Herausforderungen im Kundenservice: Welche habt ihr wirklich?

Montagvormittag, die Warteschlange wächst schneller, als das Team sie abarbeiten kann, im Postfach liegt zum dritten Mal dieselbe Frage, und jemand fragt im Chat, warum die Kollegin am Telefon gerade etwas anderes gesagt hat. Dass Kundenservice herausfordernd ist, weiß man auch ohne Liste.

Spannender ist eine andere Frage: Welche dieser Herausforderungen hat man eigentlich selbst? Denn fast alle Teams kennen alle zehn – aber jedes Team hat nur zwei oder drei, die wirklich Geld und Nerven kosten. Und genau die erkennt man nicht am Bauchgefühl, sondern an Zahlen, die ohnehin schon im Reporting stehen.

In diesem Artikel ordnen wir den zehn häufigsten Herausforderungen jeweils zu, woran man sie erkennt, was dahintersteckt und was als Erstes hilft. Außerdem schauen wir ehrlich darauf, wo KI etwas bewirkt – und wo eben nicht. Wer das weiß, spart sich die Projekte, die am eigentlichen Problem vorbeilaufen.

Der Schnelltest: Welche Herausforderung habt ihr?

Bevor es in die Tiefe geht, drei Fragen. Sie dauern eine Minute und entscheiden, welcher Teil dieses Artikels für euch der wichtigste ist.

Frage 1: Wie oft meldet sich jemand ein zweites Mal wegen derselben Sache? Liegt die Wiederkontaktquote über 20 Prozent, ist das euer teuerstes Problem. Weiter zu Zehn Symptome und woran man sie erkennt.

Frage 2: Kommen Anfragen überhaupt bei euch an, die auf der Hilfeseite hätten gelöst werden können? Wenn ja, sitzt die Lücke vor dem Ticket. Weiter zu Warum ausgerechnet der Self-Service klemmt.

Frage 3: Könnt ihr aus dem Stand sagen, wie hoch eure Erstlösungsquote letzten Monat war? Wenn nein, fangt bei Fünf Zahlen, die alles verraten an. Alles andere kommt danach.

Zehn Symptome und woran man sie erkennt

Diese Tabelle ist der Kern des Artikels. Links steht, was man spürt. In der Mitte, woran man es misst. Rechts, was meistens dahintersteckt.

Herausforderung	Woran man sie erkennt	Was meistens dahintersteckt
Steigende Erwartungen	CSAT sinkt, obwohl sich an der Bearbeitungszeit nichts geändert hat	Antwortzeiten, die früher genügten, tun es nicht mehr
Wartezeiten	Erstreaktionszeit steigt, Abbrüche in der Warteschleife nehmen zu	Volumenspitzen treffen auf feste Besetzung
Mehrfachkontakte	Wiederkontaktquote über 20 Prozent	Antworten lösen das Anliegen nicht vollständig
Kanalbrüche	Dieselbe Person taucht innerhalb weniger Stunden in zwei Kanälen auf	Der Kontext wandert nicht mit
Personalmangel	Der Rückstand wächst schneller, als er abgebaut wird	Volumen wächst schneller als das Team
Monotone Routinearbeit	Wenige Themen machen einen Großteil des Volumens aus	Wiederkehrende Fragen werden manuell beantwortet
Verteiltes Wissen	Unterschiedliche Auskünfte zur selben Frage	Inhalte werden pro Kanal separat gepflegt
Schwankende Qualität	CSAT unterscheidet sich stark nach Schicht oder Person	Es fehlt eine gemeinsame Antwortgrundlage
Zersplitterte Systeme	Agent:innen wechseln je Vorgang mehrfach das Fenster	Fehlende Schnittstellen zwischen den Systemen
Fehlende Messbarkeit	Diskussionen über Verbesserungen bleiben anekdotisch	Kennzahlen werden nicht regelmäßig ausgewertet

Wenn man nur eine einzige Zahl prüfen kann, nimmt man die Wiederkontaktquote. Sie ist die einzige Kennzahl, die gleichzeitig zwei Dinge misst: wie genervt Kund:innen sind und wie viel Arbeit man sich selbst macht. Steigt sie, ist irgendwo eine Antwort unvollständig, missverständlich oder nicht nachvollziehbar.

Dass dieser Punkt so schwer wiegt, ist übrigens keine neue Erkenntnis. Matthew Dixon, Nick Toman und Rick DeLisi haben in „The Effortless Experience” (2013) auf Basis umfangreicher CEB-Forschung gezeigt, dass geringer Kundenaufwand die Loyalität zuverlässiger vorhersagt als jeder Versuch, Kund:innen zu begeistern. Ein zweiter Anruf wegen derselben Sache ist genau dieser Aufwand.

Ihr wisst jetzt, welche Zahl ihr zuerst anschauen solltet. Wer beim Einordnen einen zweiten Blick möchte: Wir schauen uns das in einem unverbindlichen Gespräch gemeinsam an.

Warum ausgerechnet der Self-Service klemmt

Hier wird es konkret, und zwar an der Stelle, an der in Deutschland bereits am meisten automatisiert wird. Laut der Bitkom-Befragung von 603 Unternehmen ab 20 Beschäftigten setzen 72 Prozent der KI-nutzenden Unternehmen die Technologie im Kundenkontakt ein, etwa bei der Bearbeitung von Anfragen. Das ist mit Abstand das häufigste Einsatzfeld.

Umso unangenehmer ist, wie gut das bislang funktioniert. Eine Gartner-Befragung von 5.728 Kund:innen zeigt: 73 Prozent nutzen Self-Service irgendwann in ihrer Service-Journey, aber nur 14 Prozent lösen ihr Anliegen dort vollständig. Selbst bei Anliegen, die Kund:innen selbst als sehr einfach beschreiben, sind es nur 36 Prozent.

Zwischen Nutzung und Lösung klaffen also rund 59 Prozentpunkte. Und jetzt kommt der Teil, der die Lücke erklärt: 43 Prozent fanden keinen passenden Inhalt, 45 Prozent sagten, das Unternehmen habe ihr Anliegen nicht verstanden.

Beides sind keine Technikprobleme. Das eine heißt: Der Eintrag fehlt. Das andere heißt: Der Eintrag ist da, aber die Frage wurde nicht erkannt. Kein Modell der Welt repariert einen Eintrag, den es nicht gibt.

Dazu kommt, dass man meistens nur einen Versuch bekommt. In einer weiteren Gartner-Befragung von 3.566 B2B- und B2C-Kund:innen würden nur 27 Prozent einen Chatbot nach einer schlechten Erfahrung erneut ausprobieren. Interessant ist die Gegenprobe aus derselben Befragung: 49 Prozent hätten einen Chatbot genutzt, wenn es einen gegeben hätte – tatsächlich getan haben es beim letzten Servicekontakt nur 7 Prozent. Die Bereitschaft ist also da. Sie hält nur nicht lange.

Wenn beide Gründe in der Wissensbasis liegen, ist klar, wo man ansetzt. Wie eine Quelle aussieht, die Hilfeseite, Chat, E-Mail und Ticketsystem gleichzeitig versorgt, zeigen wir hier:

Was sich gerade in den Teams verändert

Dieser Teil fehlt in den meisten Übersichten, obwohl sich dort momentan am meisten bewegt.

Eine Gartner-Befragung unter 321 Serviceverantwortlichen zeichnet ein differenzierteres Bild als die Schlagzeilen: 85 Prozent erweitern die Aufgaben ihrer Agent:innen, 75 Prozent verschieben Mitarbeitende in neue Rollen innerhalb des Service. 80 Prozent berichten von Druck, die Personalstruktur zu verändern, 63 Prozent verkleinern Teams über natürliche Fluktuation, 31 Prozent planen oder vollziehen Stellenabbau.

Was heißt das für den Alltag? Der Engpass verschwindet nicht, er wandert. Wer Routineanfragen automatisiert, braucht anschließend nicht weniger Menschen – sondern andere Aufgaben für sie. Und zwar vorbereitet, nicht improvisiert.

In Deutschland kommt eine zweite Baustelle dazu: Laut Bitkom halten 66 Prozent der Unternehmen die KI-Kompetenzen ihrer Beschäftigten für gering. Immerhin schulen inzwischen 70 Prozent. Und 42 Prozent der KI-nutzenden Unternehmen nennen die fehlende Akzeptanz der eigenen Beschäftigten als Hemmnis – ein Punkt, der in Projektplänen fast nie auftaucht und Projekte trotzdem regelmäßig ausbremst.

Die Kosten liegen woanders, als man denkt

Wer Automatisierung plant, rechnet meistens mit Lizenzkosten. Die Bitkom-Zahlen sagen etwas anderes.

Als großen Kostenpunkt nennen KI-Anwender die Infrastruktur (51 Prozent), die Aufbereitung von Daten (50 Prozent) und die Integration in bestehende Systeme (41 Prozent). Abos und Lizenzen für die Software nennen nur 21 Prozent, der Tokenverbrauch spielt mit 8 Prozent fast keine Rolle.

Bitkom-Präsident Ralf Wintergerst bringt es auf einen Satz:

Wer nur eine Lizenz kauft, hat KI eingekauft, aber noch nichts verändert.

Für den Kundenservice übersetzt heißt das: Der Aufwand steckt im Aufbereiten der Inhalte und im Verbinden der Systeme. Das ist die unspektakuläre Arbeit, die keine Präsentation hergibt – und die trotzdem darüber entscheidet, ob am Ende etwas funktioniert.

Seit dem 2. August 2026 gilt zusätzlich Artikel 50 des EU AI Act: Menschen müssen erkennen können, dass sie mit einem KI-System sprechen, sofern sich das nicht ohnehin aus den Umständen ergibt.

Wo KI hilft und wo nicht

Jetzt der Teil, den man von einem KI-Anbieter vielleicht nicht erwartet. KI löst nicht alle zehn Herausforderungen. Bei vieren wirkt sie deutlich, bei dreien kaum, bei einer gar nicht.

Herausforderung	Wirkung von KI
Wartezeiten	Hoch – Standardanfragen werden sofort beantwortet, auch nachts
Monotone Routinearbeit	Hoch – wiederkehrende Fragen verlassen die Warteschlange
Kanalbrüche	Hoch, wenn alle Kanäle aus derselben Quelle antworten
Schwankende Qualität	Hoch – dieselbe Antwort unabhängig von Schicht und Erfahrung
Self-Service-Lücke	Mittel – nur so gut wie die hinterlegten Inhalte
Mehrfachkontakte	Mittel – sinkt, wenn Antworten vollständiger werden
Steigende Erwartungen	Mittel – Geschwindigkeit ja, Verständnis nur bedingt
Personalmangel bei komplexen Fällen	Gering – genau diese Fälle bleiben bei Menschen
Zersplitterte Systeme	Gering – eine KI verbindet keine Systeme, die nicht verbunden sind
Fehlende Messbarkeit	Keine – Messen bleibt eine organisatorische Aufgabe

Dazu gehört ein Befund, der unbequem ist, aber mitgedacht werden muss: 87 Prozent der Kund:innen halten den Zugang zu einem Menschen für unverzichtbar, sobald ein Unternehmen generative KI im Service einsetzt.

Dazu passt eine weitere Zahl aus derselben Gartner-Mitteilung: In einer separaten Befragung von 5.801 Kund:innen in den USA gaben 54 Prozent an, menschlichen Agent:innen bei Produkt- und Serviceempfehlungen mehr zu vertrauen als einer KI. Nur 32 Prozent vertrauen der KI mehr.

Daraus folgt kein Argument gegen Automatisierung, sondern zwei Gestaltungsregeln. Erstens: Der Weg zum Serviceteam bleibt sichtbar. Zweitens: Die Wissensbasis wird vor dem Bot aufgebaut, nicht danach.

Und weil man so eine Tabelle von einem KI-Anbieter zu Recht mit einer hochgezogenen Augenbraue liest: Am ehrlichsten ist es, das selbst auszuprobieren statt es uns zu glauben.

Fünf Zahlen, die alles verraten

Man braucht kein neues Dashboard. Fünf Zahlen genügen, und alle lassen sich aus vorhandenen Daten bilden.

Kennzahl	Was sie beantwortet
Erstlösungsquote	Werden Anliegen beim ersten Kontakt abschließend geklärt?
Wiederkontaktquote	Wie viel Arbeit entsteht, weil die erste Antwort nicht reichte?
Durchschnittliche Bearbeitungszeit	Wie viel Teamzeit bindet ein Vorgang?
Anfragevolumen je Kanal	Verschiebt sich Aufwand nur, statt zu verschwinden?
Suchanfragen ohne Treffer	Welche Inhalte fehlen in der Wissensbasis?

Die letzte Zeile ist die konkreteste Arbeitsanweisung, die es gibt: Jeder Suchbegriff ohne Ergebnis ist ein fehlender Eintrag. Mehr Analyse braucht es nicht.

Und eine Warnung zum Schluss der Tabelle: Bei automatisierten Kanälen gehören Deflection und CSAT immer zusammen ausgewertet. Sinkende Ticketzahlen bei sinkender Zufriedenheit sind keine Einsparung, sondern eine Verlagerung in Kanäle, die niemand misst.

Die ersten 90 Tage

Tag 1 bis 30: messen und sortieren

Die fünf Kennzahlen erheben und die zwanzig häufigsten Anliegen aus dem Ticketsystem ziehen. Mehr nicht. Am Ende dieses Monats weiß man, welche der zehn Herausforderungen man tatsächlich hat – und welche man nur zu haben glaubte.

Tag 31 bis 60: eine Quelle statt vieler

Bestehende Listen, Textbausteine und Notizen zusammenführen und eine Person benennen, die Einträge freigibt. Parallel die fünf häufigsten Antworten so umformulieren, dass sie den nächsten Schritt enthalten. Das kostet einen Nachmittag und senkt die Wiederkontaktquote messbar.

Tag 61 bis 90: einen Kanal automatisieren

Meist ist die Hilfeseite der richtige Start, weil dort das Suchverhalten sichtbar wird. Danach die Suchanfragen ohne Treffer auswerten und die Lücken schließen, bevor der nächste Kanal folgt.

Nach drei Monaten liegt ein Vorher-Nachher-Vergleich vor, der eine Investitionsentscheidung trägt. Und zwar einer mit eigenen Zahlen, nicht mit Zahlen aus einer Anbieterpräsentation.

Die wichtigsten Begriffe

Diese Kennzahlen tauchen in jedem Gespräch über Kundenservice auf – und werden erstaunlich oft durcheinandergebracht.

• Erstlösungsquote (FCR): Anteil der Anliegen, die beim ersten Kontakt abschließend geklärt werden.
• Wiederkontaktquote: Anteil der Kund:innen, die sich wegen desselben Anliegens erneut melden.
• Ticket-Deflection-Rate: Anteil der Anfragen, die gelöst werden, bevor ein Ticket entsteht.
• Containment-Rate: Anteil der Dialoge, die vollständig im automatisierten Kanal enden, ohne Übergabe.
• Cost-per-Contact: Durchschnittliche Kosten eines Servicekontakts aus Personal-, Lizenz- und variablen Kosten.
• Kanalbruch: Wechsel zwischen Kanälen, bei dem der Kontext nicht mitwandert.
• Intent-Erkennung: Verfahren, mit dem eine KI die Absicht hinter einer frei formulierten Nachricht bestimmt, statt Stichwörter abzugleichen.

Fazit

Die Herausforderungen im Kundenservice ähneln sich über Branchen hinweg. Was sich unterscheidet, ist ihre Gewichtung – und die liest man nicht aus einer Liste ab, sondern aus den eigenen Zahlen.

Die Reihenfolge ist dabei wichtiger als das Tempo. Wer automatisiert, bevor das Wissen an einem Ort liegt, automatisiert Lücken. Die Gartner-Daten sagen genau das: Die Hauptgründe für gescheiterten Self-Service sind fehlende Inhalte und nicht verstandene Anliegen. Beides adressiert eine gepflegte Wissensbasis, kein Modellwechsel.

Und ein Punkt bleibt unabhängig von jeder Technik: Der Weg zu einem Menschen muss sichtbar bleiben. Ohne ihn sinkt die Zufriedenheit, auch wenn die Zahlen im Dashboard zunächst besser aussehen.

Wie das Wissen anschließend tatsächlich bei den Kund:innen ankommt – über Hilfeseite, Chat, E-Mail oder Telefon – ist ein eigenes Thema. Einen Einstieg dazu gibt es in unserem Artikel zum Customer Self-Service.

Häufig gestellte Fragen (FAQ)

Was sind die größten Herausforderungen im Kundenservice?

Wie erkennt man, welche Herausforderung man selbst hat?

Welche Herausforderung sollte man zuerst angehen?

Löst KI die Herausforderungen im Kundenservice?

Warum nutzen Kund:innen Self-Service und lösen ihr Anliegen trotzdem nicht?

Wo liegen die Kosten bei der Automatisierung im Kundenservice?

Wie geht man mit Personalmangel im Kundenservice um?

Welche Rolle spielt der EU AI Act im Kundenservice?

Quellen

• Gartner: Only 14% of Customer Service Issues Are Fully Resolved in Self-Service, Befragung von 5.728 Kund:innen
• Gartner: Only 27% of Customers Would Try a Chatbot Again After a Negative Experience, Befragung von 3.566 B2B- und B2C-Kund:innen, Februar und März 2026
• Gartner: 87% of Customers Say Companies Using GenAI for Customer Service Must Provide Access to a Human Agent
• Gartner: 85% of Service and Support Leaders are Expanding Human Agent Responsibilities, Befragung von 321 Serviceverantwortlichen
• Bitkom: Erstmals nutzt die Mehrheit der Unternehmen KI, Presseinformation vom 14. September 2026, repräsentative Befragung von 603 Unternehmen ab 20 Beschäftigten durch Bitkom Research
• Matthew Dixon, Nick Toman, Rick DeLisi: The Effortless Experience. Conquering the New Battleground for Customer Loyalty, 2013