In den meisten Service-Postfächern wiederholt sich ein großer Teil der Anfragen: Wo ist meine Bestellung, wie ändere ich meine Adresse, was kostet der Versand, wie kündige ich. Genau dieser Sockel aus Routine ist das wirtschaftliche Fundament eines Chatbots — nicht die spektakuläre Einzelantwort, sondern die tausendfache Erledigung des Immergleichen, rund um die Uhr und ohne Warteschleife.
Wo ein Chatbot wirklich Geld spart
- Statusauskünfte: Bestellstatus, Ticketstand, Liefertermin — der Bot fragt das Bestandssystem ab und antwortet in Sekunden, statt dass ein Mensch dieselbe Maske öffnet.
- Geführte Standardprozesse: Adressänderung, Terminverschiebung, Retoure anmelden. Der Bot sammelt die nötigen Daten und stößt den Prozess direkt an.
- Wissensfragen: Produkteigenschaften, Preise, Öffnungszeiten, Vertragsdetails — sofern die Quelle dahinter gepflegt ist.
- Vorqualifizierung: Auch wenn am Ende ein Mensch übernimmt, spart es Minuten pro Fall, wenn Anliegen, Kundennummer und Vorgeschichte schon strukturiert vorliegen.
Die Wissensbasis entscheidet, nicht das Modell
Der häufigste Denkfehler bei KI-Projekten im Service: Das Modell wird als Produkt verwechselt. Tatsächlich ist das Sprachmodell austauschbar — der Unterschied zwischen nützlich und peinlich liegt in den Daten, auf die es zugreift. Ein Bot, der per RAG auf gepflegte Hilfe-Artikel, aktuelle Preislisten und das echte Bestellsystem zugreift, antwortet belastbar. Ein Bot, der frei formuliert, erfindet im Zweifel Rückgabefristen, die es nie gab. Deshalb gilt als Bauprinzip: Der Bot antwortet nur aus hinterlegten Quellen, nennt sie im Zweifel — und sagt ehrlich „das weiß ich nicht", statt zu raten. Eine fehlende Antwort kostet einen Klick zur Eskalation. Eine falsche kostet Vertrauen und im schlimmsten Fall eine rechtlich bindende Zusage.
Eskalation: Der Bot braucht einen sauberen Ausgang
Kein seriöses Konzept plant den Chatbot als Endstation. Beschwerden, emotionale Fälle, rechtliche Themen und alles, was vom Standard abweicht, gehören zu einem Menschen — und zwar mit Übergabe des Gesprächskontexts, damit der Kunde sein Anliegen nicht zum dritten Mal erzählt. Ein Bot, der Kunden im Kreis führt und die Telefonnummer versteckt, senkt zwar die Kontaktzahlen im Dashboard, aber nur, weil die Kunden entnervt aufgeben. Das ist keine Automatisierung, das ist Kundenvertreibung mit Technik-Budget.
Ein Chatbot wird nicht daran gemessen, wie viele Chats er führt, sondern wie viele Vorgänge er abschließend löst — ohne dass der Kunde danach doch anruft. Alles andere ist Kosmetik in der Statistik.
Ehrliche Messgrößen statt Chat-Zahlen
- Lösungsquote: Anteil der Vorgänge, die der Bot ohne Mensch abschließend erledigt.
- Wiederkontaktrate: Wie viele Kunden melden sich zum selben Anliegen innerhalb weniger Tage erneut? Die ehrlichste Kennzahl von allen.
- Eskalationsquote mit Kontext: Wie oft übergibt der Bot — und kommt die Übergabe vollständig beim Team an?
- Kosten pro gelöstem Vorgang: Modellkosten plus Pflegeaufwand der Wissensbasis, geteilt durch echte Lösungen — verglichen mit dem Vollkostensatz eines menschlichen Kontakts.
Wann ein Chatbot schadet
Es gibt klare Gegenanzeigen: erklärungsbedürftige Produkte mit wenigen, aber hochwertigen Anfragen — hier zerstört ein Bot Beziehungsqualität, ohne nennenswert Kosten zu sparen. Teams ohne Kapazität für Datenpflege — eine veraltete Wissensbasis produziert selbstbewusst falsche Antworten. Und Projekte, die als Sparprogramm statt als Serviceverbesserung aufgesetzt werden: Wer den Bot als Mauer vor dem Team plant, bekommt die Bewertungen dafür. Sinnvoll ist der umgekehrte Einstieg — ein einziger, häufiger Anwendungsfall, sauber angebunden, ehrlich gemessen. Trägt die Lösungsquote, kommt der nächste Fall dazu. So wächst ein System, das Kunden tatsächlich schneller hilft und dem Team die Routine abnimmt, statt beiden ein neues Hindernis zu bauen.