<img height="1" width="1" style="display:none" src="https://www.facebook.com/tr?id=2171572209666742&amp;ev=PageView&amp;noscript=1">
Blog

Conversational AI im Kundenservice: ein attraktiver Booster für den Wandel

9 Min. Lesezeit

Conversational AI bietet doppelten Mehrwert. Sie entlastet Contact Center und sorgt für zufriedenere Kunden. Die Umstellung ist zwar herausfordernd, aber ein wichtiger Schritt für die digitale Transformation.

Die Ankunft von Chat- und Voicebots vor einigen Jahren war ein erstes Anzeichen dafür, wie sich Conversational AI auf den Kundenservice auswirken und welchen Mehrwert es mit sich bringen würde. Mit dem Aufkommen von Generative AI (GenAI) und der Einführung von virtuellen Assistenten für Contact-Center-Mitarbeitende hat sich dieser Einfluss drastisch beschleunigt. Wird sie richtig eingesetzt, macht die Technologie den Kundenservice attraktiver für alle Beteiligten – vom Kunden über den Agenten bis hin zum Head of Contact Center. Voraussetzung dafür ist ein tiefgreifender organisatorischer und technologischer Wandel des gesamten Kundenservice.

Wie dieser Wandel zu meistern ist, ist laut einer aktuellen Studie von McKinsey zurzeit die grösste Herausforderung von Kundenserviceleitern. Umso mehr, als dass er mit immer höheren kommerziellen Zielen und Kundenerwartungen einhergeht.

In diesem Blog erklären wir die wichtigsten Funktionen und den Mehrwert von Conversational AI sowie die Auswirkungen, die diese Technologie auf Jobs im Contact Center hat. Wir zeigen reale Beispiele von Unternehmen, die den Schritt zu Conversational AI gewagt haben, und führen Best Practices auf, mit denen die Einführung gelingt.

Was ist Conversational AI?

Eine Kundin, die per Smartphone den Voicebot eines Kundendienstes kontaktiert

Conversational AI ist ein Teilbereich der künstlichen Intelligenz, der es ermöglicht, in natürlicher Sprache mit Computersystemen zu interagieren. Sie nutzt fortschrittliche Algorithmen und maschinelles Lernen (ML), um Sprachmuster zu analysieren, die Intention hinter den Worten zu erkennen und in einer Weise zu reagieren, die einem menschlichen Dialog entspricht. Ergänzt wird diese Technologie zunehmend durch generative AI, die es ermöglicht, dynamische und kontextbezogene Inhalte zu generieren, wodurch die Interaktionen noch natürlicher und anpassungsfähiger werden.

Was ist eine mögliche Anwendung von Conversational AI im Kundenservice?

Von der Adressänderung zum Abschluss einer Lebensversicherung

Um den potenziellen Nutzen von Conversational AI im Kundenservice zu veranschaulichen, beginnen wir mit der Geschichte von Frau Müller:

Eine bildliche Darstellung der Interaktion von Frau Müller mit den verschiedenen Kundenservicestellen ihrer Versicherung

  1. Frau Müller ist eine langjährige Kundin der Plus-Versicherung. Sie ist mit ihrem Mann und ihrem neugeborenen Kind gerade in ihr neues Haus eingezogen. Es ist 19 Uhr und sie merkt, dass sie ihrer Versicherung die neue Wohnadresse noch nicht mitgeteilt hat.
  2. Sie ruft die Versicherung an, ein Voicebot meldet sich, nimmt die neue Adresse entgegen und fragt gleich, ob Frau Müller auch die Deckung ihrer Hausratversicherung mit einer Agentin prüfen möchte.
  3. Sie möchte, weil so eine grosse Veränderung im Leben auch einen Einfluss auf die Deckung hat. Sie gibt dem Bot ein paar Eckdaten und vereinbart direkt einen Rückruftermin.
  4. Zum vereinbarten Zeitpunkt ruft eine Agentin Frau Müller an. Die Agentin verfügt dank den vom Bot erfassten Daten bereits über die relevanten Informationen. Unterstützt durch ihren Agent Co-Pilot (s. Grafik unten) kann sie die Deckung effizient und systematisch prüfen und anpassen.
  5. Die Agentin fühlt sich wohl, weil sie umfassend beraten kann. Sie fragt nach, ob Frau Müller und ihr Mann sich nach der Geburt des Kindes bereits Gedanken über eine mögliche Lebensversicherung gemacht und ob sie Interesse hätten, einen Beratungstermin zu vereinbaren. Frau Müller sagt zu. Der Agent Co-Pilot führt die Agentin durch die wichtigsten Fragen und vereinbart einen Termin mit einem Berater aus der Region.
  6. Der Berater wird benachrichtigt und erhält dabei eine automatisierte Zusammenfassung des Gesprächs sowie die relevanten Informationen über die Familie Müller. Zur Vorbereitung erarbeitet er mit dem Advisor Assist (s. Grafik unten) basierend auf dem Profil der Müllers einen Vorschlag für eine Lebensversicherung mit verschiedenen Anlagestrategien. Nach dem Gespräch schliesst die Familie Müller eine Lebensversicherung ab.

Die Geschichte von Frau Müller verdeutlicht, dass Conversational AI weit über die reine Automatisierung von Kundenanfragen hinausgeht. Ihr Mehrwert erstreckt sich über die gesamte Customer Journey: Conversational AI verbessert die Effizienz, erhöht die Zufriedenheit von Kunden und Contact-Center-Mitarbeitenden, stärkt die Kundenbindung und steigert den Umsatz.

Conversational AI Tools und ihr Mehrwert für den Kundenservice

Conversational AI umfasst fortschrittliche Technologien wie virtuelle Assistenten, die dank der Integration von Natural Language Processing (NLP) und Machine Learning (ML) menschenähnliche Gespräche mit Nutzenden führen können. Moderne Systeme wie Generative AI erweitern diese Fähigkeiten. Sie binden generative künstliche Intelligenz ein, die nicht nur auf menschliche Sprache reagieren, sondern auch proaktiv Inhalte erzeugen und auf komplexe Anfragen in verschiedenen Medienformen eingehen kann (einschliesslich Text, Bild und möglicherweise auch Audio oder Video). Diese KI-gestützten Systeme bieten eine intuitive und dynamische Nutzererfahrung, die die Interaktion mit technischen Geräten vereinfacht und persönlich gestaltet.

In der Geschichte von Frau Müller spielen verschiedene ergänzende Tools entlang der Customer Journey zusammen:

Eine schematische Darstellung der Customer Journey mit den Use Cases der Conversational AI

In der Grafik ist erkennbar, wie diese Elemente ineinandergreifen und sich gegenseitig ergänzen. Während der Voicebot einen Teil der Anfrage bearbeitet, wie beispielsweise eine Adressänderung, initiiert und bereitet er den Dialog mit dem Agenten vor, indem er einen Termin vorschlägt.

Der Co-Pilot wiederum unterstützt den Agenten basierend auf den gesammelten Informationen sowie den Daten aus dem CRM dabei, die Qualität des Dialogs zu verbessern – sowohl in puncto Effizienz als auch Beratung.

Abschliessend ermöglicht der «Advisor Assist» dem Kundenberater, eine personalisierte Beratung durchzuführen.

Konkret funktionieren Voicebot und Co-Pilot wie folgt:

Voicebot

Der Voicebot, auch Voice Assistant genannt, ermöglicht einerseits die automatisierte Bearbeitung von Anfragen und andererseits die Vorbereitung des Gesprächs mit einem Agenten, sollte er das Kundenanliegen nicht vollständig bearbeiten können. In beiden Fällen entlastet er den Contact-Center-Agenten. Die Hauptfunktionen des Voicebots lassen sich wie folgt zusammenfassen:

Eine grafische Auflistung der Hauptfunktionen eines Voicebots

  • Selfservice
    Der Voicebot analysiert und beantwortet häufig gestellte Kundenanfragen automatisch und übernimmt vollständige Geschäftsfälle unter Einbezug der Umsysteme (z.B. CRM, ERP).
  • Intelligente Rückrufvereinbarung
    Der Voicebot vereinbart mit dem Kunden die ideale Uhrzeit für einen Rückruf, nimmt den Grund des Anrufs auf und übermittelt ihn an den Agenten zur Vorbereitung.
  • Routing
    Der Voicebot identifiziert den Kunden, erkennt sein Anliegen und leitet ihn mit den relevanten Informationen automatisiert an die richtige Stelle weiter.
  • Biometrische Authentisierung
    Nach ausdrücklicher Einwilligung des Kunden wird dessen Stimmabdruck aufgezeichnet und beim nächsten Anruf zur Authentisierung geprüft.
  • Protokolle und Analysen
    Gespräche mit Bot oder Mitarbeitenden werden transkribiert und analysiert, um wertvolle Erkenntnisse zu gewinnen.

Der Mehrwert des Voicebot:

Eine grafische Auflistung der Vorteile eines Voicebots

  • Höhere Kundenzufriedenheit dank Verfügbarkeit rund um die Uhr, dem Eliminieren von Warteschlangen und der direkten Abwicklung von Anliegen
  • Höhere Mitarbeiterzufriedenheit dank Senkung der Arbeitsbelastung und Reduktion repetitiver Fragen
  • Gesteigerte Effizienz und niedrigere Kosten dank der automatisierten Abwicklung von Kundenanfragen oder effizienten Vorbereitung der Kundenberatung

Co-Pilot (Agent Assist)

Der Co-Pilot, oft auch Agent Assist genannt, dient als virtueller Assistent, der den Agenten durch sofortige KI-basierte Anleitung und Abwicklung administrativer Aufgaben unterstützt. Dies entlang den folgenden vier Phasen:

image-2024-06-06-10-57-02-987

Boarding: Sammlung von Informationen und Triage

Diese Phase dient dazu, die relevanten Informationen vom Kunden zu bekommen und zu analysieren, um ihn an die richtige Stelle weiterzuleiten («Triage»). Diese Aufgabe übernimmt ein Voicebot anstatt einer klassischen IVR (Interactive Voice Response) und umfasst die folgenden Hauptfunktionen:

  • Intent-Erkennung
  • Triage
  • Intelligentes Rückruf-Management
  • Identifikation und Authentisierung

Takeoff: Informationsübersicht zur Vorbereitung des Gesprächs
Diese Phase findet unmittelbar vor dem Kundendialog statt. Sie hat zum Ziel, dem Agenten die relevanten Informationen in einer kompakten Form zu geben, damit er optimal auf das Gespräch vorbereitet ist. Die Informationen sind in Form eines Cockpits dargestellt, entweder als Teil der Contact-Center-Software oder als separates Fenster. Sie beinhalten: 

  • Intent des aktuellen Anrufs, sofern bereits bekannt
  • Kundensteckbrief (360-Grad-Kundensicht)
    • Stammdaten
    • Gekaufte und noch offene Produkte
    • Vergangene Kundeninteraktionen
    • Notizen und erfasste Aufgaben zum Kunden
  • Kontextinformationen wie die Wartezeit des Kunden oder NPS (Net Promoter Score)

In flight: Live-Unterstützung während dem Gespräch
In dieser Phase entfaltet die Agent-Assist-Funktion ihre Wirkung. Der Co-Pilot hört und denkt mit. Er unterstützt den Agenten während dem Gespräch mit den folgenden frei kombinierbaren Funktionen:

  • Live-Transkription des Dialogs
  • Simultanübersetzung (z.B. von Italienisch auf Deutsch)
  • Live biometrische Authentisierung (sofern nicht vorher erfolgt)
  • Analyse des Kundenanliegens mit Intent-Erkennung und Extraktion von Informationen (z.B. Kundennummer)
  • «Next-Best Action»-Empfehlungen zu
    • Gesprächsführung
    • Qualitätssicherung
    • Up-/Cross-selling
  • Informationssuche und -bereitstellung (z.B. mittels RAG)
  • Live-Sentiment-Analyse
  • Task Queuing zur Erfassung von Aufgaben für die Nachbearbeitung des Kundengesprächs

Landing: Nachbearbeitung des Gesprächs
Diese Phase erfolgt nach Abschluss des Gesprächs. Sie dient dazu, dem Contact-Center-Agenten zu helfen, typische Nachbearbeitungsaufgaben so effizient wie möglich zu erledigen. Dies beinhaltet Aufgaben wie:

  • Zusammenfassung des Kundendialogs
  • Abarbeitung der Task Queue (z.B. E-Mails, Versand von Material wie Broschüren, Aktualisierung von Stammdaten)
  • Eingabe-Unterstützung bei der Erfassung von Daten, etwa in einem CRM
  • Erfassung von Kunden- und Agentenfeedback
  • Dialoganalyse und Metriken zur Auswertung

Der Mehrwert des Co-Pilot:

Eine grafische Auflistung der Vorteile eines Co-Pilot

  • Optimale Vorbereitung des Gesprächs durch eine 360-Grad-Ansicht des Kunden mit relevanten Kontextinformationen in Echtzeit
  • Verbesserung der Customer Experience durch Fokussierung des Agenten auf wertbringende Tätigkeiten
  • Steigerung der Dialogqualität dank Empfehlung der optimalen folgenden Handlungen (z.B. Prüfung der Datenqualität, Cross- und Upselling)
  • Steigerung der Effizienz durch Übernahme von administrativen Aufgaben (z.B. Zusammenfassung, Redigieren von E-Mails und Berichten)
  • Einfache Erfüllung von Qualitäts- und Compliance-Anforderungen dank systematischer Dokumentation
  • Erhöhung der Mitarbeiterzufriedenheit dank Unterstützung, Erweiterung der Aufgaben und kontinuierlicher Verbesserung

Hinweis: Der Einsatz von Co-Pilots in Contact Centers steht aktuell am Anfang. Unternehmen beginnen aber nach und nach, solche Systeme erfolgreich einzuführen. Die beschriebenen Funktionen des Co-Pilot lassen sich schrittweise und nach Bedarf implementieren.

Beispiel CSS-Versicherung: Sie hat als ersten Schritt eine GenAI-gestützte Informationssuche über Produkte oder Dienstleistungen implementiert und in die bestehende Service-Center-Software bzw. das CRM integriert.

Die Auswirkungen von KI auf Contact-Center-Jobs

Eine grafische Zusammenfassung der Auswirkungen der KI auf Contact-Center-Jobs

Mit der Einführung von Conversational AI im Kundenservice wird sich die Rolle von Contact-Center-Agenten und -Beratenden massgeblich verändern. Dies ist mit einem Paradigmenwechsel verbunden:

  1. Dank der Automatisierung von Standardaufgaben werden sich die Mitarbeitenden auf höherwertige und interaktionsorientierte Aufgaben konzentrieren.
  2. Menschen und die KI werden immer enger zusammenarbeiten und eine «kollaborative Intelligenz» bilden.

Reale Beispiele von Conversational AI bei Unternehmen

Die Nutzung von Conversational AI im Kundenservice ist nicht mehr aufzuhalten. Sie nimmt in grossen Unternehmen einen immer wichtigeren Platz ein, wie die folgenden Beispiele zeigen:

  • CSS
    Bei der CSS, einem der grössten Schweizer Krankenversicherer, klingelt jährlich rund 1,7 Millionen Mal das Telefon. Die Fragen der Kunden reichen von Informationen zu Prämien über Leistungsabrechnungen bis hin zu Schadenfällen und Zusatzversicherungen. Um Wartezeiten zu vermeiden, hat die CSS eine intelligente Rückruflösung eingeführt. Der Kunde muss nicht warten, sondern wird zur vereinbarten Zeit zurückgerufen. Ein weiterer Vorteil: Die Service-Center-Mitarbeitenden sind auf das Gespräch vorbereitet. Das erhöht die Qualität der Dienstleistung und damit die Kundenzufriedenheit zusätzlich. 

    Diese Lösung ist der erste Schritt zur systematischen Einführung weiterer Voicebots (zur Identifikation von Kunden, Beantragung oder Anpassung von Policen) sowie von Co-Pilot-Funktionen wie die im CRM integrierte Suche nach internen Produktinformationen für Service-Center-Mitarbeitende über Retrieval-Augmented Generation (RAG).
  • Schweizer Sachversicherung
    Eine führende Schweizer Sachversicherung hat Conversational AI in ihren Helpdesk und Kundenservice integriert. Ein Dienst ist der Selfservice-Voicebot zur Schadenmeldung. Er ermöglicht es, Schadenfälle automatisch abzuwickeln, was den Prozess für den Kunden vereinfacht und beschleunigt. Ein weiterer Dienst ist die Intelligente IVR. Dank verbesserter Triage werden über 92% aller Anrufe an die richtige Ansprechstelle weitergeleitet. 

    Ebenso wurde der Selfservice-Voicebot für Windows Password Reset eingeführt, um den IT-Helpdesk zu entlasten. Er verifiziert die Anrufnummer und eine geheime Information, bevor er das Passwort zurücksetzt. Dies bietet eine höhere Sicherheit als manuell bearbeitete Anrufe.
  • Eine grosse Schweizer Retailbank
    Eine der führenden Schweizer Banken nutzt Conversational AI systematisch für ihre verschiedenen Kundenkanäle. Dabei liegt der Schwerpunkt auf einem besseren Kundenerlebnis dank der raschen Bearbeitung der Anliegen, dem Erkennen von Potenzial für Cross- und Upselling sowie der Unterstützung der Agenten in der Kundenbetreuung. Die Bank stattete die relevanten Kanäle – öffentlicher Web-Auftritt, E-Banking und Kundenservice per Telefonie – konsequent mit Chat- und Voicebots aus, um einfache Kundenanliegen im Selfservice abzuwickeln. Für tiefergehende Anliegen und Kunden mit Cross- und Upselling-Potenzial werden die für die Kundenbetreuung zuständigen Agenten beigezogen.

Best Practices für die Einführung von Conversational AI

Entscheidet sich ein Unternehmen für Conversational AI, leitet es zugleich einen Paradigmenwechsel ein. Ein systematischer Ansatz bei der Einführung ist deshalb zentral. Mit den folgenden Best Practices gelingt die Umstellung in sechs Schritten:

Eine grafische Aufzählung der Best Practices für die Einführung von Conversational AI

  1. Vision und Strategieabstimmung
    Definieren Sie eine klare Vision für die Implementierung von Conversational AI, die mit der Unternehmensstrategie übereinstimmt und konkrete Ziele festlegt.
  2. Analyse entlang der Customer Journey
    Ermitteln Sie entlang der Customer Journey potenzielle Anwendungsfälle für Conversational AI. Schätzen Sie den ökonomischen Mehrwert (höhere Effizienz, geringere Fluktuation, mehr Umsatz) sowie den qualitativen Mehrwert (bessere Erreichbarkeit, Bequemlichkeit und schnellere Problemlösung für Kunden, höhere Datenqualität) ab. 

    Nun setzen Sie diese Werte ins Verhältnis zur Komplexität der Umsetzung, beispielsweise in Form einer Matrix, und entwickeln Sie daraus eine Roadmap. Beginnen Sie mit einem Automatisierungsfall (Chat- oder Voicebot). Ein solcher erfordert weniger Schulung oder organisatorische Änderungen und dient als Einstieg zur Sensibilisierung des Unternehmens. Erweitern Sie dann systematisch um zusätzliche Anwendungsfälle gemäss der Roadmap.
  3. Inklusives Design
    Binden Sie alle relevanten Stakeholder in den Designprozess ein und gestalten Sie die Lösung nach ihren Bedürfnissen. Beziehen Sie beispielsweise Contact-Center-Agenten in die Entwicklung eines Voicebots ein, da sie direkt oder indirekt betroffen sind.
  4. Auswahl der KI-Plattform
    Wählen Sie eine KI-Plattform, die Sie einzelne Anwendungsfälle separat implementieren lässt, aber auch in Bezug auf die Use-Case-Vielfalt und das Volumen skalierbar ist. Eine Multichannel-Plattform, die verschiedene Formate (E-Mail, Tickets, Chat, Voice) und Interaktionsformen (Automatisierung der Anfrage oder menschliche Unterstützung durch KI) unterstützt, ermöglicht es, Daten einfach wiederzuverwenden und Use Cases von einem Kanal zum anderen (z.B. von Voicebot zu Chatbot) anzupassen.
  5. Aufbau von Kompetenzen und Implementierung
    Entwickeln Sie die notwendigen Fähigkeiten intern oder ergänzen Sie sie mithilfe externer Unterstützung. Bilden Sie ein eingespieltes, multidisziplinäres Kernteam (UX, Architektur, Businessvertreter, Datenwissenschaftler, GenAI- und MLOps-Spezialisten usw.), das die Use Cases systematisch implementiert. Berücksichtigen Sie von Beginn an Aspekte wie Conversational User Experience (ConvUX), Sicherheit und Datenschutz sowie die betrieblichen Anforderungen – und behalten Sie stets Ihre Vision im Auge.
  6. Lern- und Optimierungszyklus
    Etablieren Sie einen klaren Zyklus für das Lernen und Optimieren mit definierten Key Performance Indicators (KPIs). Ein Conversational-AI-Projekt beginnt oft erst richtig nach der Einführung. Optimieren Sie die Lösung laufend, sei es in Bezug auf die Nutzererfahrung, die Datenqualität oder die Modellleistung. 

Überzeugen Sie Ihre Kunden mit einem schnellen, persönlichen Service

Conversational AI wird immer mehr zum Standard für Contact Center. Denn die Vorteile überzeugen, wie hohe Verfügbarkeit, gut vorbereitete und personalisierte Gespräche, zufriedenere Mitarbeitende und höhere Effizienz. Das zeigen konkrete Beispiele von Unternehmen, die den Schritt bereits gewagt haben.

Wollen Sie die digitale Transformation vorantreiben, ist Conversational AI ein Muss. Entscheidend für die Einführung ist ein sorgfältiger und systematischer Ansatz. Selbstverständlich warten auf dem Weg einige Herausforderungen. Schliesslich sprechen wir von einem tiefgreifenden organisatorischen und technologischen Wandel im gesamten Kundenservice.

Sie würden gerne im Detail wissen, welche Voraussetzungen ein Unternehmen erfüllen sollte, um erfolgreiche und skalierbare Conversational-AI-Services anzubieten? Schauen Sie wieder rein, wir verraten es hier in Kürze.

Möchten Sie mehr über die Vorteile von Conversational AI erfahren?

Hier entlang!

Publiziert am 17 Mai 2024

Autor

Picture of Stéphane Mingot
Stéphane Mingot

Head of Conversational AI

Placeholder