlinformationen eingeführt

Kostensituation:

Niedrigeres Volumen, aber höhere Komplexität = in etwa gleiche Gesamtkosten
ABER Kundenzufriedenheit stieg, weil für komplexe Anfragen weniger Wartezeit entsteht.

Content-Strategie gegen KI-Fehlinformationen:

Das Problem:
KI ist eine Blackbox – man kann sie nicht direkt korrigieren. Aber man kann beeinflussen, was sie lernt.

Was wir tun:

1. Umfassendes FAQ – Jede häufige Frage klar beantwortet
2. Explizite Einschränkungen – Was wir NICHT tun, klar formuliert
3. Preisstrukturierte Daten – Aktuelle Preise im Schema-Markup
4. Feature-Beschreibungen – Klare, eindeutige Sprache
5. Vergleichs-Content – Unterschiede zu Wettbewerbern

Monitoring:

Wir nutzen Am I Cited, um zu verfolgen, was KI Nutzern über uns sagt. Wenn wir Fehlinformationen entdecken:

1. Content dazu erstellen/aktualisieren
2. Im FAQ ergänzen, falls häufig gefragt
3. 4–8 Wochen warten, bis KI es gelernt hat
4. Überwachen, ob es sich bessert

Es ist nicht sofort, aber man kann systematisch das KI-Verständnis über das Produkt verbessern.

Wir haben KI tatsächlich in unseren Support-Workflow eingebunden. Das hat Folgendes bewirkt:

KI-unterstütztes Support-Modell:

1. Kunde startet Chat
2. KI-Bot übernimmt Erstkontakt
3. Kann KI nicht lösen, wird an Mensch eskaliert
4. Mensch sieht die KI-Versuche

Ergebnisse:

Wichtige Erkenntnis:

Bis ein Kunde beim Menschen landet, hat er schon:

• Das Problem der KI beschrieben
• KI-Lösungen probiert
• Bestätigt, was nicht klappt

Mitarbeiter starten mit vollem Kontext. Komplexer, aber effizienter.

Perspektive Kundenforschung:

Wir haben 500 Kunden zu ihrer KI-Nutzung vor dem Supportkontakt befragt:

Die “KI-First”-Kundengruppe:

Typischerweise:

• Technik-affin
• Bevorzugen Self-Service
• Sind frustrierter, wenn sie dann doch Support brauchen (da “einfache” Lösungen schon gescheitert sind)
• Beschreiben ihr Problem genauer

Bedeutung:

Wenn sie Kontakt aufnehmen, sind sie oft frustrierter, aber auch klarer in der Problembeschreibung.

Trainingsperspektive für KI-informierte Kunden:

Neue Kompetenzen für unsere Agenten:

1. KI-Verständnis – Wissen, was KI kann und nicht kann
2. Umgang mit Fehlinformationen – Korrigieren ohne zu beschämen
3. Kontextabfrage – “Was haben Sie schon probiert?”
4. Dokumentationsfähigkeiten – KI-bezogene Fälle erfassen
5. Eskalations-Entscheidung – Wann Content bei KI-Fehlinformationen aktualisiert werden muss

Neue Trainingsmodule:

• “Den KI-First-Kunden verstehen”
• “KI-Fehlinformationen souverän handhaben”
• “Was KI über unser Produkt erzählt” (basierend auf Am I Cited-Monitoring)
• “Muster für Content-Verbesserung dokumentieren”

Der Kulturwandel:

Agenten sehen sich jetzt als Teil eines Feedback-Loops. Ihre Beobachtungen zu KI-Fehlinformationen gehen ans Content-Team, das die Doku aktualisiert – so verbessert sich die KI-Genauigkeit.

Dieser Thread hat meine Vermutungen bestätigt und mir umsetzbare Strategien geliefert. Wichtige Erkenntnisse:

Die Realität:

• KI fängt einfache Anfragen ab (15% weniger Tickets)
• Komplexe Anfragen nehmen zu (+50%)
• Bearbeitungszeit steigt (einfache Fälle entfallen)
• Fehlinformationen schaffen neue Herausforderungen

Strategien zur Umsetzung:

Kurzfristig:

1. “KI-Missverständnisse-Logbuch” für Agenten einführen
2. Team für KI-informierte Kunden schulen
3. Erfolgskriterien weg von reiner Bearbeitungszeit anpassen
4. Beginnen, zu überwachen was KI über uns sagt

Mittelfristig:

1. Hilfeseiten “KI-Trainings-freundlich” gestalten
2. Expliziten Content zu Dingen, die wir NICHT tun, ergänzen
3. Feedback-Loop von Support zu Content-Team etablieren
4. KI-unterstütztes Supportmodell in Betracht ziehen

Langfristig:

1. Teamstruktur auf komplexe Anfragen ausrichten
2. Fokus beim Recruiting auf Problemlösungskompetenz legen
3. Systematisches Monitoring der KI-Informationen aufbauen

Die Umfrage, dass 62% zuerst KI nutzen, ist bedeutsam. Das ist kein Trend – das ist der neue Normalzustand.

Danke an alle für die praxisnahen und strategischen Einblicke.