KI ist in vielen Kontakt-Unternehmen längst Teil der Customer Experience. Sie unterstützt Agent:innen, automatisiert Serviceprozesse und beantwortet Kundenanfragen.
Doch der wirtschaftliche Effekt bleibt häufig hinter den Erwartungen zurück.
Eine aktuelle Studie von TTEC Digital und CX Dive zeigt sogar: Kein einziges der befragten Unternehmen berichtet bislang von sinkenden CX-Kosten durch KI. Fast zwei Drittel verzeichnen stattdessen steigende Kosten.
Das Problem liegt laut Studie weniger bei der Technologie selbst. Vielmehr treffen neue KI-Lösungen auf Betriebsmodelle, Datenstrukturen und Verantwortlichkeiten, die für diese Geschwindigkeit der Veränderung nicht ausgelegt sind.
Der Report „The great CX reset“ basiert auf einer Befragung von 150 Führungskräften aus Customer Experience, Contact Center und IT. Er wurde als Custom Content für TTEC Digital von Studio by Informa TechTarget veröffentlicht. Die Ergebnisse liefern vor allem für CX-Verantwortliche eine interessante Bestandsaufnahme: Wer KI in der Customer Experience skalieren will, muss zuerst die organisatorischen Grundlagen schaffen.
Viel KI, aber noch wenig wirtschaftlicher Nutzen
Die vielleicht auffälligste Zahl der Studie steht gleich am Anfang: 0 Prozent der Befragten geben an, dass ihre KI-Investitionen bislang zu geringeren CX-Kosten geführt haben.
36 Prozent berichten von höheren Kosten bei gleichzeitig deutlich besseren Ergebnissen. Weitere 29 Prozent sehen steigende Kosten, ohne dass sich die Resultate wesentlich verbessert hätten. Bei 35 Prozent sind die Kosten ungefähr gleich geblieben, während sich die Ergebnisse verbessert haben.
Damit stellt die Studie eine verbreitete Annahme infrage: KI führt nicht automatisch zu effizienterer Customer Experience.
Ein wichtiger Grund dafür ist das sogenannte Operating Model. Gerade einmal 1 Prozent der Befragten bezeichnet das eigene CX-Betriebsmodell als hochgradig anpassungsfähig und für kontinuierliche Veränderungen ausgelegt.
Die Autoren sprechen deshalb von einem notwendigen „CX Reset“. Dabei stehen drei Bereiche im Mittelpunkt:
- Technologie: Systeme sind zwar miteinander verbunden, aber häufig nicht so integriert, wie es KI benötigt.
- Kompetenzen: CX-Teams fehlen spezialisierte Fähigkeiten für Entwicklung, Steuerung und Skalierung von KI.
- Daten: Qualität, Governance und Zugriff reichen vielerorts noch nicht für einen zuverlässigen KI-Betrieb aus.
Die zentrale Botschaft lautet damit: KI-Readiness ist eine organisatorische Fähigkeit und keine reine Technologiefrage.
Ein integrierter Tech-Stack reicht nicht mehr aus
CX-Technologien sind über Jahre gewachsen. Contact-Center-Plattformen, CRM, Cloud-Anwendungen, Analytics, Wissensmanagement und spezialisierte Tools bilden heute komplexe Systemlandschaften.
60 Prozent der untersuchten Unternehmen verwenden sieben oder mehr verschiedene Tools und Plattformen für ihre CX-Prozesse. Besonders ausgeprägt ist die Komplexität laut Studie im Gesundheitswesen und im öffentlichen Sektor.
Interessant ist dabei ein scheinbarer Widerspruch: Nur 21 Prozent bewerten ihren Tech-Stack als deutlich fragmentiert. Gleichzeitig können jedoch nur 43 Prozent mit hoher Sicherheit sagen, wo KI entlang der Customer Journey tatsächlich eingesetzt wird.
Auf operativer Ebene wird die Unsicherheit noch größer. Während 52 Prozent der Vice Presidents angeben, einen guten Überblick zu besitzen, liegt dieser Wert bei Director- und Manager-Rollen nur bei 36 Prozent.
Das ist für CX-Verantwortliche relevant. Ein technisch verbundenes System ist noch kein koordiniertes KI-System. Unternehmen müssen wissen, welcher KI-Use-Case auf welche Daten zugreift, welche Prozesse er beeinflusst und wer für das Ergebnis verantwortlich ist.
Die Studie empfiehlt deshalb, KI entlang der Customer Journey sichtbar zu machen. Nicht nur einzelne Use Cases sollten dokumentiert werden. Entscheidend ist ihre Verbindung zu Journey-Phasen, Zielgruppen, Prozessen, Systemen und Geschäftsergebnissen.
Interne KI-Anwendungen schaffen die Grundlage
Ein weiteres Ergebnis betrifft die Reihenfolge der KI-Einführung. Unternehmen mit besonders komplexen Systemlandschaften nutzen KI deutlich häufiger zunächst für interne Aufgaben.
80 Prozent der Unternehmen mit mindestens sieben Tools setzen KI im Wissensmanagement ein. Bei Organisationen mit einfacheren Tech-Stacks sind es nur 12 Prozent. Auch Workflow-Automatisierung spielt bei komplexen Strukturen eine größere Rolle.
Das wirkt zunächst weniger spektakulär als ein neuer Kundenservice-Bot. Für die spätere Customer Experience kann diese Reihenfolge jedoch entscheidend sein.
Denn Self-Service, Agent Assist oder generative KI benötigen zuverlässiges Wissen und klare Prozesse. Ist bereits intern unklar, welche Information aktuell ist oder welcher Prozess nach einer Kundenanfrage ausgelöst werden muss, kann eine KI diese Probleme nicht beseitigen. Sie automatisiert im schlimmsten Fall bestehende Schwächen.
Bei Unternehmen mit einfacheren Tech-Stacks zeigt sich das Gegenbild. Sie haben laut Studie häufiger kundenorientierte KI-Anwendungen eingeführt. Die Nutzung von KI für Self-Service liegt dort bei 87 Prozent gegenüber 67 Prozent bei komplexeren Systemlandschaften. Bei Personalisierung beträgt das Verhältnis sogar 82 zu 29 Prozent.
Die Schlussfolgerung ist klar: Wissensmanagement und Prozessautomatisierung sind keine Nebenprojekte der KI-Transformation. Sie gehören zu ihrer Infrastruktur.
Ohne neue Kompetenzen lässt sich KI nicht skalieren
Technologie und Daten allein reichen ebenfalls nicht. Die Studie zeigt eine deutliche Lücke zwischen dem Vertrauen der Verantwortlichen und den vorhandenen Kompetenzen.
90 Prozent der Befragten sind zumindest einigermaßen zuversichtlich, KI-gestützte CX entwickeln, steuern und optimieren zu können. Sehr zuversichtlich sind allerdings nur 42 Prozent, extrem zuversichtlich lediglich 2 Prozent. Gleichzeitig gibt kein einziges Unternehmen an, überhaupt keine Kompetenzlücken zu besitzen.
Besonders interessant ist die Verteilung der Kompetenzen. 71 Prozent verfügen intern über Ressourcen für CX-Strategie. Eigene Spezialist:innen für KI und Automatisierung haben dagegen nur 29 Prozent. Bei Governance, Risikomanagement und Compliance sind es lediglich 26 Prozent.
Die leistungsfähigeren Organisationen versuchen dabei nicht, jede Fähigkeit selbst aufzubauen. 88 Prozent der Unternehmen nutzen externe Unterstützung, um Kompetenzlücken zu schließen.
Der Report empfiehlt ein gemischtes Modell: Strategie, Priorisierung, Governance und Verantwortung für Geschäftsergebnisse sollten im Unternehmen bleiben. Spezialisiertes technisches Wissen kann dagegen gezielt von externen Partnern eingebracht werden.
Das verhindert eine gefährliche Abhängigkeit. Wer KI komplett auslagert, verliert langfristig die Fähigkeit, selbst über Prioritäten, Risiken und Weiterentwicklung zu entscheiden.
Daten-Governance wird zum Engpass
Auch beim Thema Daten zeichnet die Studie ein differenziertes Bild. Die reine Datenqualität scheint inzwischen weniger problematisch zu sein als häufig angenommen. Nur 15 Prozent nennen inkonsistente oder unzuverlässige Datenqualität als wesentliches Problem.
Schwieriger wird es bei der Governance.
Nur 29 Prozent der Organisationen verfügen über einen formalen, funktionsübergreifenden Governance-Prozess, der konsequent angewendet wird. 64 Prozent besitzen zwar Richtlinien, setzen diese aber nicht überall einheitlich um.
Damit wird jeder neue KI-Use-Case schnell zur Einzelfallentscheidung: Welche Daten dürfen genutzt werden? Wer genehmigt den Zugriff? Welche Sicherheitsregeln gelten? Wer trägt die Verantwortung?
Auch bei der tatsächlichen Verwendung der Kundendaten gibt es Lücken. Nur 25 Prozent nutzen sie laut Studie organisationsweit effektiv für CX-Entscheidungen. 58 Prozent schaffen dies lediglich in einzelnen Bereichen. Weitere 11 Prozent besitzen zwar viele Kundendaten, können daraus aber nur schwer verwertbare Erkenntnisse gewinnen.
Data Readiness bedeutet deshalb mehr als Daten zu sammeln. Daten müssen zuverlässig in Entscheidungen, Workflows und Kundeninteraktionen einfließen können.
Die Prioritäten für 2027 zeigen einen Strategiewechsel
Besonders aufschlussreich sind die geplanten CX-Prioritäten der befragten Unternehmen. Sie deuten darauf hin, dass sich der Fokus von neuen KI-Funktionen auf die notwendigen Grundlagen verschiebt.
43 Prozent wollen ihre Datenbasis modernisieren. 41 Prozent planen, die Zusammenarbeit zwischen CX, Operations, IT und Datenbereichen zu verbessern. 38 Prozent möchten CX-Investitionen klarer mit Geschäftsergebnissen verbinden.
Damit verändert sich die Diskussion. Die zentrale Frage lautet nicht mehr: Welche weitere KI-Anwendung können wir einführen?
Wichtiger wird: Welche Voraussetzungen müssen wir schaffen, damit vorhandene KI-Anwendungen messbaren Nutzen erzeugen?
Genau darin liegt der von der Studie beschriebene CX Reset. Unternehmen müssen nicht zwangsläufig mehr KI einsetzen. Sie müssen ihre Organisation so aufstellen, dass KI zuverlässig funktionieren kann.
Fazit: Gute CX-Grundlagen entscheiden über den KI-Erfolg
Die Studie liefert eine wichtige Erinnerung für alle, die KI in der Customer Experience einsetzen: Der Kauf einer neuen Technologie ist oft der einfachste Teil.
Deutlich schwieriger ist es, Daten, Prozesse, Verantwortlichkeiten und Kompetenzen so auszurichten, dass aus einzelnen Anwendungen ein funktionierendes CX-System entsteht.
Für CX-Verantwortliche lassen sich daraus vier konkrete Impulse ableiten:
- Mache transparent, wo KI entlang der Customer Journey eingesetzt wird und wer dafür verantwortlich ist.
- Stärke Wissensmanagement und interne Prozesse, bevor du weitere kundenorientierte KI-Anwendungen skalierst.
- Definiere klar, welche KI-Kompetenzen dein Unternehmen selbst besitzen muss und wo externe Expertise sinnvoll ist.
- Verknüpfe Daten- und KI-Projekte von Anfang an mit konkreten CX- und Geschäftsergebnissen.
Die wichtigste Erkenntnis der Studie ist deshalb nicht, dass KI in der Customer Experience gescheitert wäre. Sie zeigt vielmehr, dass viele Unternehmen bei der Einführung technologisch schneller waren als organisatorisch.