Die meisten Unternehmen setzen KI ein, um Kontakte abzufangen – und hören dann auf. Damit schöpfen sie die kleinste von drei Wertschichten ab. Die Assist- und die Resolution-Schicht sind schwieriger, weniger sichtbar und um ein Mehrfaches wertvoller – und die Reihenfolge, in der Sie sie aufbauen, entscheidet, ob Ihr Programm exponentiell wächst oder auf einem Plateau stehen bleibt.

Wenn ein Führungsteam sagt «Wir setzen KI im Kundenservice ein», meint es fast immer einen Deflection-Bot – einen Chatbot oder ein IVR, das einfache Anliegen erledigt, sodass sie nie bei einem Agenten landen. Deflection schafft echten Wert, ist aber zugleich die flachste von drei Schichten, auf denen KI im Kundenservice exponentiell wirkt. Teams, die bei Deflection stehen bleiben, schöpfen vielleicht ein Fünftel des Möglichen ab und wundern sich dann, warum ihr KI-Programm stagniert.

Wir haben für Contact Center und Operations-Teams auf allen drei Schichten gebaut, und der Wert wächst ungefähr um eine Grössenordnung, je weiter man nach oben kommt – der Schwierigkeitsgrad allerdings auch. Deshalb bleiben die meisten ganz unten stehen.

Das eigentliche Problem: Deflection wird gemessen, die grösseren Schichten nicht

Deflection hat eine offensichtliche, befriedigende Kennzahl: abgefangene Kontakte × Kosten pro Kontakt = eingespartes Geld. Sie ist leicht zu messen, leicht auf eine Folie zu bringen – und nach oben begrenzt: Sie können nur eine bestimmte Menge an Kontakten abfangen, bevor Sie solche abfangen, die einen Menschen gebraucht hätten. Das erzeugt Rückrufe und untergräbt das Vertrauen. Die Assist- und die Resolution-Schicht sind mehr wert, aber schwerer zu messen, und werden deshalb zu wenig finanziert. Investitionen folgen der Messbarkeit, und gemessen wird, was sich leicht zählen lässt.

Die drei Schichten

Schicht 1 – Deflection (den Kontakt abfangen)

Die KI erledigt routinemässige Anliegen im Stil von Self-Service vollständig: Saldo, Status, einfache Änderungen, FAQ-Antworten. Wert: vermiedene Kontaktkosten. Obergrenze: niedrig – und wer darüber hinausdrängt, erreicht das Gegenteil. Übermässige Deflection schickt Menschen, die Hilfe gebraucht hätten, in eine Schleife, und sie rufen verärgerter wieder an. Verstehen Sie Deflection als «das echte Self-Service automatisieren», nicht als «Menschen blockieren».

Schicht 2 – Assist (jeden Agenten schneller und besser machen)

Die KI arbeitet bei jedem Kontakt, den sie nicht abgefangen hat, an der Seite des Menschen: Antwortvorschläge in Echtzeit, vorformulierte Antworten, automatische Gesprächszusammenfassungen, das Einblenden der relevanten Richtlinie oder eines früheren Falls. Das betrifft die Kontakte, die einen Menschen erfordern – also die Mehrheit – und verbessert bei all diesen Bearbeitungszeit, Konsistenz und Qualität. Zudem hebt es das Mindestniveau: Ihr neuester Agent antwortet eher wie Ihr bester. Der Wert liegt hier typischerweise beim Mehrfachen von Deflection, weil weit mehr Kontakte berührt werden und nicht nur die Kosten, sondern auch die Qualität steigt.

Schicht 3 – Resolution Intelligence (beheben, warum Kontakte entstehen)

Die KI liest den gesamten Kontaktstrom, um herauszufinden, warum Menschen sich melden, und speist diese Erkenntnisse vorgelagert ein, um die Ursache zu beseitigen. Wenn 8 % der Kontakte eine einzige verwirrende Rechnungsposition betreffen, ist die wertvollste Massnahme nicht ein besserer Bot für diese Frage – sondern eine korrigierte Rechnung, damit diese Kontakte gar nicht erst entstehen. Diese Schicht greift das Kontaktvolumen an der Quelle an und verbessert das Produkt, nicht nur dessen Support. Der Wert ist hier am grössten und am strategischsten, denn Nachfrage zu reduzieren schlägt Nachfrage zu bearbeiten.

Praxisbeispiel: Der dreischichtige Aufbau bei einem Energieversorger

Ein Energieversorger mit rund 120’000 Kontakten pro Monat startete, wie üblich, mit einem Deflection-Bot.

• Deflection: fing rund 18 % der Kontakte ab (Zählerstände, einfache Kontoanfragen). Einsparung ≈ CHF 1,1 Mio. pro Jahr. Real – und der Punkt, an dem die meisten den Sieg ausrufen würden.
• Assist: Antwortentwürfe, Zusammenfassungen und das Einblenden von Antworten für Agenten bei den verbleibenden 82 %. Durchschnittliche Bearbeitungszeit −19 %, Nachbearbeitungszeit −40 %, und die Streuung der Qualitätswerte zwischen neuen und erfahrenen Agenten verringerte sich deutlich. Wert ≈ CHF 3,4 Mio. pro Jahr durch Kapazitätsgewinn und kürzere Einarbeitung – etwa das Dreifache der Deflection-Schicht, und zwar bei Kontakten, die Deflection nie hätte erreichen können.
• Resolution Intelligence: Die Auswertung des Kontaktstroms zeigte, dass rund 11 % aller Kontakte auf zwei behebbare Ursachen zurückgingen – einen unklaren Rechnungsabschnitt und einen fehlerhaften Self-Service-Prozess zum Zurücksetzen des Passworts. Diese an der Quelle zu beheben, eliminierte Kontakte dauerhaft – geschätzter Wert CHF 2,6 Mio. pro Jahr mit steigender Tendenz, dazu eine messbare Verbesserung der Kundenzufriedenheit, denn der beste Kontakt ist jener, den der Kunde gar nie machen musste.

Gesamtwert rund das Sechsfache des reinen Deflection-Programms, das ursprünglich geplant war – und die Resolution-Schicht zahlte sich auch nach Projektende weiter aus, weil sie Nachfrage beseitigte, statt sie zu bearbeiten.

Die Lehre für die Reihenfolge: Deflection schuf Glaubwürdigkeit, Assist lieferte den Grossteil des wiederkehrenden Werts, und Resolution Intelligence machte aus einem reaktiven Betrieb einen präventiven. Jede Schicht nutzte die Daten und Integrationen, die die vorherige geschaffen hatte – so baute der Aufbau aufeinander auf, statt jedes Mal neu zu beginnen.

Warum die Schichten in dieser Reihenfolge gebaut werden müssen – und auf einem gemeinsamen Datenrückgrat

Die drei Schichten sind keine unabhängigen Produkte, die Sie à la carte auswählen können; sie sind eine Abfolge, die sich gegenseitig verstärkt – und dieser Effekt funktioniert nur, wenn Sie das Fundament einmal bauen. Deflection zwingt Sie, Ihre wichtigsten Intents zu erfassen und Ihre führenden Systeme anzubinden. Assist verwendet genau diese Intent-Modelle und Integrationen wieder, nun aber auf den Agenten statt auf den Kunden ausgerichtet. Resolution Intelligence nutzt den Kontaktstrom und die Intent-Taxonomie, die die ersten beiden Schichten bereits hervorgebracht haben. Bauen Sie sie auf getrennten Stacks, zahlen Sie die Integrationssteuer dreimal und erzielen keinerlei Verstärkungseffekt; bauen Sie sie auf einem gemeinsamen Datenrückgrat, wird jede Schicht günstiger als die vorherige.

Das ist auch der Grund, warum der direkte Sprung zur Resolution-Schicht selten funktioniert, obwohl sie die wertvollste ist. Ohne die Instrumentierung, die Deflection und Assist mitbringen – strukturierte Intents, saubere Transkripte, konsistentes Tagging –, ist der Kontaktstrom zu verrauscht, um ihn verlässlich auszuwerten. Die Reihenfolge ist keine bürokratische Vorsicht; jede Schicht erzeugt die Daten, die die nächste braucht. Der Fehler liegt darin, sie als Alternativen zu behandeln («Sollen wir einen Bot oder Analytics machen?») statt als Treppe, bei der jede Stufe die nächste verkürzt.

Eine organisatorische Warnung entscheidet darüber, ob die Resolution-Schicht überhaupt je Wirklichkeit wird: Sie ist die einzige Schicht, die sich ausserhalb des Contact Centers auszahlt. Die verwirrende Rechnung zu korrigieren, ist Sache der Finanzabteilung; den fehlerhaften Passwort-Prozess zu reparieren, ist Sache des Produktteams. Gehört das KI-Programm allein dem Support, haben die Resolution-Erkenntnisse keinen Adressaten und sterben still in einem Dashboard, auf das niemand reagiert. Die Unternehmen, die diese Schicht nutzen, geben ihr einen Executive Sponsor, der andere Bereiche mit den Korrekturen beauftragen kann – und so aus «Darum kontaktieren uns die Kunden» Änderungen macht, die die Nachfrage tatsächlich beseitigen. Ohne dieses Mandat erzeugen Sie die wertvollste Erkenntnis des ganzen Programms und sehen zu, wie sie verstaubt.

Stolperfallen

• Bei Deflection stehen bleiben. Die einfache Kennzahl ist der kleine Preis. Planen Sie Assist und Resolution von Anfang an ein.
• Übermässige Deflection. Kontakte abzufangen, die einen Menschen gebraucht hätten, erzeugt Rückrufe und Ärger; messen Sie die Lösung des Anliegens, nicht nur die Eindämmung.
• Assist, das Agenten bremst. Sind die Vorschläge verrauscht oder falsch, ignorieren die Agenten sie. Optimieren Sie auf Präzision und lassen Sie Agenten Vorschläge einfach verwerfen.
• Die Resolution-Schicht ignorieren, weil sie bereichsübergreifend ist. Ursachen zu beheben braucht Produkt und Operations, nicht nur das Contact Center – genau deshalb wird sie vernachlässigt, und genau deshalb ist sie so wertvoll.
• Kein gemeinsames Datenrückgrat. Jede Schicht auf eigener Infrastruktur zu bauen, verschenkt den Verstärkungseffekt; gestalten Sie das Datenfundament einmal.

Checkliste für die Entscheidung

1. Messen wir Lösungsquote und Rückrufe oder nur Deflection bzw. Containment?
2. Haben wir die Assist-Schicht für jene Kontakte geplant, die einen Menschen erfordern?
3. Werten wir den Kontaktstrom aus, um Ursachen zu finden und vorgelagert zu beheben?
4. Verbessert Assist Qualität und Konsistenz, nicht nur die Geschwindigkeit?
5. Gibt es ein gemeinsames Datenfundament, sodass jede Schicht auf der vorherigen aufbaut?
6. Liegt die Verantwortung für die Resolution-Schicht bereichsübergreifend bei Produkt und Operations, nicht nur beim Support?
7. Kennen wir den relativen Wert jeder Schicht für unseren eigenen Kontaktmix?

Die gridz-Sicht

Deflection ist der Punkt, an dem KI im Kundenservice beginnt – und der schlechteste, um aufzuhören. Der sich verstärkende Wert liegt darin, jeden menschlichen Kontakt besser zu machen (Assist) und die Gründe zu beseitigen, aus denen Kontakte überhaupt entstehen (Resolution Intelligence). Diese Schichten werden gerade deshalb zu wenig gebaut, weil sie schwerer zu messen sind und mehr Organisationsgrenzen überschreiten. Wir bauen alle drei auf einem gemeinsamen Datenrückgrat, in einer Reihenfolge, die sich selbst finanziert, damit das Programm sich weiter auszahlt, statt bei der ersten einfachen Kennzahl stehen zu bleiben.

Wenn Ihre KI im Kundenservice ein Deflection-Bot ist und nichts weiter, haben Sie das Fundament gebaut und sind im billigsten Stockwerk des Gebäudes stehen geblieben. Der nächste Schritt ist kein besserer Bot – sondern KI für die Agenten, die alles bearbeiten, was der Bot nicht konnte, und danach die Auswertung des Kontaktstroms nach den Gründen, warum diese Kontakte überhaupt existieren. In diesen beiden Schritten liegen die Vielfachen, und sie nutzen die Daten und Integrationen, für die Sie bereits bezahlt haben. Der beste Kontakt, den Ihre Kundin je hat, ist jener, den sie gar nie machen musste – und nur die Resolution-Schicht bringt Sie dorthin. Wenn Sie den nächsten Schritt planen wollen, sprechen Sie uns an.