Das design. Ein illustratives, durchgerechnetes beispiel, kein kundenergebnis. Das e-commerce-support-team im mittelstand mit etwa 18 agents und seine zahlen sind annahmen. Das design hat zwei teile: interne suche über ticket-historie, doku und richtlinien des teams sowie ein antwort-assistent mit entwurf und prüfung. Kein chatbot.
Kein chatbot für kunden gehört zum design. Nimm an, das team hat vor jahren einen abgeschaltet und will ihn nicht zurück. Die entlastung käme hier daher, dass agents schon in der ersten antwort richtig antworten, nicht von einem bot, der kunden an der tür abfängt.
Die zahlen, die eine support-leitung verfolgt, sind die erste antwortzeit bei komplexen tickets und der anteil wiederkehrender 'wo-ist-meine-bestellung'- und richtlinienfragen, die beim ersten kontakt gelöst werden. Dieses beispiel nennt zu keinem ein ergebnis. Ein team würde seine ausgangslage aus dem eigenen ticket-tagging nehmen, nicht aus einer schätzung eines anbieters, und danach vergleichen.
#Was bedeutet KI-Ticket-Abfang, wenn es keinen Chatbot gibt?
Was ist ki-ticket-entlastung für support-teams ohne chatbot?
Es heißt, dass ein wiederkehrendes ticket schon mit der ersten antwort gelöst wird, statt zwischen agents zu wandern oder zu eskalieren. In diesem design holt die interne suche die richtige richtlinie und frühere lösung, und ein assistent mit entwurf und prüfung schreibt eine belegte antwort, die der agent bearbeitet und sendet. Der kunde spricht weiterhin mit einem menschen.
Die meisten 'entlastungs'-pitches meinen, dass ein bot antwortet, damit der kunde nie bei einem menschen landet. Das ist nicht dieses design. Eine 'wo ist meine bestellung'-frage, die normalerweise an einen senior-agent eskaliert würde, kann vom ersten agent richtig beantwortet werden, weil der assistent die versandrichtlinie und die drei nächsten früheren tickets mit ihren lösungen zeigt.
#Woraus besteht das design?
Zwei Teile, beide intern. Suche über die eigene Geschichte des Teams und ein Antwortassistent, der daraus Entwürfe erstellt. Nichts, was der Kunde sieht, nichts, das automatisch versendet wird.
- Interne suche: indexiert die gelösten tickets des teams, die produktdoku sowie die versand- und rückgaberichtlinien. öffnet ein agent ein ticket, zeigt sie die nächsten früheren fälle und die genaue richtlinienklausel mit link zur quelle.
- Entwurf und Prüfung: Schreibt einen ersten Antwortentwurf im Ton des Teams und belegt die verwendete Richtlinie. Der Mitarbeitende bearbeitet und sendet. Nichts wird ohne menschliches Absenden verschickt.
- Tagging: Jeder vorgeschlagene Entwurf wird dem Ticket-Tag zugeordnet, sodass das Team sehen kann, welche Kategorien abgefangen werden und welche noch einen Menschen brauchen.
We are
Eine interne Such- und Entwurfsschicht, die jedem Mitarbeitenden einen belegten ersten Antwortentwurf zum Bearbeiten bereitlegt – damit wiederkehrende Tickets beim ersten Kontakt von einem Menschen gelöst werden.
We aren't
Ein kundenseitiger Chatbot, der Menschen am Hilfe-Widget abfängt und aus einer zusammengesuchten Wissensdatenbank antwortet, bevor sie eine Person erreichen.
Die quellenangabe ist es, die agents vertrauen lässt. Ein entwurf, der sagt 'laut rückgaberichtlinie, aktualisiert im märz 2026, sind rücksendungen ungetragener artikel kostenlos' und verlinkt, schlägt eine selbstsichere vermutung. Dasselbe muster haben wir im beitrag zur ticket-triage beschrieben: das system liest und entwirft, der agent entscheidet.
#Warum verringert eine kürzere Erstantwortzeit auch die Ticket-Anzahl?
Weil eine falsche oder vage erste Antwort das zweite und dritte Ticket erst erzeugt. Ein Kunde fragt, wo seine Bestellung ist, bekommt ein generisches „Wir schauen nach“ und schreibt zweimal nach. Jede Nachfrage ist ein neuer Aufwand für das Team.
Wenn der erste agent korrekt mit sendungsstatus und tatsächlicher richtlinie antwortet, schließt sich der thread. Die nachfragen, die sich hinter einer schwachen ersten antwort stauen, bleiben aus. Daher käme der größte teil der entlastung, und es ist die zahl, die man an der eigenen getaggten ausgangslage misst.
Es geht nicht darum, menschen vom team wegzulenken. Es geht darum, das zweite und dritte ticket zu vermeiden, das eine schlechte erste antwort erzeugt.
#Woran würdest du merken, dass die entlastung echt ist?
Nicht in der ersten phase der nutzung. Am anfang kann die suche zu viele nur lose verwandte frühere tickets liefern, und agents hören auf, die vorschläge zu lesen. Die erste feinarbeit besteht darin zu entscheiden, welche früheren fälle zählen, und das rauschen zu entfernen, damit die ersten drei wirklich die nächsten sind.
Die entlastung zeigt sich, sobald agents den obersten vorschlägen genug vertrauen, um mit ihnen zu beginnen. Das ist dieselbe form wie der rest unserer ai-consulting-arbeit für support-teams: interne suche, triage und entwurf-und-prüfung, mit training für das team, damit es den ablauf besitzt und nicht nur das tool. Weitere beiträge stehen im journal.
Wenn ihr ein Support-Team führt und abwägt, ob KI die Antwortzeit verkürzen und wiederkehrende Tickets abfangen kann, ohne einen Bot zwischen euch und eure Kunden zu stellen: Die ehrliche Antwort ist ja – und es sieht so aus: belegte Entwürfe, ein Mensch bei jedem Absenden, eure eigene Ticket-Geschichte als Grundlage. Das ist die Version, die wir bauen. Erzählt uns, was ihr aufbaut.
