Vier Mal Kundennummer, null Ergebnis: Was eine KI-Hotline über Qualitätssicherung lehrt

Kürzlich wollte ich bei meinem DSL-Anbieter – einem großen deutschen Telekommunikationsunternehmen – eine Störung der Festnetz-Telefonie melden. Zwei von drei Rufnummern waren nicht erreichbar. Am anderen Ende der Störungshotline: zum ersten Mal keine Warteschleife, kein Mensch, sondern eine vollautomatische KI-Agentin. Das Ergebnis war ernüchternd – und zugleich lehrreich für jedes Unternehmen, das gerade selbst KI-Agenten an der Kundenschnittstelle einführen will.

Der Fall

Die Software stellte sich als meine KI-Assistentin vor und fragte nach meinem Anliegen. Auf mein Stichwort „Festnetz-Telefonie“ folgte zunächst ein Verkaufsangebot: Festnetz-Telefonie lasse sich zu einem Internet-Paket hinzubuchen – samt einer URL, die in normalem Sprechtempo genannt wurde und unmöglich mitzuschreiben war. Ich stellte klar, dass ich eine Störung melden möchte.

Dann begann die eigentliche Aufnahme: Störung beschreiben, Kundennummer und Postleitzahl nennen. Beides nannte ich – und die KI entschuldigte sich für ein technisches Problem und fragte erneut nach Kundennummer und Postleitzahl. Dieser Zyklus wiederholte sich insgesamt vier Mal.

Ich bat darum, mit einem Menschen verbunden zu werden. Die Antwort: „Bevor ich Sie mit jemandem verbinde, fasse ich Ihr Anliegen zusammen.“ Es folgte eine korrekte Zusammenfassung meines Anliegens – inklusive fehlerfreier Wiedergabe von Kundennummer und Postleitzahl. Die Daten waren also längst angekommen. Dann wurde weiterverbunden: kurzes Freizeichen, Verbindungsabbruch, Gespräch beendet.

Bei einem späteren Anrufversuch verwies mich die KI auf ein Online-Formular für Mobilfunk-Störungen. Auf meinen Einwand, es gehe um Festnetz, bestätigte sie, das Formular sei auch dafür geeignet. Es ist es nicht.

Perspektivwechsel: Was ist hier eigentlich schiefgegangen?

Ob eine KI-Agentin an dieser Stelle überhaupt das richtige Werkzeug war, ist eine berechtigte Frage – aber sie stellt sich erst an zweiter Stelle. Zuerst lohnt der Blick darauf, welche Versäumnisse ein solches Kundenerlebnis überhaupt möglich machen. Denn die wären bei jeder Technologie dieselben gewesen. Drei Muster fallen auf.

1. Es fehlt der Ende-zu-Ende-Test aus Kundensicht

Der auffälligste Befund: Kein einzelner Fehler war exotisch. Eine Datenübernahme, die scheitert. Eine Weiterleitung, die abbricht. Ein Formular, das für den Anwendungsfall nicht passt. Jedes dieser Probleme wäre bei einem konsequenten Durchspielen der häufigsten Kundenanliegen aufgefallen – eine Festnetz-Störung zu melden gehört bei einem Telekommunikationsanbieter zweifellos dazu.

Offenbar wurden Komponenten getestet, aber nicht der Prozess: Die Spracherkennung funktionierte (die Zusammenfassung am Ende war korrekt), die Dialogführung funktionierte, die Weiterleitung existierte. Was fehlte, war der Nachweis, dass die Kette vom Anruf bis zur aufgenommenen Störungsmeldung tatsächlich durchläuft. Qualitätssicherung, die an Komponentengrenzen endet, erzeugt Systeme, die in jedem Einzelteil funktionieren und als Ganzes scheitern.

Besonders bemerkenswert: Die KI hatte meine Daten korrekt erfasst und fragte trotzdem vier Mal nach. Das deutet auf einen Fehler in der Übergabe zwischen Dialogsystem und dahinterliegendem Prozess – genau die Nahtstelle, die bei komponentenweisem Testen systematisch durchrutscht.

2. Der Fallback ist Teil des Systems – nicht sein Notausgang

Jedes automatisierte System an der Kundenschnittstelle braucht eine belastbare Antwort auf die Frage: Was passiert, wenn es nicht funktioniert? Hier gab es formal einen Eskalationspfad – die Weiterleitung an einen Menschen. Aber er war offenkundig nie unter realen Bedingungen verifiziert worden, denn er endete im Verbindungsabbruch.

Ein Fallback, der nicht funktioniert, ist schlimmer als keiner: Er verbraucht die Geduld des Kunden ein zweites Mal und nimmt ihm die letzte Handlungsoption. Die Belastbarkeit des Eskalationspfads gehört deshalb mit derselben Priorität getestet wie der Hauptprozess – eher mit höherer, denn der Fallback wird genau dann gebraucht, wenn bereits etwas schiefgelaufen ist.

3. Der Kanal bestimmt die Kommunikation

Zweimal nannte die KI im Gespräch URLs – einmal ungefragt als Verkaufsangebot, einmal als Verweis auf ein unpassendes Formular. Im Chat oder in einer E-Mail ist ein Link ein Service. Am Telefon ist eine in Normalgeschwindigkeit vorgelesene URL wertlos: Der Kunde kann sie weder anklicken noch mitschreiben.

Das Muster dahinter: Dialoginhalte wurden offenbar aus einem textbasierten Kanal übernommen, ohne sie für das Medium Telefon zu überdenken. Wer denselben Agenten über mehrere Kanäle ausrollt, muss die Kanaleigenschaften in die Dialoggestaltung einbeziehen – am Telefon heißt das: kurze, buchstabierbare Adressen, Rückversicherung, ob der Kunde mitschreiben konnte, oder besser gleich der Versand per SMS.

Was das für KI-Einführungen an der Kundenschnittstelle bedeutet

Viele Unternehmen – gerade in Versicherungen, Banken und der Energiewirtschaft – stehen derzeit unter erheblichem Druck, KI-Agenten für Service-Hotlines, Schadenmeldungen oder Störungsannahmen einzuführen. Der geschilderte Fall zeigt, was passiert, wenn dieser Druck die Sorgfalt verdrängt – und dass das Risiko selten im Sprachmodell selbst liegt. Die Spracherkennung war gut, die Dialogführung höflich, die Zusammenfassung korrekt. Gescheitert ist das System an seinen Rändern – an der Übergabe an Bestandssysteme, am Eskalationspfad, an der Kanalgerechtigkeit der Inhalte.

Das sind keine KI-Themen. Das sind klassische Fragen der Integrations- und Prozessqualität, wie sie jede Einführung eines kundennahen Systems stellt. Neu ist nur, dass ein KI-Agent Kompetenz suggeriert – und die Fallhöhe damit steigt: Wer sich flüssig artikuliert und sich dann vier Mal im Kreis dreht, wirkt nicht hilflos, sondern dysfunktional. Das färbt unmittelbar auf die Marke ab.

Fünf Prinzipien für den KI-Agenten an der Kundenschnittstelle

1. Ende-zu-Ende testen, nicht komponentenweise. Die häufigsten Kundenanliegen werden vor dem Go-live vollständig durchgespielt – vom ersten Kontakt bis zum nachweislich angekommenen Ergebnis im Zielsystem.
2. Den Fallback härter testen als den Hauptprozess. Die Übergabe an den Menschen muss unter realen Bedingungen verifiziert sein. Ein Eskalationspfad, der im Abbruch endet, ist eine Sackgasse mit Beschilderung.
3. Schleifen erkennen und durchbrechen. Kein System darf dieselbe Information mehr als zweimal erfragen. Spätestens dann ist automatisch zu eskalieren – ohne dass der Kunde es verlangen muss.
4. Kanalgerecht kommunizieren. Inhalte werden für das Medium gestaltet, in dem sie ankommen. Was im Chat funktioniert, kann am Telefon wertlos sein.
5. Verweise nur auf geprüfte Ziele. Jeder Verweis auf ein Formular oder einen Prozess muss für das konkrete Anliegen validiert sein. Ein falscher Verweis kostet den Kunden einen weiteren Anlauf – und dem Unternehmen den nächsten Kontakt im teureren Kanal.

Ob ein KI-Agent an der Kundenschnittstelle die richtige Antwort ist, muss jedes Unternehmen für sich beantworten – an der Frage, ob er Kunden und Unternehmen dauerhaft nützt, nicht daran, was der Markt gerade erwartet. Wer sich dafür entscheidet, sollte die Einführung mit derselben Sorgfalt behandeln wie jedes andere System, dem man seine Kunden anvertraut. Der geschilderte Fall zeigt, was auf dem Spiel steht: nicht ein einzelnes Servicegespräch, sondern das Vertrauen in die Marke.

Transparenz-Hinweis: Ich nutze bei meinen Texten grundsätzlich KI-Unterstützung – so gehe ich dabei vor.