Agentic AI im Contact Center: Hype, Mehrwert oder Risiko?

Der Begriff Agentic AI taucht im Contact Center immer öfter auf, zum Beispiel im Leistungsportfolio externer Anbieter, in Innovationsplänen oder bei Diskussionen über die Zukunft der Kundenkommunikation. Aber es wäre nicht das erste Buzzword, das verspricht, alles zu „automatisieren“, während es die Probleme mit fragmentierten Kundendaten, Systemausfällen und einer hohen Arbeitsbelastung nicht lösen kann.

Deshalb ist es sinnvoll, Agentic AI einer Realitätsprüfung zu unterziehen. Nicht, um es als weiteres leeres Versprechen zu brandmarken, sondern um genau herauszufinden, wann sie der Kundenerfahrung (CX) und der Employee Experience (EX) wirklich einen Mehrwert bietet – und wann vor allem das Risiko einer Überautomatisierung besteht. Lesen Sie doch gerne mit.

Was ist Agentic AI?

Mit Agentic AI werden KI-Systeme bezeichnet, die nicht nur auf Eingaben reagieren, sondern auch selbstständig und zielgenau Aufgaben ausführen können, indem sie eigene Abläufe planen und Werkzeuge einsetzen. Diese künstliche Intelligenz kann mehr als Daten analysieren und Texte generieren: Sie trifft eigenständig Entscheidungen und führt Aktionen aus, um ein bestimmtes Ziel zu erreichen.

Was macht ein KI-Agent?

Der Unterschied zwischen einem KI-Agenten und einem Chatbot oder generativer KI ist sehr konkret. KI-Agenten leisten mehr, als Antworten zu geben, Unterhaltungen zusammenzufassen oder Wissensartikel zu suchen: Sie können z. B. einen Supportfall anlegen, eine Folgeaktion anstoßen, einen Prozess initiieren oder mehrere Aktionen kombinieren – innerhalb vorab festgelegter Grenzen.

Im Gegensatz zu eher reaktiven KI-Implementierungen – wie zum Beispiel Chatbots, die Fragen beantworten –, kann Agentic AI proaktiv handeln. Sie kann mehrere Schritte nacheinander ausführen, herausfinden, wie ein bestimmtes Ziel erreicht werden kann, und zu diesem Zweck unterschiedliche Systeme und Tools einsetzen. Das ist schon relativ dicht daran, wie Ihre menschlichen Service Agents Tag für Tag arbeiten.

Ist „Agentic AI“ ein Marketingbegriff oder bietet es echten Mehrwert?

Diese Frage lässt sich nicht pauschal beantworten. Einerseits schwirrt der Begriff „Agentic AI“ derzeit überall herum und wird auch überstrapaziert. So warnt das Marktforschungsinstitut Gartner ausdrücklich vor sogenanntem Agent Washing: Lösungen, die als Agentic AI vermarktet werden, aber eigentlich Chatbots oder smarte Workflow-Automatisierungen sind.

Andererseits bietet die Technologie echte Neuerungen gegenüber früheren KI-Generationen: selbstständiges Planen, Entscheiden und Handeln über Systeme hinweg. Damit kann Agentic AI komplette Workflows übernehmen, die aus vielen unterschiedlichen Schritten bestehen – und davon profitieren Contact Center, in denen Geschwindigkeit, Konsistenz und Fehlerreduzierung wichtig sind. Genau in solchen Situationen hat Agentic AI Mehrwert, da sie versteht, was ein Kunde will, und anschließend selbstständig handeln kann.

1) Gartner Newsroom

Zu welchen Zwecken lässt sich Agentic AI am besten einsetzen im Contact Center?

Agentic AI kommt im Contact Center dort zu ihrem Recht, wo es heute im Kundenkontakt knirscht und knackt. Nicht in den hübsch abgegrenzten Anwendungsfällen, sondern da, wo große Volumen auftreten, mehrere Systeme zusammentreffen und sich Entscheidungen gegenseitig beeinflussen.

Oft trifft man in Contact Centern ähnliche Phänomene an: manuelle Koordinierung, keine Zeit für langfristige Planung und Tools, die Einblicke bieten, aber nicht beim Handeln helfen.

In diesem Spannungsfeld, das von hoher Dynamik, vielen Abhängigkeiten und starker Arbeitsbelastung geprägt ist, verschiebt sich die Rolle von KI: vom Analysieren und Empfehlen hin zum Mitdenken, Planen und Anpassen. Ganz konkret lassen sich diese Vorteile anhand von zwei Anwendungen aufzeigen.

Unterstützung der Servicemitarbeiter: vom Copiloten zum Partner

Viele Contact Center setzen bereits Co-Pilots ein, häufig ergänzt durch generative KI (GenAI). Diese unterstützen die Kundenbetreuer mit Hintergrundwissen, Zusammenfassungen und Vorschlägen. Sie beschleunigen die Arbeit, aber die Verantwortung und die Umsetzung liegen immer noch vollständig beim Mitarbeiter. Agentic AI beginnt dort, wo das System selbst – auf Grundlage der Kundenintention – Aufgaben übernimmt, zum Beispiel, indem es:

• Die Art der Anfrage und das gewünschte Ergebnis erkennt
• Selbstständig entscheidet, welche Systeme und Schritte erforderlich sind
• Informationen aus unterschiedlichen Quellen zusammenführt
• Fälle, Formulare und Folgeaktionen parallel vorbereitet
• Backoffice-Prozesse auch ohne ausdrückliche Anweisung startet

Dabei hat der Servicemitarbeiter stets weiterhin die letzte Verantwortung, muss aber die Tätigkeiten nicht mehr dirigieren, denn der KI-Agent arbeitet mit, überwacht den Fortschritt und fragt nur dann nach Eingaben, wenn er diese wirklich benötigt.

WFM: von der Planung zur regelmäßigen Anpassung

Beim Workforce Management (WFM), der Personaleinsatzplanung, gibt es bereits einen hohen Automatisierungsgrad. Für Prognose, Schichtplanung oder tagesaktuelle Änderungen stehen Tools, BI und RPA zur Verfügung. In dieser Form funktioniert das WFM vor allem regelbasiert: Abweichungen werden erkannt und gemeldet, und dann muss der Mensch entscheiden, was geschehen soll.

Im Kontext des Workforce Management spricht man erst dann von Agentic AI, wenn das System selbst eine Aufgabe übernimmt, zum Beispiel das Überwachen der Einhaltung von SLAs oder die Reduzierung der Arbeitsbelastung. So kann das System:

• Tagesbasierte Abweichungen nicht nur melden, sondern auch kontextbezogen interpretieren
• Unterschiedliche Maßnahmen abwägen (Umleiten, Flexpool, Überstunden, Kanalsteuerung)
• Szenarien durchspielen, bevor ein Eingreifen erforderlich ist
• Frühere Aktionen und deren Auswirkungen berücksichtigen
• Selbstständig Vorschläge machen (innerhalb festgelegter Grenzen)

Damit verschiebt sich die Rolle des Managers: Er muss nicht mehr manuell anpassen, sondern steuern und Ausnahmen verwalten. Zugleich ist das System nicht mehr nur Berater, sondern Akteur im täglichen Geschäftsbetrieb.

Konkrete Anwendungsfälle für Agentic AI im Kundenkontakt

Da sich Agentic AI und andere Arten der Automatisierung nicht immer ganz präzise voneinander abgrenzen lassen, sehen wir uns einige Beispiele an:

Versicherungsunternehmen – Schadensregulierung

Einfache Automatisierung: Der Chatbot unterstützt beim Ausfüllen des Formulars für die Schadensmeldung; ein Copilot hilft dem Service Agent dabei, den Fall abzuhandeln.

Agentic AI: Sammelt selbstständig Daten zur Police und aus früheren Forderungen sowie Fotos, fragt nach fehlenden Informationen, erstellt eine vollständige Akte und startet den Workflow zur Regulierung bzw. Auszahlung.

Paketdienst – Problem bei einer Lieferung

Einfache Automatisierung: Der Chatbot bietet Paket-Nachverfolgung und Optionen zur alternativen Zustellung.

Agentic AI: Erkennt strukturelle Lieferprobleme, bestimmt die beste Alternative, passt die Auslieferungsplanung anhand der Kundenpräferenzen automatisch an, führt Änderungen im Logistiksystem durch und kommuniziert proaktiv mit dem Kunden.

Pflegeeinrichtung – Termin verschieben

Einfache Automatisierung: Der Chatbot schlägt neue Termine anhand der Verfügbarkeit vor; der Mitarbeiter kümmert sich um den Rest.

Agentic AI: Prüft die Kalender, die Nebenbedingungen und die Aktenanforderungen, bucht selbstständig einen passenden neuen Termin, versendet Terminbestätigungen und stellt sicher, dass alle benötigten Informationen rechtzeitig in der Akte vorhanden sind.

Überautomatisierung als Risiko

Dies ist vielleicht der wichtigste Punkt. Mit Automatisierung wollen viele Organisationen vor allem Kosten sparen. Aber der Kundenkontakt ist keine Fabrik: Kundenzufriedenheit ist von Kontrolle, Vertrauen und Komfort abhängig.

Durch Überautomatisierung kommt es oft zum Gegenteil. Kunden haben weniger Auswahlmöglichkeiten, verirren sich im Self-Service oder werden zu spät an einen menschlichen Mitarbeiter übergeben. Die Folge: Es gibt zu viele wiederholte Kontakte, Eskalationen nehmen zu, der NPS sinkt und die Servicemitarbeiter müssen sich hauptsächlich um unzufriedene Kunden kümmern.

Zudem gibt es reelle Risiken in Bezug auf Autonomie und Sicherheit, denn Agentic-AI-Systeme können – bei falscher oder missbräuchlicher Verwendung – unerwünschte Aktionen ausführen oder sensible Daten freigeben. Deshalb braucht Agentic AI klare Grenzen.

Die Kunst besteht also darin, nicht blind zu automatisieren, sondern Agentic AI smart und gut kontrolliert zu implementieren, wo erforderlich mit menschlichen Eingriffen, und innerhalb fester Vorgaben, was automatisiert werden kann und was nicht.