Das Kundenerlebnis (Customer Experience, CX) entwickelt sich ständig weiter – nicht nur durch veränderte Kundenerwartungen, sondern auch durch betriebliche Grenzen. Die meisten Unternehmen stehen vor der gleichen Herausforderung: Höhere Servicekomplexität ohne Zunahme an Ressourcen. Die Rechnung geht nur auf, wenn sich die Ausführung der Arbeit grundlegend ändert.

Künstliche Intelligenz (KI) ist ein wesentlicher Bestandteil dieser Veränderung. Aber nicht jede KI bietet denselben Wert oder arbeitet mit dem gleichen Maß an Effizienz. Viele vorhandene Systeme sind nach wie vor streng geskriptet und fokussieren sich auf statische Automatisierung. Sie reduzieren manuelle Aufgaben, können aber in dynamischen Umgebungen an ihre Grenzen stoßen.

Für Unternehmen, die ihren personalisierten Service ohne Kosten skalieren möchten, gibt es eine neue Generation von KI für CX.

Agentische KI bringt diese Erfahrungsstufe in greifbare Nähe. Sie führt Systeme ein, die Ziele verfolgen, kontextbezogene Entscheidungen treffen und sich an reale Bedingungen anpassen können – und das alles bei gleichzeitiger Ausrichtung an den geschäftlichen Absichten. Obwohl eine echte Autonomie in Produktionsumgebungen nach wie vor selten ist, können halbautonome Anwendungsfälle messbare CX-Verbesserungen erzielen.

Um diesen Wert zu erfassen, müssen Unternehmen nachvollziehen, was mit einer agentischen KI möglich ist, was sie erfordert und wie sie jetzt darauf zusteuern können.

Nachvollziehen der definierenden Eigenschaften von agentischer KI

Damit ein System als echte agentische KI angesehen werden kann, muss es fünf Kernmerkmale aufweisen:

  • Autonomie: Handelt unabhängig, ohne dass für jedes Szenario eine ausdrückliche Anleitung erforderlich ist.
  • Zielorientierung: Arbeitet zielstrebig, verfolgt definierte Ergebnisse wie die Lösung eines Problems oder den Abschluss einer Transaktion.
  • Anpassbarkeit: Passt sich in Echtzeit an neue Informationen an und optimiert kontinuierlich Antworten.
  • Gedächtnis: Lernt aus vergangenen Interaktionen und wendet dieses Wissen an, während Kontext und Kontinuität gewährleistet werden.
  • Begründung: Bewertet Optionen, trifft Entscheidungen und plant die nächsten Schritte zur Erreichung ihrer Ziele – insbesondere bei nicht vordefinierten Situationen.

Mit diesen Fähigkeiten kann sich die KI von reiner Automatisierung zu echter Handlungsfähigkeit weiterentwickeln. Während herkömmliche Bots auf Entscheidungsbäume oder feste Skripte angewiesen sind, können agentische Systeme problemlösend denken, Absichten erkennen und den besten nächsten Schritt bestimmen – selbst wenn die Interaktion nicht einem vorhersehbaren Muster folgt.

Die meisten Anwendungen der agentischen KI werden jedoch mit Teilautonomie betrieben. Ein virtueller Agent ist eventuell dafür verantwortlich, ein Problem nach dem Kauf zu lösen oder einen Fehler in der mobilen App festzustellen. Er kann flexibel agieren, um eine definierte Aufgabe zu erfüllen, aber Eskalationspfade und Entscheidungsgrenzen bleiben bestehen, um den KI-Agenten unter Kontrolle zu halten. Dieser hybride Ansatz – strukturierte Freiheit innerhalb sicherer Zonen – ermöglicht es Unternehmen, die kurzfristigen Vorteile agentischer KI zu nutzen, ohne ihre Risikotoleranz zu erweitern.

Warum sollte man den virtuellen Agenten nicht komplette Freiheit geben? Wenn einem KI-System vollständige kreative Autonomie gewährt wird – selbst für scheinbar einfache Aufgaben – kann dies zu unbeabsichtigten Ergebnissen führen.

Denken Sie beispielsweise an eine große Bank, die VoiceBots mit agentischer KI nutzt, um die Überprüfung der Kundenidentität durchzuführen. Wenn das richtige hinterlegte Sicherheitswort „Boston“ lautet, aber der Benutzer „Massachusetts“ sagt, könnte ein KI-Agent dies fälschlicherweise als nahe genug einstufen und einem böswilligen Akteur den Zugriff auf ein Kundenkonto ermöglichen. Falls Sie das als Beweis dafür ansehen, dass die agentische KI nicht bereit für das echte Leben ist, denken Sie daran, dass menschliche Kundenservicemitarbeiter aus denselben Gründen in ihrer Autonomie eingeschränkt sind. Menschliche Mitarbeiter werden geschult, damit sie wissen, dass ein Passwort genau übereinstimmen muss und den Zugriff untersagen, wenn dies nicht der Fall ist, unabhängig davon, wie „nah dran“ (oder sogar charmant) ein Anrufer sein mag.

Von skriptbasierten Abläufen bis hin zu adaptiven Interaktionen

Bei der herkömmlichen Automatisierung von CX ging es um Effizienz: Einfache Anfragen zurückhalten, Bearbeitungszeit reduzieren, Volumen abwehren. Effizienz allein reicht aber nicht aus, wenn Gespräche unvorhersehbar werden. Kunden überarbeiten ihre Antworten. Sie wechseln das Thema. Sie benötigen eine Klarstellung oder gehen auf etwas ein, das sie zuvor gesagt haben, und ändern ihre Aussage.

Dies sind die Momente, in denen regelbasierte Bots gerne versagen. Wenn die Eingabe nicht mit den Erwartungen übereinstimmt, kann das Erlebnis in sich zusammenbrechen – und oft kommt es zu unnötigen Eskalationen.

Eine agentische KI verwaltet diese Interaktionen unterschiedlich. Sie kann eine Korrektur auf halbem Weg vornehmen, die neuen Informationen in einer nicht-linearen Weise neu sortieren und so weiter in Richtung Lösung fortschreiten. Dadurch werden Interaktionen stabiler und die Ergebnisse zuverlässiger – ohne eine Übergabe an einen menschlichen Mitarbeiter zu erzwingen, wenn dies nicht wirklich erforderlich ist.

Auch hier geht es nicht darum, Bots sich selbst zu überlassen – oder sie zu stark einzuschränken. Es geht darum, das richtige Maß an Flexibilität für die jeweilige Aufgabe zu ermöglichen. Dieses Verständnis ist unerlässlich, wenn Sie Ihre Technologie effizient einsetzen wollen.

Das Übertragen von Geld zwischen Konten oder die Bereitstellung eines Haftungsausschlusses können strenge, deterministische Abläufe erfordern. Aufgaben wie die Behebung einer Kontosperrung oder das Erfassen von Kontextdaten für eine Serviceanfrage können jedoch von einem autonomeren, offenen, agentischen Ansatz profitieren.

Warum sich agentische KI in der CX bewährt hat

Eine agentische KI bietet Funktionen, mit denen einige der größten Problempunkte der CX angesprochen werden können.

Da das Service-Volumen wächst und Interaktionen über digitale Kanäle hinweg immer stärker fragmentiert werden, benötigen Unternehmen Systeme, die sich ohne Unterbrechung anpassen lassen. Und die agentische KI unterstützt dies auf verschiedene Weise:

  • Sie ermöglicht immer verfügbaren, personalisierten Service, der sich an den Kontext anpasst, ohne dass sich Kunden wiederholen müssen.
  • Sie unterstützt die proaktive Interaktion, erkennt Probleme oder nächste Schritte, bevor der Kunde den Kontakt sucht.
  • Sie fördert Loyalität und Bindung – und zwar nicht durch geskriptete Empathie, sondern durch intelligente Reaktionsfähigkeit.
  • Sie verbessert die Effizienz von menschlichen Mitarbeitern, indem sie Routine- oder Interaktionen von moderater Komplexität übernimmt, sodass qualifizierte Mitarbeiter sich auf die Bereiche konzentrieren können, für die ihre Fähigkeiten wirklich wichtig sind.

Diese Vorteile sind nicht nur wünschenswert, sondern zunehmend essentiell. Moderne Customer Journeys verlaufen selten geradlinig. Sie entwickeln sich im Verlauf der Zeit asynchron über mehrere Kanäle hinweg, wobei die Verbraucher bei jedem Schritt eine „kanallose“ Kontinuität erwarten. Um diese Anforderungen zu erfüllen, benötigen Unternehmen Systeme, die Interaktionen nachvollziehen, sich an den Kontext anpassen und nahtlose skalierte Erfahrungen bieten können. Das ist die wahre Leistung agentischer KI.

Die Implementierung agentischer KI

Eine agentische KI funktioniert in der Praxis nicht auf Knopfdruck. Sie erfordert grundlegende Änderungen bei der Auslegung, Integration und Regulierung von Systemen. Der Erfolg hängt von einem vernetzten Ökosystem ab. Dieses stellt der KI die nötigen Daten, Strukturen und Überblicke bereit, die sie für eine zuverlässige und sichere Leistung benötigt.

Es fängt mit einer robusten Dateninfrastruktur an. Agentische Systeme benötigen Echtzeitzugriff auf den Interaktionsverlauf, Verhaltensmeldungen und betrieblichen Kontext. Wenn Daten systemübergreifend fragmentiert sind, kann die KI nicht richtig reagieren. Bereinigte, einheitliche Daten schaffen die Voraussetzungen für Kontinuität, Kontext und Relevanz.

Ebenso wichtig ist ein kombinierbarer und modularer Technologie-Stack. Agentische KI muss systemübergreifend funktionieren – CRM-Lösungen, Rechnungsstellung, Planung und mehr – und sich an die sich ändernden Anforderungen anpassen. Flexibilität in der Architektur, einschließlich API-First-Design und Workflow-Orchestrierung, ermöglicht die Entwicklung neuer Anwendungsfälle – und zwar ohne Umgestaltung des gesamten Ökosystems.

Agentische KI hängt auch von strukturiertem, zugänglichem Wissen ab. Selbst die anspruchsvollsten Systeme benötigen eine zuverlässige zentrale Datenquelle. Eine sorgfältig gepflegte Wissensdatenbank ermöglicht es der KI, Aufgaben selbst zu lösen, Konsistenz zu wahren und szenarioübergreifend mit Genauigkeit zu reagieren.

Zu guter Letzt muss Governance vorhanden sein und nicht später hinzugefügt werden. Sicherheit, Datenschutz, Erklärbarkeit und Compliance müssen von Anfang an in das System integriert werden. Leitlinien sollten definieren, was KI tun kann und was nicht, wann sie an einen Menschen eskalieren und wie sie Unternehmensrichtlinien, die Markensprache und sich weiterentwickelnde Vorschriften einhalten kann.

 Diese Fähigkeiten bilden zusammen die Grundlage für eine nachhaltige, skalierbare KI-Autonomie, welche die Geschäftsergebnisse bei gleichzeitiger Wahrung des Vertrauens voranbringen kann.

Die Herausforderungen der Autonomie bewältigen

Auch hier gilt: Je unabhängiger ein System wird, desto wichtiger ist es, die Kontrolle zu behalten. Leitlinien sind nicht nur ein technischer Schutz, sondern auch ein strategischer Schutz.

Unternehmen, die diese Tools einsetzen, müssen also ihre Grenzen festlegen: Wo ist agentische KI angebracht? Wo muss sie sich auf einen Menschen verlassen? Wie überprüfen wir ihre Entscheidungen? Und wie erklären wir diese Entscheidungen gegenüber Benutzern, Aufsichtsbehörden und unseren internen Stakeholdern?

Auch die Neigung zu Voreingenommenheit von LLMs ist weiterhin ein Problem. Systeme, die mit Daten aus der Praxis trainiert wurden, spiegeln dementsprechend Befangenheiten aus der Praxis wider. Kontinuierliche Tests, Feedback-Prozesse und Prüfungen durch Mitwirkung von Menschen sind erforderlich, um unbeabsichtigte Folgen zu minimieren.

Integration ist ein weiterer Aspekt potenzieller Komplexität. Agentische KI kann nur sinnvoll agieren, wenn sie mit den Tools und Systemen verbunden ist, die die Arbeit ausführen. Dazu gehören beispielsweise Abrechnungsplattformen, CRM-Systeme, Planungssysteme, Logistikanwendungen usw. Ohne diese Integration kann Intelligenz stagnieren.

Diese Herausforderungen sind keine Gründe, agentische KI zu meiden. Es sind Gründe dafür, ihre Grenzen und ihr Potenzial wirklich zu verstehen, sodass Sie jetzt von ihrer Leistung profitieren und diese mit der Zeit ausbauen können.

So beginnen Sie jetzt mit der Einführung von agentischer KI

Die Einführung von agentischer KI erfordert keine großflächige Transformation. Sie beginnt mit der Auswahl der richtigen Anwendungsfälle und dem Schaffen von Dynamik durch messbaren Fortschritt. Diese vier Schritte können für Sie hilfreich sein:

1. Bereitschaft beurteilen und Ziele festlegen: Bewerten Sie, wo Ihre aktuellen Systeme hinterherhinken und wo KI-gestützte Anpassungsfähigkeit bessere Ergebnisse erzielen kann. Identifizieren Sie Lücken in Bezug auf Datenzugriff, Workflow-Flexibilität oder Governance.

2. Gezielte Pilot-Anwendungsfälle auswählen: Wählen Sie Szenarien mit geringem Risiko und hohem Wert. Beispiele hierfür sind die Interaktion nach dem Kauf, proaktive Ausfallkommunikation oder virtuelle Agenten zur Behebung nicht dringender Support-Probleme.

3. Feedback-Schleifen errichten: Achten Sie darauf, ein System zu wählen, das aus den Geschehnissen lernen kann. Verfolgen Sie Lösungsraten, Kundenstimmung und alle manuellen Überschreibungen oder Eskalationen. Nutzen Sie diese Daten, um das Erlebnis zu optimieren

4. Zweckmäßige Skalierung: Erweitern Sie dort, wo das Modell sich als nützlich erweist. Versuchen Sie nicht, überall eine vollständige Autonomie zu erzielen. Passen Sie stattdessen den Grad der agentischen Funktionalität an die Art der Aufgabe und die dazugehörigen Einsätze an.

Ein skalierter Weg in die Zukunft

Die agentische KI ist mehr als nur eine einzelne Funktion oder ein fester Endpunkt; sie ist eine Richtung. Agentische KI ist eine Methode zur Entwicklung von CX-Systemen, die mehr Komplexität bewältigen, einen Mehrwert bieten und einen flüssigeren Betrieb über Kanäle und verschiedenen Kontext hinweg ermöglichen. Es geht nicht darum, das neueste Modell einzuführen. Es geht darum, die richtigen Grundlagen zu schaffen, damit die KI sichere, konsistente und skalierbare Entscheidungen treffen kann.

Deshalb ist Timing wichtig. Die Systeme, die jetzt entwickelt werden, beeinflussen die Erlebnisbereitstellung des nächsten Jahrzehnts. Mit gezielten, bedachten Bereitstellungen können Unternehmen wie Ihres frühzeitig Vorteile erzielen – und dabei ein Gleichgewicht zwischen Sicherheit, Compliance und Vertrauen schaffen.

Wir bei Genesys unterstützen Unternehmen dabei, diese Zukunft auf einer soliden Grundlage aufzubauen. Mit Orchestrierung, Leitlinien und modularem Design als Kern unserer Plattform können sich unsere agentischen KI-Funktionen mit Ihren Anforderungen weiterentwickeln. Egal, ob Sie das Konzept erkunden oder bereits Pilotprojekte skalieren – wir helfen Ihnen, klar und kontrolliert voranzukommen.

Die Umstellung von der Automatisierung zur Handlung ist in vollem Gange. Jetzt das richtige Fundament zu legen, bedeutet, dass Sie nicht nur Schritt halten, sondern sich auch Ihren Vorsprung sichern können.

Erfahren Sie, wie Sie mit Genesys Cloud AI Studio und AI Guides Ihr Kundenerlebnis auf die nächste Stufe bringen können und für die Zukunft gewappnet sind.