Wir stehen am Anfang einer der tiefgreifendsten Veränderungen der Wirtschaftsgeschichte, angetrieben von einer neuen Generation generativer und agentischer künstlicher Intelligenz (KI). Diese Technologien verändern die Art und Weise, wie Unternehmen Kunden- und Mitarbeitererlebnisse bereitstellen, indem sie neue Stufen der Automatisierung, Vergrößerung, Personalisierung und Optimierung erschließen.  

Die KI-gestützte Experience Orchestration, die einst eine Vision war, um KI zur Koordinierung von Erlebnissen über Systeme und Kanäle hinweg zu verwenden, wird jetzt zur Realität. In diesem Artikel untersuchen wir, was diese Transformation vorantreibt, einschließlich ihres zukünftigen Potenzials, und definieren die sechs Stufen der Experience Orchestration. Dieses Reifemodell liefert Unternehmen eine Grundlage, um zu beurteilen, wo sie sich heute befinden, sich vorzustellen, was möglich ist, und eine Strategie für KI-gestütztes Wachstum zu entwickeln.1 

Einführung 

Der Zweck der Experience Orchestration besteht darin, zwei Ziele gleichzeitig zu erreichen: 

  1. die Betriebskosten zu senken 
  2. die Kundenloyalität für langfristiges Wachstum zu erhöhen

Unternehmen können den Spagat zwischen operativer Effizienz und einer auf den Menschen ausgerichteten Erfahrung so besser meistern. Die richtige KI-gestützte Experience-Orchestration-Strategie ermöglicht beides. 

Durch die Koordination von Daten, Systemen, Kanälen und Rollen schafft die Orchestrierung Erfahrungen, die aus der Perspektive von Kunden und Mitarbeitern effektiver, effizienter und emotional intelligenter sind. Neue Innovationen ermöglichen eine universelle Orchestrierung, die kundenseitige Aktivitäten im gesamten Front- und Backoffice umfasst. So können Unternehmen das Contact Center, die Kunden- und Mitarbeitererlebnisse und ihr Geschäft insgesamt neu gestalten. 

Die folgenden Stufen der Experience Orchestration zeigen, wie man von einer komplett manuellen hin zu einer komplett autonomen Orchestrierung gelangt. Jede Stufe stellt einen bedeutenden Fortschritt in der Art und Weise dar, wie Automatisierung, Erweiterung, Personalisierung und Optimierung angewandt werden, und erschließt einen potenziellen neuen Geschäftswert in Form von höherer Effizienz, stärkerer Kundentreue und größerer Mitarbeiterbindung. 

1280×720 experience orchestration levels of ai nimbus shade de

Stufe 0 – Keine Orchestrierung 

Kundeninteraktionen erfolgen vollständig manuell und werden über einfache Telefoniesysteme ohne integrierte Tools oder Informationen abgewickelt. Menschliche Mitarbeiter verlassen sich auf Schulungen und statische Dokumentation. Jede Interaktion ist reaktiv und inkonsistent.

Es gibt keine einheitliche Kundenansicht und keine systemübergreifende Orchestrierung von Aufgaben oder Erkenntnissen. Der Kundenservice wird als betriebliche Notwendigkeit und nicht als strategische Funktion behandelt, was zu hohem Aufwand, vielen Abgängen und schlechten Ergebnissen führt.

  • Automatisierung: Keine. Alle Aufgaben, einschließlich Routineanfragen, erfordern die vollständige Aufmerksamkeit der Mitarbeiter. 
  • Erweiterung: Menschliche Mitarbeiter arbeiten ohne Systemunterstützung. Keine kontextbezogene Anzeige von Daten oder aufgabenbezogene Hilfe. 
  • Personalisierung: Keine vom System unterstützte Personalisierung basierend auf Kundenprofil oder -historie. 
  • Optimierung: Manuelles Training und statische Planung sind hier das Maß aller Dinge. Weder Echtzeit-Einblicke noch Qualitätsmanagement oder automatisierte Personalplanung. 

Stufe 1 – Menübasierte Navigation 

Interaktive Sprachreaktionssysteme (IVR) sorgen für eine einfache Automatisierung mit fester Routing-Logik und eingeschränkter Spracherkennung. Kunden nutzen Tastaturen oder Sprachmenüs, meistens um den Status zu checken oder eine Abteilung zu erreichen. Das reduziert zwar das Anrufaufkommen ein bisschen, aber die Erlebnisse bleiben immer noch unpersönlich und auf Sprache beschränkt.  

Menschliche Mitarbeiter sind weiterhin für die meisten Aufgaben zuständig und verlassen sich auf begrenzten CRM-Kontext. Die Qualitätskontrolle erfolgt manuell und retrospektiv. Das System funktioniert, passt sich aber nicht an.

  • Automatisierung: Die IVR bearbeitet einfache Informationsanfragen, wie die Überprüfung eines Kontostands oder des Auftragsstatus, basierend auf Tastatureingaben oder Schlüsselworterkennung. Die Logik ist feststehend und nicht anpassungsfähig. 
  • Erweiterung: Menschliche Mitarbeiter können während der Interaktion statische Kundendaten einsehen, müssen aber relevante Infos manuell suchen. 
  • Personalisierung: Kompetenzbasiertes Routing und Sprachpräferenzen sind möglich, aber die Erfahrungen bleiben weitgehend einheitlich. 
  • Optimierung: Die Qualität wird durch stichprobenartige Aufnahmen sichergestellt, und die Planung der Mitarbeiter ist recht zeitaufwendig und reaktiv. 

Stufe 2 – Vordefinierte Dialogautomatisierung 

Die dialogorientierte KI bringt automatische Spracherkennung (ASR), natürliche Sprachverarbeitung (NLP) und natürliches Sprachverständnis (NLU) zusammen, um über verschiedene Kommunikationskanäle zu interagieren. Interaktionen werden durch vordefinierte Regeln und skriptbasierte Dialogfelder gesteuert. Prädiktive KI-Modelle werden für bestimmte Anwendungsfälle (wie Routing oder Interaktion) eingesetzt, aber noch nicht allgemein genutzt, um die besten nächsten Schritte als Teil einer allgemeinen Erfahrung zu bestimmen. 

  • Automatisierung: Dialogorientierte KI ermöglicht es Bots, über digitale und Sprachkanäle (Omnichannel) Routinegespräche mit Kunden automatisch zu führen, zum Beispiel zur Bestellverfolgung, zum Zurücksetzen von Passwörtern oder zur Identitätsprüfung. Bots sind starr und folgen vordefinierten Abläufen, die um skriptbasierte Logik und feste Entscheidungsbäume herum strukturiert sind. 
  • Erweiterung: Menschliche Mitarbeiter erhalten kontextbezogene Unterstützung über Tools zur Wissensvermittlung und Vorschläge für die nächsten Schritte auf der Grundlage von CRM-Kontext oder auslösenden Keywords. 
  • Personalisierung: Das Kundenerlebnis bleibt standardisiert und es fehlt an Anpassungsfähigkeit oder Personalisierung über statische Eingaben hinaus. Es werden grundlegende Funktionen für das Mitarbeiterengagement eingeführt, die dabei helfen, Aufgaben an die Fähigkeiten und die Verfügbarkeit der Mitarbeiter anzupassen. 
  • Optimierung: Die Erfahrungen werden mithilfe spezieller KI-Prognosemodelle für Routing, Interaktion und Prognosen optimiert. Sprach- und Textanalysen unterstützen Qualitätssicherungsprozesse. 

Stufe 3 – Systemgenerierte Unterhaltungen 

Generative KI nutzt große Sprachmodelle (LLMs, Large Language Models) und transformatorbasierte Architekturen, um Inhalte innerhalb der Grenzen ihrer Konfiguration zu erstellen. Die KI führt die Aufgaben aus, für die sie explizit konzipiert oder trainiert wurde, nicht mehr und nicht weniger. Das verbessert das Erlebnis durch Automatisierung, Erweiterung, Personalisierung und Optimierung, während es trotzdem nach festen Regeln und Prozessen abläuft.  

Diese KI-Stufe kann weder logisch denken noch Entscheidungen treffen, die über die ihr erteilten Anweisungen hinausgehen. Sie führt lediglich ihre programmierten Aufgaben mit zunehmender Komplexität und Effizienz aus. 

  • Automatisierung: KI-gesteuerte virtuelle Agenten automatisieren eine größere Vielfalt an komplexen Interaktionen wie Fehlerbehebung, Bestellstatusabfragen oder Produktanfragen. Diese virtuellen Agenten sehen aus, als würden sie selbstständig arbeiten, aber sie halten sich strikt an die festgelegten Abläufe und Regeln. Sie denken nicht über festgelegte Muster hinaus und ziehen keine Schlussfolgerungen. Funktionen wie die Erkennung von Absichten oder die Bearbeitung von FAQs helfen dabei, komplexere Situationen zu meistern, aber nur so gut, wie es Training und Konfiguration zulassen. Virtuelle Teamleiter-Funktionen helfen, die Betriebsüberwachung zu automatisieren und die Verantwortlichen bei Überschreiten von Schwellenwerten oder bei bestimmten Verhaltensmustern zu benachrichtigen. 
  • Erweiterung: Durch die Unterstützung von agentischen Copilots wird die menschliche Leistung verbessert, indem relevante Erkenntnisse aufgezeigt werden. Dazu gehört zum Beispiel das Vorschlagen des optimalen weiteren Vorgehens, das Erstellen von Zusammenfassungen oder das Abrufen von Wissensartikeln, jedoch innerhalb der Einschränkungen vordefinierter Regeln und Modelle. Agentische Copilots reagieren auf erkannte Hinweise oder Signale im Gespräch, passen sich aber nicht an und planen nicht über diese Parameter hinaus. Teamleiter- und Admin-Copilots bieten Anleitungen und Empfehlungen auf der Grundlage konfigurierter Kriterien, um das Wissen zu erweitern, ohne die bestehenden Entscheidungsgrenzen zu überschreiten. 
  • Personalisierung: Generative KI kann Antworten mithilfe strukturierter Segmentierung, Absichtserkennung und geschäftsdefinierter Attribute individuell anpassen. Die Personalisierung erfolgt anhand von CRM-Daten, bekannten Präferenzen oder früheren Interaktionen, um Ausgaben zu generieren, die auf bestimmte Geschäftsziele oder Segmente abgestimmt sind. Der Inhalt fühlt sich zwar benutzerdefiniert an, wird aber innerhalb der Leitplanken der vordefinierten Logik und des vorkonfigurierten Verhaltens generiert. Auf dieser Stufe ist die Personalisierung wirklich stark, aber immer noch an das gebunden, was bereits festgelegt wurde. 
  • Optimierung: Die Journey-Orchestrierung und das Erlebnismanagement werden durch die Fähigkeit der KI verbessert, vorab geplante Optimierungsstrategien umzusetzen. Prognosen, Terminplanung und Arbeitsauslastung werden durch Vorhersagemodelle verbessert, die Empfehlungen anhand von historischen Daten immer weiter optimieren. Aber auch hier ist die KI nicht adaptiv. Sie führt antrainierte Verhaltensweisen aus und wird regelmäßig von Menschen neu trainiert, um ihre Relevanz zu erhalten. Die Orchestrierung von Aufgaben, Warnmeldungen und Arbeitsabläufen im Front- und Backoffice erfolgt reaktiv auf definierte Bedingungen, nicht proaktiv. 

Stufe 4 – Generierung agentischer Erlebnisse 

Die KI entwickelt sich von einfacher Ausführung zu intelligenter Problemlösung. Systeme werden für bestimmte Ziele konfiguriert und verwenden Argumentation, Planung und Gedächtnis, um zu bestimmen, wie Ziele am besten erreicht werden können, während sie innerhalb klar definierter Grenzen arbeiten.  

Auf dieser Stufe wird eine agentische KI eingeführt, die Kontext interpretiert, schrittweise plant und Aktionen basierend auf dynamischen Eingaben anpasst. Die gesamte Ausführung bleibt jedoch semi-autonom. Die menschliche Mitwirkung, Genehmigung und Kontrolle sind nach wie vor unerlässlich, um das Vorhaben abzustimmen und eine Überschreitung zu verhindern. 

  • Automatisierung: Virtuelle Agenten, virtuelle Teamleiter und virtuelle Admins erledigen jetzt komplexe Aufgaben und Entscheidungsabläufe in anspruchsvolleren Bereichen wie Verkauf, Vertragsverlängerungen und Kundenbindung. Sie entscheiden über die optimalen Schritte innerhalb eines konfigurierten Ziels, orientiert an definierten Leitlinien und Genehmigungsanforderungen. Diese Systeme können strukturierte Inhalte wie Standardarbeitsanweisungen (SOPs), Wissensartikel oder Anweisungsdokumente referenzieren und befolgen, um Aufgaben korrekt und konsistent auszuführen. Die asynchrone Ausführung ist stärker etabliert, sodass Aufgaben im Hintergrund weiterlaufen können, während Kunden oder Mitarbeiter anderen Aufgaben nachgehen. Der virtuelle Agent benachrichtigt den Benutzer, wenn Aufgaben abgeschlossen sind oder Input benötigt wird, um Transparenz und menschliche Kontrolle zu gewährleisten. 
  • Erweiterung: Copilots werden immer proaktiver, unterbreiten Mitarbeitern, Vorgesetzten und Administratoren intelligente Vorschläge und bieten an, diese nach der Genehmigung auszuführen. Dazu gehören die Aktualisierung von Datensätzen, die Identifizierung von Risiken, die Optimierung von Prozessen und die Übersetzung der Kommunikation in Echtzeit. Diese Copilots liefern auch Echtzeitsignale, um menschliche Anwender zu schulen, indem sie auf fehlende Schritte hinweisen, Tipps zur Einhaltung von Vorschriften geben oder sie auf unterstützende, nicht aufdringliche Weise an wichtige Zusammenhänge erinnern. Anstatt die Kontrolle zu übernehmen, helfen sie Menschen durch subtile, kontextbezogene Hinweise, bessere Leistungen zu erbringen. Sie analysieren komplexe Inputs und passen ihre Vorschläge an, handeln jedoch niemals autonom und schützen so die menschliche Entscheidungsbefugnis. 
  • Personalisierung: Die Personalisierung wird strategischer und datenorientierter. KI-Systeme nutzen interne Speicher, Kundenprofile, frühere Interaktionen und kontextbezogene Hinweise, um zu bestimmen, welche Reaktionen oder Workflows am besten zum Kundenprofil passen. Dazu gehören Rückschlüsse aus den vom Unternehmen definierten Segmenten, der Transaktionshistorie und den konfigurierten Regeln. Menschliche Mitarbeiter erhalten Unterstützung, die sich an die Komplexität des Szenarios anpasst, mit Empfehlungen, die eher personalisierte Playbooks als allgemeine Arbeitsabläufe widerspiegeln. Aber alle Personalisierungen bleiben im Rahmen der Geschäftskonfigurationen und die KI nimmt keine eigenständigen Anpassungen außerhalb definierter Grenzen vor. 
  • Optimierung: Die Orchestrierung nutzt jetzt dynamischen Kontext, um die Benutzererfahrung systemübergreifend zu verbessern. KI-Komponenten arbeiten halb-autonom, um bessere Wege und effizientere Lösungen zu finden. Sie benötigen weniger manuelle Einstellungen, bleiben aber innerhalb vordefinierter Grenzen. Funktionen wie Anomalieerkennung, Mustererkennung und speicherbasierte Entscheidungsfindung helfen dabei, Prozesslücken oder Eskalationen zu identifizieren. In Fällen, die einen Ermessensspielraum oder die Auslegung von Richtlinien erfordern, wie beispielsweise bei der Genehmigung von Hypotheken oder finanziellen Anpassungen, unterstützt KI Ihre Mitarbeiter, indem sie den Kontext für die Entscheidungsfindung vorbereitet. Die endgültige Entscheidung liegt jedoch weiterhin bei einem Menschen. 

Stufe 5 – Universelle agentische Orchestrierung 

KI erreicht einen Zustand zielorientierter Autonomie, in dem sie in der Lage ist, auf der Grundlage von durch menschliche Stakeholder definierten Zielen selbstständig zu planen, zu entscheiden und zu handeln. Virtuelle Agenten, virtuelle Teamleiter und virtuelle Admins sind nicht mehr durch feste Workflows oder lineare Aufgabenausführung eingeschränkt. Sie generieren dynamisch neue Strategien und koordinieren Maßnahmen zur Verfolgung von Geschäftsergebnissen adaptiv, wobei sie sich an übergreifenden Zielen orientieren, und nicht an starren Anweisungen.  

Hierbei handelt es sich um den Höhepunkt der Orchestrierungsreife: die KI geht von reaktiver Automatisierung zu einer selbstgesteuerten, kollaborativen Erlebnisverwaltung über. 

KI-Systeme verbinden LLMs mit Gedächtnis, Planung und Schlussfolgerungen, die durch ständige Feedback-Schleifen verbessert werden. Erlebnisse sind nicht mehr isoliert oder transaktional, sondern über alle Ökosysteme hinweg fließend, anpassungsfähig und intelligent.  

KI-Einheiten interagieren direkt miteinander, teilen Ziele, tauschen Kontext aus und delegieren Verantwortlichkeiten, wodurch eine verteilte Orchestrierung sowohl über interne Systeme als auch über externe Partner möglich ist. Die menschliche Beteiligung wird strategisch und bewusst und konzentriert sich auf die Überwachung, Steuerung und auf komplexe Entscheidungen, die Empathie, Kreativität oder Urteilsvermögen erfordern. 

  • Automatisierung: Virtuelle Agenten, virtuelle Teamleiter und virtuelle Admins führen Aufgaben von Anfang bis Ende selbstständig und autonom aus. Die Systeme interpretieren Unternehmensziele und kontextbezogene Daten, um den optimalen Weg zu bestimmen, ohne sich auf vordefinierte Skripte oder manuelle Eingriffe verlassen zu müssen. Die Verantwortung für Aufgaben und die Übergabe an andere werden dynamisch zwischen intelligenten Agenten verteilt, wobei Entscheidungen gemeinsam über Rollen und Bereiche hinweg getroffen werden. Wenn Systeme gemeinsame Ziele verfolgen, stimmen sie Entscheidungen über Abteilungen, Kanäle und sogar Partnernetzwerke hinweg ab und führen Maßnahmen in großem Umfang harmonisch durch. Die meisten operativen Anforderungen, egal ob im Kundenkontakt oder im Backoffice, werden automatisch durch intelligente Zusammenarbeit zwischen mehreren Akteuren erledigt. 
  • Erweiterung: Während KI die meisten Aufgaben selbstständig erledigt, sind Menschen immer noch wichtig für die Überwachung, die Festlegung von Richtlinien und strategische Entscheidungen. Copiloten zeigen Ergebnisse proaktiv an, fassen getroffene Maßnahmen zusammen und legen sie zur Prüfung oder Intervention vor. In anderen Fällen erkennen Copiloten, was gebraucht wird, und bieten an, Aufgaben zu erledigen. Dabei lernen sie aus dem, was gut ankommt, und können so immer besser helfen. Es ist wichtig, dass Copiloten und autonome Agenten zusammenarbeiten und Erkenntnisse und Zwischenentscheidungen fließend untereinander austauschen, um die menschlichen Stakeholder zu unterstützen und so die Effizienz zu maximieren. Mitarbeiter profitieren von orchestrierten Informationen, die sich an ihre Rollen, ihren Kontext und ihren Workflow anpassen und den menschlichen Beitrag zu einer wirkungsstarken und entscheidungsorientierten Arbeit verbessern. 
  • Personalisierung: Die Erfahrungen werden von virtuellen Admins, virtuellen Teamleitern und virtuellen Agenten koordiniert, die jeweils eigene Perspektiven, Kontexte und Funktionen einbringen. Diese intelligenten Systeme nutzen frühere Interaktionen, Unternehmenswissen und neue Verhaltensmuster, um Erlebnisse in Echtzeit anzupassen. Die Personalisierung ist dynamisch und dezentral. Sie wird nicht nur von einem System gesteuert, sondern gemeinsam von KI-gestützten Akteuren weiterentwickelt, die ihr Verständnis für die Ziele, Präferenzen und den Status der Journey koordinieren. Ob innerhalb einer einzelnen Marke oder über alle Ökosysteme hinweg, virtuelle Agenten synchronisieren ihre Antworten und Entscheidungen, um an jedem Kontaktpunkt Kontinuität, Relevanz und Absichtsausrichtung zu gewährleisten. 
  • Optimierung: Die Optimierung wird autonom, dezentral und zielorientiert. Jedes KI-gesteuerte System trägt nicht isoliert, sondern als Teil eines kontinuierlichen, kooperativen Lernnetzwerks zur Leistungsverbesserung bei. Diese Systeme optimieren Arbeitsabläufe und Entscheidungsmodelle anhand von gemeinsamen Feedback-Schleifen, Leistungsdaten und Zielerreichungskennzahlen. Die Orchestrierungslogik passt sich fließend an wechselnde Prioritäten in der Organisation an, und KI-gesteuerte Agenten arbeiten zusammen, um Aufgaben neu zu verteilen, Strategien anzupassen und Ergebnisse in großem Maßstab zu verbessern. So entsteht eine sich selbst tragende Intelligenzschicht, in der sich die Orchestrierung mit der Umgebung weiterentwickelt, ohne dass jemand etwas manuell konfigurieren oder neu trainieren muss. 

Das Reifemodell für die Orchestrierung von Kundenerfahrungen zeigt, wie Unternehmen von komplett manuellen Abläufen zu intelligenten, KI-gesteuerten Systemen übergehen können, die Kunden- und Mitarbeitererlebnisse selbstständig verwalten und verbessern können. Jede Stufe spiegelt einen bedeutenden Fortschritt bei KI-Fähigkeiten und den möglichen Nutzen wider, den sie bieten kann – angefangen bei der isolierten Aufgabenautomatisierung bis hin zu Systemen, die in der Lage sind, geschäftliche Ziele zu planen, zu begründen und zu handeln. 

Wenn Unternehmen ihre Erfahrung mit der Orchestrierung weiter ausbauen, werden sie oft auf mehreren Stufen gleichzeitig arbeiten, je nachdem, was gerade wichtig ist, wer die Kunden sind, wie die Betriebsbedingungen sind und welche Risiken es gibt. Einige Erfahrungen bleiben hochgradig strukturiert und werden von Menschen überwacht, während andere von der Steigerung der Autonomie und der Selbstausrichtung profitieren. 

Entscheidend ist, dass der Weg zur Reife auch eine immer bessere Zusammenarbeit zwischen intelligenten Systemen mit sich bringt, also KI-gesteuerte Agenten, die sich untereinander abstimmen, um komplexe Aufgaben zu lösen, Informationen auszutauschen und sich dynamisch an verschiedene Abläufe anzupassen. Diese miteinander verbundenen Agenten bilden die Grundlage für eine skalierbare, anpassungsfähige Orchestrierung, ganz gleich, ob sie Kunden, Vorgesetzte oder Administratoren unterstützen. In diesem Modell ist die Intelligenz nicht mehr auf ein einzelnes System oder eine Interaktion beschränkt. Sie wird zu einer verteilten Fähigkeit, die in der Lage ist, kontinuierlich zu lernen, zu teilen und sich über die gesamte Experience-Landschaft hinweg zu verbessern. 

Fazit 

Die Stufen der Experience Orchestration liefern ein strukturiertes Reifemodell, das Unternehmen bei der Bewältigung ihrer Transformation unterstützt. Wir glauben, dass die meisten Unternehmen sich heute auf Stufe 1 oder 2 bewegen. Aber der Weg nach vorne ist klar – und er beschleunigt sich.  

Firmen, die in die Koordination von Agenten investieren, sind gut aufgestellt, um potenziell exponentiellen Wert zu schaffen: mehr Automatisierung und Skalierbarkeit, motiviertere Mitarbeiter und eine stärkere Kundenbindung. 

In welchem Stadium befindet sich Ihr Unternehmen heute? Was wäre erforderlich, um eine Stufe aufzusteigen?  

Genesys unterstützt Sie gern dabei, diesen Weg zu definieren und den nächsten Schritt in Richtung koordinierter, emotional intelligenter Erlebnisse in großem Maßstab zu gehen. 

1 Dies ist ein Diskussionspapier, keine Produkt-Roadmap. Genesys verpflichtet sich nicht, die in diesem Dokument beschriebenen Funktionen bereitzustellen.  *Dieser Artikel wurde ursprünglich am 14. Mai 2024 veröffentlicht und wurde aktualisiert.  

Verfasser:

Tony Bates ist Vorsitzender und CEO von Genesys. Er verantwortet die strategische Ausrichtung und den operativen Betrieb des Unternehmens, das mit mehr als 6.000 Mitarbeitern in über 100 Ländern tätig ist.

Bates verfügt über jahrzehntelange Erfahrung in der Führung von Business-to-Business- und Business-to-Consumer-Unternehmen und deren Anpassung an veränderte Marktanforderungen bei gleichzeitig beschleunigtem Wachstum. Mit großer Leidenschaft für Technologie begann Bates seine berufliche Karriere in den Bereichen Netzwerkbetrieb und Internet-Infrastruktur. Im Selbststudium erlernte er dabei das Programmieren während der täglichen Zugfahrt zur Arbeitsstätte. Rasch entwickelte er unternehmerisches Denken, das ihn zur Übernahme von Führungspositionen bei den angesehensten globalen SaaS-Unternehmen führte.

Zu den Highlights seiner Karriere zählen die Leitung des Service-Provider-Geschäfts von Cisco mit dem Ausbau des Geschäftsbereichs Enterprise and Commercial auf einen Jahresumsatz von mehr als 20 Milliarden US-Dollar sowie seine Zeit als CEO von Skype, wo er für den Ausbau des Geschäfts zu über 170 Millionen vernetzten Benutzern verantwortlich war. Nach der Übernahme von Skype durch Microsoft wurde Bates zum President für Unified Communications ernannt, ehe er als Executive Vice President of Business Development and Developers fungierte. Neben seiner Rolle bei Genesys ist Bates auch Mitglied im Vorstand von VMware.

Dr. Peter Graf ist SVP of Strategy bei Genesys. In seiner Rolle ist er für die Entwicklung, Kommunikation und Aufrechterhaltung der Strategie von Genesys verantwortlich.

Bevor er 2017 zu Genesys kam, bekleidete Graf während seiner mehr als 25 Jahre in der globalen Unternehmenssoftwarebranche verschiedene Führungspositionen in den Bereichen Strategie, Entwicklung und Marketing, insbesondere als Executive Vice President des multinationalen Softwareunternehmens SAP. Graf verfügt über einen Doktortitel in künstlicher Intelligenz der Universität des Saarlandes und einen Master in Informatik und Wirtschaft der Technischen Universität Kaiserslautern.