KI im Servicebetrieb: wo der gemessene Gewinn wirklich landet

Die meisten Verantwortlichen im Servicebetrieb haben inzwischen dieselbe Demonstration gesehen. Ein Assistent entwirft eine Antwort, fasst eine Fallhistorie zusammen, schlägt den nächsten Schritt vor. Das wirkt überzeugend. Die schwierigere Frage kommt unmittelbar danach: Wenn das am Montag vor zweihundert Menschen steht – was ändert sich tatsächlich, und für wen?

Auf diese Frage gibt es eine veröffentlichte Antwort, und die Evidenz dahinter ist ungewöhnlich belastbar. Es lohnt sich, sie zu kennen, bevor ein Servicebetrieb auf einen Rollout festgelegt wird. Denn die Form des Ergebnisses ist nicht die, die in den meisten Business Cases unterstellt wird.

Was die größte veröffentlichte Studie ergab

Brynjolfsson, Li und Raymond: Generative AI at Work, 2025 im Quarterly Journal of Economics erschienen, begleitete 5.179 Mitarbeitende im Kundensupport eines Softwareunternehmens, während der Zugang zu einem generativen KI-Assistenten stufenweise freigeschaltet wurde. Genau diese Staffelung macht die Studie lesenswert: Mitarbeitende mit und ohne Werkzeug bearbeiteten dieselbe Arbeit zur selben Zeit. Der Vergleich ist damit eine Messung und kein Eindruck.

Drei Befunde stechen heraus.

• Die Produktivität stieg um rund 14 %, gemessen an gelösten Vorgängen pro Stunde.
• Der Zuwachs konzentrierte sich auf neuere und schwächere Mitarbeitende – dort rund 34 %. Bei den erfahrensten Kräften lag er nahe null.
• Die Kundenstimmung verbesserte sich, und die Mitarbeiterbindung stieg – zwei Größen, die sich im Servicebetrieb selten gemeinsam bewegen, und keine davon war der erklärte Zweck des Werkzeugs.

Die Erklärung der Autoren ist der eigentlich nützliche Teil: Der Assistent verbreitete offenbar die Arbeitsweise der stärksten Mitarbeitenden auf alle übrigen. Er machte niemanden schneller in dem, was er ohnehin konnte. Er verkürzte den Abstand zwischen Neueinsteiger und erfahrener Kraft.

Die Form des Effekts zählt mehr als seine Größe

Der Durchschnitt von 14 % ist die Zahl, die in den Business Case wandert. Für die Planung ist sie zugleich die unbrauchbarste, weil sie fast niemand im Betrieb erlebt. Manche gewinnen ein Drittel. Manche gewinnen nichts.

Wo der Wert tatsächlich liegt

Wenn der Nutzen mit fehlender Erfahrung steigt, dann hängt seine Höhe in einem Team davon ab, wie groß die Erfahrungsspanne in diesem Team ist. Ein eingespieltes Team langjähriger Spezialisten mit vertrauter Arbeit hat wenig Spielraum. Ein Team mit saisonalen Zugängen, jüngstem Wachstum, hoher Fluktuation oder einem breiten und sich wandelnden Produktumfang hat sehr viel. Dasselbe Werkzeug ist in zwei gleich großen Teams unterschiedlich viel wert.

Das ist eine bessere Auswahlregel als die übliche, dort anzufangen, wo sich jemand freiwillig gemeldet hat.

Was zu messen ist

Gelöste Vorgänge pro Stunde sind in einer kontrollierten Studie ein legitimes Maß. Im laufenden Betrieb sind sie für sich genommen schwach, denn der schnellste Weg zu mehr gelösten Vorgängen pro Stunde ist, sie schlechter zu lösen. Koppeln Sie jede Durchsatzgröße an mindestens eine Qualitätsgröße, die unabhängig von den gemessenen Personen entsteht: wiedereröffnete Fälle, Eskalationsquote, Beschwerdequote, Qualitätsstichproben oder nachträglich bestätigte Erstlösungsquote.

Das NIST AI Risk Management Framework behandelt Messung als durchlaufende Tätigkeit über Entwurf, Einführung und Nutzung hinweg, nicht als einmalig passierte Schranke. Für einen Servicebetrieb heißt das schlicht: Die Auswertung, die den Rollout begründet hat, sollte sechs Monate später noch laufen – an echter Arbeit.

Was mit den erfahrenen Kräften geschieht

Wenn das Werkzeug wirkt, indem es verbreitet, was gute Mitarbeitende ohnehin tun, dann sind gute Mitarbeitende die Quelle des Standards und nicht dessen Nutznießer. Das ist eine Rolle, und sie gehört benannt und ausgestattet: Vorschläge prüfen, das zugrunde liegende Wissen korrigieren und entscheiden, welche Fälle niemals mit Unterstützung bearbeitet werden dürfen. Ein Betrieb, der seine besten Leute nicht am System beteiligt, wird zusehen, wie die Qualität der Vorschläge gegen den Durchschnitt dessen strebt, was dem Modell vorgelegt wurde.

Was mit der Einarbeitung geschieht

Ein Werkzeug, das die Erfahrungskurve staucht, macht Erfahrung nicht überflüssig – es verschiebt den Zeitpunkt, an dem ihr Fehlen auffällt. Neue Kräfte erreichen brauchbare Ergebnisse früher und echtes Verständnis später, weil die Zwischenstufe, die dieses Verständnis erzeugt hat, verkürzt wurde. Betriebe, denen ihre Besetzung in fünf Jahren wichtig ist und nicht nur die Einarbeitung in fünf Wochen, sollten das einplanen statt es zu entdecken.

Die Kontrollen, die aus dem Versuch einen Betrieb machen

Servicearbeit berührt Kundinnen und Kunden, in regulierten Branchen berührt sie Pflichten. Nach Eurostat: Einsatz von künstlicher Intelligenz in Unternehmen setzten 2025 rund 20 % der Unternehmen in der EU ab zehn Beschäftigten KI-Technologien ein, nach 13,5 % im Vorjahr; bei großen Unternehmen waren es 55 %. Der Einsatz wächst also schnell, aber die betriebliche Praxis dahinter ist ungleich verteilt.

Vier Kontrollen schließen den größten Teil der Lücke.

• Ein erhaltener Eskalationsweg. Kundinnen und Kunden müssen einen Menschen erreichen können, und Mitarbeitende müssen einen Vorschlag ablehnen dürfen, ohne die Ablehnung zu begründen. Ein Vorschlag, den man nicht ablehnen kann, ist eine Entscheidung.
• Verankerung in freigegebenem Material. Der Assistent sollte auf aktuelle, verantwortete, versionierte Inhalte zugreifen. Eine selbstbewusste Antwort, die eine zurückgezogene Richtlinie zitiert, ist schlechter als keine Antwort.
• Ein Nachweis dessen, was vorgeschlagen wurde. Wenn acht Monate später eine Beschwerde eintrifft, lautet die Frage, was der Mitarbeitende damals angezeigt bekam. Beantwortbar ist das nur, wenn es damals protokolliert wurde.
• Eine vorab vereinbarte Abbruchbedingung. Benennen Sie Größe und Schwelle, die den Rollout anhalten würden, bevor er beginnt – solange die Entscheidung noch günstig ist.

Der Rechtsrahmen der EU für KI knüpft Pflichten an die Verwendung und nicht an die Technik. Für einen Servicebetrieb ist das die entscheidende Weichenstellung: Derselbe Assistent kann eine geringfügige Schreibhilfe sein oder Teil einer Entscheidung mit spürbaren Folgen für eine Person – und der Kontrollbedarf unterscheidet sich entsprechend.

Ein erster Einsatz, der sich lohnt

Wählen Sie eine Warteschlange, nicht eine Abteilung. Nehmen Sie Arbeit mit klarer Definition von „erledigt“ und einem beobachtbaren Qualitätssignal. Geben Sie zuerst der Hälfte des Teams Zugang und halten Sie die andere Hälfte für einen festgelegten Zeitraum als Vergleich – die gestaffelte Freigabe kostet nichts zusätzlich und ist der Unterschied zwischen Wissen und Glauben.

Legen Sie vorab fest, was als Erfolg gilt, was als Schaden, und wer entscheidet. Erfassen Sie den Ausgangszustand, bevor das Werkzeug kommt; nachträglich lässt er sich nicht rekonstruieren. Lassen Sie es dann lange genug laufen, bis der Neuigkeitseffekt abklingt – die ersten zwei Wochen messen Begeisterung.

Einführung allein ist längst kein Unterscheidungsmerkmal mehr. Der Stanford HAI AI Index Report 2026 beziffert die organisatorische Verbreitung auf 88 %, hält aber fest, dass die Ergebnisse uneinheitlich bleiben und dokumentierte KI-Vorfälle 2025 auf 362 stiegen, nach 233 im Jahr davor. Fast alle haben etwas eingeführt. Ertrag erzielen die Betriebe, die sagen können, was sich geändert hat, für wen, und woher sie das wissen.

Wenn Sie einen Serviceprozess vor dem Rollout unabhängig einschätzen lassen möchten: Das ist Arbeit am Kundenbetrieb und beginnt üblicherweise mit einer abgegrenzten Bestandsaufnahme.

Dieser Beitrag ist eine Adaption des englischen Originals. Im Zweifel gilt die englische Fassung.