KI-Chatbots gehören zunehmend zum Standard im Kundenservice. Doch was sie in der Praxis leisten, welche Fragen sie gut beantworten, wie Kunden auf KI-generierte Antworten reagieren und wann menschliche Mitarbeitende unverzichtbar sind – das lässt sich vor dem Einsatz nur schwer einschätzen.
Um genau das herauszufinden, haben wir unseren eigenen Support-Chatbot drei Wochen lang getestet. 2.498 echte Supportanfragen, direktes Kundenfeedback und eine manuelle Bewertung jeder Antwort durch unser Support-Team. Hier finden Sie die vollständige Auswertung: die Ergebnisse, echte Beispiele aus Supportanfragen und unsere ehrlichen Schlussfolgerungen für alle Teams, die vor derselben Entscheidung stehen.
- Die Zeit bis zur ersten Antwort sank von 1–2 Tagen auf 2–5 Minuten
- 89 % der KI-Antworten enthielten nützliche Informationen
- 17 % der Tickets wurden vollständig von der KI gelöst – ohne anschließende Unterstützung durch einen Mitarbeiter
- Nur 5 % der Antworten waren falsch oder nicht hilfreich
- Die KI beantwortet Informationsfragen besonders gut (Preise, DSGVO, Fehlerbehebung)
Was die Lösungsdaten zeigen
Die erste Frage, die sich alle stellen, wenn sie KI-Chatbot-Software für den Kundenservice bewerten: Funktioniert sie wirklich? 2.498 Tickets liefern die Antwort.
Die wichtigsten Kennzahlen
Wir haben bei Elfsight einen KI-gestützten Chatbot für alle eingehenden Supportanfragen eingeführt und die Qualität auf zwei Arten gemessen: anhand direkter Kundenrückmeldungen über CTA-Schaltflächen und durch die manuelle Prüfung von Anfragen, auf die Kunden nicht reagiert hatten.
89 % der KI-Antworten enthielten nützliche Informationen. In neun von zehn Fällen gab der Chatbot den Kunden etwas an die Hand, das ihnen weiterhalf – eine direkte Antwort, eine Anleitung zur Fehlerbehebung oder eine relevante Erklärung.
17 % der Tickets wurden vollständig allein von der KI gelöst. Zum Vergleich: Eine Gartner-Studie ergab, dass branchenübergreifend nur 14 % der Kundenserviceanliegen vollständig per Self-Service gelöst werden – mit 17 % liegt der Wert also über dem Branchendurchschnitt. Von Anbietern veröffentlichte Benchmarks fallen höher aus (Intercom kommt im Schnitt auf 41 %), beruhen jedoch meist auf Unternehmenseinsätzen mit ausgereiften Wissensdatenbanken.
Nur 5 % der Antworten waren falsch oder wenig hilfreich. Die KI hatte die Frage missverstanden, einen schlechten Rat gegeben oder den Kern der Sache verfehlt.
Die Veränderung der Antwortzeit
Selbst Support-Teams, die als „Trendsetter“ gelten, benötigen im Schnitt 30 Minuten, um ein Problem zu lösen. Bei langsameren Teams kann es über 36 Stunden dauern. – Freshworks-Benchmark-Bericht 2025.
Vor dem Chatbot erhielten Kundinnen und Kunden eine allgemeine automatische Antwort („Wir haben Ihre Anfrage erhalten und melden uns in Kürze bei Ihnen.“) und warteten 1–2 Werktage auf eine Rückmeldung. Für ein SaaS-Team mit einem umfangreichen Produktangebot ist das nicht ungewöhnlich, für Kundinnen und Kunden mit dringenden Anliegen aber trotzdem nicht ideal.
Nach der Einführung sank die Zeit bis zur ersten hilfreichen Antwort auf 2–5 Minuten. Gemeint ist nicht die erste Eingangsbestätigung, sondern die erste passende, relevante Antwort auf die konkrete Frage des Kunden. Diese Veränderung erwies sich als wichtiger als die Lösungsquote.
Wenn Sie auch außerhalb der betreuten Zeiten Support anbieten möchten, legen Sie fest, welche Fragen sich mit den verfügbaren Inhalten beantworten lassen und bei welchen Anfragen jemand mit Kontozugriff oder Entscheidungsbefugnis gebraucht wird. After-Hours Support bietet eine Vorlage, mit der Sie festhalten können, welche Fälle abgedeckt sind und wer die Anfrage als Nächstes übernimmt.
So funktioniert der KI-Support-Chatbot wirklich
Bevor wir ins Detail gehen, sehen wir uns an einem praktischen Beispiel an, wie ein typischer KI-Chatbot im Kundenservice funktioniert – anhand unserer eigenen Implementierung.
So erlebt es der Kunde
Ein Kunde schickt eine Supportanfrage. Statt einer allgemeinen automatischen Antwort erhält er innerhalb weniger Minuten eine maßgeschneiderte Antwort aus der Wissensdatenbank des Unternehmens. Keine vorgefertigte Standardantwort und keine bloße Linksammlung, sondern eine Antwort, die genau auf seine Frage eingeht.
In unserem Fall berät der Chatbot, führt aber keine Aktionen aus – das können KI-Agenten. Er kann einen Tarif erklären, bei technischen Problemen helfen oder Fragen zum Datenschutz beantworten. Ist eine Aktion erforderlich, erklärt die KI die Situation, nennt dem Kunden die Informationen, die das Supportteam benötigt, und übergibt den Gesprächsverlauf.
Das kann er nicht: Rückerstattungen abwickeln, Abonnements ändern, auf Konten zugreifen oder Darstellungsprobleme auf bestimmten Websites beheben (er kann den Code Ihrer Website nicht untersuchen)
Die Wissensdatenbank: entscheidend für den Erfolg
Wie gut ein KI-Chatbot antwortet, hängt fast vollständig von der Dokumentation ab, auf die er zugreift. Das gilt unabhängig vom zugrunde liegenden Modell: Ein leistungsstarkes LLM mit einer schlechten Wissensdatenbank liefert überzeugend klingende, aber wenig hilfreiche Antworten.
In unserem Einsatz hat die Wissensdatenbank zwei Ebenen:
Der erste Bereich umfasst häufige Themen: Preise, Abonnements, Rückerstattungen, DSGVO und Navigation – Fragen, die einen großen Teil des Anfrageaufkommens ausmachen und standardisierte Antworten haben.
Der zweite Bereich geht mit anwendungsspezifischer Dokumentation mehr in die Tiefe: Anleitungen für den Editor mit kommentierten Screenshots sowie Fehlerbehebungsdokumente zu bekannten Problemen, technischen Einschränkungen und häufigen Sonderfällen.
Der Qualitätsunterschied ist enorm. Anfangs waren manche Quelldateien im Grunde nur umformulierte Produktseiten – mit Funktionslisten und Marketingtexten. Die Antworten der KI auf Basis dieser Dateien waren nichtssagend und austauschbar. Wirklich hilfreich waren Dateien, die von Menschen verfasst wurden, die Hunderte Support-Tickets gelesen hatten und die echten Fragen der Kunden kannten.
Transparenz und menschliche Kontrolle
Bei der Einführung eines Kundenservice-Chatbots sind zwei Designentscheidungen entscheidend: Kunden sollten immer wissen, dass sie mit einer KI chatten, und menschliche Mitarbeitende sollten immer das letzte Wort haben.
In unserem Setup beginnt jede KI-Antwort mit einem klaren Hinweis und endet mit drei Feedback-Buttons: „Alles erledigt – Anfrage schließen“, „Hilfreich, aber ich brauche noch Unterstützung“ und „Nicht hilfreich – Support kontaktieren“. Unser Team prüft weiterhin jede Anfrage – die KI arbeitet die Warteschlange ab, ersetzt sie aber nicht. Ganz gleich, ob das Problem bereits gelöst, teilweise behoben oder völlig falsch eingeschätzt wurde: Ein Mensch behält immer den Überblick.
Die Wissensdatenbank ist außerdem nicht statisch. Sie wird aktualisiert, sobald Support-Mitarbeiter fehlerhafte Antworten entdecken oder sich das Produkt ändert. Ohne klare Vorgaben füllt ein Sprachmodell Wissenslücken mit plausibel klingenden, aber erfundenen Antworten. Eine sorgfältig gepflegte Wissensdatenbank hält es auf Kurs.
Erstellen Sie Ihren eigenen KI-Chatbot im interaktiven Editor ↓
Wofür sich KI-Support-Chatbots eignen – und wo ihre Grenzen liegen
Nicht alle Supportanfragen sind gleich. Um realistische Erwartungen zu setzen, muss man wissen, welche Anfragen eine KI gut beantworten kann – und wann weiterhin ein Mensch gefragt ist.
| Fragetyp | Abdeckung durch KI | Warum |
|---|---|---|
| Preise und Tarifdetails | ✅ Ja | Klare, einheitliche Antworten in der Wissensdatenbank |
| DSGVO / Datenverarbeitung | ✅ Ja | Richtlinienbasiert und gut dokumentiert |
| Produktprobleme beheben | ✅ Ja | Schritt-für-Schritt-Lösungen aus der Wissensdatenbank |
| Einrichtung und Konfiguration | ✅ Ja | Dokumentierte Abläufe mit klaren Anweisungen |
| Änderungen an Abrechnung und Abonnement | ❌ Mitarbeiter | Erfordert Zugriff auf Abrechnungssysteme und Kontodaten |
| Rückerstattungen und Kundenbindung | ❌ Mitarbeiter | Erfordert Urteilsvermögen und manuelle Bearbeitung |
| Darstellungsprobleme auf bestimmten Websites | ❌ Mitarbeiter | Erfordert eine Prüfung der tatsächlichen Umgebung des Kunden |
| Kontoaktionen (Überweisungen, Kontowiederherstellung) | ❌ Mitarbeiter | Erfordert manuelle Arbeit in den Admin-Tools |
Worin KI-Chatbots besonders gut sind
Das Muster ist eindeutig: Wenn sich die Frage eines Kunden mit „Erklär mir das“ oder „Hilf mir bei der Einrichtung“ zusammenfassen lässt und die Antwort in der Wissensdatenbank steht, ist ein KI-Chatbot die richtige Wahl. Bei Fragen zu Informationen, auf die es klare, dokumentierte Antworten gibt, spielt KI ihre Stärken aus.
In unseren Daten waren die Erfolgsquoten bei Fragen zur DSGVO und Datenverarbeitung, zu Preisen und Tarifen sowie bei der Fehlerbehebung für gut dokumentierte Produktfunktionen am höchsten. Allen Fragen ist gemeinsam, dass sie konkret und wiederkehrend sind und standardisierte Antworten haben.
Wo menschliche Unterstützung unverzichtbar bleibt
Die Grenzen sind ebenso klar – und gelten für jeden KI-Chatbot im Kundensupport, nicht nur für unseren. In diesen Fällen erfordert die Aufgabe den Zugriff auf Systeme, menschliches Urteilsvermögen oder Nachforschungen, zu denen eine KI schlicht nicht in der Lage ist.
Das zugrunde liegende Muster lässt sich gut verallgemeinern: Geht es um Informationen, übernimmt die KI. Geht es um eine Handlung, ist weiterhin ein Mensch gefragt.
So sieht KI-Kundenservice in der Praxis aus
Zahlen sind hilfreich, doch erst die echten Interaktionen machen die Ergebnisse greifbar. Im Folgenden finden Sie Beispiele aus dem Kundenservice-Chatbot – echte Supportanfragen aus unserem Experiment: zwei Fälle, in denen die KI das Problem vollständig gelöst hat, und einen, in dem ihr das nicht gelang, sie aber trotzdem weiterhelfen konnte.
Wenn die KI das Anliegen vollständig löst
Beispiel 1: „Warum wird meine neue Google-Bewertung nicht angezeigt?“
Kundendaten anonymisiert. KI-Antwort zur besseren Lesbarkeit gekürzt.
Customer: "I got a new 5 star review Monday or Tuesday (today is Thursday) that is already showing on my Google Profile. How come it isn't pulling into the widget?"
AI Assistant: The most likely reason your new 5-star review isn't showing yet is our update (cache) interval. Our Google Reviews widget doesn't pull new reviews in real time — reviews in the widget are refreshed every 72 hours. There is no way to clear or refresh the cache manually from your side, because updates run automatically.
If more than 72 hours have passed and the review is still not visible, please check in your widget editor: make sure you're not excluding reviews accidentally via filters on the Settings tab, and confirm the minimum rating is not set higher than 5.
If everything looks correct and it's been more than 72 hours, please reply to this email and our Support Team will take a closer look.
Customer feedback: "Yeah the AI response was epic! Thanks sir."Eine Frage wie diese hätte ein oder zwei Tage in der Warteschlange gelegen, bevor ein Mitarbeiter im Grunde dieselbe Antwort gegeben hätte. Stattdessen erhielt der Kunde innerhalb weniger Minuten eine klare Erklärung.
Beispiel 2: „Facebook lässt sich nicht verbinden und TripAdvisor ruft keine Bewertungen ab“
Kundendaten anonymisiert. KI-Antwort zur besseren Lesbarkeit gekürzt.
Customer: "Setting up a new all in one reviews widget for a client who already has reviews on several sites. Google Reviews came right in, but Facebook won't connect and TripAdvisor hasn't brought any in."
AI Assistant: For your All‑in‑One Reviews widget, Google is working as expected, so the installation itself is fine. The issue is likely with how the Facebook and TripAdvisor sources are added.
Facebook: make sure you're using just the base page URL (without /reviews), that only .com domain links are used, and that the page is fully public with no visibility restrictions.
TripAdvisor: add a direct link to the business's listing page, not a search results page. The widget may need a few minutes to connect and fetch data after you add the source.
Also check your widget filters — make sure "Show only reviews with photos" is disabled and the minimum rating filter isn't hiding results.
Customer feedback: "Yes, the reviews are loading now. I did need to take the 's' off the https:// page URL so it would connect. And finally after a couple of hours, the TripAdvisor displayed. Thank you for your helpful AI response system with extra troubleshooting."Wenn die KI das Problem nicht löst – aber trotzdem weiterhilft
Nicht jede Supportanfrage lässt sich mit einem Chatbot abschließen. Das heißt aber nicht, dass die KI keinen Mehrwert bietet. Oft ist das Hilfreichste, was sie tun kann, nicht die Frage zu beantworten, sondern die Anfrage für die zuständige Mitarbeiterin oder den zuständigen Mitarbeiter vorzubereiten.
Beispiel 3: „Ich kann mich nicht anmelden, aber Ihr Abo wird weiterhin von meiner Karte abgebucht“
Kundendaten anonymisiert. KI-Antwort zur besseren Lesbarkeit gekürzt.
Customer: "I used this to help out an older client. I no longer work for the company, and don't have access to my company email to sign in. I need to be able to sign in and cancel the subscription, change the payment account, or just change it to the free plan so that I'm not personally charged."
AI Assistant: When you can't access the email tied to your Elfsight account, our Support team will need to help with account recovery. To locate the right account faster, please reply with: the login email you think was used, a bank/card statement showing the Elfsight charge, and a direct link to the page where the widget is installed.
Customer: Provided every piece of requested information in their next reply — email, payment proof, widget URL — all organized in one message.Selbst bei den 78 % der Tickets, die die KI nicht vollständig lösen konnte, stellte sie konsequent die richtigen Rückfragen. Sie bat um relevante Details und Kontext – genau wie ein menschlicher Support-Mitarbeiter. Das ergab sich aus dem Aufbau der Wissensdatenbank: In Anleitungen zur Fehlerbehebung gibt es oft Abschnitte wie „Falls das nicht hilft, teile dem Support bitte Folgendes mit“. Dieses Muster erkannte die KI.
Qualität von KI-Support messen
Eines haben wir schnell gelernt: Die Leistung eines KI-Chatbots zu messen, ist schwieriger als gedacht. Wer sich auf eine einzelne Kennzahl verlässt, zieht schnell die falschen Schlüsse.
Das Problem mit ausbleibendem Feedback
Nur 12 % der Kundinnen und Kunden klickten nach einer KI-Antwort auf eine Feedback-Schaltfläche. Die übrigen 88 % interagierten entweder gar nicht (66 %) oder antworteten per E-Mail und umgingen so die Schaltflächen (22 %).
Das ist kein Fehler in unserem Setup, sondern ein bekanntes Muster. Eine Analyse von über 170.000 Kundenservice-Chats kam zu einem ähnlichen Ergebnis: Nur 16,2 % der Kunden gaben Feedback. Als Forschende die wahrscheinliche Zufriedenheit der schweigenden Mehrheit modellierten, stellten sie fest, dass mehr als die Hälfte unzufrieden gewesen wäre. Feedback-Schaltflächen bilden extreme Reaktionen also systematisch überproportional ab.
Von den 12 %, die geklickt haben:
- 33 % wählten „Alles bestens“
- 25 % sagten: „Hilfreich, aber ich brauche noch mehr Unterstützung“
- 42 % klickten auf „Nicht hilfreich“
Die 42 % wirken alarmierend, bis man erkennt, dass sie sich auf 42 % von 12 % der Befragten beziehen – und diese Gruppe ist stark verzerrt, weil unzufriedene Kunden viel eher auf den entsprechenden Link klicken.
Warum die Prüfung durch Mitarbeitende wichtig ist
Deshalb haben wir eine zweite Bewertungsebene eingeführt. Support-Mitarbeitende prüften manuell 1.685 Tickets, zu denen keine Rückmeldung von Kunden vorlag. Ihre Einschätzung: 17 % vollständig gelöst, 78 % hilfreich, aber mit weiterem Support durch Mitarbeitende, 5 % fehlerhaft.
Das entspricht einer Quote von 95 % für Antworten, die als nützlich oder besser bewertet wurden – und zwar von Menschen, die wissen, worauf es bei einer guten Supportantwort ankommt. Zusammen mit den Daten zu den Kunden-CTAs ergab sich daraus der Gesamtwert von 89 % nützlichen Antworten.
- Zwei Bewertungsebenen: Kundenfeedback (CTA-Buttons) und Expertenbewertung durch Mitarbeitende
- Analysezeitraum: 3 aufeinanderfolgende Wochen
- Tickets insgesamt: 2.498 bearbeitet, 515 als irrelevant ausgeschlossen, 1.983 analysiert
- Wichtigste Erkenntnis: Kundenfeedback allein zeichnet ein zu negatives Bild. Ergänzen Sie es immer durch eine Expertenbewertung.
Wenn Sie einen KI-Chatbot einsetzen, sollten Sie von Anfang an verschiedene Möglichkeiten zur Qualitätsmessung einplanen. Ein einzelner CSAT-Wert oder die Lösungsquote reicht nicht aus, um ein vollständiges Bild zu erhalten. Welche Kennzahlen besonders wichtig sind, erfahren Sie in unserem Leitfaden zu Chatbot-KPIs.
Ehrliche Grenzen, die Sie vor dem Einsatz kennen sollten
Kein Tool ist perfekt. Die Fähigkeiten eines Chatbots für den Kundenservice zu überschätzen, ist jedoch schlimmer, als sie zu unterschätzen. Hier erfahren Sie, was Sie realistisch erwarten können.
Die Arbeitslast des Support-Teams sinkt wahrscheinlich nicht
Bei uns prüfen Mitarbeitende weiterhin jedes Ticket. Die KI unterstützt beratend: Sie stellt Informationen bereit, führt aber keine Aktionen aus. Deshalb hat sich die tägliche Arbeitsbelastung des Support-Teams kaum verändert. Der Vorteil liegt ganz auf Kundenseite: Sie erhalten schneller eine bessere erste Antwort.
Das ist ein typisches Muster bei frühen KI-Support-Implementierungen. Um die Arbeitslast des Support-Teams zu verringern, muss die KI auch handeln können – Änderungen verarbeiten, Workflows auslösen und Datensätze aktualisieren – statt nur Antworten zu geben. Dafür braucht es ein ganz anderes Maß an Vertrauen und Integration.
Die „mittlere Zone“ von 78 % ist der Normalfall
Der Großteil der von der KI bearbeiteten Supportanfragen – bei uns 78 % – fällt in eine Grauzone: Die Antwort hilft weiter, reicht allein aber nicht aus. Eine Mitarbeiterin oder ein Mitarbeiter muss die Anfrage noch abschließend bearbeiten. Wenn Sie erwarten, dass ein KI-Chatbot die meisten Anfragen ohne menschliches Eingreifen oder Kontrolle löst, werden Sie enttäuscht sein. Soll er Ihren Kundinnen und Kunden einen hilfreichen Vorsprung verschaffen, während Ihr Team sich um die übrigen Anfragen kümmert, werden Sie zufrieden sein.
Solange eine Anfrage noch offen ist, sollten Sie den Kunden klar darüber informieren, was bereits bekannt ist, wie es weitergeht und wann er wieder von Ihnen hört. Nützliche Support-Updates bietet kommentierte Antwortbeispiele und eine leere Vorlage für diesen Austausch.
Die Qualität der Wissensdatenbank verursacht laufende Kosten
Ein Chatbot ist nur so gut wie die Dokumentation, auf die er zugreift – und diese muss laufend gepflegt werden. Jedes Produkt-Update, jeder neue Sonderfall und jede falsche Antwort, auf die ein Mitarbeiter hinweist, erfordert eine Aktualisierung der Wissensdatenbank. Das ist keine einmalige Einrichtungsarbeit, sondern eine dauerhafte betriebliche Aufgabe.
Machen Sie die Prüfung zu einem festen Bestandteil jeder Aktualisierung. Support Answer Maintenance zeigt Ihnen Schritt für Schritt, wie Sie eine geänderte Information bestätigen, ältere Versionen finden, die Quelle des Chatbots aktualisieren und anschließend die Frage erneut stellen, die ein Besucher stellen würde.
Häufig gestellte Fragen
Was ist ein Kundenservice-Chatbot?
Auf welche Funktionen sollte ich bei einem KI-Chatbot für den Kundenservice achten?
Welche Vorteile bietet ein Chatbot im Kundenservice?
Wie kann ich die Leistung meines Kundenservice-Chatbots messen?
Wie binde ich einen KI-Chatbot für den Kundensupport in meine Website ein?
Fazit
Ein KI-Chatbot ersetzt nicht Ihr Supportteam – aber er verändert, was Kundinnen und Kunden in den ersten entscheidenden Minuten nach ihrer Anfrage erleben. Unsere Daten zeigen: Der Wechsel von tagelangem Schweigen zu einer hilfreichen Antwort in weniger als fünf Minuten machte mehr aus als die Anzahl der Supportanfragen, die die KI eigenständig lösen konnte.
All das funktioniert allerdings nur mit einer gut gepflegten Wissensdatenbank. Allgemeine Dokumentation führt zu allgemeinen Antworten. Spezifische Anleitungen zur Fehlerbehebung, die auf echten Mustern aus Supportanfragen basieren, liefern dagegen Antworten, denen Kunden wirklich vertrauen. Das erfordert kontinuierliche Arbeit – eine einmalige Einrichtung reicht nicht.
Wenn Sie schnellere erste Antworten und besser vorbereitete Tickets für Ihr Support-Team erwarten, kann ein KI-Chatbot diese Erwartungen erfüllen. Rechnen Sie hingegen damit, dass sich das Ticketvolumen über Nacht halbiert, müssen Sie Ihre Erwartungen wahrscheinlich schon nach einem Monat anpassen. Das stärkste Argument für einen Kundenservice-Chatbot ist vielleicht gar nicht, dass er Anfragen löst, sondern dass er sie besser einordnet: Selbst wenn die KI ein Problem nicht beheben kann, bringt sie die Lösung schneller voran.
