Ihre CX-Kennzahlen wurden für Teams gebaut, die Fälle abarbeiten. Auf ein Orchester aus KI-Agenten angewendet zeigen sie zuverlässig das Falsche. Die Bearbeitungszeit sinkt, wenn der Agent schnell danebenliegt. Die Selbstlösungsquote steigt, wenn der Kunde aufgibt. Meine These: Bevor Sie den nächsten Use Case starten, brauchen Sie einen Maßstab, der über Funktionsgrenzen hinweg dieselbe Zahl ergibt und der auch Nein sagen kann. Ein Stopprecht ohne Auslöser bleibt Theorie.
Die Zahl, um die es hier geht, stand in keiner Überschrift. CX Dive berichtete am 17. August über eine Auswertung von Gartner, die 432 KI-Anwendungsfälle im Kundenservice untersucht hat. Die Schlagzeile war die übliche: Nur ein Viertel bringt eine positive Rendite. Diese Schlagzeile habe ich hier schon zweimal kommentiert, und ich hatte keine Lust, sie ein drittes Mal aufzuwärmen. Dann bin ich an einer anderen Angabe hängengeblieben. Bei 42 Prozent der Fälle ist laut der Auswertung unklar, ob sie sich rechnen. Nicht negativ. Unklar. Und das ist die unangenehmere Nachricht.
Die Zahl, die in keiner Überschrift stand
Sortieren wir die Auswertung einmal durch. Ein Viertel der Fälle liefert laut Gartner eine positive Rendite. Ein Viertel eine negative. Elf Prozent landen bei null. Und der größte Block, eben jene 42 Prozent, hat keine belastbare ROI-Messung.
Ein negatives Ergebnis ist unangenehm, aber es ist eine Entscheidungsgrundlage. Sie können den Fall beenden, umbauen oder bewusst weiterlaufen lassen, weil er auf etwas anderes einzahlt. Ein unklares Ergebnis gibt Ihnen nichts davon. Es ist die Einladung, weiterzumachen, weil nichts dagegenspricht. Und genau das passiert: Die Teams verfolgen laut derselben Auswertung im Schnitt knapp fünf Anwendungsfälle und stecken rund 13 Prozent ihres Funktionsbudgets in KI. Über 75 Prozent der Verantwortlichen wollen 2026 mehr investieren.
Jetzt kommt der Teil, bei dem ich zweimal hingesehen habe. 56 Prozent der Service- und Support-Verantwortlichen erwarten, dass ihre Anreize 2026 direkt an KI-Ergebnisse gekoppelt werden. Mehr als die Hälfte bekommt also einen Bonus auf eine Zahl, die bei fast der Hälfte der Fälle nicht sauber existiert.
Das ist der Punkt, an dem aus einem Messproblem ein Steuerungsproblem wird. Wer an einer Zahl gemessen wird, die niemand sauber definiert hat, sucht sich die Zahl, die er liefern kann. Und die liegt meistens schon im Dashboard.
Warum Ihre Kennzahlen gerade kippen
Alle Kennzahlen, mit denen wir den Kundenkontakt seit zwanzig Jahren steuern, sind in einer Welt entstanden, in der ein Mensch einen Fall bearbeitet hat. Sie messen deshalb den Solisten: seine Geschwindigkeit, seine Trefferquote, seinen Eindruck beim Kunden. Solange Menschen die Arbeit machen, funktioniert das ordentlich. Sobald ein Orchester aus Agenten übernimmt, messen dieselben Zahlen etwas anderes, ohne dass sich ihr Name ändert.
Bearbeitungszeit misst Tempo, nicht Treffer
Ein Agent, der sofort antwortet, verbessert diese Zahl auch dann, wenn die Antwort nicht stimmt. Sie belohnt genau das, was Sie bei einem Agenten am wenigsten wollen: Schnelligkeit ohne Rückfrage.
Die Containment-Quote misst Fernhalten
Julie Geller von Gartner sagt dazu einen Satz, den ich mir aufgeschrieben habe: Containment werde zu oft mit Erfolg verwechselt, und einen Kontakt zum Menschen zu verzögern sei nicht dasselbe, wie das Problem des Kunden zu lösen. Die Quote steigt auch dann, wenn der Kunde entnervt aufgibt.
Die Weiterempfehlung misst die Gebliebenen
Wer geht, füllt keine Umfrage aus. Mit mehr automatisierten Kontakten und weniger persönlichen Gesprächen sinkt die Rücklaufquote zuerst bei den Unzufriedenen. Der Wert bleibt stabil, während die Beziehung bröckelt.
Das Muster ist in allen drei Fällen dasselbe. Die Kennzahl war nie falsch, sie war nur an einen Menschen gebunden, der mitgedacht hat. Nimmt man den Menschen heraus, bleibt die Zahl und der Sinn geht.
Vier Sekunden falsch schlägt vier Minuten richtig. So rechnet Ihre Kennzahl.
Carsten Ratzlaff
Und das betrifft nicht nur den Service. Im Marketing heißt der Solist Lead, genauer: die Zahl qualifizierter Leads. Im Vertrieb heißt er Pipeline-Deckung. Drei Funktionen, drei Zahlen, drei Wahrheiten, und keine davon schaut über die Grenze der eigenen Abteilung hinaus. Ein Agent, der einen Lead im Marketing als heiß markiert und ihn an einen Vertriebsagenten übergibt, der ihn nach zwei Tagen fallenlässt, verbessert die Marketingzahl und verschlechtert nichts, was jemand misst. Der Kunde merkt es trotzdem.
Der Beleg steht schon in der Personalplanung
Wer wissen will, was ein falscher Maßstab kostet, muss nicht in die Zukunft schauen. Gartner hat im Februar prognostiziert, dass bis 2027 die Hälfte der Unternehmen, die ihren Stellenabbau auf KI zurückgeführt haben, wieder einstellen wird, für ähnliche Aufgaben unter anderen Jobtiteln. Tatsächlich reduziert hatten zu diesem Zeitpunkt laut der zugrundeliegenden Befragung von 321 Service-Verantwortlichen im Oktober 2025 nur 20 Prozent. Emily Potosky von Gartner begründet die Prognose damit, dass KI schlicht noch nicht reif genug sei, um Erfahrung, Empathie und Urteilsvermögen menschlicher Mitarbeiter zu ersetzen.
Ich lese diese Prognose anders als die meisten. Sie ist keine Aussage über die Reife von KI. Sie ist eine Aussage über die Qualität der Entscheidung. Da wurde auf eine Zahl gesteuert, die Kosteneinsparung hieß, und die Zahl stimmte sogar. Was sie nicht zeigte, war die Arbeit, die weiterhin anfiel und nur unsichtbar geworden war: der Fall, der zweimal kommt, die Eskalation, die niemand mehr auffängt, das Wissen, das mit den Leuten gegangen ist. Wer zweimal einstellt, zahlt zweimal. Das ist die teuerste Form von Messfehler, die ich kenne.
Was ein Maßstab können muss
Ein Maßstab, der nie Nein sagt, ist kein Maßstab. Er ist eine Rechtfertigung.
In „Wer orchestriert?“ habe ich der Orchestrierungsrolle drei Dinge zugeschrieben: ein Budget über Use Cases hinweg, ein Stopprecht und einen Maßstab, der Kundenergebnisse über Funktionsgrenzen misst. Die ersten beiden habe ich erklärt. Den Maßstab habe ich behauptet und stehengelassen. Das hole ich hier nach, denn die drei hängen zusammen: Ein Stopprecht ohne Auslöser ist Theorie. Der Maßstab ist der Auslöser.
Drei Anforderungen halte ich für nicht verhandelbar.
Er gilt über Funktionsgrenzen
Marketing, Vertrieb und Service müssen dieselbe Zahl anschauen und dasselbe darunter verstehen. Solange jede Funktion ihre eigene Erfolgsdefinition mitbringt, optimiert jeder Agent gegen die Nachbarabteilung.
Er misst den Aufwand des Kunden, nicht die Zeit des Systems
Der Test, den Geller vorschlägt, ist der schlichteste und beste, den ich kenne: Hat der Kunde bekommen, was er brauchte, und zwar mit weniger Aufwand als vorher? Alles andere ist Innensicht.
Er kann Nein sagen
Prüfen Sie es rückwärts. Wenn in den vergangenen zwölf Monaten keine einzige Zahl dazu geführt hat, dass ein KI-Anwendungsfall gestoppt oder zurückgebaut wurde, dann steuert diese Zahl nicht. Sie begleitet.
Konkret arbeite ich mit drei Größen. Das ist mein Vorschlag aus der Praxis und keine Studie, das sage ich dazu. Erstens die Wiederkontaktquote über alle Kanäle innerhalb von vierzehn Tagen, statt der klassischen Erstlösungsquote. Zweitens die Zahl der Schritte, die ein Kunde bis zur Erledigung gehen muss, statt der Bearbeitungszeit. Und drittens die Übergabequalität: der Anteil der Übergaben zwischen Agenten und an Menschen, bei denen der Empfänger den Kontext hatte und der Kunde nichts wiederholen musste.
Die dritte ist die wichtigste und die einzige, die neu ist. Im Menschenbetrieb brauchte sie niemand, weil es ein System und einen Bearbeiter gab. In einem Orchester ist die Übergabe der Ort, an dem die Kundenerfahrung entsteht oder stirbt. Und sie ist die einzige der drei Größen, die das Zusammenspiel misst statt der Einzelleistung.
Was Sie diese Woche prüfen sollten
Nehmen Sie Ihren größten laufenden KI-Anwendungsfall und suchen Sie die Abbruchzahl. Gibt es irgendwo einen Wert, bei dessen Unterschreitung dieser Fall beendet würde? Wer hat ihn festgelegt, und wer liest ihn? Wenn Sie die Frage nicht in zwei Minuten beantworten können, gehört dieser Fall vermutlich in die 42 Prozent.
Fragen Sie in Marketing, Vertrieb und Service getrennt nach der einen Kennzahl, an der dort der KI-Erfolg hängt. Kommen drei verschiedene Antworten, hat Ihr Orchester drei Dirigenten mit drei Partituren. Das ist kein Kommunikationsproblem, das ist ein Steuerungsdefekt, und er wird teurer, je mehr Agenten dazukommen.
Wenn Ihre eigene Vergütung 2026 an KI-Ergebnisse gekoppelt wird, klären Sie vorher schriftlich, woran gemessen wird. Nicht aus Misstrauen, sondern weil eine unklare Zielgröße Sie zwingt, die nächstbeste vorzeigbare Zahl zu liefern. Das ist der Mechanismus, der die 42 Prozent überhaupt erst produziert.
Wenn Sie an diesen drei Fragen merken, dass die Grundlagen fehlen, ist das kein schlechtes Ergebnis, sondern ein brauchbarer Ausgangspunkt. Genau dafür gibt es den CX & AI Readiness Check: eine nüchterne Standortbestimmung zu Daten, Prozessen und Steuerung, bevor der nächste Use Case startet. Am Ende steht ein Ergebnis, an dem Ihr Führungsteam weiterarbeiten kann.
Quelle und Anstoß für diesen Artikel: „Only one-quarter of AI customer service use cases produce ROI“ von Kristen Doerer auf CX Dive (17.08.2026), über eine Gartner-Auswertung von 432 Anwendungsfällen aus Juli 2026. Die Prognose zu Wiedereinstellungen stammt aus der Gartner-Pressemitteilung vom 02.02.2026. Die Einordnungen und Empfehlungen sind meine eigenen.
Dieser Text ist mit KI-Unterstützung entstanden. Recherche-Prüfung, Haltung, Beispiele und Endredaktion sind meine.
