AI Agent Assist: Echtzeit-Vorschläge, Wissen und nächste Schritte

Von Linh Ngo · Aktualisiert am 11. Oktober 2026

AI Agent Assist ist eine Software, die ein laufendes Kundengespräch mitliest und, während noch ein Mensch es bearbeitet, eine Antwort vorschlägt, das passende Wissen einblendet und den nächsten Schritt empfiehlt. Die Mitarbeitenden behalten die Kontrolle: Jeden Vorschlag können sie senden, bearbeiten oder ignorieren. Genau das unterscheidet Agent Assist von einem Chatbot. Ein Bot spricht mit dem Kunden. Assist spricht mit Ihren Mitarbeitenden, und diese sprechen mit dem Kunden.

Für die meisten Support-Teams ist das der sicherere erste Schritt in die AI. Der Kunde bekommt weiterhin einen Menschen, der Mensch findet schneller zur Antwort, und Sie erfahren rasch, ob Ihr Wissen gut genug ist, um irgendetwas zu automatisieren. Wenn Sie noch entscheiden, wo Assist passt, zeigt der Überblick zu AI im Kundenservice die weiteren Optionen, und Automatisieren oder Unterstützen erklärt, wie Sie je Thema entscheiden.

Wichtige Fakten

• In einer Studie mit 5.179 Kundensupport-Mitarbeitenden erhöhte der Zugang zu einem generativen AI-Assistenten die gelösten Fälle pro Stunde im Durchschnitt um etwa 14%, bei Berufseinsteigern und gering qualifizierten Beschäftigten um etwa 34%, bei erfahrenen Beschäftigten kaum.
• In derselben Studie folgten die Mitarbeitenden den Empfehlungen der AI im Durchschnitt in 35% der Fälle, die meisten Vorschläge wurden also nicht genutzt. Wer ihnen genauer folgte, gewann mehr.
• Unterstützte Mitarbeitende mit zwei Monaten Betriebszugehörigkeit erreichten bei den zentralen Messgrößen der Studie dieselbe Leistung wie nicht unterstützte Mitarbeitende mit mehr als sechs Monaten.
• In der 7. State-of-Service-Umfrage von Salesforce unter 6.500 Service-Fachleuten gaben Mitarbeitende, die AI nutzen, an, 20% weniger Zeit für Routinefälle aufzuwenden, etwa vier Stunden pro Woche. Das ist eine Herstellerumfrage mit selbst berichteter Zeit, kein gemessenes Ergebnis.
• Das Copilot von Intercom kann auf Konversationen und Tickets der letzten 4 Monate zurückgreifen, nutzt aber keine Konversationen aus dem E-Mail-Kanal.

Was Agent Assist im laufenden Kontakt leistet

Agent Assist hat drei Aufgaben, und die meisten Produkte bündeln sie. Es lohnt sich, sie zu trennen, denn jede scheitert aus einem anderen Grund.

1. Antwortvorschläge. Das Tool entwirft, was als Nächstes zu sagen ist. Die vorgeschlagenen Erstantworten von Zendesk zum Beispiel entwerfen eine erste Antwort im Composer des Agent Workspace, erstellt aus vorhandenen Macros und Hilfecenter-Artikeln des Kontos (und teils aus LLM-generierten Inhalten). Die Mitarbeitenden können sie unverändert senden, bearbeiten oder verwerfen und eine eigene Antwort schreiben. Salesforce beschreibt seine Service-Antworten genauso: Generative AI entwirft Antworten, die Mitarbeitende prüfen, bearbeiten und veröffentlichen.

2. Wissen einblenden. Das Tool findet den Artikel, die Richtlinie oder die frühere Antwort, die zur Frage passt, damit die Mitarbeitenden nicht suchen müssen. Die Artikelempfehlungen von Salesforce empfehlen Mitarbeitenden bei offenen Fällen passende Wissensartikel, und die Antwortempfehlungen blenden in Chat und Messaging gängige, freigegebene Antworten ein. Beim Copilot von Intercom können Mitarbeitende die Quelle hinter einer Antwort in der Seitenleiste ansehen, und Antworten auf Basis interner Quellen sind gelb markiert und mit einer Warnung versehen, bevor sie in den Composer übernommen werden. Das ist Retrieval-Augmented Generation (das ACE-Muster rag-assistant), ausgerichtet auf ein internes Publikum.

3. Nächste Schritte. Das Tool empfiehlt eine Aktion: den Kontakt taggen, eine Rückerstattung im Rahmen der Richtlinie anbieten, ein Engineering-Ticket eröffnen, ein Follow-up senden. Das ist das ACE-Muster workflow-copilot. Von den dreien braucht es die meisten strukturierten Daten, denn der „nächste Schritt“ hängt vom Tarif, vom Bestellstatus oder von der Kontohistorie des Kunden ab, nicht nur vom Wortlaut im Chat.

Zwei unterstützende Funktionen ergänzen das. Die Intent-Erkennung sagt der Assist-Ebene, was der Kunde fragt, damit sie die richtigen Inhalte abruft. Die Ticket-Zusammenfassung gibt Mitarbeitenden den Verlauf in wenigen Zeilen, damit sie nicht vierzig Nachrichten lesen müssen, bevor sie antworten.

Ein laufender Kontakt, Schritt für Schritt

Angenommen, ein Kunde schreibt: „Mir wurde mein Jahrestarif doppelt berechnet.“ So arbeitet eine gut konfigurierte Assist-Ebene in der ersten Minute.

1. Sie ordnet das Thema einem Abrechnungsstreit zu und ruft den Tarif und die letzten Rechnungen des Kunden ab.
2. Sie blendet den Artikel zur Erstattungsrichtlinie und das Macro für Doppelabbuchungen neben der Konversation ein.
3. Sie entwirft eine Eingangsbestätigung, die den Tarif nennt und sagt, wie es weitergeht.
4. Sie schlägt den nächsten Schritt vor: prüfen, ob es sich um eine ausstehende Autorisierung oder eine echte zweite Abbuchung handelt, und im Rahmen des Limits der Mitarbeitenden erstatten, wenn sie echt ist.
5. Die Mitarbeitenden bearbeiten den Entwurf, senden ihn und führen den Schritt aus. Der Kontakt wird mit dem Grundcode protokolliert.

Keiner dieser Schritte hat den Menschen ersetzt. Sie haben das Suchen, das erneute Tippen und die Pause bei der Frage „Welche Richtlinie gilt?“ beseitigt.

Was die Evidenz zeigt

Die bekannteste Studie ist ein gestaffelter Rollout im Chat-Support eines Unternehmens, veröffentlicht als NBER Working Paper 31161 und später im Quarterly Journal of Economics. Vier Ergebnisse sollten Sie in Ihre Planung mitnehmen.

Der Durchschnitt verbirgt die Aufteilung. Dem durchschnittlichen Zuwachs von 14% standen etwa 34% bei Berufseinsteigern und gering qualifizierten Mitarbeitenden gegenüber, bei erfahrenen kaum eine Veränderung. Besteht Ihr Team überwiegend aus Veteranen, erwarten Sie einen kleineren Produktivitätseffekt und suchen Sie stattdessen nach Gewinnen bei der Konsistenz. Wenn Sie in Wellen einstellen oder eine hohe Fluktuation haben, ist Assist wichtiger.

Es verkürzt die Einarbeitung. Mitarbeitende mit zwei Monaten Betriebszugehörigkeit und AI-Zugang erreichten bei den wichtigsten Ergebnismaßen der Studie dieselbe Leistung wie Mitarbeitende mit mehr als sechs Monaten ohne AI (Working-Paper-PDF). Für Führungskräfte ist das ebenso ein Argument für geringere Schulungskosten wie für mehr Tempo.

Es ist darauf ausgelegt, zu unterstützen. Das System lieferte Echtzeit-Vorschläge für Antworten und Links zur internen technischen Dokumentation, die nur die Mitarbeitenden sahen, und diese konnten frei entscheiden, ob sie sie nutzen. Die Mitarbeitenden folgten den Empfehlungen im Durchschnitt in etwa 35% der Fälle, und die Befolgung stieg im Zeitverlauf, besonders bei zunächst skeptischen Beschäftigten. Selektive Nutzung war die Regel, und das ist gesund: Eine Vorschlagsquote nahe 100% würde bedeuten, dass niemand mehr mitdenkt.

Es wirkte auf Personalergebnisse. Die Autoren berichten von besserer Kundenstimmung, weniger Kunden, die einen Vorgesetzten verlangten, und geringerer Fluktuation, getragen von der Bindung neuerer Beschäftigter. Weniger Abgänge unter Neueinsteigern ist ein Kostenposten, den die meisten Support-Verantwortlichen sofort kennen.

Eine Einschränkung zum Geltungsbereich: Es war ein Unternehmen, ein Chat-Produkt und ein bestimmtes Tool, das mit Konversationen und Ergebnissen der eigenen Mitarbeitenden trainiert wurde, wobei die meisten Mitarbeitenden auf den Philippinen arbeiteten. Betrachten Sie es als starken Beleg dafür, dass der Mechanismus funktioniert, nicht als Versprechen von 14% für Ihre Warteschlange. Die Zahlen der Hersteller sind weicher: Das Umfrageergebnis von Salesforce mit 20% weniger Zeit für Routinefälle stammt aus Selbstauskünften der Mitarbeitenden, nutzen Sie es daher als Richtung, nicht als Zielwert.

Agent Assist nach Funktion

Das Muster ist überall dasselbe, aber was als „guter Vorschlag“ gilt, ändert sich.

In jeder Zeile ist der Vorschlag nur so gut wie die Inhalte und Daten dahinter. Die IT-Zeile scheitert aus demselben Grund wie die technische: Dokumentation, die niemand pflegt.

So führen Sie Agent Assist ein

Ein Rollout braucht keinen großen Urknall. Diese Reihenfolge funktioniert für die meisten Teams.

1. Wählen Sie eine Warteschlange und einen Kanal. Nehmen Sie eine Warteschlange mit hohem Volumen und geringem Risiko, in der es Antworten schriftlich gibt. Chat oder Messaging ist der übliche Start. Prüfen Sie, was Ihr Tool unterstützt: Das Copilot von Intercom etwa nutzt keine E-Mail-Konversationen als Quelle, die Kanalabdeckung sollten Sie also vorab klären. Sie unterscheidet sich je nach Produkt stark.
2. Bringen Sie zuerst das Wissen in Ordnung. Vorschläge stützen sich auf Ihre Macros und Artikel, sodass Dubletten, Widersprüche und veraltete Richtlinien zu selbstsicheren falschen Entwürfen werden. Beginnen Sie mit den 50 meistgenutzten Macros und den 30 wichtigsten Artikeln. Support-Daten für AI vorbereiten beschreibt die Bereinigung im Detail.
3. Legen Sie fest, was das Tool vorschlagen darf. Listen Sie Themen auf, bei denen Entwürfe willkommen sind (Anleitungen, Bestellstatus), und Themen, bei denen sie ausgeschlossen sind (rechtliche Drohungen, Sicherheit, regulierte Pflichtangaben). Schreiben Sie diese Liste vor dem Start auf.
4. Betreiben Sie es zwei Wochen im Schattenmodus. Zeigen Sie Vorschläge einer kleinen Pilotgruppe und erfassen Sie für jeden, ob er angenommen, bearbeitet oder verworfen wurde, bei Ablehnung zusätzlich den Grund. Noch keine Änderung für Kunden.
5. Schulen Sie Urteilsvermögen, nicht Schaltflächen. Die Mitarbeitenden müssen wissen, dass der Entwurf ein Ausgangspunkt ist. Üben Sie eine Zwei-Sekunden-Prüfung: Passt der Entwurf zu dem, was der Kunde gefragt hat, und sagt die zitierte Quelle das auch?
6. Messen Sie mit einer Kontrollgruppe. Vergleichen Sie Pilot-Mitarbeitende mit ähnlichen Mitarbeitenden ohne Assist oder mit der eigenen Baseline (Ausgangswert) der Pilotgruppe. Verfolgen Sie Bearbeitungszeit, Erstlösungsquote, Wiedereröffnungsquote, CSAT und die Zeit neuer Mitarbeitender bis zur Einsatzreife. Beurteilen Sie nicht allein anhand der Annahme von Vorschlägen.
7. Schließen Sie die Feedback-Schleife. Jeder verworfene Vorschlag liefert Daten. Wenn Mitarbeitende denselben Entwurf immer wieder umschreiben, ist das Macro oder der Artikel dahinter falsch. Beheben Sie es an der Quelle.
8. Erweitern Sie Warteschlange für Warteschlange, nicht per Schalter. Nehmen Sie die nächste Warteschlange erst hinzu, wenn die erste ihre Qualitätswerte hält. Verknüpfen Sie Assist mit der Qualitätssicherung im Support, damit Prüfende sehen, welche Konversationen einen Entwurf nutzten und ob sich diese bewährt haben.

Fallstricke, die Sie vermeiden sollten

Die Annahmequote als Erfolg werten. Eine hohe Annahmequote kann bedeuten, dass das Tool gut ist oder dass die Mitarbeitenden aufgehört haben zu prüfen. Die NBER-Studie fand selektive Nutzung als Normalfall, im Durchschnitt rund 35%. Kombinieren Sie die Annahmequote mit der Wiedereröffnungsquote und QA-Werten.

Die Wissensdatenbank ignorieren. Der eigene Artikel von Zendesk weist darauf hin, dass Mitarbeitende den Inhalt vorgeschlagener Antworten nicht beeinflussen können, der Weg zu besseren Vorschlägen führt also über bessere Macros und Artikel, auf die sie sich stützen. Assist legt Inhaltsschulden schnell offen.

Automation Bias. Unter dem Druck der Warteschlange senden Mitarbeitende, was auf dem Bildschirm steht. Halten Sie Quellenvorschauen einen Klick entfernt, wie Intercom es mit der Quellenvorschau in der Seitenleiste tut, und prüfen Sie jede Woche eine Stichprobe gesendeter Entwürfe.

Nur die Geschwindigkeit messen. Sinkt die Bearbeitungszeit, während Wiederkontakte steigen, hilft das Tool den Mitarbeitenden, schneller abzuschließen, nicht besser. Beobachten Sie die Lösung aus Sicht des Kunden, nicht nur die Aktivität auf Ihrer Seite.

Die Kapazitätsplanung vergessen. Wenn Assist den Durchsatz erhöht, ändert sich Ihre Personalrechnung. Übernehmen Sie die neuen Bearbeitungszeiten in die Prognose von Volumen und Kapazität, bevor Sie Schichten oder Einstellungspläne kürzen.

Das Coaching auslassen. Assist verbreitet gute Gewohnheiten, behebt aber von selbst kein Qualitätsproblem. Nutzen Sie die Annahme- und Ablehnungsdaten in Coaching-Gesprächen, denn dort wird der Lerneffekt aus der Forschung tatsächlich gefestigt.

Wie die ersten 90 Tage gut aussehen

Bis Woche zwei sollten Sie einen bereinigten Inhaltsbestand und eine Pilotgruppe haben. Bis Woche sechs sollten Sie Ihre Muster aus Annahme, Bearbeitung und Ablehnung nach Thema kennen und die zehn wichtigsten dabei aufgedeckten Inhaltsprobleme behoben haben. Bis Woche zwölf sollten Sie einen Kontrollgruppenvergleich zu Bearbeitungszeit, Wiedereröffnungsquote und CSAT haben, dazu eine Zahl, die Ihr Finanzpartner akzeptiert, etwa pro Woche an die Warteschlange zurückgegebene Stunden oder pro neuem Mitarbeitenden eingesparte Wochen. Ist der Vergleich flach, liegt die Ursache wahrscheinlich bei der Inhaltsqualität oder einem veteranenlastigen Team, nicht bei der Idee selbst. Beheben Sie das Erste und überdenken Sie beim Zweiten den Umfang.