# Brauchen wir KI oder lösen wir das falsche Problem? > KI beantwortet Beschwerden schneller. Doch was bringt das, wenn die Lieferung weiter ausbleibt? Ein Beispiel für falsche Prioritäten im Produktmanagement. > **TL;DR:** KI kann Unternehmen helfen, Beschwerden schneller zu beantworten. Solange deren Ursache bestehen bleibt, belegen bessere Callcenter-Kennzahlen aber noch keine Verbesserung der gesamten Dienstleistung. Produkt- und Projektverantwortliche müssen ebenso genau prüfen, welches Problem sie lösen, wie schnell sie eine Lösung entwickeln können. Manchmal muss zuerst die Störung behoben werden, wegen der Kunden überhaupt anrufen. Ich bestelle Wasser über eine App. Normalerweise rechne ich damit, dass es innerhalb von zwei Stunden ankommt. Manchmal dauert es zwei Tage. Manchmal kommt es gar nicht. Ich rufe beim Kundenservice an und beschwere mich. Dort heißt es, man habe mein Anliegen an den örtlichen Vertriebspartner weitergegeben. Dann warte ich wieder. Das ist mir schon mehrfach passiert und passiert mir weiterhin. Statt des echten Firmennamens verwende ich hier „Bayat Su“. Die Lieferprobleme habe ich selbst erlebt. Das KI-Projekt, das ich im Folgenden beschreibe, ist dagegen ein Gedankenspiel. Ich behaupte weder, dass das Unternehmen ein solches System einsetzt, noch, dass es die genannten Ergebnisse erzielt hat. Nehmen wir an, Bayat Su führt ein KI-System ein, das am Telefon über den Bestellstatus informiert, bei einer Verspätung von mehr als zwei Stunden automatisch den Vertriebspartner benachrichtigt und Beschwerden über WhatsApp beantwortet. Ich muss nicht mehr warten, bis jemand vom Kundenservice frei ist. Das System antwortet innerhalb von Sekunden. Wenn das heute bestellte Wasser trotzdem erst morgen Nachmittag ankommt: Wie viel von meinem Problem ist damit gelöst? ## Bessere Callcenter-Zahlen, weiterhin verspätete Lieferungen Drei Monate nach dem Start dieses hypothetischen Projekts könnte eine Präsentation beeindruckende Ergebnisse zeigen: mehr Anfragen, die die KI beantwortet, kürzere Wartezeiten am Telefon, weniger an Beschäftigte weitergeleitete Anrufe. Vielleicht würde auch ein geringerer Personalbedarf als Einsparung ausgewiesen. Diese Verbesserungen könnten durchaus real sein. Weniger Zeit in der Warteschleife hilft auch mir. Und Beschäftigte profitieren davon, nicht immer wieder dieselbe Frage zum Bestellstatus beantworten zu müssen. Ob das Wasser pünktlich angekommen ist, zeigt allerdings keine dieser Kennzahlen. Das Callcenter-Team kann seine Ziele erreicht haben, während ich mich weiterhin frage, ob meine Bestellung noch kommt und ob ich erneut anrufen muss. Wenn nach der Antwort auf eine Beschwerde auch gleich das Ticket als „gelöst“ gilt, entfernen sich die Erfolgsmeldung des Unternehmens und meine Erfahrung noch weiter voneinander. Ob eine Beschwerde beantwortet, eine Bestellung geliefert und die Ungewissheit des Kunden beseitigt wurde, muss getrennt erfasst werden. Das Erste kann besser werden, während sich bei den anderen beiden nichts ändert. ## Warum muss der Kunde überhaupt anrufen? Ich weiß nicht, woran die Lieferungen bei Bayat Su scheitern. Kommt die Bestellung zu spät beim Vertriebspartner an? Reicht seine Lieferkapazität nicht aus? Passt die in der App angezeigte Lieferzeit zu den tatsächlichen Möglichkeiten vor Ort? Übernimmt jemand die Verantwortung für überfällige Bestellungen? Das sind mögliche Ansatzpunkte für eine Untersuchung, keine Diagnose. Von den Antworten hängt ab, welche Änderung sinnvoll ist. Bleiben Bestellungen an einer bestimmten Stelle liegen, muss das Unternehmen klären, warum es dort nicht weitergeht. Zeigt die App eine Lieferzeit an, die sich nicht einhalten lässt, muss auch das Versprechen an den Kunden überprüft werden. Manchmal hilft es mehr, Entscheidungsbefugnisse zu klären oder nur so viele Bestellungen anzunehmen, wie sich ausliefern lassen, als ein neues KI-System einzuführen. Das gilt auch für automatische Benachrichtigungen. Mehr Nachrichten an den Vertriebspartner beschleunigen die Lieferung womöglich nicht, solange unklar bleibt, was der Empfänger tun soll, welche Befugnisse er hat und wer übernimmt, wenn er das Problem nicht lösen kann. Eine Nachricht ist dann hilfreich, wenn sie eine Handlung auslöst. „Wir haben es weitergegeben“ zu automatisieren, reicht nicht. Verhindern wir eine Verspätung, entfällt möglicherweise auch der Anruf, den sie ausgelöst hätte. So sinkt die Belastung des Callcenters, weil das Problem des Kunden behoben wurde. Wie oft uns das tatsächlich gelingt, müssen die Lieferdaten zeigen. ## Ein schneller Prototyp entscheidet noch keine Priorität Mit KI lässt sich eine funktionierende Benutzeroberfläche oder eine Demo für ein Sprachdialogsystem schneller erstellen. Wir können sie im Meeting zeigen, ausprobieren und über ein Budget sprechen. Um Lieferkapazitäten, die Aufgabenverteilung oder Lieferzusagen zu ändern, müssen sich unter Umständen mehrere Teams verständigen. Wenn sich sichtbare Software leichter auf den Weg bringen lässt als die Lösung eines unübersichtlichen betrieblichen Problems, kann die Software schnell Vorrang bekommen. Produkt- und Projektverantwortliche sollten dann innehalten und fragen, was das System tatsächlich verändert. Im Produktmanagement gilt es zu prüfen, wie viel vom Kundenbedürfnis eine schnellere Auskunft über den Bestellstatus abdeckt. Im Projektmanagement muss verfolgt werden, ob das System rechtzeitig startet und ob das Projekt im Betrieb die erwartete Wirkung erzielt. Vielleicht ist ein anderes Team für die Änderungen bei der Lieferung zuständig. Diese Abhängigkeit gehört trotzdem in den Projektplan. Ein Ziel wie „weniger verspätete Bestellungen und weniger wiederholte Nachfragen zur selben Bestellung“ eröffnet eine andere Diskussion. Ein Sprachdialogsystem ist dann eine von mehreren Möglichkeiten. Auch eine Prozessänderung, eine kleine Anpassung an vorhandener Software oder eine Kombination lässt sich an diesem Ziel messen. ## Welche Ergebnisse würde ich sehen wollen? Neben den Antwortzeiten möchte ich wissen, welcher Anteil der Bestellungen pünktlich ankommt und wie lange verspätete Lieferungen brauchen. Wiederholte Nachfragen zur selben Bestellung, ausgebliebene Lieferungen und Stornierungen helfen ebenfalls zu verstehen, was sich für die Kunden verändert hat. Diese Zahlen müssen im Verhältnis zur Zahl der Bestellungen betrachtet werden. Gehen bei weniger Bestellungen auch weniger Anrufe ein, belegt das noch keinen Projekterfolg. Ein Kunde kann auch aufhören anzurufen, weil er keine hilfreiche Antwort mehr erwartet. Sinken die Anrufzahlen, müssen wir also prüfen, was aus den Bestellungen und den wartenden Kunden geworden ist. Ein kleiner Versuch könnte bei einem Gebiet oder Vertriebspartner ansetzen: die Ursache der Verspätungen untersuchen, den Ablauf ändern und das Ergebnis beobachten. Fehlen den Kunden danach weiterhin Informationen, können wir prüfen, ob KI dabei helfen würde. Nicht jeder Versuch muss zu einem großen Transformationsprogramm werden. ## Wo kann KI tatsächlich helfen? Lieferprobleme zu beheben, kann dauern. In der Zwischenzeit sind verlässliche Auskünfte, realistische Lieferzeiten und die Bearbeitung von Stornierungen nützliche Leistungen. KI kann dabei helfen. Fehlen aber zuverlässige Informationen und die Befugnis, etwas zu veranlassen, kann auch das System keine verlässliche Lösung anbieten. Schnellere Antworten als ausreichenden Erfolg zu werten, während das Problem des Kunden bestehen bleibt, halte ich für falsch. Es ist, als würde man sich bei einer Infektion mit Schmerzmitteln begnügen. Die Linderung hilft. Trotzdem müssen wir wissen, ob auch die Infektion behandelt wird. Die Produkt-Roadmap sollte festhalten, warum wir uns für eine Lösung entschieden haben. Sind das erwartete Ergebnis, das verantwortliche Team und die Bedingungen für eine erneute Prüfung klar, bringt uns die nächste beeindruckende Demo nicht so leicht vom Kurs ab. KI kann einem Kunden innerhalb von Sekunden antworten. Wenn wir aber nicht fragen, warum er uns überhaupt kontaktieren musste, haben wir womöglich nur Beschwerden effizienter bearbeitet, während das Problem unverändert bleibt. Erfolg sollte sich sowohl daran messen lassen, wie viele Beschwerden die KI bearbeitet, als auch daran, wie viele Kunden keinen Anlass mehr zur Beschwerde haben. ## Weiterführende Literatur [Reforge zur Rolle des Produktmanagements im KI-Zeitalter](https://www.reforge.com/blog/more-valuable-less-protected) erläutert, warum eine klare Problemdefinition und ein gemeinsames Verständnis zwischen Teams wichtiger werden, wenn sich Prototypen leichter erstellen lassen. Der Beitrag vom 31. Juli 2026 fasst eine Veranstaltung zusammen und steht im Zusammenhang mit einem Weiterbildungsangebot. Er ist keine unabhängige Produktivitätsmessung. Er vertieft die Frage der Priorisierung, belegt aber weder meine Erfahrung mit der Wasserlieferung noch das hier beschriebene hypothetische Projekt. --- Language: German License: CC BY 4.0 License URL: https://creativecommons.org/licenses/by/4.0/ Scope: Evren Bal-authored text, unless this article expressly states otherwise. Excluded: Third-party material, quoted excerpts, logos, and separately marked images retain their own rights. Attribution: Credit Evren Bal, link to the canonical source and license, and indicate changes. Source: https://evrenbal.com/de/brauchen-wir-ki