Empathie und Tonalität im AI-Kundenservice: Wo Bots an Grenzen stoßen

Von Linh Ngo · Aktualisiert am 11. Oktober 2026

Empathie im AI-Kundenservice beschreibt, wie sehr sich ein Kunde im Gespräch mit einem Bot umsorgt, verstanden und respektiert fühlt. Die Forschung zeigt, dass sie zwei Hälften hat: die Worte, die ein Modell schreibt, und das, was der Kunde über den Verfasser glaubt. Die Worte sind oft gut. Mehrere Studien stellen fest, dass AI-geschriebene Antworten als warmherzig bewertet werden, teils sogar als wärmer als menschliche. Das Problem ist der Glaube. Sobald Kunden wissen, dass eine Maschine die Fürsorge übernimmt, werten viele sie ab, und in manchen Servicesituationen schlägt emotionale Sprache sogar ins Gegenteil um.

Dieser Artikel richtet sich an Support-Leiter und CX-Manager, die entscheiden, wie ein Bot klingen soll und wann er aufhören muss zu reden. Er gehört zur Sammlung AI im Kundenservice. Wir gehen durch, was die Studien tatsächlich gemessen haben (und bei wem), wo Kunden einen Menschen wollen, und eine Reihe von Tonalitätsregeln, die Sie noch diese Woche in die Anweisungen eines Bots übernehmen können.

Wichtige Fakten

• In drei Vignettenstudien mit 714 Teilnehmenden berichteten Kunden nach einer Chatbot-Interaktion von geringerer Zufriedenheit und weniger Bereitschaft zur Rückkehr als nach einer menschlichen, und dieser Abstand wurde vollständig durch wahrgenommene Empathie erklärt (Markovitch, Stough und Huang, Journal of Retailing and Consumer Services, 2024).
• Wurde Menschen gesagt, eine Antwort stamme von einer AI statt von einem Menschen, fühlten sie sich weniger gehört: 5,13 gegenüber 5,81 auf einer 7-Punkte-Skala (Yin, Jia und Wakslak, PNAS, 2024).
• In neun Studien mit 6.282 Teilnehmenden wurde identischer, von einem LLM geschriebener empathischer Text als empathischer und unterstützender bewertet, wenn er als menschlich gekennzeichnet war, als wenn er als AI gekennzeichnet war (Rubin et al., Nature Human Behaviour, 2025).
• In einer Studie mit Medizinforen stuften Bewertende 45,1% der Chatbot-Antworten als empathisch oder sehr empathisch ein, gegenüber 4,6% der Antworten von Ärzten (Ayers et al., JAMA Internal Medicine, 2023). Das sind Gesundheitsfragen, kein Kundenservice.
• Die Hälfte der Verbraucher befürchtet, dass AI sie daran hindert, einen Menschen zu erreichen (Qualtrics XM Institute, 2026).
• Fast 75% der Verbraucher wollen wissen, ob sie mit einem AI Agent sprechen, und 45% nutzen ihn eher, wenn es einen klaren Weg zu einem Menschen gibt (Salesforce, 2024).

Was „Empathie“ für einen Bot bedeutet

Forschende teilen Empathie in Teile auf, und diese Aufteilung hilft Support-Teams. Kognitive Empathie bedeutet zu verstehen, was die Person fühlt und warum. Affektive Empathie bedeutet, das Gefühl zu teilen. Motivationale Empathie bedeutet, genug Anteil zu nehmen, um zu handeln. Ein Modell beherrscht das Erste gut, weil es Mustererkennung ist, und es kann Sätze schreiben, die nach den anderen beiden klingen. Was es nicht kann, ist etwas fühlen, und Kunden wissen das.

Für einen Support-Betrieb lässt sich das in drei praktische Dinge übersetzen, die eine Antwort entweder leistet oder nicht:

1. Sie benennt das tatsächliche Problem. „Sie wurden doppelt belastet und die Rückerstattung ist noch nicht eingegangen“ ist besser als „Ich verstehe Ihren Frust.“
2. Sie erkennt an, was es den Kunden kostet. Verlorene Zeit, eine verpasste Frist, ein unangenehmes Gespräch mit dem eigenen Vorgesetzten.
3. Sie unternimmt etwas. Eine Rückerstattung, eine Eskalation, ein konkreter nächster Schritt mit Verantwortlichem und Zeitpunkt.

Beim dritten Punkt sind Bots durch Berechtigungen begrenzt, nicht durch Sprache. Ein Bot, der fürsorglich klingt, aber keine Rückerstattung auslösen kann, klingt fürsorglich und scheitert dann.

Was die Forschung zeigt

Der Großteil dieser Literatur arbeitet mit kurzen schriftlichen Austauschen, Online-Teilnehmenden und einzelnen Interaktionen, nicht mit laufenden Support-Warteschlangen. Hier steht, was jede Studie getan hat, damit Sie beurteilen können, wie weit sie trägt.

AI-Text kann empathischer wirken als menschlicher Text

Das bekannteste Ergebnis stammt aus einer Studie in JAMA Internal Medicine. Die Autoren nahmen 195 öffentliche Fragen aus einem Reddit-Gesundheitsforum, beantwortet von approbierten Ärzten, und ließen zu jeder eine Antwort von ChatGPT (GPT-3.5) erzeugen. Drei lizenzierte Gesundheitsfachleute, die zugleich Koautoren waren, bewerteten die Paare, ohne zu wissen, welche Antwort von wem stammte. In 78,6% der Bewertungen bevorzugten sie den Chatbot und beurteilten seine Antworten bei der Empathie höher (Mittelwert 3,65 gegenüber 2,15 auf einer 5-Punkte-Skala). Ein Detail ist sehr wichtig: Die Chatbot-Antworten waren deutlich länger, mit einem Median von 211 Wörtern gegenüber 52 bei den Ärzten (Ayers et al., 2023).

Was kann eine Support-Leitung daraus mitnehmen? Nicht, dass Bots empathischer sind als Ihre besten Mitarbeitenden. Die Ärzte beantworteten Fremde in einem kostenlosen öffentlichen Forum, vermutlich in wenigen Zeilen, und die Bewertenden waren Gesundheitsfachleute, die Text lasen. Die vorsichtige Lesart ist enger: Wenn ein Modell eine sorgfältige, anerkennende Antwort schreiben soll und ein Mensch eine schnelle, kann die Version des Modells wärmer wirken. Das ist eine Aussage über Aufwand und Länge, und ein Grund, AI einzusetzen, um Mitarbeitenden beim Schreiben besserer Antworten zu helfen (siehe AI Agent Assist).

Eine Studie der USC weist in dieselbe Richtung. Teilnehmende beschrieben eine belastende Situation und lasen dann eine Antwort. Im Hauptexperiment wurden 540 US-Teilnehmende über Prolific rekrutiert, 455 schlossen die letzte Phase ab. Antworten von Bing Chat (GPT-4) ließen Menschen sich stärker gehört fühlen als Antworten anderer Teilnehmender (5,74 gegenüber 5,17 auf einer 7-Punkte-Skala). Die Autoren führten das auf emotionale Unterstützung zurück: Die AI bot mehr davon (5,76 gegenüber 4,64) und weniger praktische Vorschläge (3,28 gegenüber 4,31), und emotionale Unterstützung, nicht Ratschläge, hing mit dem Gefühl zusammen, gehört zu werden (Yin, Jia und Wakslak, 2024). Die menschlichen Verfasser waren anonyme Fremde und die Antworten umfassten etwa 50 bis 60 Wörter. Die Studie sagt also nicht, wie ein erfahrener Mitarbeiter, der den Kunden kennt, im Vergleich abschneiden würde.

Das AI-Label nimmt einen Teil davon zurück

Dasselbe USC-Experiment kreuzte die tatsächliche Quelle mit dem Label. Der Label-Effekt war etwa so groß wie der Schreibeffekt, nur in die Gegenrichtung. Eine Antwort, die für AI-generiert gehalten wurde, ließ Menschen sich weniger gehört fühlen als eine, die für menschlich gehalten wurde, egal, wer sie tatsächlich geschrieben hatte. Beide Effekte glichen sich fast genau aus: AI-Text mit AI-Label (5,41) landete nahezu dort, wo menschlicher Text mit menschlichem Label lag (5,51), während AI-Text, den Menschen für menschlich hielten, am höchsten abschnitt (6,12). Die Autoren weisen darauf hin, dass es keine Bedingung ohne Label gab. Sie können daher nicht sagen, ob ein AI-Label das Gefühl senkt oder ein menschliches Label es hebt (Yin, Jia und Wakslak, 2024).

Die Arbeit in Nature Human Behaviour treibt denselben Befund deutlich weiter. In jeder der Studien ließen die Forschenden LLMs empathische Antworten auf die emotionalen Situationen von Menschen schreiben und sagten den Teilnehmenden, entweder ein Mensch oder eine AI habe sie verfasst. Der Text war derselbe. Die „menschliche“ Version wurde als empathischer und unterstützender bewertet und löste mehr positive und weniger negative Emotionen aus. Der Abstand blieb über verschiedene Antwortlängen, Verzögerungen und Modelle hinweg bestehen. Am stärksten war er bei Antworten, die das Mitfühlen und die Fürsorge betonten, und schwächer bei der rein verstehenden Art. Auch Menschen, die ungefragt vermuteten, dass AI an einer als menschlich gekennzeichneten Antwort mitgewirkt hatte, bewerteten sie niedriger. Wenn sie emotionale Zuwendung wollten, entschieden sie sich für einen Menschen (Rubin et al., 2025).

Für den Support folgt daraus eine klare Konsequenz. Ein Teil dessen, was Kunden an „Es tut mir sehr leid, dass das passiert ist“ schätzen, ist, dass jemand sich entschieden hat, es zu sagen. Nimmt man diesen Jemand weg, ist derselbe Satz weniger wert. Das heißt auch, dass Sie den Bot nicht verstecken sollten, um den Empathiewert zurückzuholen: Dieselbe Forschung legt nahe, dass die Entdeckung teuer ist, und die meisten Verbraucher sagen ohnehin, dass sie es wissen wollen (die Umfragedaten stehen in der Tabelle unten).

Studien zum Kundenservice: Empathie erklärt den Zufriedenheitsabstand

Zwei Arbeiten betrachten Servicesituationen direkt. In der ersten führten Markovitch und Kollegen drei Vignettenstudien durch. Kunden bewerteten den Chatbot-Service niedriger als den menschlichen Service, bei Zufriedenheit, Wiederkaufsbereitschaft, Akzeptanz von Empfehlungen und Weiterempfehlungsbereitschaft, unabhängig davon, ob das Ergebnis gut oder schlecht war. Wahrgenommene Empathie erklärte den Effekt vollständig. Und es gibt einen Gestaltungshebel: Wurde der Chatbot so geschrieben, dass er empathischer kommunizierte, stiegen die Bewertungen auf das Niveau des menschlichen Mitarbeiters, während ein menschlicheres Aussehen nicht half. Eine vierte Studie mit 100 Personen, die ChatGPT für medizinische Ratschläge nutzten, stützte dasselbe Muster (Markovitch, Stough und Huang, 2024). Beachten Sie, dass es Vignetten und kurze Interaktionen sind, keine Stammkunden, die ein Jahr lang mit einem Bot leben.

Die zweite Arbeit liefert die Warnung. Han, Yin und Zhang führten in MIS Quarterly drei Experimente durch, eines mit einem Live-LLM-Chatbot. Chatbot-Antworten, die die negativen Gefühle eines Kunden anerkannten und spiegelten, lösten häufig psychologische Reaktanz aus, das Gefühl, dass eine Grenze oder das eigene Kontrollempfinden bedrängt wird. Dadurch wirkte der Bot weniger kompetent, und die wahrgenommene Servicequalität und die Zufriedenheit sanken. Empathie eines menschlichen Mitarbeiters blieb wirksam (University of South Florida, Zusammenfassung der Studie). Die Berichterstattung nennt keine Stichprobengrößen, behandeln Sie die Größe des Effekts also als unbekannt und die Richtung als Warnung.

Fasst man beides zusammen, ergibt sich eine nützlichere Regel als „fügen Sie Empathie hinzu“. Empathische Formulierungen stärken einen Bot, wenn sie sich auf die Situation des Kunden beziehen. Emotionales Spiegeln („Ich kann nachfühlen, wie ärgerlich das ist“) kann nach hinten losgehen, besonders nachdem etwas schiefgelaufen ist.

Wo Kunden einen Menschen wollen

Die Empathieforschung erklärt, warum die Umfragedaten zum Zugang zu Menschen so aussehen, wie sie aussehen. Kunden sind nicht dagegen, dass AI die Arbeit erledigt. Sie sind misstrauisch, wenn AI sich bei einem wichtigen Problem zwischen sie und einen Menschen stellt.

Die eigene Empfehlung von Qualtrics lautet, AI einfache, transaktionale Anfragen bearbeiten zu lassen und bei komplexen Anfragen den menschlichen Mitarbeitenden Hintergrund und Lösungsvorschläge zu liefern. Die Umfragen messen „Empathiebedürfnisse“ nicht direkt, behaupten Sie das also nicht. Kombiniert man sie aber mit den Laborergebnissen, ergibt sich eine sinnvolle Routing-Regel:

• Der Bot übernimmt Anfragen, bei denen der Kunde die Antwort will, nicht die Beziehung: Bestellstatus, Passwort-Rücksetzungen, Richtlinienfragen, Adressänderungen.
• An einen Menschen übergeben, wenn der Kunde über einen Fehler verärgert ist, wenn es um Geld oder eine Kündigung geht, wenn er darum bittet oder wenn der Bot zweimal danebenlag.
• Den Menschen unterstützen Sie in diesen Fällen mit einer Zusammenfassung und Formulierungsvorschlägen. Die Seite Automatisieren oder Unterstützen erklärt, wie Sie entscheiden, und Was Kunden von AI-Service erwarten geht auf die Umfrageseite tiefer ein.

Tonalitätsregeln für Ihren Bot

Hier ist ein Regelsatz, den Sie in die Anweisungen des Bots schreiben und gegen den Sie prüfen können. Er stützt sich auf die obigen Befunde und auf gesunden Menschenverstand zu kurzen schriftlichen Antworten.

Was diese Beispiele gemeinsam haben:

1. Sagen Sie, was passiert ist, in den Worten des Kunden. Konkretes wirkt wie Verständnis. Allgemeines Mitgefühl wirkt wie ein Skript.
2. Verzichten Sie auf gespiegelte Emotionen. Sagen Sie einem Kunden nicht, wie er sich fühlt. Angesichts des Reaktanz-Befunds ist „Ich sehe, dass Sie verärgert sind“ von einem Bot riskanter als „Das hätte nicht passieren dürfen.“
3. Verbinden Sie jede Anerkennung mit einer Handlung oder einem nächsten Schritt. Empathie ohne etwas dahinter ist genau das, worüber Kunden sich beschweren.
4. Fassen Sie sich kurz. Beim Ergebnis aus dem Medizinforum ging es großenteils darum, dass lange Antworten hastige schlagen. Im Chat ist Länge nicht das Ziel. Vollständigkeit ist es. Behandeln Sie Problem, Lösung und nächsten Schritt, dann hören Sie auf.
5. Legen Sie offen, klar und früh. „Ich bin ein AI-Assistent. Ich kann bei Bestellungen und Abrechnung helfen oder Sie mit einem Menschen verbinden.“ Geben Sie dem Bot keinen menschlichen Namen und keine Tippverzögerungen. Die Label-Forschung sagt, dass die Entdeckung Sie etwas kostet.
6. Entschuldigen Sie sich für das Ereignis, nicht für die Gefühle. „Es tut mir leid, dass die Rückerstattung so lange gedauert hat“ ist zutreffend. „Es tut mir leid, dass Sie das so empfinden“ ist ein Klassiker, um alles schlimmer zu machen.
7. Passen Sie das Register an Kanal und Kunden an. Eine knappe Antwort passt zu einem Entwickler, der eine Fehlermeldung einfügt. Eine wärmere passt zu einer Beschwerde über die Abrechnung, und Kontext und Verlauf des Kontos sagen dem Bot, mit welchem Kunden er spricht. Erfassen Sie zuerst das Anliegen mit der Intent-Erkennung.
8. Versprechen Sie nichts, was nur ein Mensch entscheiden kann. Rückerstattungen außerhalb der Richtlinie, Ausnahmen und Kulanzgutschriften gehören dem Menschen, an den der Bot übergibt.
9. Bieten Sie den Ausgang einmal und deutlich an. Eine Zeile, jedes Mal an derselben Stelle.

Schritt für Schritt: Die Tonalität für Ihren Support-Bot festlegen

1. Sortieren Sie Ihre wichtigsten Kontaktgründe nach emotionaler Last. Markieren Sie jeden als informativ, frustrierend oder folgenschwer. Der erste Typ lässt sich vollständig automatisieren. Der letzte sollte an Menschen gehen.
2. Schreiben Sie das Tonalitäts-Briefing als Beispiele, nicht als Adjektive. „Warm, aber professionell“ gibt einem Modell nichts zum Nachahmen. Fünf gute und fünf schlechte Antworten schon.
3. Verbieten Sie die Skript-Floskeln. Listen Sie die Sätze auf, die Sie nie wollen („Ich verstehe Ihren Frust“, „Es tut mir leid, dass Sie das so empfinden“, „Ich entschuldige mich für etwaige Unannehmlichkeiten“), und prüfen Sie, dass sie verschwunden sind.
4. Legen Sie Eskalationsauslöser fest. Ärgermarker, Kündigungswörter, eine zweite fehlgeschlagene Antwort, eine direkte Bitte um einen Menschen und jeder Geldstreit oberhalb eines Schwellenwerts. Sentiment-Signale können helfen; im Glossareintrag zur Sentiment-Analyse steht, was sie leisten und was nicht.
5. Lassen Sie die Übergabe Kontext mitführen. Die Person sollte das vollständige Transkript und die Kontodaten sehen. Nichts zerstört die Empathie eines Bots schneller, als wenn der Kunde von vorn anfangen muss.
6. Testen Sie mit echten Transkripten. Nehmen Sie 50 aktuelle Gespräche, lassen Sie sie durch den Bot laufen und lassen Sie zwei Mitarbeitende die Tonalität blind bewerten. Abweichungen zeigen, wo das Briefing vage ist.
7. Bewerten Sie Tonalität mit einem Bewertungsraster, nicht nach Bauchgefühl. Beobachtbare Prüfpunkte funktionieren am besten („hat das konkrete Problem benannt“, „hat einen nächsten Schritt genannt“). Der Leitfaden zur AI-Qualitätssicherung zeigt, wie Sie diese Bewertung an menschlichen Prüfern kalibrieren.
8. Messen Sie Ergebnisse auf Kundenseite. Erneuter Kontakt innerhalb einer Woche, Übergabequote, Zeit bis zum Menschen und eine Ein-Frage-Zufriedenheitsabfrage nach reinen Bot-Chats.

Häufige Fallstricke

• Eine Studie für allgemeingültig halten. Eine Forumsstudie zu Gesundheitsfragen sagt wenig über einen Streit um eine Rückerstattung. Fragen Sie bei jeder Empathie-Statistik, wer die Teilnehmenden waren, was sie bewertet haben und ob es eine echte Interaktion war.
• Verbergen, dass es ein Bot ist, um Empathiepunkte zu gewinnen. Die Label-Forschung sagt, dass der Abstand real ist, und Kunden sagen, dass sie es wissen wollen. Offenlegung ist der ehrliche Weg und der günstigere, wenn es auffliegt.
• Emotionales Spiegeln nach einem Fehler einsetzen. Hier greift der Reaktanz-Befund am stärksten.
• Länge mit Fürsorge verwechseln. Lange Antworten schnitten in einer Studie gut ab. In einem Chatfenster bremsen sie Menschen nur aus.
• Dem Bot Empathie geben, aber keine Befugnis. Eine freundliche Antwort, die mit „Das kann ich nicht tun“ endet, ist schlechter als eine nüchterne, die schnell weiterleitet.
• Mitarbeitende darauf trainieren, wie der Bot zu klingen. Wenn die AI bessere Anerkennungen schreibt als Ihr Team, nutzen Sie sie als Formulierungshilfe, nicht als Vorlage zum wörtlichen Abschreiben.
• Nie erneut testen. Modelle, Richtlinien und Kundenstimmung ändern sich. Wiederholen Sie den Transkript-Test jedes Quartal.