Kundenservice wird oft in einem Satz zusammengefasst: "das läuft doch alles über Chatbots." In der Praxis besteht die Abteilung aus Dutzenden Aufgaben, die wenig miteinander zu tun haben. Ein eingehender Anruf über eine abweichende Lieferung erfordert etwas anderes als das Eingeben einer Bestellung, und das Erstellen eines Angebots erfordert wiederum etwas anderes als die Bearbeitung einer Beschwerde. Unsere Taxonomie zählt 82 Aufgaben in diesem Bereich. Einige davon kann KI heute bereits größtenteils übernehmen, andere erfordern einen Mitarbeiter, der genehmigt oder ablehnt, und ein Teil bleibt Menschenwerk. Das Muster hinter dieser Aufteilung ist nützlicher als eine Liste von 82 einzelnen Zeilen.
Die Aufgaben, die sich am vollständigsten automatisieren lassen, haben zwei Merkmale gemeinsam: Sie sind hochfrequent, und die Antwort oder der nächste Schritt lässt sich größtenteils aus vorhandenen Daten ableiten. Bestellstatus prüfen und kommunizieren ist hierfür ein gutes Beispiel: Das System weiß bereits, wo sich eine Bestellung befindet, und die Aufgabe besteht faktisch darin, diese Information nachzuschlagen und einem Kunden verständlich zu machen. Auch das Führen von Livechat- und Chatbot-Gesprächen fällt größtenteils in diese Kategorie, insbesondere bei Standardfragen zu Öffnungszeiten, Rückgaberichtlinien oder häufig gestellten Produktfragen. Bestellungen ins System eingeben ist ein drittes Beispiel: Wenn die Eingabe aus einer klaren Kundenanfrage mit festen Feldern folgt, ist wenig Interpretation nötig und wenig Risiko bei einer falschen Wahl.
Was diese Aufgaben gemeinsam haben, ist, dass ein Fehler meist schnell sichtbar und behebbar ist und dass der Entscheidungsspielraum klein ist. Es gibt eine eindeutig richtige Antwort oder einen eindeutig nächsten Schritt, und dieser lässt sich automatisieren, ohne dass ständig ein Mensch mitschauen muss.
Ein großer Teil der Arbeit im Kundenservice befindet sich in einer Zwischenposition: KI kann den größten Teil der Arbeit erledigen, aber ein Mitarbeiter muss das Ergebnis genehmigen oder ablehnen, bevor es den Kunden erreicht oder ins System eingeht. Angebote erstellen ist hierfür ein sprechendes Beispiel. KI kann auf Basis der Kundenanfrage einen Preisvorschlag mit Produkten, Dienstleistungen und Konditionen zusammenstellen, aber die endgültige Marge, Ausnahmen und kundenspezifische Vereinbarungen erfordern in der Regel den Blick von jemandem, der die Kundenbeziehung kennt. Bestelländerungen verarbeiten fällt in dieselbe Kategorie: Das Durchführen einer Adressänderung ist trivial, aber eine Änderung, die Auswirkungen auf Lieferzeit, Preis oder Bestand in mehreren Systemen hat, erfordert einen Kontrollpunkt.
Beschwerden registrieren gehört ebenfalls hierher, allerdings eher auf der vorsichtigen Seite: Das Festhalten von Fakten kann KI gut, aber die Einschätzung, ob es sich um einen isolierten Vorfall oder ein Signal für ein strukturelles Problem handelt, ist etwas, das ein Mitarbeiter beurteilen muss, bevor die Registrierung weiter in der Organisation ihre Wirkung entfaltet. In all diesen Fällen besteht der Gewinn nicht darin, dass die Aufgabe verschwindet, sondern dass sich der Großteil der Arbeit von Ausführen zu Beurteilen verschiebt.
Beschwerden inhaltlich bearbeiten ist das deutlichste Beispiel für Arbeit, die Menschenwerk bleibt. Hier geht es nicht um das Befolgen eines Verfahrens, sondern um das Abwägen einer individuellen Situation, das Einschätzen, was ein Kunde braucht, um sich gehört zu fühlen, und das Treffen einer Entscheidung, die nicht aus einem Skript folgt. Offene Angebote nachverfolgen gehört teilweise auch hierzu: Das Versenden einer Erinnerung lässt sich automatisieren, aber das Gespräch, das folgt, wenn ein Kunde zweifelt oder verhandelt, erfordert jemanden, der umschalten kann. Auch komplexe Eskalationen in sozialen Medien, bei denen ein unzufriedener Kunde öffentlich reagiert und der Ton der Organisation auf dem Spiel steht, lassen sich nicht einem Modell überlassen, ohne dass Reputationsrisiko entsteht.
Der gemeinsame Nenner dieser Kategorie ist, dass die Aufgabe sich um Urteilsvermögen, Beziehung oder Unvorhersehbarkeit dreht und dass eine falsche Einschätzung sich nicht einfach mit einer nachträglichen Korrektur beheben lässt.
Wenn Sie diese drei Kategorien über die 82 Aufgaben legen, entsteht kein scharfer Schnitt zwischen "Front Office bleibt Mensch" und "Back Office wird KI". Die Aufteilung verläuft quer durch beide hindurch: Manche Front-Office-Aufgaben wie Livechat lassen sich gut automatisieren, während manche Back-Office-Aufgaben wie die Beurteilung einer ungewöhnlichen Bestelländerung Aufsicht erfordern. Die Frage lautet pro Aufgabe: Wie vorhersehbar ist das Ergebnis, und wie groß ist der Schaden bei einem Fehler?
Dieses Muster ist nicht einzigartig für den Kundenservice. Auch bei was kann KI im Großhandel übernehmen und bei welche Arbeit kann KI im Einkauf übernehmen liegt die Aufteilung zwischen den drei Kategorien weniger in der Funktionsbezeichnung und mehr in der Art der einzelnen Aufgabe. Wer nach Struktur sucht, tut also gut daran, pro Aufgabe zu schauen und nicht pro Abteilung oder Rolle zu verallgemeinern.
Eine letzte Anmerkung: Wenn diese Ergebnisse in einem Gespräch über Personalstärke oder Funktionen verwendet werden, gelten dafür eigene gesetzliche Anforderungen, denen diese Seite nichts hinzufügt oder entnimmt. Dieser Überblick beschreibt Aufgaben, keine Personalentscheidungen.
Um zu sehen, wie sich diese Aufteilung für Ihren eigenen Kundenservice auswirkt, ist es wenig sinnvoll, anhand von Funktionsbezeichnungen zu raten. Das Verhältnis zwischen den drei Kategorien hängt von der Mischung der Aufgaben ab, die Ihre Mitarbeiter tatsächlich ausführen, von den dazugehörigen Systemen und von der Komplexität Ihrer Kundenanfragen. Ftetoai bietet dafür einen kostenlosen Quickscan: zwölf Fragen, ohne Konto, mit dem Ergebnis einer Indikation, welcher Teil der Stunden in Ihrem Profil heute von KI übernommen werden kann. Der vollständige Arbeitsscan, der tiefer auf einzelne Aufgaben eingeht, befindet sich noch im Aufbau; diesen bieten wir hier bewusst nicht an, bevor er fertig ist.
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.