KI im Kundenservice: Der ehrliche Guide für Shop-Betreiber

Jedes Support-Tool sagt inzwischen „KI“. Unter diesem einen Wort stecken vier sehr verschiedene Maschinen, und die falsche zu kaufen ist der Weg, auf dem Händler bei „wir haben KI probiert, hat nicht funktioniert“ landen. Wir bauen selbst eines dieser Tools — lies das hier also als Guide mit Standpunkt. Das Raster gilt trotzdem, egal wofür du dich entscheidest. Vor jeder Feature-Liste stehen drei Architekturfragen.

Frage 1: Schlägt es nach — oder formuliert es nur?

Ein Sprachmodell allein weiß nichts über Bestellung #4521. Wenn die „KI“ eine Versandfrage beantwortet, ohne die echten Bestell- und Trackingdaten zu ziehen, kann sie nur eine höfliche Hülle produzieren — oder schlimmer: eine selbstbewusste Erfindung. Halluzination im Support ist selten exotisch; es ist ein Modell ohne Datenanbindung, das ein Lieferdatum rät.

Der Test ist simpel: Frag in der Demo nach einer konkreten Bestellung und prüf, ob die Antwort den echten Trackingstatus enthält. Wenn der Anbieter nur mit generischen Fragen demonstriert, weißt du, was du wissen musst.

Frage 2: Handelt es — oder endet es beim Text?

Die Antwort zu senden ist der letzte Schritt eines Support-Falls — die Arbeit sind der Lookup, die Entscheidung und die Backend-Aktionen: die Erstattung im Shop, das Retourenlabel, die Ersatzbestellung. Ein Tool, das schöne Antworten entwirft, aber die Aktionen einem Menschen überlässt, hat den billigen Teil automatisiert; deine Kosten pro Ticket bewegen sich kaum, denn das Tippen war nie der teure Teil (die komplette Rechnung).

Das ist die Linie zwischen den zwei großen Kategorien: Copiloten (entwerfen, Mensch führt aus) und Resolution-Systeme (führen aus, Mensch überwacht). Copiloten fühlen sich sicherer an, stoßen aber schnell an die Decke. Resolution-Systeme sind der Punkt, an dem sich die Fall-Ökonomie wirklich ändert — wenn Frage 3 gut beantwortet ist.

Frage 3: Wer hat die Kontrolle — und woran merkst du, dass du vertrauen kannst?

Volle Autonomie ab Tag eins ist ein Warnsignal, kein Feature. Die Mechanismen, die Automatisierung vertrauenswürdig machen, sind unspektakulär und nicht verhandelbar:

• Entwurfs-/Freigabemodus — jede Antwort und jede Aktion wird erst vorgeschlagen, mit sichtbarer Begründung und Confidence-Score, bis du eine Kategorie auf automatisch stellst.
• Autonomie pro Kategorie — WISMO automatisch, während Garantie-Abwägungen menschlich bleiben, ist eine Policy, kein Kompromiss (wie wir das bei unseren eigenen Brands sequenziert haben).
• Eskalation bei Unsicherheit — alles, wobei sich das System nicht sicher ist, landet mit Kontext bei einem Menschen, statt geraten zu werden.
• Ein Audit-Trail — jede Aktion nachvollziehbar, immer.

Die DSGVO-Falle (und die Fußnote zur KI-Verordnung)

Die improvisierte Version von KI-Support — Kunden-E-Mails ins Consumer-ChatGPT-Fenster kopieren — ist in fast allen Fällen ein DSGVO-Verstoß: Personenbezogene Kundendaten fließen unter einem Verbrauchervertrag ohne Auftragsverarbeitungsvertrag auf US-Server, und potenziell ins Training. „Ist doch nur eine E-Mail“ ändert an der rechtlichen Bewertung nichts.

Die Compliance-Checkliste für jedes KI-Tool, das Kundendaten berührt:

• Ein Auftragsverarbeitungsvertrag (AVV) mit dem Anbieter
• Drittlandtransfers über EU-Standardvertragsklauseln abgesichert, Sub-Auftragsverarbeiter benannt
• EU-First-Verarbeitung, wo angeboten — Datenstandort gehört in deine eigene Datenschutzerklärung
• Transparenz: Die Transparenzpflichten der EU-KI-Verordnung bedeuten, dass Kunden nicht rätseln sollen, ob sie mit einer Maschine sprechen — und deine Datenschutzerklärung muss die Verarbeitung benennen

Eine Beobachtung, die viele überrascht: Mit Freigabemodus und deinen eigenen Tonalitäts-Vorgaben können Kunden Entwürfe von menschlich geschriebenen Mails praktisch nicht unterscheiden — die Transparenzpflicht zielt auf Chatbot-artige Direktinteraktion und ehrliche Dokumentation, nicht auf ein KI-Verbot im Postfach.

Die 10-Fragen-Checkliste für Anbieter

1. Liest es echte Bestell- und Trackingdaten pro Fall?
2. Kann es Erstattungen, Labels und Ersatzbestellungen ausführen — in meinem Shop?
3. Gibt es einen Entwurfs-/Freigabemodus, pro Kategorie?
4. Was genau passiert bei Unsicherheit?
5. Gibt es einen vollständigen Audit-Trail?
6. Wo werden Daten verarbeitet, gibt es einen AVV, wer sind die Sub-Auftragsverarbeiter?
7. Welche Kanäle (E-Mail, WhatsApp, Social) und Shops (Shopify, WooCommerce) sind nativ?
8. Womit skaliert der Preis — Seats, Tickets, Lösungen oder flat? Seat-Preise bestrafen Teamwachstum; Ticket-Preise bestrafen dein eigenes Wachstum.
9. Welche Automatisierungsquote erreichen vergleichbare Shops — und wie wird sie gezählt? (End-to-end ohne menschliches Zutun ist die ehrliche Metrik; „KI-unterstützt“ ist Marketing.)
10. Wie lange bis live — und was passiert beim Ausstieg: Datenexport, kein Migrations-Lock-in?

Realistische Erwartungen

Egal, was eine Landingpage verspricht: Automatisierung wird Kategorie für Kategorie verdient. Eine realistische Kurve: Entwurfsmodus in Woche eins, erste Kategorien nach wenigen Wochen automatisch, und die Mehrheit der Fälle end-to-end, sobald das Vertrauen aufgebaut ist. Wir laufen im eigenen Shop bei 68 % — streng gezählt —, und das verbleibende Drittel sind genau die Abwägungsfälle, die zu einem Menschen gehören. Wer 95 % in Woche eins verspricht, misst etwas anderes.

Der billigste Weg, das alles zu erden: Lass einen echten Fall aus deinem eigenen Shop durch ein Live-System laufen und schau zu, was es wirklich tut — genau dafür ist die Demo da, ohne Anmeldung.