Viele Customer-Experience-Strategien stützen sich auf detaillierte Analysen von Klickpfaden, Sessions und Interaktionen, bleiben jedoch auf der Ebene reiner Beobachtung stehen. Ohne ein Verständnis der zugrunde liegenden Intentionen reagieren Systeme lediglich auf vergangenes Verhalten. Der Artikel zeigt, wie agentische KI diesen Paradigmenwechsel ermöglicht. Durch die Kombination von Behavioral Journey Mapping, Intentionsgraphen und integrierten Datenlandschaften können Unternehmen Customer Journeys nicht nur analysieren, sondern in Echtzeit orchestrieren. Anhand strukturierter Schritte, konkreter Anwendungsbeispiele und klar benannter Herausforderungen wird erläutert, wie sich statische Journey Maps zu adaptiven, kontextsensitiven Systemen weiterentwickeln lassen. Der Fokus liegt auf messbaren Effekten wie höherer Zielklarheit, reduzierten Abbrüchen und einer stärkeren Ausrichtung an menschlichen Bedürfnissen statt an isolierten Touchpoints.
In den vergangenen zehn Jahren konzentrierte sich die Customer-Experience-Strategie (CX) vor allem auf die Abbildung beobachtbarer Verhaltensweisen. Journey-Mapping-Plattformen erfassen Seitenklicks, Chat-Interaktionen oder Produktansichten – doch all dies sind Aktionen, keine Intentionen. Selbst die am besten gestalteten Erlebnisse bleiben dadurch reaktiv, fragmentiert und nur begrenzt anpassungsfähig.
Hier kommt agentische KI ins Spiel – eine Klasse von KI-Systemen, die zu autonomem, zielorientiertem Handeln fähig sind. Diese Systeme empfehlen nicht nur, sondern verstehen, planen und handeln im Einklang mit der Kundenintention – über digitale wie auch menschliche Kanäle hinweg. In Verbindung mit Behavioral-Journey-Mapping-Frameworks ermöglicht agentische KI Unternehmen den Wandel vom bloßen Nachverfolgen hin zur zielgerichteten Orchestrierung von Customer Journeys.
Dieser Artikel erläutert in klar strukturierten Schritten, wie Unternehmen agentische KI mit Verhaltensdaten kombinieren können, um sich von statischen Journey Maps zu dynamischen, intentionsgetriebenen Journey-Systemen weiterzuentwickeln. Wir analysieren Praxisbeispiele, beleuchten Herausforderungen und stellen ein praxisnahes Transformationsmodell vor, das sämtliche Elemente der Experience-Pipeline miteinander verbindet.
Schritt 1: Eine solide Basis für Behavioral Journey Mapping schaffen
Bevor Intentionen erkannt werden können, müssen Unternehmen verstehen, wie sich Nutzer entlang ihrer Journey tatsächlich verhalten. Behavioral Journey Mapping umfasst unter anderem:
- die chronologische und kontextuelle Sequenzierung von Kundeninteraktionen
- die Clusterung von Verhaltensmustern (z. B. Exploration vs. zielgerichtete Aufgabenerledigung)
- die Analyse von Session-Flows auf Zögern, Umwege, «Rage Clicks» oder vorzeitige Abbrüche
Implementierungstipp: Nutzen Sie Plattformen wie Adobe Journey Optimizer, FullStory oder Mixpanel, um diese Verhaltensdaten zu erfassen und nach Persona oder Zielphase zu klassifizieren.
Anwendungsbeispiel: Cisco Systems identifizierte mithilfe von Mixpanel wiederholte Besuche technischer Dokumentationsseiten. Diese Muster halfen, supportorientierte Ingenieure von Produktbewertern zu unterscheiden, was zur Entwicklung zweier klar differenzierter Content-Erlebnisse führte.
Schritt 2: Agentische KI zur Interpretation von Intention integrieren
Sobald Verhaltensdaten vorliegen, kann agentische KI daraus wahrscheinliche Kundenintentionen ableiten. Im Gegensatz zu regelbasierter KI sind agentische Systeme in der Lage:
- Intentionsgraphen mit mehreren möglichen Zielen zu erzeugen
- Journeys in Echtzeit auf Basis neuer Signale neu zu planen
- Aktionen anhand von Wahrscheinlichkeiten statt fixer Skripte auszulösen
Visualisierungsempfehlung: Erstellen Sie einen verzweigten Entscheidungsbaum (Intentionsgraph), der mögliche Zielabweichungen eines Nutzers sowie die entsprechenden Umleitungsstrategien der KI abbildet.
Beispiel: Der Onboarding-Prozess für Unternehmenskunden bei SAP nutzt agentische KI, um technisch versierte Nutzer von allgemeinen Produktübersichten direkt zu fortgeschrittenen Konfigurations- und Integrationswerkzeugen zu führen. Dieses dynamische Intentionsmodell wurde in der Onboarding-Optimierungsfallstudie 2023 dokumentiert.
Schritt 3: Von linearen Funnels zu adaptiven Journeys wechseln
Agentische KI macht es möglich, Erlebnisse während der Nutzung dynamisch weiterzuentwickeln. Anstelle vordefinierter Funnels entstehen Journeys, die:
- multidirektional sind und sich kontextabhängig anpassen
- emotionale Signale (z. B. über Sentiment-Analyse) berücksichtigen
- gezielte Interventionen mitten in der Journey auslösen können
Anwendungsbeispiel: Das Support-Portal von Ericsson erkennt Frustrationssignale wie wiederholtes Neuladen von Seiten oder das Zurückkehren zum selben Konfigurationsschritt. Die KI-Schicht (basierend auf interner NLP- und Intent-Routing-Logik) bietet kontextuelle Overlays an oder eskaliert den Fall an einen menschlichen Ingenieur, sobald definierte Konfidenzschwellen überschritten werden. Dieses Programm wurde im CX-Transformationsblog 2024 beschrieben.
Schritt 4: Datensysteme für durchgängigen Kontext verknüpfen
Intentionsmodelle benötigen eine integrierte Datenlandschaft. Die Anbindung agentischer KI an:
- CRM-Systeme (z. B. Salesforce, HubSpot)
- Customer-Data-Plattformen (Adobe, Oracle, SAP, Segment)
- Voice-of-the-Customer-Plattformen (Qualtrics, Medallia u. v. a.)
stellt sicher, dass Intentionen mit Nutzerhistorie, Feedback, Segmentierung und Kontext verknüpft werden.
Anwendungsbeispiel: Autodesk integrierte Segment CDP mit einem internen KI-System, um den Enterprise-Checkout-Prozess zu personalisieren. Abhängig von Support-Historie und Nutzungsverhalten wurden unterschiedliche Checkout-Flows ausgespielt – einer mit Preisrechnern, ein anderer mit volumenbasierten Konfigurationstools. Das Ergebnis: 22% weniger Kaufabbrüche.
Schritt 5: Interventionen für entscheidende Momente gestalten
Agentische KI erkennt kritische Momente wie Reibung, Zögern oder Abweichungen vom Ziel. Darauf kann das System reagieren durch:
- Vereinfachte Oberflächen oder gezielte Microcopy-Anpassungen
- KI-Co-Piloten oder chatbasierte Unterstützung
- Weiterleitung an Live-Agenten inklusive vollständigem Kontext
Beispiel: Sompo Himawari Life Insurance in Japan setzte KI-gestütztes Verhaltensmonitoring ein, um Stress- und Unsicherheitssignale während der Tarifauswahl zu erkennen. Laut internem Bericht aus Q1 2024 wurden Tonalität, Sprache und visuelle Struktur in Echtzeit angepasst – mit dem Ergebnis einer um 23% niedrigeren Abbruchquote bei Online-Tarifabschlüssen.
Schritt 6: Intentionsgraphen überwachen, messen und weiterentwickeln
Intentionsmodellierung ist kein statischer Zustand, sondern ein kontinuierlicher Prozess. Relevante Kennzahlen sind unter anderem:
- Intent-Match-Rate (wie häufig das Ziel korrekt antizipiert wird)
- Häufigkeit von Pfadkorrekturen durch die KI
- Zeit bis zur Zielerreichung im Vergleich zu klassischen Journeys
- Veränderungen von NPS und CSAT vor und nach KI-Interventionen
Fallstudie: Liberty Mutual führte intentionsgetriebene Journey-Orchestrierung im digitalen Schadenprozess ein. Der Quartalsbericht 2023 zeigte nach iterativem Retraining des KI-Modells alle 30 Tage eine um 36% schnellere Falllösung und 18% weniger Eskalationen an menschliche Mitarbeiter an.
Schritt 7: Grenzen transparent adressieren
Zu berücksichtigende Herausforderungen sind:
- Datenschutz: Intentionsgraphen basieren auf tiefgehender Verhaltensmodellierung und müssen DSGVO- und CCPA-konform sein
- Fehlinterpretationen: Ohne ausreichenden Kontext kann die KI falsche Annahmen treffen
- Nutzerkontrolle: Kunden müssen Transparenz und jederzeitige Eingriffsmöglichkeiten haben
Best Practice: Das digitale Versicherungsportal der AXA Group kennzeichnet klar, wann KI-Empfehlungen aktiv sind, und bietet bei Ablehnung sofort eine menschliche Übergabe an. Diese Transparenz erhöhte laut Digital-Sentiment-Report 2023 das Vertrauen der Nutzer um 15%.
Schritt 8: Funktionsübergreifende Stakeholder ausrichten
Agentische Journey-Orchestrierung betrifft mehrere Unternehmensbereiche:
- Produkt (UX-Entscheidungen und modulare Flows)
- Marketing (Messaging und Kampagnen-Timing)
- Service (Supportlogik und Eskalationspfade)
- Data & AI (Modellierung, Governance, Compliance)
Empfehlung: Entwickeln Sie einen gemeinsamen Gantt-Plan, der KI-Rollouts, Journey-Iterationen, Marketingkalender und Service-SLAs miteinander verknüpft. Unternehmen wie Telstra nutzen dieses Modell bereits erfolgreich zur besseren Abstimmung zwischen CX-, Marketing- und Produktteams.
Strategische Erkenntnis: Agentische KI als Journey-Dirigent
Der eigentliche Durchbruch liegt nicht in der Vorhersage, sondern in der autonomen Orchestrierung. Agentische KI fungiert als Dirigent dynamischer CX-Systeme, indem sie:
- emotionale und geschäftliche Kontexte in Echtzeit interpretiert
- Journeys neu plant, ohne das Vertrauen der Nutzer zu untergraben
- Experience-Ergebnisse konsequent an menschlichen Zielen ausrichtet
Richtig eingesetzt – mit ethischer Transparenz und integrierter Datenbasis – wird agentische KI von einem Werkzeug zu einer dynamischen Schnittstelle zwischen Organisationen und intentionsgetriebenen Kundenergebnissen.
Fazit: Gestaltung nach menschlicher Intention statt digitaler Bewegung
Klassisches Journey Mapping zeigte, was passiert ist. Agentische KI ermöglicht es, zu gestalten, was als Nächstes passieren sollte – basierend auf tieferen Signalen menschlicher Motivation, Kontext und Bedürfnisse.
Um diesen Wandel erfolgreich zu gestalten, müssen Unternehmen:
- verlässliche Behavioral-Analytics-Daten als Grundlage für Intentionsmodelle nutzen
- agentische KI flexibel, aber verantwortungsvoll agieren lassen
- Erfolg über Zielerreichung und Ergebnis-Klarheit definieren
- Silos zwischen CX, Data, Produkt und Service aufbrechen
Wer für Bewegung gestaltet, wird immer folgen. Wer für Intention gestaltet, wird führen.
Ricardo Saltz Gulko
Ricardo Saltz Gulko ist Geschäftsführer von Eglobalis, Mitbegründer und Visionär der European Customer Experience Organization. Er ist ein globaler Stratege, Vordenker und Praktiker im Bereich Kundenerfahrung, der für Samsung und seine Kunden wahrnehmbare Design-Analysen mit Schwerpunkt auf Kundenakzeptanz, -erfahrung und -wachstum erstellt.
