Die Ausgaben für KI im Kundenservice steigen deutlich, während die Gesamtbudgets für Service und Support kaum wachsen. Unternehmen setzen dabei vor allem auf generative Chatbots, Livechats und Voicebots. Doch der Nutzen dieser Anwendungen hängt wesentlich von der technischen Grundlage ab. Verteilte Kundendaten, isolierte Kanäle und fehlende Schnittstellen erschweren konsistente Antworten und zwingen Mitarbeitende zum Wechsel zwischen Anwendungen. Besonders bei Sprachinteraktionen werden Verzögerungen und Qualitätsprobleme unmittelbar sichtbar. Eine moderne CX-Architektur muss deshalb Daten, Prozesse und Systeme über offene Schnittstellen verbinden, skalierbar sein und zuverlässige Echtzeitkommunikation ermöglichen.
KI verspricht schnellere Antworten, personalisierte Empfehlungen und effizientere Serviceprozesse. Kein Wunder, dass viele Unternehmen derzeit den Fokus auf KI-Projekte legen und große Summen in die Technologie investieren. Laut einer aktuellen Gartner-Umfrage sind die KI-Ausgaben im Customer Service um 38 Prozent gestiegen, und das, obwohl die Budgets für Service- und Supportfunktionen insgesamt lediglich um zwei Prozent gewachsen sind.
Den größten Mehrwert versprechen sich Unternehmen dabei künftig von GenAI-Chatbots, Livechats und GenAI-Voicebots. Mit dem zunehmenden Einsatz dieser Tools zeichnet sich jedoch eine Erkenntnis immer deutlicher ab: KI ist nur ein Teil der Gleichung. Für den Erfolg von KI-gestütztem Kundenservice ist neben der Wahl des Modells vor allem entscheidend, auf welcher Grundlage es arbeitet. Selbst die leistungsfähigsten Systeme können ihr Potenzial nur dann entfalten, wenn die zugrundeliegende CX-Architektur darauf ausgelegt ist.
KI ist nur so gut wie ihre Grundlage
Häufig ist das jedoch nicht der Fall. Trifft ein modernes KI-Modell auf eine veraltete Infrastruktur, kommen jene Schwachstellen zum Vorschein, die bereits seit Jahren bestehen. Daten liegen über verschiedene Systeme, CRM-, Ticketing- und Telefonplattformen verteilt, die nie durch eine API verbunden wurden. Kanäle sind voneinander isoliert, sodass Informationen beim Wechsel zwischen unterschiedlichen Kommunikationswegen leicht verloren gehen. Laut ZK Research verbringen Mitarbeitende deshalb sogar 20 bis 30 Prozent ihrer Arbeitszeit damit, zwischen Anwendungen hin und her zu wechseln, um Kundeninformationen zusammen zu setzen.
Ein KI-Modell kann diese Brüche nicht ausgleichen. Fehlen ihm relevante Daten, der Gesprächskontext oder die Anbindung an zentrale Systeme, bleibt auch der Kundenservice fragmentiert.
Automatisierte Systeme geben möglicherweise widersprüchliche Antworten und Mitarbeitenden fehlt der Einblick in vorangegangene Interaktionen. Kunden müssen ihr Anliegen unter diesen Umständen wiederholt schildern und bereits übermittelte Informationen erneut angeben. Statt eines nahtlosen Serviceerlebnisses entsteht so eine mühsame Customer Journey.
Damit steigt auch das Risiko, Kunden zu verlieren. Denn für sie spielt es keine Rolle, mit welcher Abteilung, über welche Plattform oder auf welchem Kanal sie mit einem Unternehmen interagieren. Sie erwarten, dass ihr Anliegen bekannt ist und ihre Probleme gelöst werden, ohne bei jedem Kontaktwechsel wieder von vorne beginnen zu müssen. Das lässt sich jedoch nur schwer gewährleisten, wenn Kundendaten nicht einheitlich verfügbar sind.
Im Gespräch fallen Schwächen schneller auf
Bei einem Anruf lassen sich Schwachstellen deutlich schwerer kaschieren. Wer auf eine E-Mail-Antwort wartet, bemerkt gar nicht erst, wenn ein System einige Sekunden braucht, um Informationen abzurufen. In einem laufenden Gespräch fallen Stille, Verzögerungen oder abgehackte und unverständliche Sprache dagegen sofort auf.
Denn bei Voice-Interaktionen geht es nicht nur darum Daten richtig einzusetzen, sondern in Echt-Zeit Antworten zu liefern. Wie gut ein Gespräch technisch funktioniert, lässt sich dabei anhand von etablierten Kennzahlen messen. Der Mean Opinion Score (MOS) bewertet die wahrgenommene Audioqualität eines Anrufs, während die Audio Quality Rate den Anteil der Anrufe angibt, die den gewünschten Qualitätsstandard erfüllen. Beide Werte hängen davon ab, wie ein Anruf weitergeleitet wird, wie viele Netzwerke er durchläuft und wie die zugrunde liegende Verbindung aufgebaut ist, noch bevor ein KI-Modell überhaupt ins Spiel kommt.
Ein KI-Agent kann noch so gut trainiert sein: Ist die Infrastruktur, über die das Gespräch läuft, nicht dafür ausgelegt, kann er trotzdem zögerlich wirken oder Kunden ins Wort fallen. Bei Voice-Funktionen kommt es daher nicht nur auf die Datengrundlage an, sondern auch darauf, wie schnell und zuverlässig ein Gespräch übertragen wird.
Neue Technologien brauchen neue Strukturen
Viele Legacy-Infrastrukturen erfüllen heutige Anforderungen jedoch nicht, weil sie zu einer Zeit entwickelt wurden, als Contact Center weniger Kundenkanäle betreiben und ein deutlich geringeres Interaktionsvolumen bewältigen mussten. Viele der heute noch eingesetzten Umgebungen basieren daher auf lokalen Systemen, separaten Voice- und Digital-Lösungen, einzelnen Punktintegrationen und Datensilos. Das erschwert nicht nur die Zusammenführung von Kundeninformationen, sondern bremst auch die Einführung neuer Funktionen aus.
Eine moderne CX-Infrastruktur erfordert dagegen Interoperabilität: Sie muss Systeme, Daten und Anwendungen von unterschiedlichen Anbietern flexibel über offene APIs verbinden und sich bei steigenden Anforderungen skalieren lassen. Gleichzeitig muss sie den Einsatz von KI-Modellen unterstützen und zulassen, dass neue Funktionen schnell integriert und weiterentwickelt werden. Für viele Unternehmen führt der Weg deshalb in die Cloud.
Cloud-Migration ist mehr als ein Wechsel des Hosting-Systems
Damit KI-Modelle ihr Potenzial erfüllen können, darf der Wechsel von lokalen Systemen in die Cloud jedoch nicht darin bestehen, die aktuellen Strukturen samt Schwachstellen an einen anderen Ort zu übertragen. Rehosting, also die Migration ohne Änderungen am bestehenden Code, reicht nicht aus. Vielmehr sollte der Umzug als Gelegenheit verstanden werden, die CX-Architektur von Grund auf zu überdenken, historisch gewachsene Silos aufzubrechen und Interoperabilität zu fördern, statt von einem Lock-in in den nächsten zu geraten.
Gefragt ist deshalb eine gezielte Modernisierung der bestehenden Infrastruktur.
Beim sogenannten Replatforming werden etwa Anwendungen an die neue Cloud-Umgebung angepasst, ohne ihre Kernfunktion zu verändern. So lassen sich beispielsweise Datenbanken, Middleware und Websites modernisieren, aber auch Cloud-native Funktionen ergänzen und bestehende Systeme besser miteinander verknüpfen. Gleichzeitig bleibt die Architektur flexibel genug, um für unterschiedliche Aufgaben die jeweils passende Lösung zu wählen, statt auf das Angebot eines einzelnen Anbieters angewiesen zu sein. Entscheidend ist dabei eine gemeinsame Daten- und Prozessebene, über die Informationen und Kontext über verschiedene Kanäle und Interaktionen hinweg erhalten bleiben. So entsteht eine flexible Grundlage, auf der KI-Modelle einfacher in bestehende Serviceprozesse eingebunden werden können.
Die Zukunft des Kundenservice liegt nicht nur in der KI
Mit den Vorschritten, die KI-Modellen machen, entstehen auch neue Möglichkeiten für den Kundenservice. Künftig werden dabei verstärkt unterschiedliche Modelle zusammenspielen, sodass je nach Aufgabe das passende Modell zum Einsatz kommt und Prozesse effizienter gestaltet werden können. Unternehmen sollten ihren Blick deshalb nicht allein auf ein einzelnes, leistungsfähiges Modell richten, das wenige Monate später bereits wieder überholt sein kann. Entscheidend ist, die technologische Grundlage zu schaffen, auf der sich neue KI-Funktionen sinnvoll einsetzen lassen. Wer Daten, Systeme und Prozesse heute miteinander verbindet und seine CX-Architektur flexibel aufstellt, kann auch künftige Innovationen schneller integrieren. Die Qualität des KI-gestützten Kundenservice entscheidet sich damit nicht allein ein einem einzigen Modell, sondern zunehmend an der Infrastruktur dahinter.
Autor: Ajay Awatramani, CPO bei Five9.
