Herausforderungen bei KI im Kundenservice: Warum die meisten Shops bei 16 % hängen bleiben

Der mittlere Onlineshop automatisiert nur 16,3 % seiner Support-Tickets, die besten 25 % schaffen im Schnitt 61,2 %. Das zeigt eine Auswertung von Chatarmin über 140 Onlineshops und rund 2,6 Millionen Tickets. Die größte Herausforderung bei KI im Kundenservice ist in unserer Praxis selten die KI selbst. Die Lücke entsteht durch Datensilos, fehlenden Zugriff auf Bestelldaten und den Versuch, alles auf einmal zu automatisieren.

Wie weit ist die Automatisierung im Kundenservice wirklich?

Weniger weit, als die meisten denken: Der Median liegt bei 16,3 %. Die Zahlen stammen aus unserem Benchmark zur Automatisierung im Kundenservice. Basis: 140 Shops, die mindestens 60 Tage live sind und mindestens 50 gelöste Tickets haben. Die Werte pro Shop beziehen sich auf Juni 2025 bis Juni 2026, die rund 2,6 Mio. gelösten Tickets auf Dezember 2025 bis Juni 2026. Datenstand: 01.07.2026.

Automatisierungsquote heißt dort: Anteil der gelösten Tickets, an denen ein Workflow oder KI in irgendeiner Form beteiligt war.

Die wichtigsten Werte:

• Median pro Shop: 16,3 %
• Durchschnitt pro Shop: 25,2 %
• Top 25 %: im Schnitt 61,2 %, Einstieg ab 37,5 %
• Top 10 %: ab 63,8 %
• Über alle Tickets gerechnet (Dezember 2025 bis Juni 2026): 33,2 %

Warum liegen die Werte so weit auseinander? Der Median zeigt den Shop genau in der Mitte. Der Durchschnitt liegt höher, weil einige Shops mit sehr hohen Quoten ihn nach oben ziehen. Rechnest du über alle Tickets statt pro Shop, landest du bei 33,2 %. Heißt: Shops mit vielen Tickets automatisieren tendenziell mehr als der typische Shop.

Die Einschränkung gehört dazu: Die Stichprobe besteht aus Chatarmin-Kund:innen. Sie ist nicht repräsentativ für den gesamten E-Commerce. Die Studie nennt Setup, Branche und Ticket-Mix als Einflussfaktoren, erklärt aber keine Ursachen. Alles, was du unten zu Gründen liest, ist deshalb Einordnung aus unserer Praxis, kein Studienbefund.

In diesem Beitrag geht es um Probleme und Lösungen. Was KI grundsätzlich leisten kann und welche Vorteile sie bringt, findest du im Überblick zu KI im Kundenservice.

Herausforderungen bei KI im Kundenservice: Welche bremsen die Automatisierung?

Sieben Herausforderungen sehen wir immer wieder: Chatbots mit Standardantworten, Tool-Wildwuchs, fehlender Echtzeit-Zugriff auf Bestelldaten, der Versuch, alles zu automatisieren, Angst vor Halluzinationen, Datenschutzfragen und fehlende Akzeptanz im Team. Aus unserer Praxis sind die meisten davon Setup-Probleme, keine Modellprobleme.

Herausforderungen im Support ohne Automatisierung

Ohne Automatisierung frisst Routine die Kapazität deines Teams, und jeder Peak wird zum Engpass. Das sind die typischen Herausforderungen im Kundenservice, bevor überhaupt KI ins Spiel kommt:

• Überlastung durch Routinetickets: Versandfragen, Rechnungskopien und Retourenanfragen landen alle bei Menschen, obwohl die Antwort im System steht
• Manuelle Doppeldokumentation: Agents tragen dieselbe Info in Ticketsystem, Shop-Backend und ERP ein
• Peaks ohne Puffer: Black Friday, Urlaubszeit oder Krankheitsausfälle treffen ein Team, das schon im Normalbetrieb ausgelastet ist
• Frust im Team: Wer den ganzen Tag dieselben Fragen beantwortet, hat wenig Zeit für die Fälle, bei denen gute Beratung wirklich zählt

Genau an diesen Stellen setzt KI an. Warum sie dort oft trotzdem nicht greift, zeigen die folgenden Abschnitte.

Warum scheitern viele KI-Einführungen im Kundenservice?

Aus unserer Praxis: weil KI auf ein Fundament gesetzt wird, das nicht trägt. Alte Systeme, Datensilos und fehlende Schnittstellen lassen selbst gute Modelle nur Textbausteine ausspielen. Hier die sieben Herausforderungen im Detail.

1. Der Chatbot beantwortet nur Standardfragen

In unserer Praxis greifen Chatbots mit isolierten FAQ-Lösungen oft auf veraltete Skripte zurück. Sie können antworten, aber nicht handeln.

Woran du es erkennst:

• Der Bot verweist bei jeder Bestellfrage auf das Kontaktformular
• Kund:innen fordern sofort einen Menschen
• Dein Team bekommt dieselben Fragen trotzdem per E-Mail

Was du konkret tust:

• Prüfe, ob deine KI Aktionen ausführen kann, etwa Bestellstatus abrufen oder eine Adresse ändern
• Ersetze starre Entscheidungsbäume durch Antworten aus gepflegten Wissensquellen
• Lies den Unterschied zwischen KI-Agenten und Chatbots, bevor du das nächste Tool auswählst

2. Alte Systeme, Datensilos und Tool-Wildwuchs

Wenn E-Mail, WhatsApp, Instagram und Live-Chat in getrennten Tools laufen, sieht keine KI den ganzen Fall. Schreibt eine Kundin erst per Mail und dann per WhatsApp, entstehen zwei Tickets und oft zwei Antworten.

Woran du es erkennst:

• Doppelte Tickets zum selben Anliegen
• Agents arbeiten aus geteilten Outlook- oder Gmail-Postfächern
• Telefon, Ticketing und Chat antworten unterschiedlich auf dieselbe Frage

Was du konkret tust:

• Bündle alle Kanäle in einer Inbox mit einer gemeinsamen Kundenhistorie
• Pflege eine Wissensbasis, aus der alle Kanäle antworten
• Räume Altlasten auf: Welche Tools nutzt ihr wirklich, welche nur aus Gewohnheit?

3. Kein Echtzeit-Zugriff auf Bestellungen und Kundenhistorie

„Wo ist meine Bestellung?“ kann nur beantworten, wer die Bestellung sieht. Ohne Anbindung an Shop, ERP und Versanddienstleister bleibt der KI nur ein Standardsatz mit Link.

Woran du es erkennst:

• Agents kopieren Trackingnummern per Hand aus dem Backend
• Die KI fragt nach Infos, die längst im Shop-System stehen
• Tracking liegt im ERP, die KI schaut aber nur in den Shop

Was du konkret tust:

• Binde alle Systeme an, in denen Bestell- und Versanddaten liegen, nicht nur den Shop
• Prüfe vorab, wo die Trackingnummer wirklich gespeichert wird
• Starte mit der Versandfrage: Wie das geht, zeigt unser Leitfaden WISMO-Anfragen automatisieren

4. Isolierte Automatisierung statt klarer Prioritäten

Ein häufiges Missverständnis: Nicht jeder Kontakt muss automatisiert werden. Wer alles auf einmal will, baut ein großes Projekt, das lange nichts liefert.

Woran du es erkennst:

• Das KI-Projekt läuft seit Monaten ohne messbaren Effekt
• Keine Zahlen: Niemand kennt die eigene Automatisierungsquote
• Niemand kann sagen, welcher Ticket-Typ zuerst automatisiert wird

Was du konkret tust:

• Miss zuerst, wo du stehst. Ohne Messung siehst du nicht, ob du bei 16 % oder bei 40 % liegst. Welche Kundenservice-KPIs du dafür brauchst, zeigen wir separat
• Starte mit dem häufigsten, klar geregelten Ticket-Typ, danach Retouren, Rechnungskopien, Adressänderungen und Stornos
• Beratungsintensive und emotionale Fälle bleiben bewusst beim Team

5. Angst vor Halluzinationen und falschen Zusagen

Die Angst ist berechtigt: Falsche Auskünfte einer KI können ein Unternehmen teuer zu stehen kommen. Im Fall Moffatt v. Air Canada entschied das Civil Resolution Tribunal von British Columbia im Februar 2024, dass die Airline für falsche Auskünfte ihres Website-Chatbots einstehen muss (Entscheidung 2024 BCCRT 149). Das ist ein kanadischer Fall, die Rechtslage in Deutschland solltest du im Einzelfall prüfen lassen.

Woran du es erkennst:

• Die KI bleibt dauerhaft im Testmodus
• Jede Antwort wird vor dem Versand komplett geprüft
• Sensible Themen wie Erstattungen sind nicht geregelt

Was du konkret tust:

• Lege fest, aus welchen Quellen die KI antworten darf, und halte diese aktuell
• Definiere Themen, bei denen die KI nie selbst entscheidet, sondern übergibt
• Lass die KI bei unvollständigen Anfragen nachfragen, bevor sie eskaliert

6. Datenschutz, Hosting und KI-Transparenz

Datenschutz bremst Projekte meist, weil die Fragen zu spät gestellt werden. Wo liegen die Daten? Welche Modelle verarbeiten sie? Gibt es einen AVV?

Dazu kommt Transparenz: Seit 2. August 2026 gilt die KI-Kennzeichnungspflicht aus Art. 50 der KI-Verordnung, Kund:innen müssen also erfahren, dass sie mit einer KI schreiben, außer das ist offensichtlich.

Woran du es erkennst:

• Das Projekt hängt seit Wochen in der Rechtsabteilung
• Niemand kann beantworten, wo Kundendaten verarbeitet werden
• Dein Bot gibt sich nicht als KI zu erkennen

Was du konkret tust:

• Kläre Hosting, AVV und Standardvertragsklauseln vor der Tool-Auswahl
• Prüfe Zugriffsrechte: Wer im Team sieht welche Kundendaten?
• Kennzeichne KI-Antworten im Chat klar

7. Geringe Akzeptanz im Team

KI scheitert auch an Menschen, die sie nicht nutzen wollen. Wer Angst um seinen Job hat oder nie geschult wurde, umgeht neue Tools.

Woran du es erkennst:

• Agents schreiben KI-Vorschläge komplett neu
• Feedback zur KI kommt nur als Beschwerde, nicht als Verbesserung
• Das Team weiß nicht, welche Tickets die KI übernimmt

Was du konkret tust:

• Kommuniziere klar: Die KI übernimmt Routine, nicht Jobs
• Mach erfahrene Agents zu Verantwortlichen für Wissensbasis und Workflows
• Zeig dem Team, wie viele Tickets die KI schon abgenommen hat

So unterstützt KI dein Team im Alltag, statt es zu ersetzen:

• Antwortvorschläge: Die KI formuliert einen Entwurf, der Agent prüft und gibt ihn frei
• Übergabe mit vollem Kontext: Eskaliert die KI, sieht der Agent, was schon gefragt und beantwortet wurde

Sprich: KI unterstützt statt ersetzt. Wer das im Team so erlebt, nutzt die Vorschläge auch.

Was machen die Top 25 % anders?

Sie automatisieren gezielt und auf Basis integrierter Daten. Im Benchmark kommen die Top 25 % im Schnitt auf 61,2 %, der Einstieg in diese Gruppe liegt bei 37,5 %. Die Top 10 % starten bei 63,8 %. Was dahinter steckt, sagt die Studie nicht. Aus unserer Praxis sehen wir bei Shops mit hohen Quoten vier Muster:

1. Ein klarer Startpunkt: Versand- und Bestellstatus-Fragen zuerst, weil sie häufig und gut regelbar sind
2. Integration vor KI: Shop, ERP und Versand sind angebunden, bevor die KI live geht
3. Eskalationsregeln: Für jeden Ticket-Typ ist definiert, wann ein Mensch übernimmt
4. Messung: Automatisierungsquote, Reaktionszeit und Kundenzufriedenheit werden regelmäßig ausgewertet

Ein Beispiel aus der Praxis: Englputzeder hat Shopify und Odoo angebunden und mit WISMO-Anfragen, CSAT-Umfragen und automatischem Tagging gestartet. Laut Case Study werden bei über 3.000 Tickets pro Monat über 40 % ohne manuellen Eingriff bearbeitet oder vorbereitet.

Der Weg von 16 % auf 37,5 % ist kein Modellwechsel, sondern Prozessarbeit. Eine Schritt-für-Schritt-Anleitung für die Umsetzung findest du unter Kundenservice automatisieren.

Rechnet sich KI im Kundenservice überhaupt?

Kommt darauf an, wie viele wiederkehrende Tickets du hast und wie gut deine Systeme angebunden sind. Pauschale ROI-Zahlen helfen dir wenig. Rechne mit deinen eigenen Werten:

• Wie viele Tickets pro Monat fallen auf Versand, Retouren und Rechnungen?
• Wie lange braucht ein Agent heute für einen solchen Fall?
• Welcher Anteil davon lässt sich mit angebundenen Daten automatisch lösen?
• Was kosten Peaks wie Black Friday heute an Überstunden oder Aushilfen?

Dazu kommt die Frage: verwaltete KI oder Eigenentwicklung? Unsere Einschätzung: Eigenbau lohnt sich nur, wenn du ein eigenes Entwicklerteam hast, das Integrationen, Wissensbasis und Monitoring dauerhaft pflegt. Für die meisten Shops ist aus unserer Sicht eine fertige Lösung mit E-Commerce-Anbindungen der schnellere Weg.

Ein Beispiel dafür ist armincx by Chatarmin:

• Alle Kanäle in einer Inbox: E-Mail, WhatsApp, Instagram, Facebook und Web-Chat laufen mit gemeinsamer Kundenhistorie zusammen
• Aktionen statt Textbausteine: Workflows übernehmen etwa Stornos, Adressänderungen, Rechnungsabruf oder Retouren, je nach angebundenem System
• E-Commerce-Anbindungen: unter anderem Shopify, Shopware, JTL, Xentral und Billbee
• Datenschutz geklärt: Hosting in der EU, Server in Deutschland. Dazu kommen ein AVV und EU-Standardvertragsklauseln für eingesetzte Unterauftragsverarbeiter außerhalb der EU

Häufige Fragen zu Herausforderungen bei KI im Kundenservice

Werden Support-Mitarbeitende durch KI überflüssig?

Nein. KI übernimmt Routinetickets und repetitive Aufgaben, dein Team gewinnt Zeit für komplexe und persönliche Anliegen.

Was ist eine gute Automatisierungsquote im Kundenservice?

Kommt darauf an. Im Chatarmin-Benchmark liegt der Median bei 16,3 %, ab 37,5 % gehört ein Shop zu den Top 25 %, wobei Branche und Ticket-Mix den Wert stark beeinflussen.

Ist es sinnvoll, alle Kundenkontakte zu automatisieren?

Nein. Routine- und Standardanfragen eignen sich gut, komplexe und individuelle Fälle brauchen weiterhin Menschen.

Unser letzter Chatbot war schlecht. Lohnt sich ein neuer Versuch?

Kommt darauf an. Wenn die neue Lösung auf Bestelldaten zugreifen und Aktionen ausführen kann, lohnt sich ein Neustart mit einem einzigen, klar abgegrenzten Ticket-Typ.

Wie bekomme ich eine einheitliche Antwortlogik über Telefon, Ticketing und Chat?

Mit einer gemeinsamen Wissensbasis, aus der alle Kanäle antworten. Am einfachsten wird das, wenn möglichst viele Kanäle in einer Inbox mit einer Kundenhistorie zusammenlaufen.

Muss ich Kund:innen sagen, dass sie mit einer KI schreiben?

Ja. Seit 2. August 2026 müssen Nutzer:innen nach Art. 50 der KI-Verordnung erfahren, dass sie mit einer KI sprechen, außer es ist offensichtlich (mehr zur KI-Kennzeichnungspflicht).

Was muss ich vor der KI-Einführung im Kundenservice beachten?

Eine saubere, aktuelle Datenbasis und klar definierte Support-Prozesse sind die wichtigste Voraussetzung. Kläre außerdem früh Hosting, AVV und Eskalationsregeln.

Wie schließt du die Lücke zwischen 16 % und 61 %?

Indem du die Herausforderungen nacheinander abarbeitest, statt auf ein besseres Modell zu warten. Der Median-Shop im Benchmark automatisiert 16,3 %, die Top 25 % schaffen 61,2 %. Der Unterschied liegt aus unserer Sicht vor allem in Integration, klaren Prioritäten und Messung.

Kurz gesagt:

• Miss deine Quote, bevor du etwas änderst
• Bind deine Daten an, bevor die KI live geht
• Starte mit einem Ticket-Typ und bau dann aus
• Regel Eskalation, Datenschutz und Transparenz von Anfang an

Du willst sehen, wie das mit deinem Shop-Setup aussieht? Buche eine Demo in 15 Minuten und wir schauen gemeinsam auf deinen Ticket-Mix.