Ein Mitarbeiter versteht etwas in einem Softwarepaket nicht und stellt eine Frage. Keine Störung, kein defektes System, nur Unklarheit über die Nutzung. Diese Arbeit landet heute beim Servicedesk oder beim funktionalen Management, meist über ein Ticketsystem, manchmal per Telefon oder einfach am Schreibtisch des Kollegen, der „ja doch alles weiß“ über dieses eine Paket.
Die Frage, die hier vorliegt, ist nicht, ob diese Arbeit lästig oder wertvoll ist. Die Frage ist: Fällt das Muster dieser Aufgabe zusammen mit dem, was KI heute mit Text bewältigen kann.
Drei Achsen geben hier den Ausschlag: Volumen, Kundenkontakt und Strukturiertheit.
Das Volumen ist hoch. Dieselben Fragen kommen immer wieder zurück, von verschiedenen Menschen: Wie exportiere ich diesen Bericht, wo finde ich diese Einstellung, warum bekomme ich diese Fehlermeldung. Dieser sich wiederholende Charakter ist genau das, worauf Automatisierung basiert: Eine Aufgabe, die hundertmal identisch vorkommt, ist eine andere Aufgabe als eine, die einmal vorkommt und jedes Mal anders ist.
Der Kundenkontakt ist begrenzt. Der Fragesteller ist ein Kollege, kein externer Kunde, mit dem eine Beziehung gepflegt werden muss. Es ist weniger Zurückhaltung nötig, um eine Antwort direkt und ohne Umschweife zu geben, und weniger Risiko, dass eine weniger flüssige Antwort als unprofessionell erlebt wird.
Die Strukturiertheit ist hoch. Die Frage hat oft eine feste Form („wie mache ich X in System Y“) und die Antwort steht, in den meisten Organisationen, bereits irgendwo: in einem Handbuch, einer Wissensdatenbank, alten Tickets. KI muss hier nichts Neues erfinden, sondern etwas Bestehendes wiederfinden und auf die Situation des Fragestellers umformulieren.
Hinzu kommt, dass Fehlerkosten und Compliance günstig ausfallen. Eine falsche Antwort über eine Exportschaltfläche führt selten zu Schaden, und es besteht in der Regel keine gesetzliche Verpflichtung, die vorschreibt, dass diese Antwort nur von einem Menschen gegeben werden darf. Physische Handlungen sind nicht erforderlich: Dies ist eine reine Sprach- und Wissensaufgabe, was die Bewertung auf dieser Achse erklärt.
Kreativität schneidet niedrig ab, und genau dort liegt die Grenze. Eine Frage, die außerhalb der Standardmuster liegt — eine ungewöhnliche Kombination von Einstellungen, ein Problem, das eigentlich drei Systeme betrifft, ein Nutzer, der selbst nicht gut in Worte fassen kann, was schiefgeht — erfordert jemanden, der nachfragen und vom Skript abweichen kann. Der Beurteilungsspielraum schneidet daher mittelmäßig ab: Ein Teil der Fragen ist eindeutig zu beantworten, ein anderer Teil erfordert eine Einschätzung, was der Fragesteller eigentlich meint.
Dies ist also keine vollständige Übernahme. Es ist eine Aufteilung: Die Fragen, die häufig vorkommen und eine feste Antwort haben, sind aussichtsreich für KI, mit — wo nötig — einem Mitarbeiter, der die Antwort prüft, bevor sie hinausgeht. Die Fragen, die abweichen, bleiben Menschenarbeit, nicht weil KI diese Arbeit nicht machen wollte, sondern weil das Muster dafür nicht geeignet ist.
Dies funktioniert nur, wenn das zugrunde liegende Wissen in Ordnung ist. Eine aktuelle Wissensdatenbank und gut strukturierte FAQs sind keine Nebensache, sie sind die Voraussetzung. Ein KI-System, das auf Basis eines drei Versionen alten Handbuchs antwortet, gibt falsche Antworten mit ebenso viel Bestimmtheit wie richtige. Unternehmen, in denen die Dokumentation zersplittert ist, in den Köpfen einzelner Mitarbeiter steckt oder nie gepflegt wurde, werden dieses Muster nicht sofort nutzen können — nicht weil die Aufgabe anders ist, sondern weil die Randbedingung fehlt.
Bei einer Organisation mit einem einzigen, einfachen, stabilen Softwarepaket und einer kleinen, erfahrenen Nutzergruppe ist der Anteil der Fragen, die per KI beantwortet werden können, wahrscheinlich groß: wenig Variation, viel Wiederholung. Bei einer Organisation mit Dutzenden Systemen, viel Maßarbeit und regelmäßig wechselnden Mitarbeitern liegt das anders: mehr Variation, mehr Fragen, die knapp außerhalb des Standardmusters liegen, und somit ein größerer Anteil, der bei einem Menschen bleibt.
Diese Aufgabe steht auch nicht losgelöst vom Rest des Servicedesks. Wer sich ansieht, wie KI Vorfälle registrieren und priorisieren kann oder wie eine Störung an Nutzer kommuniziert wird, sieht ein vergleichbares Muster von Wiederholung und Struktur, mit jeweils leicht anderen Ergebnissen pro Achse. Einen breiteren Überblick darüber, wozu das für den Kundenservice als Ganzes führt, gibt es unter welche Arbeit kann KI im Kundenservice übernehmen.
In Unternehmen, in denen dies bereits eingerichtet ist, sieht der Servicedesk weniger Wiederholungsfragen bei Menschen eingehen und mehr Zeit übrig für die Fragen, die tatsächlich Nachfragen erfordern. Das ist kein Zukunftsbild: Es passiert heute schon, in Teilen, bei Organisationen mit einer Wissensdatenbank, die in Ordnung ist. Bei anderen Organisationen passiert es noch nicht, einfach weil die Grundlage dafür noch fehlt.
Was eine Organisation mit den freigespielten Stunden macht — eine andere Rollenverteilung, eine andere Aufgabenverteilung — ist eine Entscheidung, die der Organisation selbst zusteht und für die eigene gesetzliche Anforderungen gelten; das ist keine Frage, die mit einer Aufgabenanalyse zu beantworten ist.
Um zu sehen, wie sich dieses Muster in Ihrer eigenen Situation auswirkt, ist eine Einschätzung über den kostenlosen Quickscan zu erhalten: zwölf Fragen, ohne Konto, mit einer Einschätzung, welcher Teil der Stunden in Ihrem Profil heute von KI übernommen werden kann. Der vollständige Arbeitsscan, der die Arbeit eines ganzen Unternehmens in Aufgaben aufgliedert, befindet sich noch im Aufbau.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.