Das Aktualisieren von Kontaktdaten, Präferenzen und Statuswerten in einem CRM nach einer Interaktion oder Änderung ist eine der Aufgaben, bei denen KI heute schon einen Großteil der Arbeit übernehmen kann. Nicht weil KI „intelligent“ genug ist, um Kunden zu verstehen, sondern weil die Aufgabe selbst wenig Interpretation verlangt. Eine Adressänderung, eine neue Telefonnummer, eine Statusänderung von Lead zu Kunde: das sind Felder, die ausgefüllt, nicht beurteilt werden.
Drei Achsen geben hier den Ausschlag: Strukturiertheit, Volumen und Fehlerkosten.
Die Strukturiertheit erzielt eine hohe Bewertung, weil ein CRM per Definition mit festen Feldern arbeitet. Ein Name, eine E-Mail-Adresse, eine Präferenzkategorie: das sind Daten mit einem festen Platz und einem festen Format. Es gibt keinen freien Text, der interpretiert werden muss, keinen Kontext, der abgewogen werden muss. Das macht die Aufgabe geeignet für regelbasierte Verarbeitung: wenn sich Feld X in Quelle Y ändert, aktualisiere Feld X in System Z.
Das Volumen ist ebenfalls hoch. Bei einem Unternehmen mit einem umfangreichen Kundenbestand geht es um zig bis hunderte Änderungen pro Tag, verteilt über einzelne, kleine Handlungen. Genau die Art von Arbeit, bei der ein wiederkehrendes, vorhersehbares Muster stärker wiegt als vereinzelte Ausnahmen. Hohes Volumen in Kombination mit hoher Strukturiertheit ist die Kombination, bei der sich Automatisierung am schnellsten amortisiert.
Die Fehlerkosten liegen im mittleren Bereich. Eine falsch aktualisierte Telefonnummer ist unangenehm, aber meist beim nächsten Kontaktmoment korrigierbar. Bei sensibleren Feldern, wie Zahlungspräferenzen oder Zustimmung zu Marketingkommunikation, wiegen Fehler schwerer. Das ist auch der Grund, warum Validierung kein überflüssiger Schritt ist, sondern eine Voraussetzung.
Beurteilungsspielraum und Kundenkontakt erzielen eine mittlere bis hohe Bewertung, und genau dort liegt die Nuance. Ein Teil der Statusänderungen ist eindeutig: ein Kunde zieht um, die Adresse ändert sich, fertig. Aber nicht jede Änderung ist so einfach. Wenn ein Kundenservicemitarbeiter nach einem Telefongespräch einschätzen muss, ob eine Beschwerde eine Statusänderung zu „Kündigungsrisiko“ rechtfertigt, ist das keine Feldeingabe mehr, sondern eine Beurteilung. Dieser Teil bleibt Menschenarbeit, oder er wird zumindest einem Mitarbeiter vorgelegt, der mit Begründung genehmigt oder ablehnt.
Bei einem Unternehmen mit einem einfachen Kundenprofil und wenigen Ausnahmen liegt der Anteil, den KI übernehmen kann, also höher als bei einem Unternehmen mit komplexen Kundenbeziehungen, vielen individuellen Absprachen oder sensiblen personenbezogenen Daten. Compliance spielt hier ebenfalls eine Rolle: je mehr ein Feld DSGVO-sensible Informationen oder vertragliche Absprachen betrifft, desto eher ist eine menschliche Kontrollschleife wünschenswert, bevor eine Änderung endgültig wird.
Die Technik, die bereits jetzt eingesetzt wird, ist vor allem RPA: Software, die nach festen Regeln Daten von einer Quelle in eine andere übernimmt, doppelte Datensätze meldet und Felder auf Basis eines festen Mappings ausfüllt. Das ist keine künstliche Intelligenz, die „versteht“, wer der Kunde ist, sondern automatisierte Verarbeitung strukturierter Eingaben.
Drei Rahmenbedingungen bestimmen, ob das funktioniert:
Fehlt eine dieser drei Voraussetzungen, verschiebt sich die Aufgabe zurück in Kategorie zwei: KI macht den Vorschlag, ein Mitarbeiter genehmigt oder lehnt ab.
Was sich jetzt ändert, ist nicht, dass Mitarbeiter überflüssig werden, sondern dass sich ihre Zeit von Eingabearbeit zu Kontrollarbeit verschiebt. Wo ein Mitarbeiter früher eine Adressänderung von Hand eintippte, beurteilt dieser Mitarbeiter jetzt eine Liste vorgeschlagener Änderungen und klickt auf Zustimmung oder Ablehnung. Das ist eine andere Aufgabe, mit einem anderen Zeitaufwand, nicht unbedingt weniger Arbeit, aber andere Arbeit.
Diese Verschiebung läuft parallel zu dem, was bei der Eingabe von Bestellungen ins System und bei der Kontrolle und Kommunikation des Bestellstatus geschieht: auch dort ist das Muster strukturierte Eingabe, hohes Volumen, begrenzte Fehlerkosten, mit Ausnahmen, die bei einem Menschen bleiben. Wer sich fragt, wie sich das zu anderen kundenorientierten Aufgaben verhält, findet eine vergleichbare Abwägung bei der Bereitstellung von Bestands- und Lieferzeitinformationen, wo dieselbe Spannung zwischen Geschwindigkeit und den Fällen besteht, die etwas mehr Erklärung erfordern. Und für wen die CRM-Arbeit vor allem als Teil eines breiteren Prozesses betrachtet, ist der Überblick über Arbeit in der Finanzabteilung ein guter Ausgangspunkt, weil Kunden- und Rechnungsdaten oft dieselben Quellsysteme teilen.
Ob und wie schnell dies innerhalb einer Organisation eingeführt wird, ist keine rein technische Frage. Personalkonsequenzen, die daraus eventuell folgen, fallen unter die eigenen gesetzlichen Anforderungen eines Arbeitgebers; dazu trifft diese Seite keine Aussage.
Diese Seite beschreibt eine Aufgabe isoliert. Das tatsächliche Bild entsteht erst, wenn diese Aufgabe neben den anderen Aufgaben innerhalb eines Unternehmens betrachtet wird: manche mit einem vergleichbaren Profil, andere völlig anders. Um davon einen ersten Eindruck zu bekommen, gibt es einen kostenlosen Quickscan: zwölf Fragen, ohne Konto, mit als Ergebnis eine Angabe, welcher Anteil der Stunden in diesem Profil heute durch KI übernommen werden kann. Der vollständige Werkscan, der die Arbeit eines Unternehmens in Aufgaben aufgliedert und pro Aufgabe auf FTE-Kapazität herunterrechnet, 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.