Agentische KI im Kundenservice So verteilt Infobip Kundenanfragen zwischen Bot, KI und Mensch

KI-Agenten sollen im Kundenservice nicht mehr nur Fragen beantworten, sondern auch Aufgaben erledigen. Dafür müssen sie Kundendaten auswerten und auf Unternehmenssysteme zugreifen. Mirza Hadzic von Infobip erklärt, wie AgentOS entscheidet, welche Anfragen ein Bot, ein KI-Agent oder ein Mensch übernimmt.

Der Wettbewerb um Künstliche Intelligenz im Kundenservice dreht sich nicht mehr allein um Chatbots, die möglichst natürliche Antworten formulieren. Anbieter wie Salesforce, Genesys und Infobip entwickeln Plattformen, die mehrere spezialisierte KI-Agenten koordinieren, Unternehmensdaten einbeziehen und Aktionen über verschiedene Kommunikationskanäle hinweg ausführen sollen.

Damit verschiebt sich die technische Herausforderung. Entscheidend ist nicht mehr nur das verwendete Sprachmodell. Die Plattform muss zusätzlich erkennen, worum es in einer Anfrage geht, die benötigten Kundendaten finden und bestimmen, ob ein Bot, ein KI-Agent oder ein menschlicher Mitarbeiter zuständig ist.

Infobip tritt in diesem Markt mit AgentOS an. Die Plattform verbindet Kommunikationskanäle wie WhatsApp, RCS, SMS, E-Mail, Webchat und Voice mit Kundendaten, Bots, KI-Agenten und einem Contact Center.

Wie AgentOS eine Kundenanfrage verteilt

Am Anfang steht eine eingehende Nachricht. Der sogenannte Intelligence Orchestrator versucht zunächst, die Absicht des Kunden zu erkennen. Anschließend ruft das System ein Kundenprofil ab. Dieses kann unter anderem frühere Gespräche, offene Servicefälle oder Informationen zu vergangenen Käufen enthalten.

Auf dieser Grundlage leitet die Plattform die Anfrage an einen regelbasierten Bot, einen KI-Agenten oder einen menschlichen Mitarbeiter weiter.

„Die Plattform nutzt einen hybriden Routing-Ansatz“, sagt Mirza Hadzic, Sales Director Europe bei Infobip. Hybrid bedeutet, dass die Entscheidung nicht allein einer KI überlassen wird. Unternehmen können feste Regeln und Grenzwerte vorgeben. Gleichzeitig berücksichtigt das System den Inhalt und den bisherigen Verlauf des Gesprächs.

Eine einfache Passwortzurücksetzung kann beispielsweise an einen klassischen Bot gehen. Ein KI-Agent kommt zum Einsatz, wenn mehrere Arbeitsschritte erforderlich sind oder verschiedene Unternehmenssysteme abgefragt werden müssen. Das kann etwa bei einer Rückerstattung oder einer Änderung des Abonnements der Fall sein.

Bei geringer Sicherheit, hoher Komplexität oder sensiblen Inhalten soll ein menschlicher Servicemitarbeiter übernehmen. Dabei werden ihm der bisherige Gesprächsverlauf und eine von der KI erstellte Zusammenfassung übergeben.

AgentOS ersetzt die regelbasierte Automatisierung somit nicht. Die Plattform verbindet Regeln, KI-gestützte Erkennung und Informationen aus dem Kundenprofil. Unternehmen können weiterhin bestimmen, welche Vorgänge automatisiert werden dürfen und wann eine Übergabe an einen Menschen erforderlich ist.

KI-Strategie im Unternehmen

Fünf Schritte zu Agentic RAG: CxOs zwischen Datenbasis und Governance

Das Kundenprofil liefert den Zusammenhang

Die Entscheidung über den weiteren Ablauf hängt wesentlich von den verfügbaren Kundendaten ab. AgentOS nutzt dafür ein sogenanntes Conversational Customer Data Platform (CDP). Es soll Informationen aus CRM-, ERP-, E-Commerce-, Contact-Center- und Loyalty-Systemen in einem Kundenprofil zusammenführen.

Die Daten können fortlaufend oder in größeren Paketen eingelesen werden. Neue Ereignisse aus einem Onlineshop oder einer App sollen dadurch kurzfristig im Kundenprofil erscheinen. Historische Datenbestände lassen sich über geplante Importe ergänzen.

Das einheitliche Profil soll verhindern, dass jedes System nur einen kleinen Ausschnitt der Kundenbeziehung kennt. Ein Servicemitarbeiter oder KI-Agent kann dadurch beispielsweise erkennen, dass ein Kunde auf eine Lieferung wartet, bereits Kontakt zum Support aufgenommen hat und noch ein offener Fall besteht.

Zur Zuordnung verwendet Infobip Merkmale wie E-Mail-Adresse, Telefonnummer, Geräte-ID oder App-Benutzer-ID. Stimmen solche Merkmale überein, führt das System die Informationen in einem Profil zusammen. Bei widersprüchlichen Angaben sollen Regeln zur Priorisierung und Aktualität der Daten greifen.

Vollständig lösen lässt sich das Identitätsproblem damit nicht. Wechselt ein Kunde gleichzeitig Endgerät und Kontaktadresse, benötigt auch ein solches Verfahren einen verbleibenden Identifikator oder eine Anmeldung, um beide Profile sicher miteinander zu verbinden.

Kommentar von Patrick Gunia, HelloFresh SE

Data-Plattform – in drei Schritten zum personalisierten Marketing

Datenqualität bestimmt den Nutzen

Eine feste Mindestqualität der Daten schreibt Infobip nicht vor. Unternehmen könnten zunächst mit einem einzelnen Anwendungsfall und einer Datenquelle beginnen. Weitere Systeme lassen sich später ergänzen.

Für eine einfache Bestellbestätigung reichen beispielsweise eine Kontaktmöglichkeit und grundlegende Transaktionsdaten aus. Eine persönliche Produktempfehlung oder die Vorhersage des nächsten sinnvollen Angebots benötigt dagegen deutlich mehr Informationen über das Verhalten und die bisherigen Interaktionen des Kunden.

Die Qualität des KI-Agenten hängt damit nicht nur vom Sprachmodell ab. Unvollständige, widersprüchliche oder veraltete Daten führen auch bei einem leistungsfähigen Modell zu schlechten Ergebnissen.

Zusätzliche Kundeninteraktionen können Informationslücken schließen. Mehr Daten sind jedoch nicht automatisch bessere Daten. Unternehmen benötigen weiterhin Regeln für Herkunft, Aktualität, Validierung und Löschung der gespeicherten Informationen.

RAG verbindet den Agenten mit Unternehmenswissen

Wird eine Anfrage an einen KI-Agenten übergeben, greift dieser auf freigegebene Unternehmensinhalte zu. Dazu gehören laut Infobip Produktdokumentationen, häufig gestellte Fragen, Richtlinien und CRM-Daten.

Die Plattform nutzt dafür Retrieval-Augmented Generation, kurz RAG. Das System sucht zunächst nach Textstellen, die zur Anfrage passen. Anschließend erhält das Sprachmodell diese Inhalte als Grundlage für seine Antwort. Der Agent soll sich damit nicht ausschließlich auf das allgemeine Wissen des Sprachmodells verlassen.

Ein sogenannter Agentic Chunker zerlegt die Dokumente in kleinere Abschnitte und bereitet sie für die Suche auf. Werden Quelldokumente geändert, soll die Plattform den gespeicherten Wissensbestand schrittweise aktualisieren.

Zusätzliche Schutzregeln, sogenannte Guardrails, prüfen die Ausgabe anhand der Vorgaben des Unternehmens. Sie können beispielsweise verhindern, dass ein Agent unerlaubte Inhalte ausgibt oder bestimmte Aktionen ohne Freigabe ausführt.

„Kann das System keine ausreichend verlässliche, fundierte Antwort finden, eskaliert es den Vorgang an einen menschlichen Mitarbeiter, anstatt zu raten“, erklärt Hadzic.

RAG und Guardrails können das Risiko falscher Antworten reduzieren, aber nicht vollständig beseitigen. Auch ein Sprachmodell mit Zugriff auf korrekte Dokumente kann Informationen missverstehen oder falsch miteinander verbinden. Unternehmen müssen daher festlegen, bei welchen Themen und ab welchem Sicherheitswert ein Mensch übernehmen soll.

KI-Agenten jenseits des Models

Tools, Orchestrierung und die Engpässe agentischer Systeme

Menschliche Korrekturen trainieren nicht direkt das Modell

Korrigiert ein Servicemitarbeiter eine Antwort des KI-Agenten, wird das zugrunde liegende Sprachmodell nicht automatisch neu trainiert. Stattdessen verbessert Infobip nach eigenen Angaben die Umgebung des Modells.

Zeigt eine Korrektur beispielsweise, dass eine Information fehlt oder veraltet ist, kann die Wissensdatenbank ergänzt werden. Muss bei einem bestimmten Anliegen regelmäßig ein Mensch eingreifen, lassen sich die Regeln für die Weiterleitung und die erforderlichen Sicherheitswerte anpassen. Auch Anweisungen an das Sprachmodell und die eingebauten Guardrails können überarbeitet werden.

„Die zugrunde liegenden Basismodelle werden nicht in Echtzeit kundenspezifisch feinabgestimmt, da das weder praktikabel noch risikofrei wäre“, sagt Hadzic.

Das System lernt somit nicht nach jedem Gespräch durch eine Veränderung des Sprachmodells. Stattdessen werden Wissensquellen, Suchverfahren, Anweisungen und Abläufe schrittweise verbessert.

Infobip unterstützt nach eigenen Angaben verschiedene Modellfamilien, unter anderem von OpenAI, Meta und Google. Unternehmen sollen dadurch das Sprachmodell austauschen können, ohne sämtliche Agenten neu aufzubauen. Inhalte, Regeln und Gesprächsabläufe bleiben laut Anbieter unter der Kontrolle des Kunden.

Entscheidungen müssen überprüfbar bleiben

Je mehr Aufgaben ein KI-Agent selbstständig ausführt, desto wichtiger wird die Nachvollziehbarkeit seiner Entscheidungen. Infobip will deshalb unter anderem protokollieren, welches Anliegen das System erkannt, welchen Bearbeitungsweg es gewählt und welche Teile der Wissensdatenbank es für eine Antwort verwendet hat.

Auch angewandte Guardrails und nachträgliche Änderungen an einer Antwort sollen sich nachvollziehen lassen. Das ist insbesondere für Unternehmen in regulierten Branchen relevant.

Hinzu kommen die Transparenzpflichten des EU AI Act. Seit August 2026 müssen Nutzer grundsätzlich erkennen können, wenn sie direkt mit einem KI-System interagieren. Die Offenlegung allein beantwortet jedoch noch nicht die Frage, wie sich Entscheidungen des Systems intern überprüfen lassen.

Ein technisches Protokoll ist zudem nicht automatisch ein revisionssicherer Audit Trail. Unternehmen müssen unter anderem klären, wie lange die Daten gespeichert werden, wer sie verändern kann und ob sich die Protokolle an bestehende Sicherheits- und Kontrollsysteme übertragen lassen.

Schrittweise Einführung statt Großprojekt

Hadzic empfiehlt Unternehmen, mit einem klar begrenzten Anwendungsfall zu beginnen. Ein erster Agent könnte beispielsweise häufig gestellte Fragen über WhatsApp beantworten. Anschließend lassen sich weitere Datenquellen, Kanäle und Aufgaben anbinden.

Als Produktivbeispiel nennt Hadzic den Online-Geschenkhändler Floward. Das Unternehmen automatisiert Teile seiner Kommunikation über WhatsApp. Nach eigenen Angaben stieg die Containment Rate – also der Anteil der ohne menschliche Bearbeitung abgeschlossenen Gespräche – von 64 auf 81 Prozent. Gleichzeitig seien die Kundenservicekosten um 15 Prozent gesunken. Die Angaben stammen wohl aus einer Fallstudie von Infobip.

Das Beispiel verdeutlicht dennoch die Richtung der Entwicklung. An die Stelle eines isolierten Chatbots treten Plattformen, die Kundendaten, Regeln, Sprachmodelle und menschliche Mitarbeiter miteinander verbinden. Ob KI-Agenten zuverlässig arbeiten, hängt daher nicht allein vom verwendeten Sprachmodell ab. Mindestens ebenso entscheidend sind gepflegte Daten, klar definierte Abläufe und feste Grenzen für automatisierte Entscheidungen.

(ID:50962012)