Wie AI Rollen und Personalplanung im Support-Team verändert

Von Linh Ngo · Aktualisiert am 11. Oktober 2026

AI verändert die Rollen im Support-Team, indem sie die repetitiven, gut dokumentierten Kontakte übernimmt und die Mitarbeitenden bei allen übrigen unterstützt. Die menschliche Arbeit verlagert sich dadurch auf komplexe Fälle, Ermessensentscheidungen und die Pflege des Wissens und der Regeln, auf denen die AI läuft. Die Personalplanung ändert sich mit: Sie planen für weniger, aber schwierigere Gespräche und ergänzen einige wenige Rollen, die es zuvor nicht gab, etwa AI-Trainer und Knowledge Manager.

Dieser Leitfaden richtet sich an Support-Verantwortliche, CX Directors und Support Manager, die entscheiden müssen, wie ihr Organigramm aussieht, sobald AI im Workflow steckt. Er gehört zur Collection AI for Customer Service. Für das Gesamtbild beginnen Sie mit AI im Kundenservice. Hier bleiben wir bei den Menschen: welche Rollen sich verändern, welche neuen entstehen und wie Sie ein Team dorthin führen, ohne den Service zu gefährden.

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 14% (Brynjolfsson, Li und Raymond, NBER Working Paper 31161).
• Dieselbe Studie berichtet von einer Verbesserung um 34% bei Berufseinsteigern und gering qualifizierten Beschäftigten sowie von minimaler Wirkung bei erfahrenen und hoch qualifizierten Beschäftigten (NBER Working Paper 31161).
• Das US Bureau of Labor Statistics zählte 2025 rund 2,67 Millionen Stellen für Kundenservice-Mitarbeitende und prognostiziert von 2025 bis 2035 einen Rückgang um 5%, also einen Verlust von etwa 141.800 Stellen (BLS Occupational Outlook Handbook).
• Das BLS führt den Rückgang auf Self-Service-Systeme und Automatisierung zurück, die einfache Aufgaben übernehmen, während manche Unternehmen interne Servicecenter für komplexe Anfragen behalten (BLS Occupational Outlook Handbook).
• Trotz des prognostizierten Rückgangs erwartet das BLS jährlich etwa 289.500 offene Stellen, alle durch Beschäftigte, die den Beruf verlassen oder in andere wechseln (BLS Occupational Outlook Handbook).

Was sich in einem Support-Team tatsächlich ändert

Zwei Kräfte wirken gleichzeitig auf eine Support-Organisation, und sie ziehen in unterschiedliche Richtungen.

Die erste ist Unterstützen. Ein AI Copilot entwirft Antworten, fasst lange Threads zusammen und holt den passenden Hilfeartikel, während die Mitarbeitenden noch tippen. Die NBER-Studie ist der klarste Beleg, den wir für diesen Effekt haben. Der Gewinn verteilte sich nicht gleichmäßig. Die Verbesserung um 34% bei Berufseinsteigern und gering qualifizierten Beschäftigten, bei minimaler Wirkung auf erfahrene, deutet darauf hin, dass der Assistent teils dadurch wirkt, dass er weitergibt, was Top-Performer ohnehin wissen. Das hat eine Folge für die Personalplanung: Einarbeitungszeit und der Wert einer langjährigen Mitarbeiterin oder eines langjährigen Mitarbeiters verändern sich beide. Unser Artikel zu AI Copilots erklärt den Mechanismus.

Die zweite ist Automatisieren. Chatbots und AI Agents lösen manche Kontakte vollständig, sodass diese Kontakte nie bei einem Menschen ankommen. Das BLS sagt das in seinem Ausblick für den Beruf deutlich: Einfache Aufgaben wandern in Self-Service und automatisierte Systeme, und was für Menschen bleibt, ist komplexer. Wie diese Entscheidung Kontakt für Kontakt getroffen wird, lesen Sie in Automatisieren oder Unterstützen im Kundenservice.

Zusammengenommen wird das Volumen, das Menschen erreicht, kleiner und schwieriger. Die durchschnittliche Bearbeitungszeit pro Kontakt kann steigen, obwohl die Produktivität pro Mitarbeitenden wächst, weil die leichten Kontakte die Warteschlange verlassen haben. Führungskräfte, die das Team weiter am alten Ziel für die Bearbeitungszeit messen, werden glauben, es werde schlechter, obwohl es besser wird.

Die Rollentabelle: Vorher und nachher

Die Titel variieren, die Verschiebungen sind aber konsistent. Nutzen Sie dies als Ausgangskarte und passen Sie sie dann an Ihre eigene Struktur an.

Nicht jedes Team braucht eine Person mit dem Titel „AI-Trainer“. In einem Team von 15 Personen kann die Arbeit einen halben Tag pro Woche für eine erfahrene Mitarbeiterin oder einen erfahrenen Mitarbeiter bedeuten. In einem großen Betrieb ist es ein Team. Entscheidend ist, dass jemand es namentlich verantwortet, denn AI-Qualität ohne Verantwortlichen driftet ab.

Rolle für Rolle: Was Sie erwarten können

Tier 1: weniger Kontakte, höhere Anforderungen

Tier 1 ist der Bereich, in dem die Automatisierung zuerst ankommt, denn die Kontakte wiederholen sich und die Antworten sind aufgeschrieben. Lesen Sie das nicht als „Tier 1 verschwindet“. Lesen Sie es als „die Aufgabe in Tier 1 verändert ihre Gestalt“. Die menschlichen Tier-1-Mitarbeitenden sehen jetzt die Kontakte, die der Bot nicht abschließen konnte: verärgerte Kunden, Anfragen, die zwei Anliegen mischen, oder Konten mit ungewöhnlicher Historie. Diese erfordern mehr Können als ein Passwort-Reset, und Ihr Einstellungsprofil und Ihr Gehaltsband sollten das widerspiegeln.

Agent-Assist-Tools leisten hier eine zweite Aufgabe. Wenn ein Copilot die Antwort vorschlägt, kann eine neue Kraft früher ein breiteres Spektrum an Anliegen bearbeiten. Das deckt sich mit dem Muster, das die NBER-Studie für weniger erfahrene Beschäftigte fand, ist aber eine einzelne Studie in einem Support-Umfeld. Testen Sie es daher an Ihren eigenen Kontakten, bevor Sie darauf planen.

Spezialisten: Der Eskalationsweg wird voller

Spezialisten und Tier 2 übernehmen einen größeren Anteil dessen, was Menschen erreicht. Sie bekommen außerdem eine neue Aufgabe: Fälle prüfen, in denen die AI eskaliert hat, und dem Trainer sagen, was sie falsch gemacht hat. Ein gut geführter Eskalations-Workflow gibt den vollständigen Kontext an die Spezialisten weiter, damit der Kunde sich nicht wiederholen muss. Spezialisten, die tiefes Problemlösen mögen, blühen in der Regel auf. Wer sich auf Massenarbeit stützte, um produktiv zu bleiben, braucht womöglich Unterstützung.

Knowledge Manager: die am meisten unterschätzte neue Rolle

Die meisten AI-Antworttools rufen Inhalte aus Ihrem Hilfecontent ab und entwerfen dann eine Antwort, ein Muster namens Retrieval-Augmented Generation. Ist der Artikel veraltet, ist es auch die Antwort, selbstsicher und im großen Maßstab geliefert. Damit wird die Person, die die Wissensdatenbank verantwortet, zur Qualitätsverantwortlichen für jede AI-Antwort. Ein Knowledge Manager pflegt eine zentrale verlässliche Datenquelle, mustert doppelte und widersprüchliche Artikel aus und prüft alles, was markiert wird, wenn Kunden eine Antwort schlecht bewerten. Wie Automatisierung diese Arbeit unterstützen kann, ohne die Verantwortlichen zu ersetzen, zeigt der AI Knowledge Base Agent.

AI-Trainer und Conversation Designer

Diese Rolle schreibt und testet die Regeln: wann übergeben wird, welche Tonalität gilt, welche Themen die AI niemals allein beantworten darf. Sie ähnelt stark der Arbeit einer erfahrenen Mitarbeiterin oder eines erfahrenen Mitarbeiters kombiniert mit der eines Redakteurs. Gute Kandidaten kommen oft aus Ihren besten Tier-2-Leuten, weil sie wissen, wo die echten Antworten von den dokumentierten abweichen.

Teamleitungen und QA

Die Qualitätssicherung (QA) prüfte früher eine Handvoll menschlicher Tickets pro Mitarbeitenden und Woche. Mit AI im Spiel prüfen Sie auch Bot-Konversationen, und die Fehler sehen anders aus: selbstsichere falsche Antworten, Schleifen, in denen der Kunde keinen Menschen erreicht, übersehene Anzeichen von Frust. Leitungen brauchen eine Möglichkeit, Stichproben schnell zu lesen, und einen klaren Weg, die AI zu korrigieren, nicht nur die Menschen zu coachen.

So gestalten Sie Rollen und Personalplanung neu, Schritt für Schritt

1. Ordnen Sie Kontaktarten nach Komplexität und Risiko. Ziehen Sie drei Monate Tickets und gruppieren Sie sie: repetitiv und dokumentiert, repetitiv, aber sensibel (Abrechnungsstreit, Kontoschließung) sowie komplex oder emotional. Diese Karte bestimmt alles Weitere. Sind Ihre Ticketdaten unsauber, beheben Sie das zuerst; Support-Daten für AI vorbereiten behandelt das.
2. Entscheiden Sie, was Sie automatisieren und was Sie unterstützen. Automatisieren Sie dort, wo Antworten stabil sind und eine falsche Antwort wenig kostet. Unterstützen Sie dort, wo Urteilsvermögen oder Empathie zählen. Halten Sie bei allem mit finanziellen, rechtlichen oder sicherheitsrelevanten Folgen einen Menschen im Prozess.
3. Benennen Sie Verantwortliche vor dem Start. Weisen Sie jemanden dem Wissen zu, jemanden den AI-Regeln und Übergaben und jemanden der Qualitätsprüfung. Das kann anfangs in Teilzeit geschehen. Nicht benannte Verantwortung ist der häufigste Grund, warum die AI-Qualität nach dem Start nachlässt.
4. Starten Sie einen Pilot mit einer Warteschlange und einem Team. Lassen Sie die alte Personalplanung während des Pilots bestehen. Messen Sie Lösungsqualität und Eskalationsrate, nicht nur das Deflection-Volumen (Anfragenvermeidung).
5. Setzen Sie Ihre Kennzahlen neu auf. Bearbeitungszeit, Kontakte pro Mitarbeitenden und Kosten pro Ticket verschieben sich alle, wenn die leichte Arbeit wegfällt. Setzen Sie Ziele, die zum neuen Mix passen, und ergänzen Sie Messgrößen wie Kundenzufriedenheit bei eskalierten Fällen und den Anteil der AI-Antworten, die korrigiert werden mussten.
6. Schulen Sie um und stufen Sie Rollen neu ein. Bieten Sie einen Weg von Tier 1 in Spezialisten-, Trainer- oder Wissensrollen. Passen Sie Stellenbeschreibungen, Interviewfragen und Gehaltsbänder an die anspruchsvollere Arbeit an.
7. Steuern Sie die Personalplanung zuerst über Fluktuation und Umbesetzung. Das BLS prognostiziert jährlich rund 289.500 offene Stellen im Beruf, alle durch Beschäftigte, die gehen oder wechseln, was auf echte Fluktuation hindeutet. Hat Ihr Team eine ähnliche Fluktuation, können Sie die Arbeitslast oft durch natürliche Abgänge und interne Wechsel ausgleichen statt durch Entlassungen. Entscheiden Sie das bewusst, nicht aus Gewohnheit.
8. Prüfen Sie vierteljährlich. Der Kontaktmix verschiebt sich, wenn die AI besser wird und die Kunden lernen, was sie kann. Überarbeiten Sie die Karte aus Schritt 1 im ersten Jahr jedes Quartal.

Personalmodelle, die zum neuen Mix passen

Einige Muster zeigen sich in Teams, die den Übergang gut meistern.

Gemeinsame vorderste Front mit Spezialistenring. Eine Gruppe übernimmt den Erstkontakt, unterstützt von AI, und eine kleinere Spezialistengruppe übernimmt Eskalationen. Das ersetzt starre Tier-1- und Tier-2-Warteschlangen durch flexibles Routing nach Komplexität des Kontakts, das AI-Triage steuern kann.

Gemischte Rollen in kleinen Teams. Haben Sie weniger als zehn Personen, stellen Sie keinen AI-Trainer in Vollzeit ein. Geben Sie Ihrer stärksten Mitarbeiterin oder Ihrem stärksten Mitarbeiter jede Woche einen geschützten Zeitblock für Regeln und Wissen, und wechseln Sie das alle paar Monate, damit das Wissen nicht in einem Kopf steckt.

Kapazitätsplanung nach Lösungen, nicht nach Tickets. Wenn Sie die Personalplanung allein aus dem Ticketvolumen ableiten, überschätzen Sie den Bedarf, während die AI einfache Kontakte aufnimmt, und unterschätzen die Zeit pro verbleibendem Fall. Prognostizieren Sie nach Kontaktart und erwarteter Bearbeitungszeit je Art.

Abdeckung nach Risiko. Wo die AI außerhalb der Geschäftszeiten Routinefragen abdeckt, brauchen Sie dafür womöglich keine nächtliche menschliche Abdeckung, wollen aber vielleicht dennoch einen kleinen Bereitschaftsweg für dringende Fälle. Richten Sie die Abdeckung am Risiko aus, nicht an der Gewohnheit.

Fallstricke, die Sie vermeiden sollten

• Stellen kürzen, bevor die AI sich bewährt hat. Deflection-Zahlen sehen früh gut aus, Qualitätsprobleme zeigen sich erst Wochen später. Halten Sie einen Puffer, bis Eskalationsraten und Zufriedenheit bei AI-bearbeiteten Kontakten stabil bleiben.
• Die Menschen vergessen, von denen die AI abhängt. Trainer, Knowledge Manager und Qualitätsprüfer halten das System präzise. Sie aus Kostengründen zu streichen, entfernt die Absicherung.
• Alte Ziele weiterverwenden. Mitarbeitende an der Bearbeitungszeit zu messen, nachdem die leichten Tickets weg sind, bestraft sie für die Bearbeitung schwierigerer Arbeit. Aktualisieren Sie die Scorecards, bevor Sie die Warteschlange ändern.
• Das Gespräch mit den Menschen auslassen. Mitarbeitende hören „AI“ und nehmen Entlassungen an. Sagen Sie klar, was sich ändert, was bleibt und welche Entwicklungswege es gibt. Teams, die Überraschungen erwarten, steigen aus, bevor die Tools überhaupt starten.
• Agent Assist als Ersatz für Coaching behandeln. Ein Copilot kann die Leistung neuerer Mitarbeitender heben, doch sie brauchen weiterhin Feedback zu Urteilsvermögen und Tonalität. Der NBER-Befund betrifft die Produktivität, nicht die Kompetenzentwicklung.
• Den Bot verstecken. Kunden, die glauben, mit einem Menschen zu sprechen, und dann das Gegenteil erfahren, verlieren Vertrauen. Machen Sie klar, wann AI im Gespräch ist, und bieten Sie immer einen Weg zu einem Menschen. Siehe Kundenerwartungen an AI-Service.
• Eine Studie überverallgemeinern. Das NBER-Ergebnis stammt aus einer einzelnen Studie in einem Support-Umfeld. Ihre Ergebnisse hängen von Ihrem Produkt, Ihren Daten und Ihren Mitarbeitenden ab. Messen Sie selbst.

Wie es weitergeht

Rollendesign funktioniert nur, wenn die AI dahinter präzise ist und die Übergaben sauber sind. Lesen Sie das Human-in-the-Loop-Design, um Menschen bei den entscheidenden Schritten die Kontrolle zu sichern, und kehren Sie für die vollständige Übersicht zum Grundlagenleitfaden zurück.