KI-Kundenservice-Lösungen: So erkennst du, was dir tatsächlich verkauft wird

Bewerten der Lösungslandschaft, Vermeiden von Implementierungsreue und Anpassen der richtigen Tools an dein Unternehmen

Solange es B2C-Marken gibt, wollten Kund*innen wissen, wo zum Teufel ihre Bestellung ist.

„Wo ist meine Bestellung?“, liebevoll als WISMO bekannt, macht einen großen Teil der Tickets für B2C-Support-Teams aus. Das skaliert mit dem Bestellvolumen und steigt in jeder Hochsaison sprunghaft an.

Jahrelang gab es nur zwei Möglichkeiten, um Schritt zu halten: mehr Leute einzustellen oder eine bessere FAQ-Seite zu erstellen. KI sollte das beheben, und bei manchen Marken hat sie das auch.

Laut Forresters Predictions 2026 verzeichneten jedoch nur 15 % der KI-Entscheidungsträger*innen in den letzten 12 Monaten eine EBITDA-Steigerung durch KI. Die anderen 85 % haben etwas gekauft, etwas implementiert und warten immer noch auf den Gewinn.

Wenn du nach einer KI-Kundenservice-Lösung suchst, werden Helpdesk-Point-Solutions, eigenständige KI-Agenten, Self-Service-Portale vor Ort und KI-gestützte CRMs oft unter demselben Label geführt. Architektonisch sind es unterschiedliche Produkte, aber in Demos verwenden sie dieselbe Sprache und landen auf denselben Shortlists von Käufer*innen.

Den meisten Käufer*innen wird erst nach der Unterschrift klar, dass sie Tools miteinander vergleichen, die eigentlich gar nicht vergleichbar sind.

In diesem Leitfaden:

• 4 KI-Kundenservice-Lösungen
• Welche Fragen du stellen solltest
• Implementierungsszenarien
• Der Business-Solution-Fit

Die Landschaft der KI-Kundenservice-Lösungen

Es gibt 4 Arten von KI-Kundenservice-Produkten auf dem Markt, und sie funktionieren unter der Haube unterschiedlich:

Hier ist ein tieferer Einblick in jeden Typ von KI-Kund*innendienstlösung:

Eigenständiger Helpdesk mit KI-Funktionen

Das sind die Plattformen, die du bereits kennst: Ticket-Management-Systeme, die KI-Funktionen auf ihre bestehende Infrastruktur aufgesetzt haben. KI kategorisiert Anliegen, schlägt Antworten vor und leitet Tickets innerhalb der eigenen Helpdesk-Umgebung weiter, und sie ist in diesem Teil Gut.

Aber während helpdesk-native KI das Ticket und frühere Tickets kennt, kennt sie weder die Kaufhistorie der Kund*innen noch deren Loyalitätsstufe, Browsing-Verhalten oder wo sie sich in einer Marketingkampagne befinden. Diese Daten befinden sich woanders.

Integrationen können einen Teil davon einbinden, aber sie erhöhen Kosten, Wartungsaufwand und Verzögerungen. Und die KI ist nur so intelligent wie die Daten, auf die sie in Echtzeit zugreifen kann. Helpdesk-native KI greift nativ auf Service-Daten zu, aber alles andere, von anderen Kundendaten über Marketing-Automatisierung bis hin zu Self-Service-Optionen und agentischer KI, erfordert einen Konnektor.

Eigenständige KI-Customer-Agents

Das sind plattformagnostische, LLM-gestützte Kund*innenservice-Agent*innen, die auf jedem Helpdesk laufen, den du bereits nutzt. Eine Handvoll Anbieter verkauft inzwischen genau das: eine*n autonome*n Support-Agent*in, der*die sich über deinen bestehenden Helpdesk oder deine Commerce-Plattform legt und auf einem LLM läuft. Sie alle geben dasselbe Versprechen: Du kannst KI hinzufügen, ohne deinen aktuellen Stack zu ändern.

Dieses Set-up funktioniert gut genug, wenn die KI-Agent*in auf die Daten zugreifen kann, die sie benötigt, um korrekt zu antworten. Kritisch wird es, wenn Daten unvollständig sind, was häufiger vorkommt, als die meisten Anbieter zugeben.

Ein eigenständiger KI-gestützter Customer Agent ist auf das beschränkt, was ihm über API und Integrationen zur Verfügung gestellt wurde. Wenn dein Produktkatalog unübersichtlich ist, deine Bestelldaten in Silos liegen oder deine Rückgaberichtlinie in einem PDF steckt, das seit 6 Monaten nicht aktualisiert wurde, übernimmt der Agent das alles. Du bekommst schnelle Entlastung ohne eine vollständige Plattformmigration, aber kein natives Kund*innenprofil, keine Verbindung zu deinem Marketingprogramm und keine Self-Service-Ebene vor Ort.

Für Marken, die das Ticketvolumen schnell reduzieren müssen und noch nicht bereit für eine größere Plattformentscheidung sind, verschaffen eigenständige KI-Customer Agents etwas Zeit. Sie werden allein nicht verändern, wie Service mit dem Rest der Kund*innenbeziehung verknüpft ist.

Self-Service-Portale

Self-Service-Portale sitzen auf deiner Website und ermöglichen es Kund*innen, Dinge selbst zu erledigen, z. B. Bestellungen zu tracken, Abonnements zu verwalten, Treuepunkte einzulösen oder Antworten auf häufige Fragen zu finden. Sie reduzieren das Ticketvolumen, bevor Kund*innen überhaupt ein Anliegen melden, aber bei der Personalisierung bleiben sie oft hinter den Erwartungen zurück.

Ein Portal, das einer Person, die zum ersten Mal kauft, und einem wiederkehrenden Kunden mit 3 aktiven Abonnements dieselbe statische FAQ anzeigt, lässt Deflection-Potenzial liegen. Wie gut ein Portal Deflection erreicht, hängt vom Kund*innenprofil dahinter ab. Mit einem Profil in Echtzeit kann es jeder Person ihre eigenen Bestellungen, Abonnements und ihren Loyalitätsstatus anzeigen, damit sie das Problem selbst lösen kann. Ohne ein solches Profil greift es auf dieselben generischen Antworten für alle zurück, und mehr von diesen Kund*innen geben auf und eröffnen ein Ticket.

KI-gestütztes CRM

Hier sind agentische KI und andere Customer-Service-Funktionen nativ in dasselbe CRM integriert, das auch Marketingaktivierung und Analytics verwaltet. Der KI-Customer Agent, ein KI-gestütztes Helpdesk für dein menschliches Team und die On-Site-Self-Service-Ebene laufen alle auf denselben Kund*innendaten.

In der Praxis bedeutet das: Ein KI-Agent, der um 23:00 Uhr einen Chat beantwortet, kann die vollständige Kaufhistorie der Kund*innen, ihren Treuestatus, die Kampagne, auf die sie vor zwei Stunden geklickt haben, und ihr laufendes Abonnement sehen. Wenn dieses Gespräch endet, aktualisiert die Interaktion dasselbe Profil, das die nächste E-Mail, die nächste Textnachricht und die nächste Produktempfehlung ermöglicht.

Service wird zu einem Input für die Kund*innenbeziehung, nicht zu einer Kostenstelle, die an die Seite angeflanscht ist. Wenn du möchtest, dass Service bestimmt, wie du vermarktest, verkaufst und Kund*innen bindest, ist das die Architektur, die dich dorthin bringt.

5 Fragen, die Käufer*innen sich gewünscht hätten, vor der Unterzeichnung einer KI-Kundenservice-Lösung gestellt zu haben

Diese 5 Fragen tauchen in Post-Implementation-Reviews immer wieder auf, wenn Käufer*innen ehrlich darüber sprechen, was sie übersehen haben:

1. Woher stammen die Informationen der KI?

Die meisten Demos zeigen, wie ein KI-gestützter Customer Agent eine saubere, allgemeine Anfrage löst. Was sie nicht zeigen, ist, was der KI-Agent sieht, wenn eine echte, bekannte Kund*in Kontakt aufnimmt. Ihre 6. Bestellung? Ihre Treuestufe? Eine offene Beschwerde von letzter Woche?

Frage während der Demo, auf welche Daten die KI zugreift, bevor sie einer Kund*in antwortet oder ein Ticket priorisiert. Ist es ein Profil in Echtzeit, eine Echtzeitabfrage eines externen Systems, ein statisches Regelsystem oder eine Synchronisierung nach einem Batch-Zeitplan?

2. Was passiert, wenn die KI eskaliert?

Jede*r KI-Agent*in eskaliert irgendwann. Wichtig ist, was die menschliche Agent*in sieht, wenn das Ticket ankommt. Übermittelt die Eskalation den vollständigen Kontext, einschließlich Konversationsverlauf, Kund*innenprofil und dem, was die KI bereits versucht hat? Oder müssen sowohl Kund*innen als auch die menschliche Agent*in bei null anfangen?

Bitte darum, in einer Live-Demo eine Eskalation zu sehen. Sieh dir an, wie der Posteingang der menschlichen Agent*in tatsächlich aussieht, wenn die Übergabe ankommt. Wenn die Demo nur die reibungslosen Fälle zeigt, lohnt es sich, auch darum zu bitten, einen unordentlicheren zu sehen.

3. Kann der KI-Agent unsere spezifischen Anwendungsfälle ohne Developer*in abdecken?

Vorkonfigurierte WISMO Skills sind das absolute Minimum. Wichtig ist, was die KI-Agent*in braucht, um deine spezifischen Use Cases zu bewältigen, wie Garantieansprüche, Abo-Änderungen, Anfragen zu Loyalitätsstufen und die Abholung im Store.

Frag nach, wie lange diese Builds dauern, was sie von deinem Team erfordern und ob es eine Möglichkeit gibt, das Verhalten von KI-Agent*innen zu testen, bevor sie mit echten Kund*innen spricht. Kann ein*e Service-Mitarbeiter*in an einem Nachmittag eine neue Skill konfigurieren, oder läuft jede Änderung durch eine Dev-Queue? Wie lange braucht ein nichttechnisches Teammitglied, um eine benutzerdefinierte Agenten-Skill von Grund auf zu erstellen?

Wichtig ist auch: Gibt es eine Simulationsumgebung, um das Verhalten des KI-Agenten vor dem Go-live zu testen?

4. Aktualisiert eine Service-Interaktion das Marketing-Profil?

Die meisten Käufer*innen kommen erst darauf, danach zu fragen, wenn sich Kund*innen beschweren, dass sie direkt nach einem frustrierenden Support-Erlebnis eine Werbe-E-Mail erhalten haben.

Wenn ein Service-Ticket geschlossen wird oder jemand eine Self-Serve-Interaktion abschließt, wird dann das Kund*innenprofil aktualisiert, das Marketingkampagnen antreibt? Können Marketing-Flows automatisch unterdrücken, wenn ein Support-Ticket offen ist? Löst ein geschlossenes Ticket von selbst einen Recovery-Flow aus, ohne manuellen Export oder Tag?

Wenn Service und Marketing auf unterschiedlichen Plattformen laufen, wird jemand in deinem Team dafür verantwortlich sein, sie synchron zu halten. Das sind laufende Kosten, die im Vertrag nie auftauchen.

5. Wie sieht das Preismodell bei dem Dreifachen unseres aktuellen Volumens aus?

Viele KI-Kund*innendienstlösungen bepreisen nach Konversationsvolumen oder Ticketanzahl. Das ist an sich kein Problem; entscheidend ist, ob du deine Kosten zu Spitzenzeiten prognostizieren kannst, ohne böse Überraschung während Black Friday und Cyber Monday, einer Versandverzögerung oder einer Produkteinführung.

Bitte vor der Unterschrift eine Prognose für das 2-Fache und 3-Fache des aktuellen Volumens an und achte darauf, wie sich die Kosten pro Einheit verhalten. Pauschale Preise pro Unterhaltung machen deine Kalkulation vorhersehbar, wenn das Volumen sprunghaft ansteigt (der Customer Agent von Klaviyo ist zum Beispiel bei jedem Volumen pauschal 0,70 $ pro Unterhaltung), während Ticket-basierte Tools wie ein Helpdesk pro Ticket oft günstiger werden, wenn dein Volumen wächst. So oder so ist das Ziel dasselbe: Kenne deine Kosten pro Unterhaltung oder pro Ticket bei Spitzenlast, bevor du dich festlegst, nicht danach.

Wie die Implementierung mit einem KI-gestützten CRM tatsächlich aussieht

Meistens geht es bei Implementierungsproblemen nicht um die KI. Sondern um die Bereitschaft. Wie sauber sind deine Daten? Welche Kanäle deckst du ab? Wie komplex sind die Use Cases, die du zu automatisieren versuchst?

Die Implementierung mit einem KI-gestützten CRM fällt in der Regel in eines von 3 Szenarien:

Szenario 1: Vorgefertigte Integrationen, vorgefertigte AI-Agenten-Skills

• Situation: Du betreibst einen Shopify- oder WooCommerce-Shop. Der Großteil deines Support-Volumens kommt von WISMO und Retouren. Du hast keine Entwickler*innen-Ressourcen und willst nicht auf sie warten.
• Das kannst du erwarten: Die Implementierung dauert Tage, nicht Wochen. Bestell- und Kund*innendaten sind ab Tag eins über vorgefertigte CRM-Integrationen verfügbar, und vorgefertigte KI-Customer-Agent-Skills stellen ohne Konfiguration auf deiner Seite eine direkte Verbindung zu diesen Daten her.
• Worauf du achten solltest: Prüfe, ob die vorgefertigten Integrationen des CRM deine Commerce-Plattform abdecken.

Szenario 2: Individuelle Anwendungsfälle ohne Entwicklerressourcen

• Situation: Du hast WISMO und Rücksendungen bereits abgedeckt. Jetzt brauchst du einen KI-Customer Agent, der markenspezifische Use Cases wie Garantieansprüche, Abonnementänderungen und Anfragen zu Treuestufen bearbeitet. Du hast keinen Engineering-Sprint übrig.
• Was du erwarten kannst: Die Implementierung passiert in Wochen, nicht in Monaten. Du schreibst Anweisungen für jede benutzerdefinierte Skill, testest sie in einer Simulationsumgebung anhand von KI-generierten Kund*innen-Personas und validierst sie dann und gehst live. Dein Zeitplan hängt davon ab, wie viele benutzerdefinierte Skills du erstellst und wie komplex die Logik ist – nicht von der Verfügbarkeit von Entwickler*innen.
• Worauf du achten solltest: Frage, wie KI-Agent-Antworten validiert werden, bevor der Agent beginnt, mit Kund*innen zu sprechen.

Szenario 3: Service, der als ein vernetztes Erlebnis funktioniert

• Situation: Du möchtest nicht nur, dass ein KI-Agent Chats beantwortet. Du möchtest, dass die KI, dein menschliches Team und eine Self-Service-Ebene auf deiner Website alle mit denselben Kund*innendaten arbeiten, damit eine Käufer*in dieselbe Antwort bekommt – egal ob sie ihre Bestellseite aufruft, der KI eine Nachricht schickt oder eine Person erreicht.
• Was dich erwartet: Da alle 3 auf einem Kundenprofil basieren, gibt es kein separates Integrationen-Projekt, um sie miteinander zu verbinden. Der KI-Agent löst, was er kann, übergibt dann mit dem vollständigen Gespräch und der angehängten Kund*innenhistorie an eine*n menschliche*n Mitarbeiter*in und aktualisiert dasselbe Profil, aus dem dein Self-Service-Portal liest. Ein wiederkehrender Kunde mit einem aktiven Abonnement sieht das in jedem Kanal widergespiegelt, den er nutzt – egal, ob im Chat, bei menschlichen Mitarbeiter*innen oder auf der Kontoseite.
• Worauf du achten solltest: Stell sicher, dass sich der KI-Agent, der menschliche Helpdesk und das Self-Service-Portal tatsächlich ein Kund*innen-Profil teilen, statt dass es 3 Tools sind, die mit Konnektoren zusammengeflickt wurden. Wenn sie auf getrennten Daten sitzen, erbst du die Sync-Arbeit, und Kund*innen merken die Bruchstellen.

Den Business Case für KI-Kundenservice aufbauen

Die meisten internen Vorschläge bringen die Kostenreduktionsrechnung auf den Punkt und hören dort auf. Aber der überzeugendere Case, der tatsächlich Budget genehmigt bekommt, zeigt, dass Service auch Umsatz generieren kann.

Das Kostenreduktionsmodell

Beginne mit 4 Eingaben, die du aus deinen eigenen Daten ziehen kannst:

Multipliziere deine aktuellen Kosten pro Ticket mit der Anzahl an Tickets, die die KI stattdessen bearbeiten könnte, und ziehe dann ab, was die KI pro Lösung kostet, um herauszufinden, wie viel du voraussichtlich sparen kannst. Denke daran, dass das Ticketvolumen tendenziell mit dem Bestellvolumen wächst; diese Einsparungen steigen also mit, während dein Unternehmen skaliert, was dies zu einem überzeugenderen Argument für Führungskräfte macht als Personal abzubauen.

NANUK, der kanadische Hersteller robuster Schutzkoffer, bekam immer wieder dieselbe technische Frage gestellt (eine Variante von „Passt das?“), und Mitarbeiter*innen verbrachten Stunden mit einfachen Jas und Neins. Nach dem Hinzufügen eines KI-Customer-Agent und eines Self-Serve-Hubs, der auf denselben Kund*innendaten basiert, verzeichnete NANUK eine Chat-Lösungsquote von 84 % über einen Zeitraum von 90 Tagen [EN], wodurch das Team sich auf VIP-Beziehungen statt auf wiederholte FAQs konzentrieren konnte.

Das Umsatzmodell

Wenn die KI auf einem vollständigen Kund*innenprofil basiert, dient sie gleichzeitig als Personalisierungsinfrastruktur. Die gleiche Datenebene, die zielgerichtete Marketingkampagnen antreibt, kann auch Produktempfehlungen und andere Up- und Cross-Selling-Maßnahmen in einem Support-Chat ermöglichen oder ein personalisierteres Erlebnis in einem Self-Service-Klaviyo Customer Hub.

Wie Klaviyo Service in die Landschaft passt

Klaviyo Service basiert auf denselben Echtzeit-Kund*innendaten, die Klaviyo Marketing antreiben. Wenn also ein*e Kund*in einen Chat öffnet, weiß K:AI Customer Agent, wer sie sind, was sie gekauft haben und wo sie in deinem Marketing-Programm stehen, bevor es ein Wort tippt.

Customer Agent kann auch mitten in der Konversation Produkte empfehlen. Das ist der Punkt, an dem Service anfängt, zum Umsatz beizutragen, statt nur Kosten zu senken. Wenn die KI etwas nicht bewältigen kann, übernimmt Klaviyo Helpdesk – mit vollständig erhaltenem Kontext für dein menschliches Team.

Und Klaviyo Customer Hub bietet Kund*innen auf deiner Website eine Self-Service-Ebene für Tracking von Bestellungen, Einlösen von Treueprämien, Verwalten von Abonnements und personalisierte Produktempfehlungen – alles auf Basis derselben Kundendaten.