Der Support der Zukunft: Welche Fälle übernehmen Agenten?

Welche Supportfälle eignen sich für Agenten? So teilen Sie Aufgaben zwischen KI und Menschen auf und prüfen Qualität, Aufwand und wirtschaftlichen Nutzen.

Von Christian Fehrlin

Eine Hand aus orangefarbenem Licht übergibt einen Brief an einen freien menschlichen Arbeitsplatz.
KI-generiertes Symbolbild: Ein Agent bereitet vor und übergibt Verantwortung gezielt an einen Menschen.

Eine Kundin schreibt zum dritten Mal wegen derselben Lieferung. Die erste Antwort kam schnell, die zweite nannte einen anderen Termin. Jetzt will sie jemanden erreichen, der den Vorgang übernimmt. Genau hier entscheidet sich der Nutzen von KI im Support: Wird nur schneller geantwortet, oder kommt der Fall tatsächlich voran?

Die Managemententscheidung lautet deshalb: Welche Verantwortung bekommt ein Agent? Eine sinnvolle Aufgabenteilung beginnt beim Fall, begrenzt mögliche Schäden und misst das bestätigte Ergebnis. Gewonnene Zeit wird erst dann wirtschaftlich wertvoll, wenn das Unternehmen sie nutzen kann. Dieser Beitrag liefert dafür einen Entscheidungsvorschlag; er behauptet keine Ergebnisse eines Kundenprojekts.

Nicht jede Supportaufgabe braucht einen Agenten

Ein Agent verbindet ein Sprachmodell mit zugelassenen Datenquellen und Werkzeugen. Er kann Informationen beschaffen und nächste Schritte abhängig vom Ergebnis auswählen. Für eine einfache Statusabfrage reicht dagegen möglicherweise eine bestehende Self-Service-Funktion. Eine vollständig festgelegte Schrittfolge lässt sich als normaler Workflow umsetzen. Anthropic unterscheidet entsprechend zwischen festen Workflows und dynamischer Werkzeugwahl durch Agenten.

Prüfen Sie deshalb zuerst die einfachere Lösung. Ein Agent wird interessant, wenn wechselnde Anfragen verstanden, Informationen aus mehreren Quellen zusammengeführt und Rückfragen situationsabhängig gestellt werden müssen. Er ist kein Ersatz für eine ungeklärte Versandregel oder eine unzuverlässige Wissensbasis.

Welche Fälle eignen sich zuerst?

Unser Vorschlag: Wählen Sie eine häufige Fallgruppe mit beobachtbarem Abschluss. Bewerten Sie vier Kriterien: Sind die Quellen aktuell und zugänglich? Ist die erlaubte Handlung eindeutig? Wie schwer wäre eine falsche Antwort oder Änderung? Lässt sich der Erfolg unabhängig von der Agentenantwort überprüfen?

Fehlt eine dieser Grundlagen, beginnt die Arbeit mit Daten und Prozessklärung. Für verbleibende Fälle hilft eine zweite Unterscheidung: Wie klar sind die Regeln, und wie folgenreich wäre ein Fehler? Die folgende Landkarte ist eine Gestaltungshilfe, keine automatische Berechtigungsvergabe.

Aufgabenlandkarte: Bei unklaren Regeln und hohen Fehlerfolgen führt ein Mensch. Bei klaren Regeln bereitet der Agent eine Entscheidung vor. Begrenzte Automatisierung kommt bei klaren Regeln und niedrigen Fehlerfolgen infrage – erst nach Prüfung von Daten, Rechten und Ergebnisnachweis.

BeispielSinnvoller EinstiegGrenze
Status einer zugeordneten BestellungAktuellen Stand auslesen und erklärenKeine neue Lieferzusage bei widersprüchlichen Quellen
Bekannte technische FrageAnleitung mit passender Quelle vorbereitenUnklare Umgebung oder riskanter Eingriff zum Menschen
Lieferadresse ändernÄnderbarkeit prüfen und Änderung vorbereitenAusführung nur nach definierter Regel und nötiger Freigabe
Reklamation mit GutschriftwunschBelege und Optionen zusammentragenKulanz, Betrag und verbindliche Zusage bleiben zunächst beim Menschen

Die häufigste Kategorie ist nicht zwingend der beste Pilot. Ein grosses Volumen mit unklaren Sonderverträgen kann ungeeigneter sein als ein kleinerer, sauber begrenzter Vorgang. Umgekehrt muss ein leicht automatisierbarer Fall genügend Aufwand verursachen, damit sich seine Anbindung lohnt.

Was die Forschung belegt – und was nicht

Eine 2025 veröffentlichte Feldstudie untersuchte KI-Unterstützung bei 5’172 Supportmitarbeitenden eines Unternehmens. Die Zahl gelöster Anliegen pro Stunde stieg im Mittel um 15 Prozent. Menschen blieben verantwortlich und konnten Vorschläge verändern oder ignorieren. Bei besonders erfahrenen und leistungsstarken Mitarbeitenden fanden die Autoren auch kleine Qualitätseinbussen. Das ist Evidenz für Assistenz unter diesen Bedingungen, kein Nachweis eines autonomen Supports und keine Prognose für Ihr Unternehmen. Generative AI at Work

Messen Sie daher nach Fallgruppe und Erfahrungsstand. Ein Durchschnitt kann verdecken, dass eine Gruppe schneller arbeitet, während eine andere mehr korrigieren muss.

100 Stunden werden zu 80 – unter diesen Annahmen

Ein ausdrücklich hypothetisches Monatsbeispiel: 600 Fälle benötigen bisher durchschnittlich zehn Minuten menschliche Bearbeitung, insgesamt 100 Stunden. Im Pilot beanspruchen 300 weitgehend automatisierte Fälle jeweils zwei Minuten menschliche Arbeit, also zehn Stunden. Die anderen 300 Fälle benötigen zwölf Minuten, zusammen 60 Stunden. Zehn Stunden für Stichproben, Pflege und Fehlerklärung kommen hinzu. Die Rechnung unterstellt einen vergleichbaren Fallmix und mindestens gleiche Lösungsqualität.

Hypothetischer Kapazitätsvergleich mit gleicher Skala: bisher 100 Stunden; Pilot 10 Stunden Standardfälle, 60 Stunden komplexe Fälle und 10 Stunden Qualität und Pflege. 20 Stunden Kapazität werden frei. Keine gemessene oder automatische Zahlungseinsparung.

Es bleiben 80 Stunden Aufwand und 20 Stunden rechnerische Entlastung. Bei angenommenen CHF 90 je Stunde entspricht das CHF 1’800 Kapazitätswert pro Monat. Dieser Wert wird erst nutzbar, wenn damit beispielsweise Rückstände abgebaut, zusätzliches Volumen bearbeitet oder tatsächlich externe Kosten vermieden werden. Ohne diese Verwendung ist die freigewordene Zeit noch kein realisierter finanzieller Nutzen.

Lizenz-, Modell-, Integrations- und Betriebskosten sowie der Einführungsaufwand fehlen noch in dieser Rechnung. Für einen allein auf diesem Kapazitätswert basierenden Business Case müssen die zusätzlichen laufenden Kosten unter dem realisierbaren Nutzen liegen; danach ist der Einführungsaufwand zu decken. Bessere Servicequalität kann zusätzlich zählen, muss aber separat belegt werden. Zählen Sie dieselben Stunden nicht nochmals als Personalkosteneinsparung. Vertiefung: Kosten pro gelöstem KI-Fall.

Ein Pilot braucht eine Abnahme, nicht nur eine Demo

Unser vorgeschlagener Ablauf hat drei Stufen: Zuerst arbeitet der Agent mit freigegebenen Testfällen ohne Kundenwirkung. Danach bereitet er echte Fälle vor, während Menschen entscheiden. Erst nach fachlicher Abnahme erhält er eng begrenzte Ausführungsrechte. Eine neue Fallgruppe startet mit einer eigenen Prüfung.

Vorher und nachher müssen vergleichbare Fälle und derselbe Beobachtungszeitraum betrachtet werden. Legen Sie im Pilot fest, was «gelöst» bedeutet: das zugesagte Ergebnis ist bestätigt, und innerhalb eines definierten Fensters tritt dasselbe Problem nicht erneut auf. Bei reinen Auskunftsfällen gehört die fachliche Richtigkeit der Antwort dazu. Ausbleibender Kundenkontakt allein beweist keine Lösung.

PrüfgrösseWas tatsächlich gezählt wird
LösungsquoteFachlich bestätigte Lösungen geteilt durch alle aufgenommenen Fälle; Abbrüche und Übergaben separat ausweisen; automatische, geprüfte und menschliche Lösungen unterscheiden
WiedereröffnungenDasselbe Anliegen innerhalb des vereinbarten Fensters, auch über einen anderen Kanal
Menschlicher AufwandBearbeitung, Rückfragen, Prüfung und Nacharbeit je Fall; gemeinsame Pflege zusätzlich
ServicequalitätStichproben zur Richtigkeit, Beschwerden und Kundenfeedback mit Rücklaufquote

Definieren Sie Qualitätsgrenzen vor dem Start und je Fallgruppe. Eine allgemein passende Erfolgsquote gibt es dafür nicht. Ein unerlaubter Schreibzugriff sollte nach unserem Vorschlag den ausführenden Teil sofort stoppen, auch wenn die durchschnittliche Lösungsquote gut aussieht. Agententests sollten den tatsächlichen Endzustand prüfen, nicht nur eine überzeugende Erfolgsmeldung.

Wer den Agenten betreibt, bleibt verantwortlich

Die Supportleitung verantwortet Fallauswahl, Servicequalität und Übergaben; IT verantwortet Zugriffe, Nachvollziehbarkeit und Abschaltung. Ein benannter fachlicher Verantwortlicher genehmigt neue Aktionen, Finance prüft den realisierbaren Nutzen. Kundinnen und Kunden brauchen einen erkennbaren Weg zum Menschen, der den bisherigen Kontext erhält.

Berechtigungen gehören in die angeschlossenen Systeme, nicht nur in eine Anweisung an das Modell. Ein Kundenanhang darf keine zusätzlichen Rechte erzeugen. Protokolle benötigen begrenzte Zugriffe und angemessene Aufbewahrung. OWASP empfiehlt minimale Funktionen und Rechte sowie menschliche Freigaben für folgenreiche Aktionen.

Nach Änderungen an Modell, Regeln oder Werkzeugen werden die entscheidenden Testfälle erneut geprüft. Bei Problemen muss der Betrieb auf menschliche Bearbeitung zurückschalten können. Diese organisatorischen Voraussetzungen sind Teil der Investition. Deep Impact beschreibt für KI-Agenten entsprechend klar begrenzte Aufgaben, Systemzugriffe und Freigaben.

Der erste Auftrag ist damit konkret: eine Fallgruppe, ein bestätigtes Ziel, erlaubte Aktionen, ein Verantwortlicher und ein Abnahmeverfahren. So entsteht ein Support, der Anliegen übernimmt und zuverlässig weiterführt. Mit Deep Impact einen Support-Piloten abgrenzen.