Zündstoff · 26.05.2026 · Sandra Gnoth und Roland Schmidkunz

KI ohne Business Value ist ein Experiment

Pilotprojekte beweisen, dass die Technik funktioniert. Den Nachweis, dass sie dem Unternehmen nützt, bleiben die meisten schuldig.

Gespräch vereinbaren Alle Impulse

Zeitgeist Beratungsmanufaktur – KI mit Business Value

Der Ausgangspunkt

Dass es geht, ist noch kein Grund, es zu tun

In fast jedem Serviceunternehmen läuft inzwischen ein KI-Vorhaben. Ein Assistenzsystem beantwortet Standardanfragen, ein Modell schlägt Antworttexte vor, eine Analyse sortiert eingehende Kontakte. Die Demonstration gelingt, die Beteiligten sind beeindruckt — und dann bleibt das Vorhaben stehen. Nicht, weil die Technik versagt, sondern weil niemand sagen kann, was sich durch sie im Geschäft verändert hat.

Der Unterschied zwischen einem Piloten und einem Projekt ist keine Frage der Größe. Ein Projekt hat eine Wertfrage: Welche Kennzahl, welcher Kostenblock, welches Kundenerlebnis soll anders aussehen als heute, und woran werden wir das erkennen? Wer diese Frage erst nach dem Piloten stellt, hat den Piloten ohne Maßstab gebaut.

Wir halten KI im Kundenservice für eine der wenigen Entwicklungen, die Serviceorganisationen in den kommenden Jahren strukturell verändern werden. Genau deshalb lohnt es sich, sie nicht als Technologieprojekt zu behandeln, sondern als das, was sie ist: eine Entscheidung über Arbeitsteilung zwischen Mensch und System.

Vier Gründe, warum KI-Vorhaben im Service stecken bleiben

Die Muster wiederholen sich — unabhängig von Branche, Anbieter und Modellgeneration.

Der Use Case ist ein Technikwunsch

Das Vorhaben startet mit dem Werkzeug, nicht mit dem Problem. Gesucht wird ein Einsatzort für ein bereits ausgewähltes System, statt zuerst zu klären, welche Aufgabe im Servicealltag heute zu teuer, zu langsam oder zu fehleranfällig erledigt wird. Ein solcher Use Case lässt sich vorführen, aber nicht begründen.

Die Datengrundlage wird zu spät geprüft

Modelle arbeiten mit dem, was die Organisation über ihre Kunden und ihre Prozesse tatsächlich dokumentiert hat. Sind Kontaktgründe uneinheitlich erfasst, Wissensdatenbanken veraltet oder Fallabschlüsse nicht auswertbar, produziert das System plausible Antworten auf unsauberer Basis. Diese Prüfung gehört an den Anfang, nicht in die Fehlerliste nach dem Go-live.

Niemand hat definiert, was besser werden soll

Ohne Ausgangsmessung gibt es keinen Vergleich. Wer Bearbeitungszeiten, Lösungsquoten im Erstkontakt und Nacharbeitsaufwand nicht vor dem Piloten kennt, kann den Effekt danach nur behaupten. Der Wertbeitrag wird dann zur Interpretationsfrage — und verliert jede Diskussion gegen das nächste Budgetthema.

Der Betrieb ist nicht mitgedacht

Ein KI-gestützter Service braucht Verantwortliche für Inhalte, für Qualitätssicherung der Ausgaben und für den Umgang mit Fällen, die das System abgibt. Wo diese Rollen fehlen, fällt die Lösung nach wenigen Wochen auf das Niveau ihrer letzten Pflege zurück.

Ein Pilot ohne definierten Wertbeitrag ist kein Projekt. Er ist ein Versuchsaufbau — und sollte auch so heißen.

Die Frage lautet nicht, ob KI im Kundenservice funktioniert. Sie lautet, welche Aufgabe sie in Ihrem Service übernehmen soll und woran Sie in sechs Monaten erkennen, dass die Entscheidung richtig war.

Zeitgeist Beratungsmanufaktur – KI im Kundenservice

KI im Kundenservice beginnt vor dem Kundenkontakt

Die sichtbare Anwendung — der Chat, der Antwortvorschlag, die automatische Klassifizierung — ist das Ende einer Kette. Davor liegen Entscheidungen darüber, welche Anliegen überhaupt automatisiert beantwortet werden sollen, welche bewusst beim Menschen bleiben und wie der Übergang zwischen beidem aussieht.

Genau dieser Übergang entscheidet über die Kundenwahrnehmung. Ein System, das einen Fall sauber und ohne Wiederholung an einen Mitarbeiter übergibt, wirkt kompetent. Eines, das den Kunden dieselbe Frage zum dritten Mal beantworten lässt, beschädigt das Serviceversprechen schneller, als jede Effizienzrechnung es wieder einspielt.

Drei Anforderungen an jeden Use Case

Eine aktuelle MIT-Studie kommt zu einem ernüchternden Ergebnis: Standalone-KI-Lösungen erzeugen in Unternehmen häufig keinen messbaren Return on Investment. Wer KI im Kundenservice ernsthaft einsetzen will, prüft jeden Use Case deshalb an drei Bedingungen.

Spürbarer Mehrwert — nicht nur technischer Charme

Ein guter Use Case löst ein echtes Problem. Die entscheidende Frage lautet nicht „Ist das technisch möglich?“, sondern: Verändert das unsere Kosten-, Qualitäts- oder Produktivitätsstruktur messbar? Wo diese Antwort ausbleibt, bleibt das Vorhaben ein Innovationsprojekt statt ein strategischer Hebel.

Transparenz und Kennzahlen

Wenn sich nicht sauber messen lässt, was sich verändert, lässt sich auch kein ROI belegen. Geeignet sind Prozessbereiche, in denen ein Vorher-Nachher-Vergleich möglich ist. Alles andere bleibt subjektive Wahrnehmung — und verliert jede Diskussion gegen das nächste Budgetthema.

Häufung und Volumen

KI lohnt sich nicht für Einzelfälle, sondern für Wiederholung. Zehn Sekunden Zeitersparnis wirken unbedeutend; bei 40.000 Vorgängen im Monat sind es plötzlich hunderte Stunden. Der Business Case entsteht nicht durch Innovation, sondern durch Skalierung.

Vom Piloten zum Wertbeitrag

Fünf Schritte, mit denen sich ein KI-Vorhaben im Service so aufsetzen lässt, dass am Ende eine belastbare Aussage steht.

01
Wertfrage stellen
Bevor über Systeme gesprochen wird, wird der erwartete Nutzen benannt: geringere Bearbeitungszeit, höhere Lösungsquote im Erstkontakt, entlastete Spezialisten, kürzere Wartezeiten in Spitzenlast. Ein Vorhaben ohne benannten Nutzen ist ein Versuchsaufbau — das darf es sein, dann aber bewusst und mit eigenem Budgetrahmen.
02
Use Case schneiden
Wir wählen Anliegen aus, die häufig auftreten, klar abgrenzbar sind und deren richtige Antwort überprüfbar ist. Diese drei Bedingungen zusammen entscheiden darüber, ob ein Pilot aussagekräftig wird. Fällt eine davon weg, misst man am Ende Zufall.
03
Datengrundlage und Prozess prüfen
Kontaktgründe, Wissensbestände, Systembrüche und Verantwortlichkeiten kommen auf den Tisch. Häufig zeigt sich hier, dass der größte Hebel gar nicht im Modell liegt, sondern in der Ordnung dessen, womit das Modell arbeiten soll.
04
Pilot mit Messpunkt
Der Pilot bekommt eine Ausgangsmessung, einen definierten Zeitraum und eine Vergleichsgruppe. Qualität wird dabei nicht nur technisch bewertet, sondern aus Sicht der Kunden und der Mitarbeiter, die mit den Ausgaben arbeiten müssen.
05
Skalierung und Betrieb
Erst wenn der Wertbeitrag belegt ist, wird ausgerollt — zusammen mit Rollen für Pflege, Qualitätssicherung und Eskalation. Ohne diesen Teil ist die Skalierung nur eine Vervielfältigung des Pilotrisikos.

Fragen, die uns dazu regelmäßig gestellt werden

Nein. Ein laufender Pilot liefert Erfahrung mit dem Werkzeug und mit der eigenen Datenlage — das ist bares Wissen. Was meist fehlt, ist die nachträgliche Verankerung: eine Ausgangsmessung rekonstruieren, den Use Case schärfer schneiden und den Zeitraum definieren, in dem die Wirkung nachgewiesen werden soll.

Ihren KI-Fall einmal ohne Anbieterbrille durchsprechen

Sandra Gnoth und Roland Schmidkunz nehmen sich die Zeit, Ihre Ausgangslage, den geplanten Use Case und die Messbarkeit gemeinsam mit Ihnen durchzugehen. Winterhuder Weg 29, Hamburg — oder am Telefon.

Gespräch vereinbaren