Was Kunden vom AI-Kundenservice erwarten

Von Linh Ngo · Aktualisiert am 11. Oktober 2026

Kunden erwarten vom AI-Kundenservice drei Dinge: einfache Anfragen schnell lösen, eine Person erreichbar halten, wenn die AI es nicht kann, und klar sagen, dass es eine AI ist. Sie erwarten keine Perfektion. Sie erwarten, dass die Nutzung des Bots sie nicht mehr Zeit kostet, als ihn zu überspringen. Wenn die AI den Weg zu einem Menschen versperrt, einen Schritt verschwendet oder verbirgt, was sie ist, sinkt das Vertrauen, und die Umfragedaten zeigen, dass dieser Rückgang bereits groß ist.

Dieser Beitrag richtet sich an Support-Verantwortliche, CX-Directors und Support-Manager, die entscheiden, wie weit sie die AI in die vorderste Linie schieben. Er gehört zur Collection AI im Kundenservice und konzentriert sich auf eine Frage: Was sagen Kunden tatsächlich, dass sie wollen, und wie sollte das ändern, was Sie bauen?

Wichtige Fakten

• In der Umfrage „Consumer Experience Trends 2026“ des Qualtrics XM Institute (mehr als 20.000 Verbraucher in 14 Ländern, erhoben im 3. Quartal 2025) sah fast jeder fünfte Verbraucher, der AI für den Kundenservice genutzt hat, keinen Nutzen, eine Quote, die fast viermal so hoch ist wie bei der AI-Nutzung insgesamt (Qualtrics).
• In derselben Qualtrics-Umfrage befürchten 50% der Verbraucher, dass die AI sie daran hindert, eine Person zu erreichen, und 53% nennen den Missbrauch persönlicher Daten als größte Sorge, ein Plus von 8 Punkten innerhalb eines Jahres (Qualtrics).
• Der „State of the AI Connected Customer“ von Salesforce (YouGov-Umfrage unter 15.015 Verbrauchern in 18 Ländern, Juli bis August 2024) ergab, dass 30% für schnelleren Service einen AI Agent einer Person vorziehen würden und 45% eher einen AI Agent nutzen, wenn es einen klaren Weg zu einer Person gibt (Salesforce).
• In dieser Salesforce-Umfrage möchten fast 75% der Verbraucher wissen, ob sie mit einem AI Agent sprechen (Salesforce).
• Das CFPB berichtete, dass 2022 über 98 Millionen Nutzer, etwa 37% der US-Bevölkerung, mit dem Chatbot einer Bank interagiert haben (CFPB).

Was „Kundenerwartungen an AI-Service“ bedeutet

Eine Erwartung ist in diesem Sinn der Maßstab, den ein Kunde an Ihre AI anlegt, bevor er das erste Wort tippt. Er stammt aus jeder früheren Erfahrung mit einem Telefonmenü, einem Chatbot im Handel oder einem „virtuellen Assistenten“, der immer wieder beim selben Menü landete. Die meisten Kunden beurteilen nicht Ihr Modell. Sie beurteilen, ob der Bot sie diesmal dorthin bringt, wo sie hinwollen.

Das ist wichtig, weil die Erwartungen nicht eine einzige Sache sind. Sie unterscheiden sich je nach Aufgabe. Wer den Bestellstatus prüft, will eine sofortige Antwort und ist gleichgültig, wer sie gibt. Wer eine Abbuchung beanstandet, will eine Person, die entscheiden kann. Derselbe Kunde vertritt am selben Tag beide Sichtweisen.

Im Sinne des ACE Framework ist die meiste kundenorientierte AI hier ein RAG-Assistent (er liest Ihre Hilfeinhalte und erzeugt eine Antwort) plus eine Ebene für Scoring und Routing (sie entscheidet, wer die Anfrage bearbeitet). Beide Muster machen die Erwartungsfrage konkret: Der Assistent muss richtig liegen, und der Router muss wissen, wann er aufhören muss. Die Namen der Muster stammen aus dem ACE Framework.

Was die Umfragebelege sagen

Die ehrliche Lesart der Forschung ist gemischt. Kunden sind dem AI-Service nicht durchgängig feindlich gesinnt, und sie sind auch nicht durchgängig begeistert. Einige Befunde wiederholen sich in unabhängigen Umfragen.

Viele Kunden haben das Gefühl, dass der Bot nicht hilft. Die Zahlen von Qualtrics sind deutlich: Der AI-Kundenservice brachte etwa viermal so oft keinen Nutzen wie die AI-Nutzung insgesamt. Der Autor des Berichts argumentiert, Unternehmen setzten AI vor allem ein, um Kosten zu senken, und empfiehlt, die AI einfache, transaktionale Anfragen bearbeiten zu lassen und bei komplexen Anfragen den menschlichen Mitarbeitenden Hintergrund und Lösungsvorschläge zu liefern (Qualtrics).

Den Weg zu einer Person zu finden, ist die zentrale Sorge. Die Hälfte der Befragten von Qualtrics fürchtet, die AI halte sie von einem Menschen fern. Das ist dieselbe Furcht, die Aufsichtsbehörden beschreiben, wie der CFPB-Punkt weiter unten zeigt.

Tempo ist für manche ein echter Anreiz. In der Umfrage von Salesforce würden 30% für schnelleren Service einen AI Agent einer Person vorziehen, bei der Generation Z und den Millennials sind es 37%. Über ein Drittel würde AI nutzen, um sich nicht wiederholen zu müssen. Rund sieben von zehn würden die AI also allein wegen des Tempos immer noch nicht wählen. Tempo verschafft Ihnen einen Versuch, keine Loyalität (Salesforce).

Ein sichtbarer Ausweg erhöht die Bereitschaft, es auszuprobieren. Salesforce stellte fest, dass 45% der Verbraucher eher einen AI Agent nutzen, wenn es einen klaren Eskalationsweg zu einer Person gibt, und 44% eher, wenn seine Logik klar erklärt wird. Der Ausweg ist Teil des Produkts, kein Eingeständnis des Scheiterns.

Kunden wollen wissen, dass es eine AI ist, und warum sie so entschieden hat. Fast 75% der Befragten von Salesforce wollen wissen, ob sie mit einem AI Agent sprechen. Im Bericht „CX Trends 2026“ von Zendesk (6.182 Verbraucher und 5.115 Befragte aus Unternehmen in 22 Ländern, erhoben im Juni 2025) erwarten 95% der Verbraucher eine Erklärung für von der AI getroffene Entscheidungen, und 80% der CX-Verantwortlichen erwarten, dass Transparenz bei kundenorientierter AI innerhalb von zwei Jahren vorgeschrieben wird. Zendesk verkauft Support-Software, lesen Sie diese Zahlen also als Umfrage des Anbieters (Zendesk).

Das Vertrauen sinkt, und die Sorgen um Daten wachsen. Salesforce stellte fest, dass 72% der Verbraucher Unternehmen weniger vertrauen als ein Jahr zuvor, und Qualtrics stellte fest, dass der Datenschutz mit 53% die größte Sorge ist. Beides weist in dieselbe Richtung: Kunden teilen weniger, wenn sie weniger vertrauen, und Ihre AI arbeitet besser mit Kontext.

Aufsichtsbehörden haben es bereits bemerkt. Die Untersuchung des CFPB zu Chatbots im Verbrauchergeschäft der Finanzbranche wies auf „Endlosschleifen ohne Ausweg“ hin, in denen Kunden in sich wiederholenden Antworten ohne Weg zu einem Menschen stecken bleiben. Sie führte aus, dass mangelhafte Chatbots, die den Zugang zum Live-Support versperren, zu Rechtsverstößen führen können und dass ein Chatbot, der eine Anfrage nicht versteht, als primärer Servicekanal „nicht geeignet“ ist (CFPB).

Von der Erwartung zum Design: eine Arbeitstabelle

Diese Tabelle ordnet jede Erwartung den obigen Belegen und einer Designentscheidung zu, die Sie umsetzen können.

Praxisbeispiele nach Funktion

Die Erwartungen wirken sich im Support-Betrieb unterschiedlich aus.

Bestellstatus und Kontofragen. Hier verdient die AI ihr Geld. Ein Kunde, der fragt, wo seine Bestellung ist, will die Antwort, kein Gespräch. Ein Assistent, der auf Abruf gestützt Bestelldaten liest und eine klare Zeile zurückgibt, darunter ein Link „Mit einer Person sprechen“, erfüllt jede Erwartung der Tabelle. Es ist außerdem der risikoärmste Einstieg.

Abrechnungsstreitigkeiten und Rückerstattungen. Kunden erwarten Empathie und Entscheidungsbefugnis, und die Sorge des CFPB über ungelöste Streitfälle gehört hierher. Lassen Sie die AI die Fakten erfassen (Rechnung, Datum, was der Kunde erwartet hat) und die Zusammenfassung entwerfen, und routen Sie dann an eine Person, die entscheiden kann. Der Beitrag zum AI-Eskalationsmanager-Agent behandelt diese Übergabe ausführlicher.

Technische Fehlersuche. Die AI kann dokumentierte Schritte gut durchgehen, aber „das haben wir schon versucht“ ist das häufigste Scheitern. Geben Sie dem Assistenten die früheren Versuche des Kunden und eskalieren Sie, wenn sich ein Schritt wiederholt.

Beschwerden und Kündigungen. Stellen Sie keine AI zwischen einen verärgerten Kunden und eine Person. Ein Sentiment-Signal kann diese Fälle direkt an einen Menschen routen; der Beitrag zum AI-Chatbot-QA-Agent zeigt, wie Sie diese Konversationen in großem Umfang prüfen.

Regulierte oder sensible Anfragen. In Finanzwesen, Gesundheit und Versicherung ist eine falsche oder ausweichende Antwort nicht nur eine schlechte Erfahrung; sie kann ein Compliance-Problem sein. Halten Sie den Assistenten hier eng und lesen Sie den Leitfaden zur AI-Halluzination, bevor Sie den Umfang erweitern.

Schritt für Schritt: Design rund um die Erwartungen

1. Listen Sie Ihre 15 wichtigsten Kontaktgründe auf. Ziehen Sie einen Monat Tickets und taggen Sie sie. Markieren Sie jeden als einfach und transaktional, urteilsintensiv oder emotional aufgeladen. Nur die erste Gruppe ist ein Kandidat für die vollständige Automatisierung. Die Entscheidung Automatisieren oder unterstützen behandelt die mittlere Gruppe.
2. Schreiben Sie die Übergaberegel vor dem Bot. Legen Sie genau fest, wann eine Person übernimmt: nach einer fehlgeschlagenen Antwort, bei jeder Erwähnung von Kündigung oder Streitfall, bei negativer Stimmung oder jedes Mal, wenn der Kunde danach fragt. Halten Sie es schriftlich fest und bauen Sie es zuerst.
3. Bauen Sie die Übergabe mit Transkript. Die Mitarbeitenden, die übernehmen, sollten die vollständige Konversation, den Tarif des Kunden und die letzten Bestellungen sehen. Wenn sie den Kunden bitten müssen, von vorn anzufangen, haben Sie die Erwartung „Lassen Sie mich mich nicht wiederholen“ gebrochen.
4. Legen Sie es in der ersten Nachricht offen. Etwa so: „Ich bin ein AI-Assistent. Ich kann bei Bestellungen und Kontofragen helfen oder Sie jederzeit mit einer Person verbinden.“ Dieser eine Satz deckt Offenlegung, Umfang und den Ausweg ab.
5. Stützen Sie jede Antwort auf eine Quelle. Beschränken Sie den Assistenten auf freigegebene Hilfeinhalte und Richtlinien und zeigen Sie, aus welchem Artikel eine Antwort stammt. Der Leitfaden zu Guardrails (Schutzmechanismen) behandelt Grenzen dafür, was das Modell sagen oder tun darf.
6. Messen Sie aus Sicht des Kunden. Verfolgen Sie Lösung ohne erneuten Kontakt, Übergabequote, Zeit bis zu einem Menschen und eine Ein-Frage-Zufriedenheitsabfrage nach Konversationen, die nur mit der AI geführt wurden. Containment allein belohnt das Einfangen von Kunden.
7. Starten Sie den Pilot in einem Kanal und prüfen Sie wöchentlich. Lesen Sie im ersten Monat jede Woche 30 echte Transkripte. Beheben Sie die drei häufigsten Fehler, bevor Sie Intents ergänzen.

Häufige Fallstricke

• Den Menschen verstecken. Die Optionen für Mitarbeitende hinter mehreren Menüs zu vergraben, spart etwas Kosten und erzeugt genau die Furcht, die die Umfragen beschreiben.
• Auf Containment optimieren. Eine hohe Zahl „vom Bot gelöst“ kann schlicht bedeuten, dass Kunden aufgegeben haben. Kombinieren Sie sie mit der Wiederkontaktquote.
• So tun, als wäre der Bot eine Person. Menschlich klingende Namen und Tipp-Verzögerungen untergraben das Vertrauen, sobald der Kunde es bemerkt, und fast drei von vier wollen es ohnehin wissen.
• Die emotionalen Fälle automatisieren. Kündigungen und Beschwerden sind der Bereich, in dem eine Person am meisten geschätzt wird und AI-Fehler am meisten kosten.
• Eine einzelne Umfrage als allgemeingültig behandeln. Umfragen unterscheiden sich in Stichprobe, Land und Formulierung. Prüfen Sie das Verhalten Ihrer eigenen Kunden: Wo brechen sie ab, verlangen einen Mitarbeitenden oder bewerten schlecht?
• Mehr Daten erheben, als die Aufgabe braucht. Da der Datenschutz in den Daten von Qualtrics die größte Sorge ist, kosten zusätzliche Fragen Vertrauen.

Wie das mit dem Rest Ihres AI-Support-Stacks zusammenhängt

Erwartungen sind ein Designinput, kein separater Arbeitsstrang. Sie bestimmen, wo Sie einen Human-in-the-Loop platzieren und in welcher Reihenfolge Sie die Anwendungsfälle aus AI Agents für den Kundensupport angehen. Wenn ein Anwendungsfall die obige Tabelle nicht erfüllen kann, setzen Sie ihn noch nicht ein.