KI-Kund*innenerlebnis: der komplette Leitfaden für B2C-Marken

Die meisten Marken haben KI bereits im Stack, aber kennt sie deine Kund*innen wirklich?

Die meisten B2C-Marken haben irgendwo in ihrem Stack KI laufen. Sie schreibt Betreff, beantwortet FAQs und empfiehlt Produkte auf der Homepage. Frag das Marketingteam, ob es KI nutzt, und es sagt ja. Frag aber, ob ihre KI komplett mit denselben sauberen Kund*innendaten in Echtzeit arbeitet, und es wird im Raum deutlich leiser.

Hier ist die Sache, die niemand laut aussprechen will: Deine Marketing-KI kennt die Klickrate, deine Support-KI weiß, wann das letzte Ticket eingegangen ist, deine On-Site-KI kennt den Browserverlauf einer Person, und keine von ihnen stimmt sich mit den anderen ab. Jede trifft selbstbewusst Entscheidungen über deine Kund*innen – basierend auf ihrem eigenen, unvollständigen Ausschnitt des Gesamtbilds.

In der Praxis bedeutet das: Die KI, die Abwanderung vorhersagt, markiert die Kund*in, die gerade ihre zweite Bestellung aufgegeben hat, und schickt eine Rückgewinnungs-E-Mail an jemanden, der ganz offensichtlich nirgendwo hingeht. Der KI-Customer Agent begrüßt die Person, die schon 6× gekauft hat, wie eine völlig fremde Person und lässt sie sich erneut vorstellen. Die KI, die entscheidet, was sie heute Nachmittag auf der Website anzeigen soll, übersieht, dass jemand heute Morgen Treuepunkte eingelöst hat, und stupst die Person an, Punkte auszugeben, die sie bereits ausgegeben hat.

Es ist dieselbe unzusammenhängende Customer Experience (CX), nur mit einem schickeren, KI-gestützten Label.

Forrester prognostiziert, dass bis Ende 2026 nur 1 von 4 Marken überhaupt eine Steigerung von 10 % bei erfolgreichen, einfachen Self-Service-Interaktionen erzielen wird. Forrester macht das langsame Vorankommen für unglamouröse operative Dinge verantwortlich – etwa aufgeblähte Technologie-Stacks, chaotisches Change Management und die Bereinigung der Datenqualität, die die meisten Marken immer wieder aufschieben. Du kannst in deinem gesamten Tech-Stack überall KI haben und trotzdem eine schlechte KI-CX liefern, denn entscheidend ist, ob all diese KI auf denselben sauberen Echtzeit-Kund*innendaten läuft.

In diesem Leitfaden erfährst du, wie du erkennst, ob dein Stack wirklich KI-verbunden ist, wie die Architektur aussieht, wenn er es ist, und was du tun kannst, wenn er es nicht ist.

In diesem Leitfaden:

1. Was ist AI CX?
2. So prüfst du dein aktuelles KI-CX
3. Worauf du bei KI-CX achten solltest

Was ist KI-CX, und wie gliedert es sich auf?

KI-Kundenservice und KI-CX werden oft synonym verwendet, aber sie beschreiben sehr unterschiedliche Dinge. Kundenservice ist der Bereich, in dem KI und menschliche Agent*innen Tickets bearbeiten, Gespräche weiterleiten und Fragen beantworten. CX ist das Gesamtbild: wie jemand über jeden Kanal mit deiner Marke interagiert – von der ersten Anzeige, die er oder sie anklickt, bis zur 10. Bestellung, die er oder sie aufgibt.

Die meisten Marken investieren in KI-Kundenservice, veröffentlichen eine Pressemitteilung über „KI-gestützte CX“ und hören dann damit auf. Sie bauen nie die Architektur auf, die Service mit allem anderen verbindet. Ein Supportgespräch am Dienstag sollte die Produktempfehlung am Donnerstag beeinflussen, aber KI-Kundenservice kann nur Dienstag. Vernetzte KI-CX kann auch Donnerstag.

Genau da fallen die meisten Stacks auseinander. Marken fügen KI einzelnen Teilen der CX hinzu, und jedes Tool funktioniert für sich genommen gut. Aber niemand hat eingeplant, dass sie Kontext teilen. Kund*innen erleben je nachdem, wo sie sich gerade im Lifecycle befinden, eine andere Version der Marke. Um das zu beheben, brauchst du 3 Ebenen.

Die 3 Ebenen von AI CX

KI dazu zu bringen, mit Kund*innen zu sprechen, ist der einfache Teil. Damit sie so mit ihnen spricht, als würde sie sie wirklich kennen, brauchst du 3 Infrastrukturebenen:

1. Eine einheitliche Datenebene: Laut Klaviyos State of B2C Marketing Report 2025 haben die meisten Marken Kund*innendaten auf 6–15 Tools verteilt. Jedes Tool hat seine eigene Version davon, wer Kund*innen sind, und jedes synchronisiert nach seinem eigenen Zeitplan. KI, die auf dieser Art fragmentierter Daten basiert, liefert einfach nur schneller falsche Antworten. Was tatsächlich benötigt wird, ist ein Profil in Echtzeit für jede*n Kund*in, das Informationen wie Käufe, Browsing-Sessions, Loyalty-Ereignisse und Service-Interaktionen enthält und aktualisiert wird, sobald etwas passiert.
2. Prädiktive Intelligenz: Mit einem vollständigen, Live-Profil kann KI pro Person Entscheidungen darüber treffen, was gesendet wird, wann und über welchen Kanal, basierend auf dem, was deine Marke jetzt gerade weiß, nicht auf den Segmentregeln, die jemand vor 6 Monaten geschrieben hat. Ein*e Kund*in, die*der in einem 3‑Wochen-Rhythmus bestellt, erhält in Woche 3 einen Nachbestell-Anstupser statt einer Massen-Nachricht, die am durchschnittlichen Nutzungsrhythmus ausgerichtet ist. Diese Unterscheidung ist wichtiger als die Raffinesse des Modells.
3. Autonome Agents: Der AI-Agent, der Marketingkampagnen und Flows plant und startet, sollte auf demselben Profil trainiert werden, das den AI-Agent antreibt, der Support-Tickets löst. Eine AI-gestützte Self-Service-Ebene ermöglicht es Kund*innen unterdessen, den Bestellstatus zu prüfen, Treuepunkte einzulösen und Abonnements zu verwalten – am selben Ort, an dem sie personalisierte Produktempfehlungen erhalten –, und das alles, ohne ein Ticket zu erstellen. Wie gut das alles funktioniert, hängt vollständig von den ersten beiden Ebenen ab.

Die meisten Marken haben eine gewisse Datenvereinheitlichung und einige Prognosemodelle. Sehr wenige haben Agenten, die über Marketing und Service hinweg mit denselben Daten arbeiten.

So sieht es aus, wenn die Ebenen fehlen

Es gibt einen Grund, warum so viele B2C-Marken ihre Martech-Stacks konsolidieren: Weniger Tools auf derselben Datenbasis ist besser als mehr Tools auf unterschiedlichen Daten. Deine Kund*innen spüren jede Übergabe, auch wenn deine Dashboards es nicht tun. So sieht das in der Praxis aus:

1. Ihre Tools arbeiten aktiv gegeneinander. Eine Kund*in meldet ein beschädigtes Produkt. Zwei Tage später taucht eine fröhliche Promo in ihrem Posteingang auf. Ihr Helpdesk wusste von der Beschwerde. Deine Marketing-Plattform nicht. Aus Sicht der Kund*innen versucht die Marke, die ihnen einen kaputten Artikel geschickt hat, nun gut gelaunt, ihnen etwas anderes zu verkaufen.
2. Wiederkehrende Kund*innen werden wie Fremde behandelt. Jemand, der 6x gekauft hat, eine Treuemitgliedschaft hat und echtes Geld bei dir ausgegeben hat, eröffnet einen Web-Chat zu einer ausstehenden Bestellung. Der KI-Agent begrüßt sie kühl. Kein Kontext, keine Historie. Am Ende erklären sie einer Marke, die es eigentlich schon wissen sollte, noch einmal, wer sie sind.
3. Personalization endet im Posteingang. Die Marketing-Nachrichten passen sich an Loyalitätsstufe, Abonnements und Kaufhistorie an. Die Website nicht. Egal, ob jemand 40,00 $ oder 4.000,00 $ ausgegeben hat, er bekommt dieselbe generische Experience auf der Website.
4. Deine Dashboard verbergen den Schaden. E-Mail-Klickraten, Umsatz durch Textnachrichten und vermiedene Supportanfragen steigen alle, während deine tatsächlichen Kund*innenbeziehungen mit jedem Fehlgriff erodieren. Jeder Teil deines Technologie-Stacks erreicht seine eigene Kennzahl. Niemand misst, was zwischen ihnen passiert.

Das sind nicht nur unangenehme Momente. Sie kosten echtes Geld und echte Kund*innen.

So prüfst du deinen aktuellen KI-CX-Stack

Die meisten Marken haben KI-Tools genauso angesammelt, wie Menschen Streaming-Abos ansammeln: eins nach dem anderen, aus guten Gründen, ohne Plan, wie sie alle zusammen funktionieren sollen.

Bevor du dich nach einer neuen AI-CX-Plattform umsiehst, mach einen kurzen Check, was du bereits hast. Diese 3 Checks dauern etwa 10 Minuten und sagen dir mehr als jede Vendor-Demo:

1. Weiß unser Marketingteam, was unser Kundendienstteam weiß?

Zieh ein aktuelles Support-Ticket von einem wiederkehrenden Kund*innen heran. Hat sich in deiner Marketing-Automatisierung etwas geändert, als dieses Ticket eröffnet wurde? Hat es die nächste geplante Kampagne unterdrückt? Als dein Team das Problem gelöst hat, hat es einen Follow-up-Flow ausgelöst?

Genau das passiert in einem verbundenen Stack. Wenn die Antwort auf all diese Fragen „Nein“ (oder noch schlimmer „Ich bin mir nicht sicher“) ist, treffen deine Marketing- und Service-Teams Entscheidungen über dieselbe Kund*in in getrennten Räumen.

2. Behandelt unsere KI einzelne Personen als Individuen?

Probier das selbst aus. Such dir zwei echte Kund*innen aus, die sich völlig unterschiedlich verhalten: eine Person, die nur SMS öffnet, und eine andere, die in ihrem Posteingang lebt, und sieh dir deine letzten paar Sendungen an. Hat jede Person die Nachricht über den Kanal bekommen, auf den sie tatsächlich reagiert, oder haben alle denselben Massenversand erhalten?

Überprüfe jetzt das Timing. Wurde die Sendung dann gesendet, wenn sich jede Person üblicherweise engagiert, oder um 13 Uhr, weil die Kampagne dafür geplant war?

Ziehe dann eine*n Kund*in heran, von der/dem deine Daten sagen, dass sie/er kurz vor der Abwanderung steht. Hat sie/ihn irgendetwas erreicht, bevor sie/er abgedriftet ist, oder wurde die Rückgewinnung ausgelöst, nachdem sie/er bereits weg war?

Wenn die Antwort lautet, dass alle zur gleichen Zeit dasselbe bekommen, arbeitet deine KI mit Segmenten statt mit einzelnen Personen. Der Maßstab ist heute KI, die jede Ansprache pro Person trifft, den Kanal auswählt, auf den jemand tatsächlich reagiert, und dann sendet, wenn diese Person typischerweise interagiert. Sie erkennt außerdem, wer kurz vor der Abwanderung steht oder bald wieder kauft, und handelt danach, bevor es irgendjemand in deinem Team tun würde.

Dieselbe Intelligenz kann auch ein Kontoportal für eingeloggte Nutzer*innen antreiben, in dem Tracking von Bestellungen, Einlösen von Treuepunkten, Abonnements und Nachbestellungen – jeweils auf die einzelne Kund*in vor dir zugeschnitten – angezeigt werden.

3. Optimiert unsere AI für die Kund*innenbeziehung oder nur für die Kanal-Metrik?

Prüfe, ob dein Marketing, dein Kund*innendienst und die KI auf deiner Website alle dieselben Leistungsdaten verwenden. Wenn jede*r von ihnen unabhängig optimiert, betreibst du effektiv vier separate Optimierungs-Engines, die sich gelegentlich gegenseitig untergraben.

Überdenke, was du tatsächlich misst. Metriken auf Kanal-Ebene wie Öffnungsrate, Klicks und Deflection-Raten zeigen dir, wie jeder Teil der CX isoliert performt. Sie sagen dir nicht, ob KI die Kund*innenbeziehung als Ganzes verbessert.

Stattdessen solltest du diese nachverfolgen:

1. Wiederkaufrate: Das ist die Kennzahl, die sich verändert, wenn KI das Erlebnis wirklich verbessert. Alles andere ist nur ein Proxy.
2. Umsatz pro Nachricht: Wenn KI für jede Person die richtigen Inhalte, das richtige Timing und den richtigen Kanal auswählt, steigt der Umsatz pro Nachricht eher – ohne dass du mehr senden musst.
3. Umsatz über Ihr Self-Serve-Portal: Das zeigt Ihnen, ob Ihr Kontoportal für eingeloggte Kund*innen, in dem sie Bestellungen nachverfolgen, Loyalty einlösen, Abonnements verwalten und erneut bestellen, tatsächlich Käufe antreibt.
4. AI-Resolution-Rate: Das ist der Anteil der Kund*innenanliegen, die dein AI Customer Agent eigenständig über Web-Chat, E-Mail, Textnachrichten und WhatsApp löst, bevor an eine*n Mitarbeiter*in eskaliert wird. Je höher, desto besser, denn das zeigt, dass AI tatsächlich echte Anliegen für deine Kund*innen und dein Team löst.
5. Zeit von Erkenntnissen bis zur Live-Schaltung der Kampagne: Wie schnell dein Team von „Das sollten wir machen“ zu „Ist live.“ kommt. Mit KI-Marketing-Agenten, die mehrstufige Kampagnen und Flows aus einem einfachen Prompt erstellen können, geht das von Tagen auf Minuten runter.

Worauf du bei einer KI-CX-Plattform achten solltest

Sobald du weißt, was in deinem eigenen Stack fehlt, ist der nächste Schritt, sorgfältig zu prüfen, womit du es ersetzen würdest. Das ist eine andere Übung als das Selbst-Audit oben. Dort hast du geprüft, was du bereits besitzt. Hier setzt du eine*n Anbieter*in einem Stresstest aus, bevor du irgendetwas unterschreibst.

Jeder Anbieter hat aktuell „KI-gestützt“ auf seiner Produktseite stehen. Einige von ihnen können dir im Produkt zeigen, was das bedeutet. Andere füllen eine Demo mit Roadmap-Folien und Hypothesen, also überspringe die Liste der Funktionen und stelle die Fragen, die ein Anbieter nicht mit einer Präsentation beantworten kann.

KI, die eigenständig handelt

Du weißt aus dem Audit bereits, ob deine aktuelle KI pro Person Entscheidungen zu Kanal, Timing und Zielgruppe trifft. Die Frage an einen Anbieter ist, wie weit das geht und welche Kontrollen du dazu bekommst. Ein schnellerer Betreff ist der einfache Teil. Diese 3 Dinge unterscheiden eine wirklich autonome Plattform von einem Schreibassistenten:

• Guardrails, die du kontrollierst: Sowohl KI-Agent*innen im Marketing als auch im Kund*innenservice sollten innerhalb der Marken-, Rechts- und Performance-Regeln bleiben, die du festlegst, und dann zur Prüfung, Freigabe oder Eskalation an eine*n Menschen übergeben, wenn sie an die Grenzen dessen stoßen, was sie tun dürfen. Frag den Anbieter, wie diese Guardrails jenseits des Pitch-Decks funktionieren.
• Laufende Audits von Workflows, die bereits live sind: Der Flow, den du vor 6 Monaten gebaut hast, verliert vielleicht Kund*innen zwischen dem zweiten und dritten Schritt, und du würdest das wahrscheinlich nie bemerken, ohne dich manuell durch die Daten zu wühlen. Ein guter KI-Marketing-Agent liest den Flow, erkennt, wo Menschen abspringen, und empfiehlt Verbesserungen.
• Vorgefertigte Skills, die sofort einsatzbereit sind: Frag, welche Aufgaben die KI am ersten Tag übernehmen kann, z. B. Tracking von Bestellungen, Retouren und Treuepunkt-Abfragen – und was dein Team zuerst konfigurieren muss. Wenn der Customer Agent und der Marketing-Agent statt aus einem gemeinsamen Profil aus getrennten Daten schöpfen, kaufst du genau die Entkopplung, die du hier beheben wolltest.

Eine Plattform versus ein integrierter Stack

„Integriert“ und „eine Plattform“ klingen ähnlich, aber sie beschreiben sehr unterschiedliche Realitäten. „Integriert“ bedeutet, dass jemand in deinem Team eine Synchronisierung baut und jemand (oft dieselbe Person) sie am Laufen hält. „Eine Plattform“ bedeutet, dass die Daten die Plattform nie verlassen, sodass es von vornherein nichts zu synchronisieren gibt.

Hier ist ein kurzer Test. Wenn ein*e Kund*in jetzt gerade ein Support-Ticket eröffnet, weiß deine Marketing-Automatisierung-Engine dann in Echtzeit davon – ohne Webhook, ohne Export, ohne Middleware? Wenn die Antwort „Das müssten wir einrichten“ lautet, hast du einen integrierten Stack, keine einzelne Plattform. Nachweis von Marken wie deiner

Bitte 3 Kund*innenreferenzen mit echten Zahlen von Marken, die deiner ähnlich sind. Keine Testimonials oder Webinar-Aufzeichnungen, sondern tatsächliche Metriken von Unternehmen mit ähnlicher Größe und Komplexität. Das solltest du sie fragen:

• Wiederkaufrate: Frage, ob Wiederholte Käufe gestiegen sind, nachdem sie gewechselt haben, und über welchen Zeitraum. Das ist die Zahl, die dir zeigt, dass die KI die Beziehung verbessert – nicht nur die Öffnungsrate.
• Automatisierungsumsatz: Frag nach, wie viel Umsatz ihre Flows und Kampagnen jetzt im Vergleich zu früher bringen und wie viel davon die KI ohne ständige Beaufsichtigung übernimmt. Ein vages „es ist gestiegen“ ist ein Warnsignal.
• Self-Service-Akzeptanz: Frag, welchen Anteil der Supportfälle der KI-Customer Agent selbst löst, und was mit denen passiert, die er nicht lösen kann. Du willst einen echten Prozentsatz und eine saubere Übergabe an einen Menschen, keine Abwehrquote, die nur bedeutet, dass Tickets ignoriert wurden.
• Time to value: Frag nach, wie lange es gedauert hat, vom Vertragsabschluss bis zu diesen Ergebnissen zu kommen. Wenn die ehrliche Antwort 6 Monate Einrichtung sind, bevor überhaupt etwas funktioniert hat, berücksichtige das.

Wenn der Anbieter keine Referenzen wie diese vorlegen kann, gibt es die Ergebnisse wahrscheinlich noch nicht.

Baue deine KI-CX mit Klaviyo aus

Mit Klaviyo B2C CRM sind alle folgenden Funktionen in einem System vereint, damit dein Team Kampagnen und Flow versenden, Kund*innenanliegen lösen und über den gesamten Lifecycle hinweg personalisieren kann – ohne auf Syncs oder Engineering zu warten:

1. Daten: Die Klaviyo Data Platform pflegt eine Echtzeit-Ansicht über die gesamte Kundenlebensdauer für jede*n Kund*in, gespeist durch 400+ vorgefertigte Integrationen. Alles andere in Klaviyo läuft über dieses Profil.
2. Intelligenz: Klaviyo AI [EN] entscheidet für jede einzelne Person kanalübergreifend über Timing, Kanal, Zielgruppe und Inhalt – über E-Mail, Textnachrichten, Mobile Push, WhatsApp und Web. Prognostizierter LTV, Abwanderungswahrscheinlichkeit und das Datum des nächsten Kaufs zeigen dir, was jede*r Kund*in als Nächstes wahrscheinlich tun wird, damit du für jede*n zum richtigen Zeitpunkt handeln kannst, statt im Nachhinein zu reagieren.
3. Agentische KI für Marketing: Klaviyo Composer [EN] erstellt in Minuten aus einem Briefing oder Prompt in Alltagssprache eine kampagnen- oder flowfertige Kampagne oder einen Flow – wobei jedes Asset auf Kund*innendaten und Markenrichtlinien basiert. Nichts wird ohne deine Freigabe gesendet.
4. Agentische KI für den Kundenservice: K:AI Customer Agent löst Probleme rund um die Uhr über Web-Chat, E-Mail, Texting und WhatsApp. Wenn das nicht möglich ist, eskaliert er an dein menschliches Team über Klaviyo Helpdesk, wobei der gesamte Kontext erhalten bleibt. Weil Marketing und Service dasselbe Profil nutzen, erhält ein*e Kund*in mit offenem Ticket keine Kampagne, und wenn das Ticket geschlossen wird, wird ein Recovery-Flow automatisch ausgelöst.
5. Personalisierter Self-Service auf der Website: Klaviyo Customer Hub bietet angemeldeten Kund*innen ein personalisiertes Portal für Bestell-Tracking, das Einlösen von Treueprämien, Abonnements und Nachbestellungen.
6. Analytics: Klaviyo Analytics verfolgt die Wirkung über E-Mail, Textnachrichten, Push, Web und Nicht-Klaviyo-Kanal hinweg, damit du sehen kannst, was funktioniert und wo sich KI auszahlt.