Zündstoff · 15.04.2026 · Sandra Gnoth und Roland Schmidkunz
Vier Hebel für KI
Kaum ein Thema wird im Kundenmanagement so schnell beschlossen und so selten zu Ende gedacht. Wir sortieren, an welchen vier Stellen Künstliche Intelligenz im Service wirklich etwas bewegt — und woran sie regelmäßig scheitert.
Ausgangslage
KI ist keine Anschaffung, sondern eine Entscheidung über Arbeit
In fast jedem Gespräch, das wir derzeit mit Service-Verantwortlichen führen, steht die Technologie am Anfang: ein Werkzeug ist gesehen, eine Demo hat überzeugt, ein Budget ist reserviert. Die Frage, welche Arbeit damit anders werden soll, kommt erst danach. Genau diese Reihenfolge ist der Grund, warum viele KI-Initiativen nach dem Piloten stehen bleiben.
Künstliche Intelligenz verändert nicht einzelne Klicks, sondern die Verteilung von Aufgaben zwischen Mensch, System und Kunde. Wer sie einführt, entscheidet damit über Zuständigkeiten, über Qualifikationsprofile und über das, was im Kundenkontakt künftig noch persönlich verhandelt wird. Das ist eine Führungsentscheidung und keine Beschaffung.
Wir prüfen deshalb in Projekten nicht zuerst Anbieter, sondern Hebel. Vier davon tauchen so verlässlich auf, dass wir sie hier ausführen — mit dem, was sie voraussetzen, und mit dem, was sie kosten, wenn man sie überspringt.
Die vier Hebel
Keiner der vier wirkt allein. Sie greifen ineinander — und jeder einzelne setzt voraus, dass der vorhergehende sauber gelöst ist.
Hebel 1 — Planung vor Automatisierung
Bevor ein Dialog automatisiert wird, muss klar sein, wie viel Kontakt wann und warum entsteht. Wer Volumenverläufe, Anlassstrukturen und Bearbeitungszeiten nicht sauber kennt, automatisiert im Zweifel den falschen Vorgang und entlastet eine Spitze, die es gar nicht gibt. Intelligente Planung ist der unspektakulärste und zugleich wirksamste Einstieg: Sie schafft die Datengrundlage, an der sich jeder spätere KI-Einsatz messen lassen muss. In unseren Projekten beginnt die KI-Diskussion deshalb fast immer im Forecast und in der Einsatzsteuerung.
Hebel 2 — Assistenz statt Ersatz im Kundenkontakt
Der größte kurzfristige Effekt entsteht selten dort, wo KI den Menschen ersetzt, sondern dort, wo sie ihm während des Gesprächs zuarbeitet: Vorgangshistorie zusammenfassen, Antwortvorschläge formulieren, Nachbearbeitung übernehmen. Das verkürzt nicht nur Zeiten, es senkt die kognitive Last der Mitarbeitenden spürbar. Voraussetzung ist, dass die Vorschläge im Zweifel überschrieben werden dürfen und dass niemand für die Abweichung erklärungspflichtig wird. Assistenz, die faktisch verpflichtend ist, ist keine Assistenz.
Hebel 3 — Wissen, das gepflegt wird
Jedes Sprachmodell antwortet nur so gut, wie die Inhalte sind, auf die es zugreift. Veraltete Arbeitsanweisungen, drei konkurrierende Wissensdatenbanken und Regelwerke, die nur im Kopf erfahrener Kolleginnen existieren, werden durch KI nicht besser — sie werden schneller verbreitet. Wir behandeln Wissensmanagement deshalb nicht als Nebenschauplatz, sondern als eigenständiges Arbeitspaket mit klarer Verantwortung, Aktualisierungsrhythmus und Freigabelogik. Ohne diesen Hebel bleibt jeder Assistenzeinsatz ein Risiko.
Hebel 4 — Businessvalue statt Kennzahlenrausch
KI-Projekte produzieren mühelos beeindruckende Zahlen: Automatisierungsquoten, eingesparte Sekunden, bearbeitete Vorgänge. Ob das Unternehmen davon etwas hat, steht auf einem anderen Blatt. Wir bestehen darauf, vor dem Start zu definieren, welche Größe sich verändern soll — Wiederkontaktquote, Lösung im Erstkontakt, Abwanderung, Kosten je gelöstem Anliegen — und wie diese Größe vorher aussah. Wer das nicht tut, verhandelt am Ende über Dashboards statt über Wirkung.
KI macht gute Prozesse schneller. Und schlechte Prozesse schneller sichtbar.
Deshalb ist der erste Arbeitsschritt in unseren Projekten keine Technologieauswahl, sondern eine ehrliche Bestandsaufnahme dessen, was im Kundenkontakt heute tatsächlich passiert.
KI-Readyness: vier Voraussetzungen vor dem ersten Hebel
KI macht gute Strukturen besser und schlechte Strukturen schneller sichtbar. Business Value × Prozessreife × Datenqualität × Mitarbeiterbegleitung — fällt einer dieser Faktoren aus, fällt das Ergebnis mit ihm.
Prozess-Readyness
Automatisieren Sie kein Chaos. Der Denkfehler „Wir starten mit KI, die Prozesse ziehen wir später nach“ funktioniert nicht: Sind Abläufe nicht klar definiert, multipliziert die Technik genau diese Schwächen. Die Frage vor jedem Start lautet, ob ein Prozess stabil genug ist, um vervielfältigt zu werden.
Mitarbeitende vorbereiten
Viele Führungskräfte gehen davon aus, dass Teams KI von selbst nutzen, weil sie ChatGPT privat kennen. Im Unternehmenskontext stellen sich andere Fragen. Ohne Leitplanken, Transparenz und Einbindung entsteht kein Produktivitätsgewinn, sondern Widerstand oder Passivität.
Datenqualität
Der stille Engpass. In der Theorie wird das System angeschlossen und erzeugt Mehrwert; in der Praxis kann KI nur so gut sein wie das Fundament, auf dem sie arbeitet. Wird Datenqualität nicht strategisch verantwortet, bleibt KI ein Spielzeug statt ein Produktivitätshebel.
Business Value
Der größte Fehler ist, mit Tools zu starten statt mit Wirkung. Welches Problem lösen wir konkret, welcher KPI soll sich messbar verändern, in welchem Prozess entsteht der Hebel? Diese drei Fragen entscheiden darüber, ob am Ende ein ROI steht.
Der Widerstand kommt selten von der Technik
Wenn eine KI-Einführung stockt, liegt es in unserer Erfahrung fast nie am Modell. Es liegt daran, dass Mitarbeitende nicht wissen, ob das Werkzeug sie unterstützen oder bewerten soll. Diese Frage beantwortet keine Schulungsfolie, sondern die Führungskraft — früh, klar und im Zweifel mehrfach.
Ebenso wichtig ist die Frage, was mit der gewonnenen Zeit geschieht. Wird sie sofort in zusätzliches Volumen umgewandelt, hat das Team aus der Automatisierung nichts als Verdichtung gewonnen und wird die nächste Initiative entsprechend begleiten. Wird sie in schwierige Fälle, in Qualität und in Rückrufe investiert, entsteht der Effekt, wegen dem das Ganze begonnen wurde.
So gehen wir eine Einführung an
Vier Schritte, die wir in KI-Vorhaben durchgängig anwenden. Sie unterscheiden sich bewusst nicht von unserem übrigen Vorgehen — KI ist kein Sonderfall der Beratung.
- 01
Anlässe verstehen
Wir sortieren das Kontaktaufkommen nach Anlass, nicht nach Kanal. Erst wenn sichtbar ist, welche Anliegen wiederkehren, welche Rückfragen erzeugen und welche gar nicht erst entstehen müssten, lässt sich sinnvoll entscheiden, wo Automatisierung hilft und wo sie Ärger produziert.
- 02
Einen Hebel wählen
Wir empfehlen, mit einem einzigen der vier Hebel zu beginnen und ihn bis zur Wirkung zu führen. Parallelinitiativen in Planung, Assistenz, Wissen und Reporting binden mehr Führungsaufmerksamkeit, als die meisten Organisationen neben dem Tagesgeschäft aufbringen können.
- 03
Im Betrieb erproben
Ein Pilot gehört in den echten Betrieb, mit echten Anliegen und mit den Mitarbeitenden, die später damit arbeiten. Laborumgebungen bestätigen vor allem die Erwartung derjenigen, die sie gebaut haben. Erst der Alltag zeigt, ob eine Antwortvorlage trägt oder ob sie umgangen wird.
- 04
Wirkung messen und nachschärfen
Wir vergleichen die vorher vereinbarte Zielgröße mit der Ausgangslage und benennen auch, was nicht funktioniert hat. Danach wird entweder ausgeweitet oder zurückgebaut — beides ist ein legitimes Ergebnis. Ein Pilot, der nichts verändern darf, ist Beschäftigung.
Fragen, die uns dazu gestellt werden
Für die ersten Schritte meistens nicht. Entscheidend ist weniger die technische Tiefe als die Qualität der Inhalte, auf die zugegriffen wird, und die Klarheit darüber, welcher Vorgang verbessert werden soll. Fragen zu Datenhaltung, Schnittstellen und Betrieb werden wichtig, sobald aus dem Piloten Regelbetrieb wird — dann allerdings sehr schnell.
Welcher Hebel passt zu Ihrer Ausgangslage?
Wir sehen uns Ihr Kontaktaufkommen und Ihre heutige Servicearchitektur an und sagen Ihnen, wo KI bei Ihnen Wirkung hätte — und wo sie zunächst nur Aufwand wäre. Sandra Gnoth und Roland Schmidkunz erreichen Sie direkt in Hamburg.