KI senkt die Bearbeitungszeit.

Die durchschnittliche Bearbeitungszeit, im Fachjargon AHT, stammt aus dem klassischen Callcenter. Dort ergibt sie Sinn, weil jede Minute eines Mitarbeiters Geld kostet und Kapazität bindet. Kürzer war fast immer günstiger. Diese Logik haben viele Unternehmen unbesehen auf ihre KI übertragen und genau da liegt der Denkfehler.

Eine KI arbeitet anders als ein Team. Sie führt beliebig viele Kontakte gleichzeitig und eine zusätzliche Minute kostet kaum etwas. Damit verliert die reine Dauer ihre Aussagekraft. Ein kurzer KI-Kontakt kann gut aussehen und trotzdem schlecht sein, wenn der Kunde unzufrieden auflegt und am nächsten Tag erneut anruft. Ein längerer KI-Kontakt kann beunruhigend wirken und trotzdem das beste Ergebnis sein, wenn die KI darin mehrere Anliegen auf einmal erledigt. Die Stoppuhr allein trifft hier keine Aussage über Qualität.

Vom Zeitwert zum Ergebniswert

Die Lösung ist kein neues Werkzeug, sondern ein anderer Maßstab. Statt die Zeit allein zu betrachten, setzt man sie ins Verhältnis zur Qualität des Ergebnisses.

Eine Zahl, die schnell aussieht, aber den Fall nicht löst, wird damit korrekt abgewertet.

Eine Zahl, die länger ist, aber den Kunden wirklich zufriedenstellt, wird aufgewertet.

Für dieses Verhältnis gibt es bislang keinen etablierten Standardbegriff. In der internationalen Fachdiskussion taucht dafür der Ausdruck qualitätsbereinigte Bearbeitungszeit auf, englisch Quality-Adjusted AHT. Wichtig ist nicht der Name, sondern der Gedanke dahinter: Zeit wird durch Ergebnisqualität geteilt. Die Ergebnisqualität setzt sich aus den Faktoren zusammen, die für Ihr Unternehmen den echten Erfolg ausmachen, in den meisten Fällen also: ob der Fall beim ersten Kontakt gelöst wurde, wie zufrieden der Kunde war, ob er kurz darauf erneut anrufen musste und ob am Ende doch eine Eskalation nötig wurde.

Bewusst als Modell, nicht als Formel. Die Gewichtung dieser Faktoren ist eine Managemententscheidung, kein Naturgesetz. Deshalb taugt der Ansatz als Bewertungs- und Ampellogik, nicht als scheingenaue Rechenformel. Genau das macht ihn für die Steuerung brauchbar.

Die vier Muster, die jede Führungskraft kennen sollte

Wer Zeit und Ergebnis zusammen betrachtet, landet bei vier einfachen Mustern. Sie ersetzen jede komplizierte Formel und reichen als Entscheidungsregel im Alltag:

• Schnell, aber schlecht gelöst: teuer. Das Problem wurde nur abgewimmelt und kommt zurück.
• Länger, dafür vollständig gelöst: gut. Ein Kontakt ersetzt mehrere.
• Lang und danach doch ein Mensch nötig: Warnsignal. Die KI kam nicht zum Ziel, der Aufwand war doppelt.
• Schnell, aber der Kunde meldet sich erneut: Scheinerfolg. Die gute Zahl täuscht.

Welche Kennzahlen ins KI-KPI-System gehören

Ein belastbares Kennzahlensystem für die Kundenservice-Automatisierung kombiniert klassische und KI-spezifische Werte. Die klassische Basis bleibt: Bearbeitungszeit, Erstlösungsquote, Reaktionszeit, Kundenzufriedenheit und die Quote wiedereröffneter Fälle. Für KI-Kanäle kommen Werte hinzu, die es im rein menschlichen Betrieb so nicht gab.

Kennzahl	Was sie im KI-Kontext zeigt
KI-Lösungsrate	Anteil der Fälle, die die KI vollständig ohne Menschen löst. Der eigentliche Nutzennachweis.
Human-Übergabequote	Anteil der Übergaben an Menschen. Eine geplante Übergabe bei komplexen Fällen ist gut, eine späte nach erfolglosem Dialog ist schlecht.
Wiederkontaktquote (72 h)	Erneuter Kontakt mit gleichem Anliegen binnen drei Tagen. Entlarvt falsche Lösungen zuverlässig.
Echte Abschlussquote	Qualitätsbereinigte Variante der reinen Abschlussrate. Zählt nur Fälle, die wirklich gelöst wurden.
Mehrfachlösungs-Quote	Anteil der Kontakte, in denen die KI mehrere Anliegen erledigt. Erklärt lange, aber wertvolle Interaktionen.
Nicht-verstanden-Quote	Anteil der Anfragen, die die KI nicht versteht. Diagnose für Wissenslücken und Konfiguration.

Was das für Ihre KI-Investition bedeutet

In der Praxis scheitert die Kundenservice-Automatisierung selten an der Technik, oft am falschen Onboarding und an einem falschen Messsystem. Wird ein Projekt nur an der Bearbeitungszeit gemessen, entsteht ein falscher Zielwert: Das System wird darauf konfiguriert, Kontakte schnell zu beenden, statt sie zu lösen. Die Folge sind steigende Wiederkontakte, sinkende Zufriedenheit und am Ende höhere Gesamtkosten, obwohl die Bearbeitungszeit auf dem Papier gut aussieht. Die Investition gilt dann als Erfolg, während sie in Wahrheit Wert und eine erwartete Kosteneinsparung im gesamten Kundenservice vernichtet.

Ein ergebnisorientiertes Kennzahlensystem dreht das um, weil es die vollständige Lösung zum Maßstab macht statt der reinen Geschwindigkeit. Damit wird das System darauf ausgerichtet, Fälle wirklich abzuschließen, auch wenn das im Einzelfall länger dauert. Der Anreiz richtet sich dabei an die Menschen, die das Projekt steuern und die KI konfigurieren, nicht an die Maschine selbst. Für die Steuerung einer KI-Transformation ist diese Umstellung oft wichtiger als die Wahl des konkreten Anbieters. Wer die richtige Größe misst, trifft die richtigen Entscheidungen und kann die Investition vor dem Vorstand mit belastbaren Zahlen rechtfertigen.

Häufige Fragen

Fazit

KI senkt die Bearbeitungszeit fast immer. Ob sie den Kundenservice wirklich besser macht, zeigt diese Zahl allein nicht. Eine ehrliche Bewertung von Kundenservice-Automatisierung braucht ein Kennzahlensystem, das Zeit und Ergebnis zusammen denkt. Wer das einführt, erkennt früh, ob eine KI wirklich löst oder nur beschäftigt wirkt – und steuert seine Investition auf der richtigen Grundlage.