Warum KI im Kundenservice selten am Modell scheitert

Die meisten Assistenten im Kundenservice arbeiten heute nach demselben Prinzip. Bei einer Anfrage sucht das System zuerst passende Textstellen in den hinterlegten Dokumenten. Erst dann formuliert das Sprachmodell daraus eine Antwort. Fachleute nennen das Retrieval-Augmented Generation, kurz RAG: Das Modell antwortet nicht aus eigenem Wissen, sondern aus dem, was man ihm vorlegt.

Daraus folgt eine unbequeme Kette. Findet die Suche nichts Passendes, füllt das Modell die Lücke mit einer plausibel klingenden Vermutung. Findet sie zwei widersprüchliche Stellen, wählt es eine davon oder mischt beide. Findet sie eine veraltete Seite, gibt es den alten Stand freundlich und überzeugt weiter. Der Kunde erkennt keinen Unterschied, weil richtige und falsche Antworten gleich sicher klingen.

Ein stärkeres Modell ändert daran wenig. Es formuliert eleganter und versteht verschachtelte Fragen besser. Eine Regel, die nirgends steht, kann es trotzdem nicht kennen. Wer die Qualität der Antworten verbessern will, muss deshalb zuerst an den Quellen arbeiten.

Was eine Wissensbasis enthalten muss

Eine Wissensbasis ist die Sammlung von Texten, aus denen der Assistent seine Antworten zieht. In kleinen Unternehmen liegt sie selten an einem Ort. Ein Teil steht auf der Website, ein Teil in alten E-Mails, ein Teil nur im Kopf der Person, die seit Jahren das Postfach betreut. Für einen verlässlichen Einsatz braucht es mindestens vier Arten von Inhalten.

Fakten mit Gültigkeit. Lieferzeiten, Versandkosten, Rückgabefristen und Zahlungsarten bilden den Kern. Jede dieser Angaben braucht ein Datum, ab dem sie gilt, und eine Person, die sie bestätigt hat. Ohne Datum lässt sich später nicht erkennen, welche von zwei Versionen die richtige ist.

Abläufe statt Absichtserklärungen. Ein Satz wie „Reklamationen bearbeiten wir schnell“ hilft keinem Kunden. Hilfreich ist, was er konkret tun soll: welche Angaben er schickt, an welche Adresse und was danach passiert.

Ausnahmen. Gerade sie fehlen fast immer. Was bei Sonderanfertigungen, Lieferungen ins Ausland oder reduzierter Ware gilt, steht selten irgendwo geschrieben. Genau diese Fälle landen aber besonders oft im Postfach, weil die Standardantwort auf der Website sie nicht abdeckt.

Grenzen. Die Wissensbasis braucht auch Aussagen darüber, was der Assistent nicht beantworten soll. Dazu gehören Fragen zu Gesundheit, zu rechtlichen Ansprüchen oder zu individuellen Konditionen. Ein Satz wie „Dazu kann ich keine verbindliche Auskunft geben, ich leite Sie weiter“ ist hier die richtige Antwort.

Warum gute Hilfeseiten nicht ausreichen

Naheliegend ist, einfach die bestehende FAQ-Seite hochzuladen. Das funktioniert schlechter als erwartet. Hilfeseiten sind für Menschen geschrieben, die eine ganze Seite überfliegen und den Zusammenhang selbst herstellen. Ein Assistent bekommt dagegen nur einzelne Abschnitte zu sehen, herausgelöst aus ihrem Umfeld.

Ein Beispiel zeigt den Mechanismus. Auf der Versandseite steht unter der Überschrift zum Ausland der Satz „Hier gelten 14 Tage“. Für einen Leser ist klar, dass es um Rücksendungen aus dem Ausland geht. Landet der Satz ohne Überschrift beim Modell, kann er als allgemeine Frist missverstanden werden. Jeder Abschnitt sollte deshalb für sich allein verständlich sein und seinen Gegenstand selbst nennen.

Hinzu kommt, dass gut lesbare Texte oft bewusst unscharf bleiben. Formulierungen wie „in der Regel“ oder „meist innerhalb weniger Tage“ sind auf einer Website vertretbar. Ein Assistent macht daraus eine Zusage, und der Kunde versteht sie als Versprechen.

Für die Wissensbasis lohnt es sich, solche Stellen durch klare Werte und klare Bedingungen zu ersetzen. Das läuft gegen die Intuition vieler Teams: Die Texte werden dadurch nicht eleganter, sondern trockener. Genau das ist gewollt, denn die Wissensbasis ist Arbeitsmaterial für eine Maschine, kein Werbetext.

Wer die Antworten pflegt, ist eine Organisationsfrage

Eine Wissensbasis veraltet schneller, als die meisten Teams erwarten. Eine neue Versandart, eine geänderte Frist, ein auslaufendes Produkt: Jede dieser Änderungen betrifft auch die Antworten des Assistenten. Wird sie dort nicht nachgezogen, beantwortet er Fragen mit dem Stand von gestern.

Eine Zuständigkeit pro Themenbereich. Versand, Rückgabe, Produktinformationen und Zahlungen gehören jeweils einer namentlich benannten Person. Sie entscheidet, welche Fassung gilt, und löscht die alte. Wenn alle für alles zuständig sind, korrigiert niemand den Widerspruch zwischen zwei Seiten.

Änderungen an der Quelle, nicht im Assistenten. Die Wissensbasis sollte aus denselben Daten gespeist werden, die auch Website und Shop nutzen. Sonst existieren bald zwei Wahrheiten. Für Produktangaben beginnt die Pflege deshalb bei den Produktdaten selbst, wie im Artikel zum Produktdatenmanagement beschrieben.

Ein fester Prüftermin. Selbst bei klaren Zuständigkeiten gerät etwas in Vergessenheit. Ein regelmäßiger Durchgang durch die Wissensbasis, etwa einmal im Quartal, fängt das auf. Ein prüfbares Merkmal: Jede Seite trägt das Datum ihrer letzten Bestätigung. Seiten ohne Datum sind verdächtig.

Eskalationsregeln: wann die KI abgeben muss

Der heikelste Teil ist nicht die Antwort, sondern der Moment, in dem der Assistent keine geben sollte. Ohne klare Regel versucht er es trotzdem. Eskalation bedeutet hier, dass eine Anfrage an einen Menschen übergeben wird, und zwar mit dem bisherigen Gesprächsverlauf.

Inhaltliche Auslöser. Beschwerden über Schäden, Hinweise auf Unverträglichkeiten, rechtliche Forderungen und Bitten um Kulanz gehören dazu. Hier entscheidet ein Mensch, weil die Antwort Folgen hat, die jemand verantworten muss.

Situative Auslöser. Ein Kunde fragt zum zweiten Mal dasselbe, schreibt sichtbar verärgert oder verlangt ausdrücklich eine Person. In solchen Fällen schadet jede weitere automatische Antwort mehr, als sie nützt.

Ein Ziel für die Übergabe. Die Regel ist nur so gut wie der Ort, an dem die Anfrage landet. Sie braucht ein Postfach oder eine Ticket-Ansicht, die jemand tatsächlich liest, und eine Zusage, bis wann der Kunde eine Antwort bekommt. Ein Assistent, der „Ich leite Sie weiter“ sagt, nach dem drei Tage nichts passiert, beschädigt das Vertrauen stärker als gar kein Assistent.

Wann sich KI im Kundenservice nicht lohnt

Nicht jedes Unternehmen profitiert von einem Assistenten. Ob er sich lohnt, hängt weniger von der Technik ab als von der Art der Anfragen und den verfügbaren Personen.

Wenige Anfragen. Wer pro Woche eine Handvoll Nachrichten beantwortet, gewinnt kaum Zeit. Aufbau und Pflege der Wissensbasis kosten mehr, als der Assistent einspart. Eine gute Hilfeseite und einige Textbausteine leisten hier dasselbe.

Fast nur Einzelfälle. Manche Anfragen gleichen sich kaum: individuelle Beratung, Sonderanfertigungen, komplexe Abstimmungen mit Geschäftskunden. Wo kaum eine Antwort zweimal passt, findet der Assistent selten etwas Brauchbares und eskaliert fast alles.

Niemand für die Pflege. Wenn keiner Zeit hat, die Wissensbasis aktuell zu halten, wird der Assistent mit jedem Monat schlechter. Er fällt dabei nicht aus, sondern gibt still falsche Auskünfte. Das ist schwerer zu bemerken als ein Ausfall.

Hohe Kosten eines Fehlers. Wo eine falsche Auskunft rechtliche oder gesundheitliche Folgen haben kann, bleibt der Spielraum klein. Ein Assistent kann dort Anfragen sortieren und Informationen vorbereiten. Die Antwort selbst sollte ein Mensch geben.

Wie man prüft, ob die Vorarbeit reicht

Ein belastbarer Test braucht kein neues Tool, sondern echte Anfragen aus der Vergangenheit. Sammeln Sie fünfzig bis hundert Nachrichten aus den letzten Monaten, quer durch alle Themen. Nehmen Sie bewusst die unangenehmen Fälle dazu.

Für jede Anfrage beantwortet das Team eine einfache Frage: Steht die richtige Antwort eindeutig in der Wissensbasis, ja oder nein. Wo sie fehlt, sich widerspricht oder nur im Kopf einer Person existiert, ist die Wissensbasis noch nicht bereit. Diese Prüfung kommt ganz ohne KI aus. Sie ist oft aufschlussreicher als jeder Probelauf.

Erst danach lohnt ein Test mit dem Assistenten selbst, zunächst nur intern. Das Team stellt die gesammelten Fragen, vergleicht die Antworten mit der Wissensbasis und notiert, wo der Assistent rät, statt zu zitieren. Erst wenn sich die Fehler auf wenige, bekannte Lücken beschränken, geht er vor Kunden.

Nach dem Start beginnt die Pflege

Ein Assistent im Kundenservice ist kein abgeschlossenes Projekt. Jede Anfrage, die er nicht beantworten kann oder weitergeben muss, zeigt eine Lücke in der Wissensbasis. Wer diese Fälle regelmäßig auswertet, verbessert die Quellen Schritt für Schritt und damit auch die Antworten.

Wie wir bestehende KI-Systeme und ihre Wissensbasis im laufenden Betrieb betreuen, beschreiben wir unter AI Operations Care.