Kosten pro Lösung: So budgetieren Sie AI im Kundenservice

Von Linh Ngo · Aktualisiert am 11. Oktober 2026

Die Kosten pro Lösung sind die Gesamtkosten Ihres AI-Support-Programms in einem Zeitraum, geteilt durch die Zahl der Kundenprobleme, die es in diesem Zeitraum tatsächlich gelöst hat. Das unterscheidet sich vom Preis auf der Seite eines Anbieters. Ein Anbieterpreis zeigt Ihnen, wie ein Teil der Rechnung aussieht. Die Kosten pro Lösung zeigen, was ein gelöstes Problem kostet, wenn Sie die Plattformgebühr, die Menschen, die das Wissen aktuell halten, die QA-Arbeit, die Integrationen und die Kosten der Konversationen hinzurechnen, die dennoch bei einem Menschen landen.

Es ist zugleich die einzige AI-Kennzahl, die Sie neben die Zahl stellen können, der das Finanzwesen bereits vertraut: was ein von Menschen bearbeiteter Kontakt kostet. Dieser Leitfaden erklärt die fünf gängigen Preismodelle, gibt Ihnen eine Formel an die Hand, rechnet ein hypothetisches Budget mit runden, illustrativen Zahlen durch und listet die Kosten auf, die Teams nach dem Start oft überraschen. Er gehört zur Collection AI for Customer Service. Wenn Sie neu im Thema sind, beginnen Sie mit dem Überblick zu AI im Kundenservice.

Wichtige Fakten

• Kosten pro Lösung = Gesamtkosten des AI-Programms geteilt durch gelöste Konversationen. Der Zähler umfasst mehr als die Rechnung des Anbieters.
• Die Dokumentation von Intercom beschreibt eine ergebnisbasierte Abrechnung für Fin: Sie zahlen für Ergebnisse wie Lösungen, und nur für ein Ergebnis pro Konversation, selbst wenn Fin mehrere Aktionen ausführt (Intercom).
• Die Dokumentation von Zendesk beschreibt die Bezahlung pro automatisierter Lösung, das heißt, Sie zahlen nur für Anfragen, die ohne menschliche Hilfe gelöst wurden (Zendesk).
• Preismodelle verschieben das Risiko. Die Abrechnung pro Lösung verlagert das Leistungsrisiko zum Anbieter, während Abrechnung pro Lizenz und nach Nutzung es bei Ihnen belässt.
• Entscheidend ist der Vergleich der AI-Kosten pro Lösung mit den Kosten pro menschlichem Kontakt, wobei eskalierte Konversationen auf beiden Seiten mitgezählt werden.

Was die Kosten pro Lösung tatsächlich messen

Beginnen Sie mit der Definition von „Lösung“, denn der Nenner entscheidet alles. Wenn Ihr Anbieter eine Konversation als gelöst zählt, sobald der Kunde verstummt, sehen Ihre Kosten pro Lösung besser aus, als sie tatsächlich sind. Die ausführliche Argumentation, wie Sie sie definieren und messen, finden Sie unter AI-Lösungsquote, und diese Definition sollten Sie klären, bevor Sie ein Budget darauf aufbauen.

Zwei Gedanken helfen hier.

Die Kosten pro Lösung sind nicht die Kosten pro Konversation. Manche Konversationen werden nie gelöst. Kunden stellen Fragen, die die AI nicht beantworten kann, oder die AI übergibt, oder der Kunde geht. Diese Konversationen beanspruchen trotzdem Plattformkapazität und oft Arbeitszeit der Mitarbeitenden. Wenn Sie die Ausgaben durch alle Konversationen teilen, schmeichelt Ihnen die Zahl. Teilen Sie durch die gelösten, landen die Kosten der Fehlschläge dort, wo sie hingehören.

Die Kosten pro menschlichem Kontakt sind der Maßstab, aber nur, wenn Sie sie auf dieselbe Weise berechnen. Nehmen Sie die vollständig belasteten monatlichen Kosten Ihres Support-Teams (Gehälter, Sozialleistungen, Management, Tools, Schulung, Arbeitsplatz) und teilen Sie sie durch die Kontakte, die es in diesem Monat bearbeitet hat. Verwenden Sie für beide Seiten denselben Zeitraum, dieselben Kanäle und dieselbe Definition eines Kontakts. Ein Vergleich zwischen „AI-Kosten pro Lösung“ und „Gehalt eines Mitarbeitenden pro Ticket“ ist kein Vergleich.

Die Formel

Halten Sie die Rechnung so einfach, dass Sie sie in eine Tabelle eintragen und in einem Meeting verteidigen können.

AI-Kosten pro Lösung = (Plattformgebühren + Nutzungs- oder Ergebnisgebühren + versteckte Programmkosten + Eskalationsaufwand) ÷ gelöste Konversationen

Jeder Term hat eine Definition.

Und die Vergleichszahl:

Kosten pro menschlichem Kontakt = vollständig belastete Support-Kosten ÷ bearbeitete Kontakte

Die Entscheidungskennzahl ist die Differenz zwischen beiden, multipliziert mit dem Volumen. Wenn die AI-Zahl niedriger ist und auch bei einer pessimistischen Lösungsquote niedriger bleibt, trägt der Business Case. Wenn er nur bei der Bestwert-Quote Ihres Anbieters funktioniert, trägt er nicht.

Die fünf Preismodelle

AI-Support-Anbieter rechnen auf eine Handvoll Arten ab, und viele kombinieren zwei. Das Modell zählt so viel wie der Preis, denn es entscheidet, wer das Risiko trägt, wenn die AI schlechter abschneidet als erhofft.

Pro Mitarbeitenden-Lizenz

Sie zahlen für jeden menschlichen Mitarbeitenden (oder Admin), der die AI-Funktionen nutzen darf. Die AI selbst, etwa ein Copilot, der Antworten entwirft oder Tickets zusammenfasst, ist in der Lizenz enthalten. Das ist das übliche Modell für Tools, die Menschen unterstützen, wie Agent Assist (Assistenz für Mitarbeitende) und Ticket-Zusammenfassung.

Es ist planbar. Es skaliert aber nicht mit der Zahl der gelösten Probleme: Sie zahlen dasselbe, ob das Tool jedem Mitarbeitenden ein wenig oder viel Zeit spart.

Pro automatisierter Lösung

Sie zahlen, wenn die AI das Anliegen eines Kunden löst, und nicht, wenn sie es nicht löst. Die Dokumentation von Zendesk beschreibt das für seine AI Agents: Sie zahlen für Kundenanfragen, die erfolgreich gelöst wurden, abgerechnet wird, wenn das Anliegen ohne menschliche Hilfe gelöst ist (Zendesk). Die Dokumentation von Intercom zu Fin beschreibt eine ergebnisbasierte Abrechnung nach ähnlichem Muster, wobei die abrechenbaren Ergebnisse mehr als Lösungen umfassen und die Gebühren auf ein Ergebnis pro Konversation begrenzt sind (Intercom). Das ist eine vom Anbieter definierte Messeinheit. Lesen Sie daher die Definition von „Ergebnis“ oder „Lösung“ im Vertrag, nicht die Zusammenfassung im Marketing.

Dieses Modell bringt den Umsatz des Anbieters mit Ihrem Ziel in Einklang. Aber der Anbieter entscheidet auch, was als Lösung zählt, und Ihre Rechnung steigt, wenn die AI erfolgreich ist. Eine steigende Rechnung bei steigender Lösungsquote ist das Modell, das wie vorgesehen arbeitet.

Pro Konversation oder Sitzung

Sie zahlen für jede Konversation, an der die AI beteiligt ist, ob sie etwas löst oder nicht. Es ist das Modell, das dem Bezahlen von Kapazität am nächsten kommt.

Die Budgetierung ist einfach, weil sich das Volumen leicht prognostizieren lässt. Das Risiko liegt bei Ihnen: Ob die AI 20% der Konversationen löst oder 60%, die Rechnung ist dieselbe.

Nutzungs- oder Token-basiert

Sie zahlen für den Verbrauch des zugrunde liegenden Modells, meist in Tokens gemessen (gelesene und geschriebene Textabschnitte), manchmal mit Zusatzgebühren für Retrieval, Sprachminuten oder Aktionen in anderen Systemen. Das ist üblich, wenn Sie Ihren eigenen Assistenten auf der API eines Modellanbieters bauen, statt einen fertigen Support-Agent zu kaufen.

Es kann im kleinen Maßstab das günstigste Modell und zugleich das am schwersten zu prognostizierende sein. Lange Konversationen, große Auszüge aus der Wissensdatenbank in jedem Prompt und Wiederholungen erhöhen den Verbrauch, ohne die Lösungen zu erhöhen.

Plattformgebühr plus Nutzung

Ein Basisabonnement deckt den Zugang ab, ein variabler Anteil das Volumen. Viele Helpdesk-Suiten rechnen so ab. Das teilt das Risiko: Sie tragen Fixkosten, und oberhalb davon tragen Sie einen Teil des Volumenrisikos.

Der Vergleich

Keine Zeile ist der Gewinner. Wählen Sie danach, wie sicher Sie sich bei der Lösungsquote der AI sind. Wenn Sie unsicher sind, begrenzt ein Modell, das nur Lösungen berechnet, Ihr Abwärtsrisiko, während Sie lernen, auch wenn es pro Lösung mehr kosten kann, sobald die AI gut arbeitet.

Ein hypothetisches durchgerechnetes Budget

Diese Zahlen sind illustrativ und absichtlich rund. Es sind keine Marktpreise, Anbieterpreise oder Benchmarks. Ersetzen Sie jede Zahl durch Ihre eigene, bevor Sie die Struktur verwenden.

Stellen Sie sich ein Support-Team vor, das 20.000 Kontakte pro Monat bearbeitet, bei vollständig belasteten Kosten von 100.000 pro Monat in Ihrer Währung.

• Kosten pro menschlichem Kontakt: 100.000 ÷ 20.000 = 5,00

Nehmen wir nun an, Sie lassen einen AI Agent 10.000 dieser Kontakte übernehmen, und zwar zu den Themen, die Sie als sicher automatisierbar eingestuft haben (die Logik für ihre Auswahl steht unter Automatisieren oder unterstützen). Gehen Sie von einem Abrechnungsmodell pro Lösung mit diesen illustrativen Eingaben aus:

• AI-Kosten pro Lösung: 13.500 ÷ 4.000 = 3,38
• Menschliche Kosten für dieselben 4.000 Kontakte: 4.000 × 5,00 = 20.000
• Monatliche Nettoersparnis: 20.000 − 13.500 = 6.500

Die AI gewinnt hier, aber nicht mit großem Abstand, und die Marge ist die Lehre. Testen Sie das Beispiel nun mit einer pessimistischen Lösungsquote von 25% auf Belastbarkeit:

• AI-Kosten pro Lösung: 12.750 ÷ 2.500 = 5,10

Das liegt knapp über dem menschlichen Maßstab von 5,00. Die Fixkosten schrumpfen nicht, wenn die Lösungsquote fällt, deshalb steigen die Kosten pro Lösung schnell. Darum budgetieren Sie mit der pessimistischen Quote und nicht mit der Schlagzeilen-Quote des Anbieters, und darum sollten Sie Ihre Break-even-Lösungsquote kennen, bevor Sie unterschreiben. In diesem Beispiel liegt sie nahe bei 25%.

Das Beispiel lässt die Customer Experience außen vor. Eine günstigere Lösung, die wiederholte Kontakte nach sich zieht, ist nicht günstiger. Verfolgen Sie CSAT und die anderen Service-Kennzahlen neben den Kosten, damit die Einsparungen nicht mit dem Wohlwollen der Kunden erkauft werden.

Versteckte Kosten, die nicht auf der Rechnung stehen

Die meisten Budgets rechnen diese Posten zu niedrig an.

Wissensaufbereitung. Die AI kann nur aus dem antworten, was sie findet. Veraltete, doppelte oder widersprüchliche Artikel erzeugen selbstsichere falsche Antworten. Die Bereinigung der Quellinhalte ist zunächst ein einmaliges Projekt und danach eine laufende Aufgabe, und sie ist der größte versteckte Posten in den meisten Programmen. Siehe Support-Daten für AI vorbereiten.

Qualitätssicherung. Jemand muss jede Woche eine Stichprobe von AI-Konversationen lesen, bewerten und Korrekturen an die Verantwortlichen für die Inhalte zurückgeben. Das sind wiederkehrende Kosten in Prüferstunden. Automatisierte Bewertung kann den manuellen Aufwand senken, beseitigt ihn aber nicht.

Integration und Aktionen. Eine AI, die nur Fragen beantworten kann, löst weniger als eine, die eine Bestellung nachschlagen, eine Rückerstattung auslösen oder einen Tarif ändern kann. Diese Aktionen brauchen Integrationen mit Ihren Abrechnungs-, Bestell- und Identitätssystemen, dazu Berechtigungen, Tests und Wartung, wenn sich diese Systeme ändern.

Eskalationsbearbeitung. Wenn die AI übergibt, muss der Mitarbeitende oft den Verlauf erneut lesen, den Kunden erneut verifizieren und manchmal von vorn beginnen. Wenn Übergaben keinen Kontext mitgeben, sind die menschlichen Kosten eines eskalierten Kontakts höher als die eines gewöhnlichen. Betrachten Sie das als Kosten des AI-Programms.

Veränderung und Schulung. Mitarbeitende brauchen Zeit, um neue Workflows zu lernen, und Führungskräfte brauchen Zeit, um Queues und Rollen neu zu gestalten.

So bauen Sie das Budget Schritt für Schritt

1. Berechnen Sie Ihre menschliche Baseline (Ausgangswert). Vollständig belastete Teamkosten geteilt durch bearbeitete Kontakte, für einen aktuellen vollen Monat. Teilen Sie sie nach Kanal und nach Kontaktgrund auf, wenn Sie können, denn eine Passwort-Rücksetzung und ein Abrechnungsstreit kosten nicht dasselbe.
2. Wählen Sie die Kontakte im Geltungsbereich. Nehmen Sie Themen, bei denen die Antwort faktisch ist, die Daten verfügbar sind und das Risiko einer falschen Antwort gering ist. Lassen Sie Rückerstattungen, rechtliche und sicherheitsrelevante Themen außen vor. Nutzen Sie eine Volumenprognose, damit Sie das Budget für das Volumen dimensionieren, das Sie tatsächlich sehen werden.
3. Legen Sie drei Szenarien für die Lösungsquote fest. Pessimistisch, erwartet und optimistisch. Stützen Sie den erwarteten Fall auf einen Pilot, nicht auf eine Vertriebspräsentation. Budgetentscheidungen sollten den pessimistischen Fall überstehen.
4. Modellieren Sie jedes Preismodell, das Sie erwägen. Lassen Sie dieselben Szenarien durch das Modell jedes Anbieters laufen. Die Abrechnung pro Lösung sieht bei hohen Lösungsquoten schlechter aus und bei niedrigen besser. Lizenz- und Konversationsmodelle verhalten sich umgekehrt.
5. Fügen Sie jeden versteckten Posten hinzu. Nehmen Sie reale Stunden und einen vollständig belasteten Stundensatz. Wenn Sie eine Zahl nicht kennen, setzen Sie eine hohe Schätzung ein und verfeinern Sie sie nach dem Pilot.
6. Fügen Sie den Eskalationsaufwand hinzu. Prüfen Sie eine Stichprobe von einigen Dutzend übergebenen Tickets und messen Sie die zusätzlichen Minuten. Multiplizieren Sie mit den vollständig belasteten Kosten pro Minute und der erwarteten Zahl von Übergaben.
7. Berechnen Sie die Kosten pro Lösung und die Break-even-Quote. Finden Sie die Lösungsquote, bei der die AI-Kosten pro Lösung den Kosten pro menschlichem Kontakt entsprechen. Liegt die Quote Ihres Pilots deutlich darüber, haben Sie Spielraum. Liegt sie knapp darüber, ist der Plan fragil.
8. Starten Sie den Pilot mit einer Obergrenze. Beginnen Sie mit engem Umfang und einer Ausgabenobergrenze im Vertrag, wo der Anbieter sie zulässt. Vergleichen Sie die Ist-Werte monatlich mit dem Modell.
9. Überprüfen Sie vierteljährlich. Anbieter ändern Definitionen und Preise, das Volumen verschiebt sich, und Ihre Wissensdatenbank wird besser. Lassen Sie das Modell jedes Quartal neu laufen und halten Sie die neuen Annahmen fest. Der Implementierungsleitfaden zeigt, wie Sie den Rollout in Etappen planen.

Fallstricke, die Sie vermeiden sollten

Einen Anbieterpreis mit einem Gehalt vergleichen. Der Anbieterpreis ist ein Posten der AI-Kosten. Vergleichen Sie Summen mit Summen.

Mit der besten Lösungsquote des Anbieters budgetieren. Fixkosten machen die Kosten pro Lösung sehr empfindlich gegenüber der Quote, wie das Beispiel zeigte. Budgetieren Sie mit dem pessimistischen Fall.

Den Anbieter „Lösung“ ungeprüft definieren lassen. Lesen Sie, wie der Vertrag sie zählt und ob Schweigen mitzählt. Eine lockerere Definition bedeutet eine größere Rechnung für dieselben Ergebnisse beim Kunden.

Übersehen, wer vom Volumen profitiert. Bei Abrechnung pro Lösung erhöht eine erfolgreiche AI Ihre Rechnung. Das ist in Ordnung, solange die Ersparnis pro Lösung hält, aber das Finanzteam muss damit rechnen.

Einsparungen als Stellenabbau messen. Das Geld zeigt sich oft als vermiedene Einstellungen, kürzere Warteschlangen oder bessere Abdeckung, nicht als kleineres Team. Legen Sie vorab fest, wie Sie es zählen.

Das Qualitätstor auslassen. Eine günstige Lösung, die falsch ist, kostet einen zweiten Kontakt und manchmal einen Kunden. Lassen Sie die manuelle Stichprobe weiterlaufen.