KI im Kundenservice: Wie wir Kundenanliegen intelligent automatisieren
Mein Vortrag auf den Energietagen Wien 2026
Am 13. Oktober habe ich auf den Energietagen Wien 2026 unsere cronos Service Intelligence AI vorgestellt. Mir war wichtig, nicht nur über KI im Allgemeinen zu sprechen, sondern anhand konkreter Serviceanfragen zu zeigen, wie die Technologie Energieversorger im Alltag unterstützen kann. Dafür habe ich Tim mitgebracht – einen fiktiven Mitarbeiter im Kundenservice. Tim steht stellvertretend für viele Menschen, die täglich E-Mails, Chats, Anrufe und Supportanfragen bearbeiten und dabei Informationen aus unterschiedlichen Systemen zusammentragen müssen. Unser Ziel mit Service Intelligence AI ist es, solche Mitarbeitenden zu entlasten, nicht sie zu ersetzen.
Warum eine einfache Zählerstandsmeldung so viel Arbeit auslöst
Stellen wir uns eine Kundin vor, die per E-Mail ihren Zählerstand mitteilt. Sie ergänzt ihre Vertragskontonummer und fügt ein Zählerfoto bei. Für sie ist das eine kurze Nachricht. Auf der anderen Seite muss Tim die E-Mail öffnen, das Anliegen verstehen, die Kundin zuordnen, den Zählerstand aus dem Foto ablesen, die Daten prüfen, den Wert erfassen, antworten und den Vorgang dokumentieren. In meinem Vortrag habe ich diesen scheinbar einfachen Ablauf in acht manuelle Schritte zerlegt. Multipliziert mit vielen ähnlichen Anfragen wird daraus eine große Belastung für den Service. Genau diese wiederkehrenden Tätigkeiten wollen wir intelligent unterstützen und, wo sinnvoll, automatisieren.
Was wir mit Service Intelligence AI erreichen wollen
Unsere Service Intelligence AI, kurz SIA, ist eine KI-basierte Serviceplattform für die Verarbeitung von Kundenanliegen, insbesondere im Utilities-Umfeld. Mir geht es dabei nicht nur um automatisch formulierte Antworten. Die KI soll ein Anliegen verstehen, relevante Informationen ermitteln, deren Plausibilität prüfen und geeignete Schritte in den angebundenen Systemen ausführen. Wir möchten dabei keine zusätzliche, isolierte Plattform schaffen. SIA kann im Umfeld bestehender SAP-CRM-Lösungen eingesetzt werden, etwa mit SAP Sales Cloud und SAP Service Cloud Version 2 oder SAP Cloud for Customer. Im Vortrag habe ich außerdem gezeigt, dass auch eine direkte Anbindung an SAP S/4HANA ohne SAP CRM vorgesehen ist.
Fünf spezialisierte Agenten arbeiten zusammen
1. Anfrage entgegennehmen
Der erste Agent übernimmt die eingehende Anfrage. Für unseren Ansatz ist wichtig, dass Anliegen über unterschiedliche Kanäle kommen können, etwa über eine E-Mail oder einen entsprechend eingebundenen telefonischen Kontakt.
2. Anliegen und Stimmung erkennen
Anschließend ermittelt ein weiterer Agent, was der Kunde erreichen möchte. Geht es um eine Zählerstandsmeldung, eine Abschlagsänderung oder eine Beschwerde? Zusätzlich kann die Lösung die Stimmung einer Anfrage einschätzen. Gerade im Beschwerde- oder Eskalationsmanagement kann das eine wichtige Orientierung sein.
3. Daten extrahieren
Der nächste Agent liest die relevanten Informationen aus der Anfrage und ihren Anhängen aus. Dazu zählen im Zählerstandsbeispiel Vertragsdaten, Zählerstand und Ablesedatum.
4. Angaben validieren
Bevor wir einen Vorgang automatisiert ausführen, müssen wir wissen, ob die Informationen vollständig und plausibel sind. Deshalb prüft ein Validierungsagent die Voraussetzungen und erkennt, wann noch Angaben fehlen oder eine Rückfrage notwendig ist.
5. Ins Backend zurückführen
Sind die Voraussetzungen erfüllt, können die Daten an das angebundene SAP-System übergeben werden – in unserem Beispiel an SAP S/4HANA oder SAP IS-U. Erst dieser Schritt macht aus dem Verstehen einer Anfrage eine tatsächliche Prozessbearbeitung.
Live-Demo: Ein Zählerstand wird automatisch verbucht
Auf den Energietagen habe ich den beschriebenen Fall direkt in einer Live-Demonstration gezeigt. Innerhalb der Oberfläche von SAP Sales Cloud und SAP Service Cloud Version 2 war das SIA-Cockpit eingebunden. Dort ließ sich nachvollziehen, dass die eingehende E-Mail als Zählerstandsmeldung erkannt wurde; die angezeigte Zuordnungssicherheit lag bei 95 Prozent. Die KI las die erforderlichen Daten aus dem Text und dem angehängten Foto aus. Auch eine relative Zeitangabe wie „gestern“ wurde in ein Ablesedatum übersetzt. Über die technische Anbindung wurde der Zählerstand anschließend im SAP-Backend verbucht. Der Standardfall war in der Demonstration automatisch gelöst, ohne dass Tim ihn manuell bearbeiten musste. Die KI bereitete außerdem eine Bestätigungsantwort vor. Ob diese ohne weitere Prüfung verschickt wird, sollte ein Unternehmen bewusst entscheiden. Aus Gesprächen mit Kunden weiß ich, dass häufig ein Human-in-the-Loop-Verfahren gewünscht ist: Die KI erstellt den Entwurf, ein Servicemitarbeiter prüft und versendet ihn.
Wenn der Kundenwunsch nicht schlüssig ist
Mir war wichtig, auf der Bühne nicht nur einen einfachen Fall zu zeigen. Deshalb habe ich ein zweites Beispiel vorgestellt: Ein Kunde möchte seinen Abschlag senken, berichtet aber zugleich von gestiegenem Verbrauch und einer Nachzahlung. Hier wäre es nicht sinnvoll, den Wunsch ungeprüft automatisch umzusetzen. Service Intelligence AI erkannte in unserer Demonstration das Anliegen, ordnete den Vorgang zur manuellen Bearbeitung zu und lieferte eine Zusammenfassung sowie eine Begründung für die Übergabe. Zusätzlich erhielt der Mitarbeiter Handlungsempfehlungen. Das ist für mich einer der zentralen Vorteile: Eine KI muss nicht jeden Fall selbst abschließen. Sie kann auch die Vorbereitung übernehmen und Mitarbeitende genau dort unterstützen, wo eine fachliche Entscheidung nötig ist.
Bestehendes Unternehmenswissen einbinden
Für solche komplexeren Fälle können wir vorhandene Wissensquellen anbinden, beispielsweise SharePoint, OneDrive oder interne Wissensdatenbanken. Damit lassen sich Hinweise und Empfehlungen auf Informationen stützen, die im Unternehmen bereits verfügbar sind. Im Service bedeutet das weniger Sucharbeit und eine bessere Grundlage für die weitere Bearbeitung. Die Verantwortung für die Entscheidung kann weiterhin bei der zuständigen Fachkraft liegen.
Wie MCP die Verbindung zum SAP-Backend unterstützt
In meiner Demonstration habe ich auch die technische Verbindung angesprochen: Wir nutzen unter anderem MCP-Server, die KI-Agenten definierte Werkzeuge für den Zugriff auf Funktionen in angebundenen Systemen bereitstellen. Ich erkläre das gerne mit einem Werkzeugkasten: Der Agent erhält passende Werkzeuge und kann für eine Aufgabe das erforderliche auswählen. Im Beispiel konnte er über die Anbindung an SAP S/4HANA den ermittelten Zählerstand tatsächlich verbuchen, anstatt nur eine Empfehlung zu formulieren.
Transparenz im SIA-Cockpit
Für mich gehört zu einer sinnvollen KI-Lösung, dass Servicemitarbeitende die Vorgänge nachvollziehen können. Im SIA-Cockpit lassen sich eingegangene Fälle, Klassifizierungen, Bearbeitungsstatus und automatisch gelöste Vorgänge einsehen. Auch Informationen zur technischen Nutzung, beispielsweise der Token-Verbrauch, werden sichtbar. Damit können Unternehmen die Verarbeitung nachvollziehen und erkennen, bei welchen Anliegen die KI selbstständig tätig war und wann Mitarbeitende eingebunden wurden.
Mein Fazit: Entlastung statt Ersatz
Ich sehe das größte Potenzial von Service Intelligence AI nicht darin, Menschen aus dem Kundenservice zu verdrängen. Vielmehr sollen wir repetitive Arbeit reduzieren und Freiräume für anspruchsvollere Anliegen, Beratung und individuelle Entscheidungen schaffen. Unser Zählerstandsbeispiel zeigt, wie weit die Automatisierung eines passenden Standardprozesses gehen kann. Der komplexere Abschlagsfall zeigt die andere Seite: Gute KI-Unterstützung bedeutet auch, Grenzen zu erkennen und Mitarbeitenden eine fundierte Entscheidungsgrundlage zu liefern.
Service Intelligence AI kennenlernen
Wenn Sie wissen möchten, welche Kundenanliegen sich in Ihrer SAP-Landschaft automatisieren lassen, sprechen Sie mich oder meine Kolleginnen und Kollegen bei cronos gerne an. Gemeinsam können wir geeignete Anwendungsfälle betrachten.
