Wer einen Bot vor sein altes Serviceteam spannt, hat am Ende eine Kutsche mit Dampfantrieb. Sie hat einen neuen Motor, aber nicht mehr Platz.
Beim I-CEM-Webinar „BPO of the Future“ am 29. Oktober haben Dienstleister gezeigt, wie sie sich ihr Geschäft in den nächsten Jahren vorstellen. Thomas Hellerich, CEO der Samhammer AG, hat dort eine unbequeme These vertreten. Samhammer betreibt technischen Kundenservice für Gerätehersteller, IT-Service-Desks, Zahlungs- und Gesundheitsterminals sowie für Filialtechnik im Handel. Hellerichs These: Das klassische BPO-Modell trägt nicht mehr. Service muss zum Ergebnis werden, und der Dienstleister muss für dieses Ergebnis geradestehen.
Warum das alte Modell an seine Grenzen kommt
BPO ist aus zwei Hebeln entstanden: Standardisierung und niedrige Löhne. Beide verlieren an Kraft. Mit „regulatorischem Wissen“ wie Lieferstatus, Stammdaten oder Versicherungsfragen kommt KI inzwischen gut zurecht, solange man sie sauber in die Prozesse einbindet. Die Königsdisziplin bleibt der technische Dialog. Wer anruft, kann sein Problem meist selbst nicht greifen. Sonst würde er gar nicht erst anrufen.
Auf Unternehmensseite beobachtet Hellerich eine Art „German Angst“. KI wird eingeführt, weil der Chef es so will, aber kaum jemand weiß, wie man sie sinnvoll einsetzt. Viele Projekte kommen über den Pilotstatus nicht hinaus. Und selbst wenn sie produktiv gehen, bleibt die erhoffte Effizienz oft aus. Man zahlt die Lizenz und dazu unveränderte BPO-Stunden. Bezahlt wird die Tätigkeit, nicht das Ergebnis. Die Effizienzgewinne der KI landen beim Anbieter, nicht beim Kunden.
Daraus entsteht ein Paradox: 2026 boomt in Europa das klassische Nearshoring. KI-Initiativen scheitern selten an der Technik, aber der Kostendruck treibt Unternehmen zurück in die alten Modelle.
Kutsche oder Eisenbahn
Hellerich hat dafür ein Bild aus dem 19. Jahrhundert mitgebracht. Die Dampfmaschine ersetzte damals die Muskelkraft von Pferd und Mensch. Viele Unternehmen machen heute dasselbe wie die ersten Kutschenbauer: Sie setzen die neue Maschine vor die alte Kutsche. In die passen aber weiterhin nur fünf oder sechs Leute.
Erst wer neue Schienen legt, Bahnhöfe neu plant, Daten neu verteilt und Prozesse neu organisiert, kann Waggons anhängen. Dann transportiert er nicht mehr fünf Fahrgäste, sondern fünfhundert.
Übersetzt in den Kundenservice heißt das: Im traditionellen Modell steigen die Kosten linear mit der Zahl der Köpfe. Ein Bot ändert daran wenig. Er senkt die Auslastung pro Mitarbeiter, aber Personal lässt sich kaum abbauen. Rund-um-die-Uhr-Zusagen bleiben bestehen, und das Können einzelner Mitarbeiter lässt sich nicht einfach halbieren oder auf andere übertragen. Die degressive Kostenkurve erreicht nur, wer das Betriebssystem selbst umbaut.
Vom Level-Modell zu Domänen
Konkret empfiehlt Hellerich, das klassische First-, Second- und Third-Level-Modell aufzulösen. Dazu gehört die bewusst zugespitzte Aussage, dass morgen niemand mehr ein Ticketsystem braucht. Ticket-IDs und Dialogverläufe bleiben. Ein Ticketsystem ist aber dafür gebaut, dass Menschen Fälle eintippen und über ihre eigene Leistung berichten.
An seine Stelle tritt ein Mensch-Maschine-System. Ein agentischer Self-Service löst einfache Anliegen möglichst autonom und übergibt komplexere Themen in Echtzeit an Menschen. Dahinter liegen zwei Bereiche. In der User-Domäne sitzen nicht mehr Kapazität und Skills wie im First Level, sondern Wissen, Sprachraum, Lösungsraum und Automatisierung. Die Expert-Domäne übernimmt komplexe technische Fälle und das Problemmanagement. Beide müssen im Datenmodell unterschiedlich aufgebaut sein, „sonst macht die KI, was sie will“.
Darüber liegt das agentische Service-Management. Es steuert die gesamte Ablaufkette und bringt Governance und Sicherheit mit. Ohne diese Schicht bleiben solche Wertschöpfungsketten instabil.
Ein Team aus Spezialagenten
Wie das in der Praxis aussieht, zeigt der transaktionale Chat eines Hausgeräteherstellers. Kunden kommen über die Website, einen QR-Code am Typenschild oder eine Sprachnachricht. Danach erkennt das System das Gerät, führt durch die Diagnose und findet das passende Ersatzteil. Agentisch aufgebaut, lassen sich etwa 40 bis 50 Prozent dieser Prozesse teilautonom abbilden. Einen vollautonomen Prozess wird es nach Hellerichs Einschätzung bis auf Weiteres nicht geben, weil die Datenpipelines in vielen Unternehmen noch zu instabil sind.
Entscheidend ist die Orchestrierung. Statt eines einzelnen Bots arbeitet ein Team aus Spezialagenten zusammen: Einer diagnostiziert, einer wertet Bilder aus, einer kümmert sich um Teile, und ein Orchestrator steuert das Ganze. In einer einzigen Filiale stehen ein Kühlschrank, ein Backautomat, ein Kaffeeautomat und digitale Preisschilder, also lauter unterschiedliche Geräteklassen. Erst wenn die Modelle diese Unterschiede kennen, liefern sie verlässlich die richtigen Informationen an Menschen oder an andere Agenten.
Dafür braucht es eine „Knowledge Factory“. Gemeint sind neue Rollen in der Organisation, die darauf achten, dass in den Datenpipelines das Richtige steht und die Agenten das Richtige tun. Viele Unternehmen konzentrieren sich darauf, Technologie einzukaufen, und vernachlässigen genau diesen Übergang.
Was das in Zahlen bedeutet
Samhammer garantiert seinen Kunden 30 Prozent niedrigere Betriebskosten. Die Rechnung dahinter ist einfach: Aus der Wertschöpfungskette fallen rund 40 bis 50 Prozent der menschlichen Arbeit weg. Technologie, Betrieb und die Pflege der Datenpipelines kosten aber ebenfalls Geld. Unterm Strich landen die Projekte nach zwölf Monaten bei 25 bis 40 Prozent Einsparung. Für ein Industrieunternehmen kalkuliert Samhammer einen Rückgang der jährlichen Total Cost of Service von rund 3,0 auf 2,1 Millionen Euro.
Ein Retail-Projekt zeigt, wie der Weg dorthin aussieht. Es betrifft alle Filialen in Deutschland mit mehr als 10.000 Tickets im Monat, 80 Prozent davon telefonisch. Ein Voicebot, der nur die Erreichbarkeit verbessert, bringt hier wenig. Deshalb wurden gezielt Anwendungsfälle gesucht, die sich direkt am Telefon vollständig automatisieren lassen. Nach drei Monaten lag die Automatisierungsquote bei 8 Prozent, und der Voicebot lief in allen rund 4.000 Filialen. Die so gewonnenen Daten liefern Wissenslogistikern täglich neues Material. Damit soll der Automatisierungsgrad in den folgenden Monaten auf 30 Prozent steigen. Langfristig sind 70 Prozent das Ziel.
Abgerechnet wird nach Ergebnis, und zwar ab dem ersten Tag. Der Preis pro Vorgang sinkt von 23 auf 15 Euro, als Mischkalkulation über alle Vorgänge hinweg. Samhammer trägt damit das kommerzielle Risiko der Transformation, einschließlich der Anbindung alter IT-Systeme. Möglich ist das nur, weil sich heute vieles messen lässt. Samhammer spricht von einer „Allianz auf Zeit“: Nach zwei bis drei Jahren soll das Unternehmen selbst in der Lage sein, das System weiterzuführen.
Steuerung neu denken
Als Erfolgsfaktor nennt Samhammer die Intraday-Steuerung. Die meisten Organisationen steuern noch nach Erreichbarkeit, Auslastung und Bearbeitungszeit. In einem agentischen System wird stattdessen laufend der Arbeitsvorrat für Agenten und Menschen bestimmt. Dabei stellen sich andere Fragen: Was wird automatisiert, und funktioniert es? Wo hakt die Übergabe zwischen Agent und Mensch? Sind falsche Informationen in die Kanäle geraten? Welches Wissen ist noch aktuell? Am Ende steht eine neue Kennzahl: die Kosten pro gelöster Frage.
Was das für Dich bedeutet
Hellerichs Empfehlung an Unternehmen ist bemerkenswert, weil sie vom Chef eines Dienstleisters kommt: Baut das Mensch-Maschine-System im eigenen Haus auf. Nutzt dafür offene Standards wie MCP und A2A, auf die sich auch die großen Technologieanbieter verständigt haben. Verbindet SaaS-Lösungen und Altsysteme so mit KI-Pipelines, dass Kommunikation und Automatisierung in Echtzeit möglich werden. Am Ende einer Reise von zwei bis drei Jahren sollte ein eigenes Multiagentensystem stehen, mit eigenen Wissensspeichern und Prozessen, die das schnell veraltende Wissen laufend pflegen.
Dafür reicht es nicht, Technologie bei einem Anbieter und Konzeptpapiere bei einem Berater einzukaufen. Technologie, Prozesse, Wissen, Organisation und Governance müssen gleichzeitig angefasst werden. Jedes KI-Projekt ist deshalb vor allem ein Veränderungsprojekt.
Wenn Du das nächste Mal mit einem Dienstleister über KI im Service sprichst, lohnt sich eine Frage mehr als jede Feature-Liste: Wer übernimmt die Verantwortung für das Ergebnis?
