Der Stand von Conversational AI im Support

Stripe steht für hervorragenden Support, der oft die Erwartungen übertrifft. Doch guter Support ist mehr als die handgeschriebenen Notizen und 3D-gedruckten Totems, die wir auf Twitter sehen. Über ein Jahrzehnt an Arbeit von Menschen und Softwareentwicklung hat Stripe in die Lage versetzt, einen Kundenservice aufzubauen, der jährlich Millionen Unternehmen unterstützt. Ich kam 2015 zu Stripe, als das Unternehmen gerade die Marke von 200 Mitarbeitenden überschritten hatte und das Supportteam an einem Konferenztisch Platz fand.

Ich war eine der ersten Einstellungen in Dublin, einem frühen Standort in Stripes globaler Supportabdeckung. In meinen fünf Jahren dort organisierte Stripe das Supportteam nach Spezialisierungen neu, führte externe Anbieter für den Tier-1-Support ein, erweiterte die Kanäle, fügte Sprachen hinzu und bot schließlich kostenpflichtige Supportpläne an. Ich half dabei, diese sich entwickelnden Supportprogramme zu gestalten und zu testen, und erlebte die Komplexität bei der Skalierung des Kundenservice aus erster Hand – Komplexität, die Conversational AI hätte vereinfachen können.

Conversational AI

Conversational AI has three elements. These three elements work together seamlessly: Speech-to-Text captures the user’s intent, Language Models interpret and generate intelligent responses, and Text-to-Speech transforms those responses into natural conversation.

• Speech to Text: The AI ears convert a user’s spoken natural language into text, with high accuracy.
• Language Models: The AI brain processes this text and understands the context to generate intelligent responses.
• Text to Speech: The voice transforms text responses into natural-sounding speech.
• Turn Taking:A dedicated service monitors for interuptions and ensures the conversation is natural and feels human.

Als ich zu Stripe kam, bestand meine Aufgabe darin, so viel wie möglich über das Produkt zu lernen. Im Rahmen meiner Einarbeitung begleitete ich erfahrenere Mitarbeitende und lernte aus einer Vielzahl früherer Supportinteraktionen – ähnlich wie ein KI-Agent lernen würde.

KI ist stark in der Mustererkennung, und ein großer Teil des Supports ist Mustererkennung. Es beginnt damit, dass ein Nutzer sein Problem schildert. Der Supportmitarbeiter verarbeitet diese Informationen, gleicht sie mit seinem vorhandenen Wissen ab und gibt dem Nutzer eine Antwort. Support ist jedoch mehr als das Wiedergeben einer Wissensdatenbank. Guter Kundenservice braucht Empathie, Kreativität und die Zusammenarbeit mit Nutzern, um ihr Problem zu lösen. Leider bleiben die meisten Supportinteraktionen dahinter zurück.

Der Status quo im Support

Support ist ein wichtiger Kontaktpunkt, aber oft unerquicklich. Denken Sie an das letzte Mal, als Sie eine Fluggesellschaft anrufen mussten. Sie hängen stundenlang in der Warteschleife und – wenn Sie endlich jemanden erreichen – wird Ihnen gesagt, dass Ihr Anliegen eine andere Abteilung betrifft. Der Sisyphos-Kreislauf geht weiter.

Der Frust liegt nicht nur auf Kundenseite. Ein hervorragendes Supporterlebnis zu bieten, ist schwer – und im großen Maßstab noch schwerer. In unserer softwarezentrierten Welt der Bits ist Support weitgehend durch Atome begrenzt. Stellen Sie sich vor, Sie erhalten über Nacht einen großen Kundenzustrom: Sie können einfach eine AWS-Instanz starten, damit Ihre Website erreichbar bleibt. Sie können nicht einfach einen Schalter umlegen und Support einschalten.

Der Ausbau einer Supportfunktion kostet Zeit und Geld. In Nordamerika kostet es etwa 12.000 US-Dollar, einen Supportmitarbeiter zu finden, zu schulen und einzuarbeiten. Einschließlich dieser Anfangsinvestition liegen die durchschnittlichen Kosten für einen Supportmitarbeiter bei etwa 30 bis 40 US-Dollar pro Stunde. Manche Unternehmen lagern ihren Support aus, mit Stundensätzen zwischen 8 und 30 US-Dollar. Das wirkt auf den ersten Blick attraktiv, doch der niedrige Preis geht mit weniger Kontrolle über Verantwortlichkeiten, Prozesse und Supportqualität einher.

Aber was wäre, wenn Sie Support in wenigen Minuten bereitstellen und unbegrenzt skalieren könnten? Was wäre, wenn Sie hochwertigen Support zu niedrigen Kosten anbieten könnten? Das ist das Versprechen von Conversational AI. Nach Jahren im Support bin ich überzeugt: Das verändert alles.

Alexis ist ein Beispiel für einen KI-Agenten von ElevenLabs. Er wurde als Supportagent in der ElevenLabs-Dokumentation entwickelt und bearbeitet heute mehr als hundert Anrufe täglich.

Stellen Sie sich vor, Alexis wäre ein Mensch. Zunächst einmal glaube ich nicht, dass viele menschliche Supportmitarbeitende 100 Anrufe am Tag bearbeiten könnten. Ein sehr effizienter Mitarbeiter könnte bei einfachen Anrufen etwa 60 schaffen; bei weniger erfahrenen Mitarbeitenden oder komplexeren Anfragen wären es eher 40. Sie müssten also mindestens zwei Mitarbeitende einstellen und vermutlich Überstunden bezahlen.

Wären die Mitarbeitenden in Nordamerika tätig, würden die Kosten für 100 Anrufe mindestens 700 US-Dollar betragen, durchschnittlich etwa 1.719 US-Dollar und möglicherweise bis zu 4.094 US-Dollar. Das ist viel, daher könnten Sie sich für Outsourcing entscheiden. Das läge zwischen 128 und 480 US-Dollar, im Durchschnitt bei 288 US-Dollar – auf den ersten Blick deutlich günstiger. Allerdings entstehen versteckte Kosten für die Einarbeitung und Steuerung dieser Outsourcing-Unternehmen sowie Marken- und Reputationsrisiken, wenn sie Ihre Standards nicht erfüllen.

Die Kosten für den Betrieb eines KI-Supportagenten können für die Audiokomponente bei nur 0,015 US-Dollar pro Minute liegen. Je nach Modellauswahl und Größe Ihrer Wissensdatenbank kann das LLM weniger als einen Cent bis einige Cent pro Minute kosten. Für hundert Anrufe wären das etwa 13 bis 18 US-Dollar. Das ist mehr als 110-mal günstiger als ein durchschnittlicher interner Mitarbeiter und 18-mal günstiger als ein durchschnittlicher ausgelagerter Mitarbeiter. Als objektives Supporterlebnis finde ich Alexis ziemlich gut. Zu diesem Preis ist er beeindruckend.

Conversational AI in der Praxis

In der weitgehend analogen Welt der Lieferkette ist Traba eine technologische Brücke für Arbeitskräfte. Das Unternehmen hilft Industriebetrieben, Mitarbeitende zu rekrutieren und zu verwalten. Traba bietet zwar Apps und Dashboards, doch Telefonkommunikation bleibt ein wichtiger Verbindungskanal für Arbeitskräfte, die an Stundenzettel auf Papier und Stellenanzeigen an Pinnwänden gewöhnt sind. 

Traba untersuchte, für welche Telefonate sein Betriebsteam die meiste Zeit aufwendete, und fand zwei zentrale Bereiche: Supportanfragen bearbeiten und Terminchecklisten durchgehen. Für CTO Akshay Buddiga war Automatisierung die naheliegende Antwort, aber auch der Zeitpunkt ist wichtig. „Wenn wir einen Prozess identifizieren, den wir effizienter machen möchten, integrieren wir Automatisierung lieber früh, statt später Lösungen nachzurüsten.“

Traba konzentriert sich stark auf Stückkosten und darauf, bei technologischer Innovation voraus zu bleiben. Deshalb war es aus mehreren Gründen attraktiv, diese Anrufe auf Conversational AI umzustellen. Das Team suchte mit Blick auf Geschwindigkeit und Kosten nach Lösungen. Doch auch die Nutzererfahrung war entscheidend. Wie Softwareentwickler Joseph Besgen sagte: „Es sollte wie ein Gespräch klingen, nicht wie das Anhören einer Aufnahme.“ Die ElevenLabs-Demo klang so echt, dass der Vater eines Traba-Mitarbeiters beim Test nicht erkennen konnte, ob es KI oder jemand aus dem Team seines Sohnes war. 

Die Planung für Tausende Beschäftigte in der Leichtindustrie ist naturgemäß komplex. Einen (1) Arzttermin zu vereinbaren, sollte dagegen nicht so schwierig sein. Aber haben Sie in letzter Zeit versucht, Ihre Arztpraxis anzurufen? Das ist für Patienten frustrierend und nutzt die Zeit des Gesundheitspersonals ineffizient. In Zusammenarbeit mit ElevenLabs schließen die EliseAI-Assistenten Lücken in der Gesundheitsverwaltung und übernehmen alles von der Terminplanung bis zur Abrechnung. In einem Krankenhaus werden inzwischen 86 % der Anrufe vollständig von KI-Agenten bearbeitet. Das senkt nicht nur die Kosten pro Anruf um 66 %, sondern erhöht auch die Effizienz des Verwaltungspersonals. EliseAI hat außerdem den Zugang zur Gesundheitsversorgung für nicht englischsprachige Gemeinschaften verbessert. 

Die Zukunft

Betrachten wir das Wachstum von Conversational AI nach Branchen, zeichnen sich interessante Trends ab. EdTech war die erste Branche, die Conversational AI nutzte: Unternehmen konnten endlich individuellen Einzelunterricht und Sprachlernen zu bezahlbaren Preisen anbieten. Anwendungen im Kundensupport folgten schnell, denn Supportinteraktionen eignen sich besonders gut, weil sie auf Mustererkennung beruhen: Die Antwort existiert in einer Wissensdatenbank, und der KI-Agent ordnet sie der Frage des Nutzers zu. Außerdem sehen wir mehr vertikale End-to-End-Anwendungen, besonders in Bereichen wie Logistik und Gesundheitswesen – etwa bei Traba und EliseAI. Auch diese Bereiche sind wiederholbar und vorhersehbar und lassen sich daher leicht von einem KI-Agenten bearbeiten.

Conversational AI bringt Support aus der atomaren Welt in die Welt der Bits. So kann Support für Unternehmen und ihre Kunden zu einem besseren Erlebnis werden. Wie Ihr Cloud-Anbieter kann auch Ihr KI-Supportteam hoch- und herunterskalieren. Ihre Kunden müssen nie wieder in der Warteschleife warten, und Sie ersparen sich den operativen Aufwand, weltweit Supportzentren aufzubauen.

Im vergangenen Jahr waren Sprachagenten bereits gut in Gesprächen und Wissensabruf, aber ich glaube, das ist erst der Anfang. 2025 werden KI-Sprachagenten meiner Einschätzung nach zum Standard für eingehende Terminvereinbarungen und Supportanfragen vom Typ „Produktspezialist“. Auch wenn sie möglicherweise auf Anrufe zum Wissensabruf beschränkt bleiben, werden sie das Supportvolumen deutlich senken und menschlichen Teams Zeit für wertvollere Arbeit verschaffen.

Bis 2026 werden wir vom Abrufen von Wissen zur Ausführung von Aktionen übergehen. Der Standard-KI-Sprachagent wird API-Aufrufe durchführen und sich mit Drittanbieter-Apps verbinden. Er wird routinemäßig Aktionen wie die Vereinbarung von Terminen und die Erstattung von Zahlungen ausführen.

2027 werden sich KI-Sprachagenten aus meiner Sicht vom Support zum Customer Success weiterentwickeln. Ich glaube, dass KI-Agenten ganze Verkaufsabschlüsse abwickeln werden, möglicherweise sowohl auf Käufer- als auch auf Verkäuferseite. Für viele wirkt das wie die letzte Grenze, doch ich glaube, es ist erst der Anfang. Tief kontextbezogene und kreative Aufgaben, die wir einst für ausschließlich menschlich hielten, werden zunehmend zur Domäne der KI.

Support wird sich von einem Kostenfaktor wandeln: Zunächst werden Ausgaben neutralisiert, später wird er zum Profitcenter für das Unternehmen. KI-Sprachagenten werden Kunden proaktiv kontaktieren, Abwanderung reduzieren und den Customer Lifetime Value erhöhen. Conversational AI bietet viele Vorteile menschlichen Supports, verfügt aber zusätzlich über perfektes Erinnerungsvermögen, Dutzende Sprachen und ist rund um die Uhr verfügbar. Die Zukunft kommt – und in vieler Hinsicht ist sie bereits da. Stellen Sie sich sofortigen, empathischen und effektiven Support vor – jedes einzelne Mal. Bald werden Sie fast eine Fluggesellschaft anrufen wollen, einfach nur zum Spaß.