7 AI Agents in 4 Monaten: was ich am Zendesk Showcase München erzählt habe
Im Juni durfte ich am Zendesk Showcase in München auf der Bühne erzählen, was passiert, wenn man KI im Kundensupport nicht ankündigt, sondern einfach baut. Hier die Langfassung für alle, die nicht dabei waren. Und die Details, die in 20 Minuten Bühnenzeit keinen Platz hatten.
Die Ausgangslage: ein USP verliert seine Schutzwirkung
Jahrelang war unser 24/7-Support ein Alleinstellungsmerkmal. Dann kamen leistungsfähige KI-Lösungen, und plötzlich kann jeder Wettbewerber rund um die Uhr erreichbar sein, zu einem Bruchteil des Aufwands. Gleichzeitig stiegen unsere Anfragevolumen kontinuierlich.
Und unser damaliger Chatbot? Löste zwar gut die Hälfte der Chat-Anfragen, war aber technisch ein starrer Entscheidungsbaum: aufwendig zu programmieren, mühsam zu warten, und er konnte ausschliesslich Chat. Für Telefonie und E-Mail existierte schlicht nichts. Dabei sind rund 80 % der Anfragen Routinefälle.
Die strategische Rechnung war einfach: Ohne Transformation fallen wir bei Effizienz und Servicequalität hinter den Markt zurück. Mit ihr wird der 24/7-Service wieder zu etwas, das sich nicht einfach kopieren lässt.
Der Plan: eine duale Strategie
Von Anfang an bestand das Projekt aus zwei Stossrichtungen, die sich gegenseitig verstärken:
Technologische Modernisierung: eine lernfähige KI-Lösung über alle drei Hauptkanäle (Chat, Telefonie, E-Mail), rund um die Uhr, in vier Sprachen (DE, FR, IT, EN), angebunden an die Kernsysteme: Spielerdaten, Spielerschutz, Zendesk als Ticketing-Herzstück.
Aufwertung der Team-Rolle: weg vom reaktiven Abarbeiten, hin zu KI-Supervision, Eskalationsmanagement und proaktiver Betreuung. Das Ziel: 30 % der Arbeitszeit auf höherwertige Tätigkeiten verlagern. Das eine funktioniert nicht ohne das andere. Wer nur Technik einführt, hat am Ende frustrierte Agenten und einen unbeaufsichtigten Bot.
Genauso wichtig wie der Scope war das, was nicht drin war: komplexe Fälle, VIP-Betreuung und Kompensationsentscheidungen bleiben beim Menschen. Maximal fünf, sechs Kernsysteme werden integriert, nicht alles, was eine API hat. Diese Abgrenzung hat uns später mehrfach vor Scope Creep gerettet.
Bevor der erste Sprint begann
Der vielleicht unterschätzteste Teil des Projekts fand vor dem offiziellen Start statt. Drei Dinge lagen bereit, bevor die erste Sprint-Woche anfing:
Die Wissensdatenbank war strukturiert und bereinigt: FAQs konsolidiert, SOP-Dokumente digitalisiert. Eine KI, die auf einem chaotischen Help Center trainiert, liefert chaotische Antworten. Dazu ein Persona- und Tone-of-Voice-Konzept pro Sprache: Wie spricht der Bot? Wie förmlich auf Französisch, wie direkt auf Deutsch? Und ein Integrationskonzept mit API-Architektur, Datenflüssen und Eskalationslogik. Die meisten Integrationen zu den Kernsystemen waren sogar schon vorentwickelt.
Ohne diese Vorarbeit wäre der Vier-Monats-Plan Wunschdenken gewesen. Mit ihr war er sportlich, aber machbar.
Vier Monate im Zeitraffer
Sprint 1 (Ende Januar – Mitte Februar): Chat-Flows komplett aufbauen: Begrüssung, Intent-Erkennung, Standardanfragen, Eskalationslogik. Internes Testing in allen vier Sprachen, dann UAT mit dem Support-Team: Antwortqualität, Tonalität, Eskalationen. Das Team validiert, nicht nur der Projektleiter.
16. Februar: Go-Live Chat. Nach drei Wochen, auf allen Plattformen gleichzeitig, Website und App. Schneller Erfolg zuerst: sofort sichtbarer Mehrwert, während die härteren Brocken noch in Arbeit sind.
Und weil ein Bot im Betrieb steuerbar sein muss, bekamen die Agenten eine eigene App dazu: Fällt etwas aus, schalten sie mit wenigen Klicks eine Zusatznachricht beim Chat-Start auf oder steuern einzelne Use Cases des Bots gezielt, auf allen Kanälen und ohne Umweg über die IT. Incidents proaktiv kommunizieren, bevor die Anfragewelle rollt. Wie das aussieht, zeigt die Live-Demo.
Sprint 2: Zwei Wochen Intensiv-Monitoring mit täglicher Auswertung aller Interaktionen, Hotfixes, Prompt-Anpassungen, die Top-10 fehlenden Wissenseinträge ergänzt. Parallel entstand die Voice-Architektur: Speech-to-Text und Text-to-Speech in vier Sprachen, integriert in die Telefonie.
Anfang März: Voice-Pilot an einem Standort. Bewusst dort zuerst, wo die Anfragen standardisierter sind: Öffnungszeiten, Anfahrt, Reservationen. Danach Rollout auf vier Standorte.
Dann kam der Realitätscheck. Die Voice-Tracks verzögerten sich um rund drei Wochen. Die neue Telefonie-Plattform erwies sich als wenig intuitiv, eine UI-Umstellung des Anbieters kurz vor Projektstart brachte neue Bugs, und Voice-typische Race Conditions kosteten erhebliche Projektzeit, etwa fehlerhaft hinterlegte Tokens, die die Verbindung zu den Bots kappten. Was uns gerettet hat: Die alte Lösung lief durchgehend parallel. Produktiv geschaltet wurde nur, was bereit war, bei systemischen Fehlern erfolgte die sofortige Rückmigration. Gestaffelte Migration mit Rückfalloption: unspektakulär, aber Gold wert.
April: Voice für das Online-Angebot (Login-Probleme, Zahlungen, Bonusregeln, also die komplexeren Fälle) ging nach der Pilotphase in den 24/7-Betrieb. Die E-Mail-Automatisierung wurde fertig gebaut und validiert, der produktive Go-Live aber bewusst in eine Folge-Phase verschoben: eine Scoping-Entscheidung zugunsten der Voice-Stabilisierung, kein Scheitern. Sprint 6 lieferte das Reporting-Dashboard mit Echtzeit-KPIs über alle Kanäle, ROI-Tracking und Auslastungsübersicht, dazu das bestandene Compliance-Audit.
Die Zahlen: auch die, die wir nicht erreicht haben
Chat: 65 % autonome Lösung bei einem ehrgeizigen Ziel von 70 (OKR-Score 0.93), mit 48 produktiven Use-Case-Dialogen. Spracherkennung: über 90 % Genauigkeit in allen vier Sprachen, inklusive Schweizerdeutsch, was keine Selbstverständlichkeit ist. E-Mail: 96 % Kategorisierungsgenauigkeit über 15 Intent-Kategorien, validiert mit über 200 Test-Mails. Insgesamt: sieben Bots, über 100 Use-Case-Dialoge, mehr als 25 API-Integrationen. Deutlich mehr, als der Projektauftrag versprochen hatte.
Und Voice? 27 % landbasiert, 20 % online. Deutlich unter dem 50-%-Ziel, und trotzdem die richtige Entscheidung. Wir haben den Anrufenden bewusst die Wahl gelassen: Bot oder Mensch, gleich zu Beginn. Rund 70 % wählen zunächst den Menschen. Diese Opt-in-Logik drückt die Quote strukturell, priorisiert aber das Erlebnis. Und sie liefert uns echte Akzeptanzdaten statt erzwungener Bot-Kontakte.
Mein Lieblingsdetail aus dem Voice-Design: Der Bot inspiziert beim Anruf proaktiv den Account und schlägt das wahrscheinliche Anliegen gleich vor: «Geht es um deine Spielpause?». Kein Menü-Vorlesen, kein «Drücken Sie die 3». Das ist der Unterschied zwischen einem Sprachdialogsystem und einem Agenten.
Compliance ist Architektur, keine Fussnote
Im regulierten Umfeld ist eine Sache nicht verhandelbar: Sensitive Themen wie Spielsucht oder Geldwäscherei erkennt die KI zuverlässig und eskaliert sofort an den Menschen. Jede KI-Entscheidung landet im Audit-Trail, die Sperrprüfung läuft automatisch gegen das Spielerschutz-System, die Datenflüsse sind dokumentiert. Das Compliance-Audit (DSGVO, Geldwäschereigesetz, Spielbankengesetzgebung) wurde im letzten Sprint bestanden. Weil es von Sprint 1 an mitgebaut wurde, nicht am Ende draufgeschraubt.
Dazu kommt die Qualitätssicherung im Betrieb: Liegt die Confidence einer Antwort unter 80 %, übernimmt der Mensch. Eine Keyword-Blacklist triggert unabhängig davon. Wöchentlich werden die Interaktionen ausgewertet, der Feedback-Loop zwischen Team und Bot ist ein fester Prozess. Die Lösungsrate zu optimieren ist Regelbetrieb, kein Projekt.
Was wir gelernt haben und was sich bestätigt hat
Voice ist nicht Chat: Das wussten wir, jetzt haben wir den Beweis. Die Spracherkennung ist der gelöste Teil; Latenz, Anrufer-Verhalten und Telefonie-Infrastruktur sind eigene Komplexitätsdomänen mit eigenem Lernpfad. Der eigentliche Wert des Projekts liegt hier: Wir haben jetzt echte Voice-Betriebserfahrung. Akzeptanzdaten, Muster, Grenzfälle aus dem Alltag. Das kann dir kein Berater liefern, das entsteht nur im Betrieb. Und es ist das Fundament, auf dem die nächste Voice-Generation aufsetzt.
Stretch-Ziele sind ein Führungsinstrument, keine Prognose. Die 50 % für Voice waren bewusst ambitioniert gesetzt, um Zug zu erzeugen, nicht weil wir sie für sicher hielten. Entscheidend ist, das selbst zu wissen: Automatisierung braucht Zeit. Die Quote wächst im Betrieb mit jedem Optimierungszyklus, nicht im Projektplan.
Das Wichtigste: Können heisst nicht Sollen. Nur weil sich ein Prozess automatisieren lässt, gehört er nicht automatisch dem Bot. Wir haben uns an der Value-Irritant-Matrix orientiert: Was Kunden wie Unternehmen nur nervt, wird eliminiert statt automatisiert. Das Repetitive ohne Beratungswert übernimmt die KI. Und die Gespräche, die für beide Seiten Wert schaffen, gehören bewusst in menschliche Hände. Dafür schaffen wir ja die Zeit.
Was danach kommt
Das Projekt war nie Selbstzweck. Das eigentliche Ziel ist Skalierung: wachsende Anfragevolumen und Spitzen bei Events und Promotionen abfedern, ohne dafür Stellen aufzubauen, bei konstanten Wartezeiten und gleicher Servicequalität. Die Infrastruktur dafür steht jetzt.
Und sie wächst weiter. Ganz oben auf der Liste: der Kontextaustausch zwischen den Bots. Wer zuerst mit dem Chat-Bot schreibt und dann anruft, soll nicht von vorne beginnen: Der Voice-Bot soll wissen, was im Chat besprochen wurde. Ein Gedächtnis über die Kanäle hinweg, das ist die nächste Ausbaustufe. Dazu fliesst die aufgebaute Voice-Kompetenz direkt in die nächste Generation: Zendesk-native Voice-Bots, Whisper-basiert, mit deutlich tieferer Latenz und natürlicher Gesprächsunterbrechung.
Die Kernbotschaft: Aufgaben automatisieren, nicht Menschen
Die KI übernimmt bei uns das Repetitive: Passwort-Resets, Statusfragen, das ewige Copy-Paste. Mein Team bekommt dadurch Zeit für die Gespräche, die zählen: zuhören, mitdenken, Beziehungen aufbauen.
Das Resultat in Zahlen: 75 % mehr aktive Kunden als vor drei Jahren, Betrieb rund um die Uhr, und dafür keine einzige zusätzliche Stelle. Nicht weil wir Stellen abgebaut hätten, sondern weil das Wachstum von der KI aufgefangen wird, während die Menschen das tun, was Menschen besser können.
Was du daraus mitnehmen kannst
- Fang bei den Kontaktgründen an, nicht beim Tool. Volumen und Top-Themen bestimmen, was sich zu automatisieren lohnt. Die Value-Irritant-Matrix entscheidet, was überhaupt automatisiert werden soll.
- Investiere in die Vorarbeit. Bereinigte Wissensbasis, Tone-of-Voice, Integrationskonzept: Das entscheidet über das Tempo, das du dir später leisten kannst.
- Schneller Erfolg zuerst. Ein Kanal, drei Wochen, sichtbares Resultat. Das kauft dir das Vertrauen für die härteren Brocken.
- Erwarte am Anfang nicht zu viel. Automatisierung braucht Zeit: Realistisch sind 40–60 % autonome Lösung im ersten Jahr, je nach Kontaktgründen. Danach wächst die Quote im Betrieb weiter.
- Designe gute Fallbacks. Der Bot muss wissen, wann Schluss ist: eine begrenzte Zahl an Versuchen, dann Übergabe an den Menschen, mit dem bisherigen Kontext statt mit «Ich habe dich leider nicht verstanden» in der Endlosschleife. Wie elegant ein System scheitert, entscheidet über die Akzeptanz.
Du willst wissen, wie das in deinem Support aussehen würde? Solche Systeme baue ich auch ausserhalb meines Alltags. Meld dich gern.