Preise

Blog

← Zurück zu Über uns Forschungsprojekt

KIK — Service Analytics

Intelligente Analyse von Kundenservice-Daten

Gemeinsam mit der Humboldt-Universität zu Berlin entwickeln wir neue KI-Methoden, um Supportanfragen nicht nur zu beantworten — sondern tiefgreifend zu analysieren.

Kundenservice-Daten sind eine der wertvollsten — und am wenigsten genutzten — Informationsquellen in Unternehmen. Das Forschungsprojekt KIK macht diese Daten systematisch nutzbar.

Im Projekt KIK entwickeln wir gemeinsam mit der Humboldt-Universität zu Berlin neue KI-Methoden, um aus dem täglichen Kundenkontakt wertvolle Erkenntnisse zu gewinnen: Welche Produkte verursachen Probleme? Welche Themen häufen sich? Wie wirken sich Servicekontakte auf das Geschäft aus?

Die Ergebnisse werden über eine offene API auch für Web-Tracking-Systeme wie Google Analytics zugänglich gemacht — und schaffen so eine Brücke zwischen Kundenservice und Marketing, die es bisher nicht gab.

Das Problem: Servicedaten bleiben isoliert

Während Marketing- und Web-Tracking-Daten detailliert analysiert werden, bleiben Servicekontakte oft ein blinder Fleck in der Customer Journey. Unternehmen stehen vor Fragen, die sie heute nicht beantworten können:

? Welchen Einfluss hat ein Servicekontakt auf den Lebenszyklus eines Nutzers?
? Was sind die aktuellen Servicethemen — und wie entwickeln sie sich?
? Welchen Einfluss haben Serviceprobleme auf den Geschäftserfolg?

KIK schließt diese Lücke: Durch die systematische Integration und Analyse von Servicedaten in Verbindung mit Web-Tracking-Systemen entsteht ein umfassendes Bild des Kundenverhaltens — von der ersten Website-Interaktion über den Servicekontakt bis zur Kaufentscheidung.

Unsere vier Forschungsziele

1

Entitätenerkennung in Servicedaten

Automatische Erkennung und Verknüpfung konkreter Entitäten — Produkte, Funktionen, Probleme — in Kundenservice-Interaktionen. Für eine wesentlich granularere Analyse als bisherige themenbasierte Auswertungen.

2

Themengruppierung & Trenderkennung

Automatische Kategorisierung von Serviceanfragen und frühzeitige Erkennung aufkommender Trends. So können Unternehmen Probleme identifizieren, bevor sie eskalieren — und proaktiv handeln.

3

Anomalieerkennung & Prognose

Prädiktive Modelle auf Basis moderner Deep-Learning-Methoden etablieren Basiserwartungen für Servicekontakte. Signifikante Abweichungen werden automatisch erkannt — ein Frühwarnsystem für den Kundenservice.

4

Integration in Tracking-Systeme

Eine offene API verbindet Service-Analytics mit Web-Tracking-Systemen wie Google Analytics. Erstmals lassen sich Servicekontakte mit Nutzerverhalten verknüpfen — für echte Root-Cause-Analysen.

Die Partner

OMQ Logo
Koordinator & Industriepartner

OMQ GmbH

OMQ ist ein Berliner KI-Unternehmen, das seit 2012 intelligente Automatisierungslösungen für den Kundenservice entwickelt. Mit über 250 internationalen Kunden — darunter Deutsche Bahn, Tchibo und Mister Spex — verarbeitet OMQ täglich tausende Serviceanfragen über Chatbots, E-Mail-Bots und weitere Kanäle.

Im Projekt übernimmt OMQ die zentrale Rolle als Integrator: Service-Daten werden erhoben, mit KI-basierten Methoden analysiert und in bestehende Tracking-Systeme eingespeist.

omq.ai →
HU
Wissenschaftlicher Partner

Humboldt-Universität zu Berlin

Zwei renommierte Forschungsgruppen der HU Berlin beteiligen sich am Projekt und bringen ihre wissenschaftliche Expertise in zentralen Bereichen der Künstlichen Intelligenz ein:

Lehrstuhl für Maschinelles Lernen — Prof. Alan Akbik

Modernste Methoden des Natural Language Processing und der Entitätenerkennung. Im Projekt verantwortet das Team die Entwicklung robuster Modelle zur Erkennung und Verknüpfung von Entitäten in Kundenservice-Interaktionen — auch in spezialisierten Domänen, für die kaum Trainingsdaten vorliegen.

Lehrstuhl für Wirtschaftsinformatik — Prof. Stefan Lessmann

Umfassende Expertise in prädiktiver Modellierung und Zeitreihenanalyse. Im Projekt werden Deep-Learning-basierte Methoden zur Vorhersage und Anomalieerkennung in Servicedaten entwickelt und wissenschaftlich evaluiert.

hu-berlin.de →

Eckdaten

Projekttitel KIK — Analyse von Supportanfragen mit Entitätenerkennung sowie Trend-/Anomalie-Erkennung und Integration der Ergebnisse über eine API in Tracking-Systeme
Kurztitel KIK — Service Analytics
Laufzeit Februar 2025 – Oktober 2027 (33 Monate)
Partner OMQ GmbH (Koordinator) · Humboldt-Universität zu Berlin
Standort Berlin
Förderrahmen IBB ProFIT — Programm zur Förderung von Forschung, Innovationen und Technologien
Kofinanzierung Europäische Union — Europäischer Fonds für regionale Entwicklung (EFRE)
Flagge der Europäischen Union

Kofinanziert von der Europäischen Union

Dieses Projekt wird aus Mitteln des Europäischen Fonds für regionale Entwicklung (EFRE) kofinanziert und im Rahmen des Programms IBB ProFIT (Programm zur Förderung von Forschung, Innovationen und Technologien) durch die Investitionsbank Berlin (IBB) gefördert.

Das Land Berlin und die Europäische Union fördern mit IBB ProFIT die anwendungsnahe Forschung und Entwicklung innovativer Produkte, Verfahren und Dienstleistungen in Berlin — und stärken so den Innovationsstandort und die Wettbewerbsfähigkeit der regionalen Wirtschaft.

Mehr über IBB ProFIT →