Field Report · 2026
Ein Field Report zu Enterprise-KI in der Customer Experience. Was dieses Jahr funktioniert, was nicht und wo CX-Verantwortliche jetzt handeln müssen.
Executive Summary
01 · Executive Summary
Der Markt für KI in der Customer Experience ist groß und wächst schnell – bis 2030 dürfte er sich nahezu vervierfachen. Doch die Ergebnisse sind ungleich verteilt. Eine kleine Gruppe von Unternehmen setzt KI-Agenten ein, die den Großteil ihrer Kundenkontakte lösen, mit Menschen im Loop für priorisierte und strategische Touchpoints. Eine deutlich größere Gruppe betreibt Pilotprojekte, die ein paar Fragen abfangen und stecken bleiben, bevor sie je in Produktion gehen.
Dieser Report beschreibt 4 Muster, die beide Gruppen unterscheiden – basierend auf externer Forschung und auf Ergebnissen aus mehr als 90 Enterprise-Implementierungen von Maven AGI.
Die meisten Teams messen weiterhin Deflection (ob ein Kontakt ohne Mitarbeitenden auskam) statt Resolution (ob das Problem gelöst wurde). Die bequemere Kennzahl verschleiert wieder geöffnete Tickets und untergräbt unbemerkt die Kundenzufriedenheit.
Die längsten und am sorgfältigsten geplanten Rollouts liefern meist die schwächsten Ergebnisse, während eng abgegrenzte Pilotprojekte binnen Wochen in Produktion gehen. Was funktioniert: Tempo bei klar begrenztem Umfang.
Governance-Prüfungen bremsen Enterprise-Deals inzwischen mindestens so oft aus wie die technische Eignung. Dennoch behandeln die meisten Teams sie als späten Beschaffungsschritt. 78 % der Führungskräfte geben an, dass sie ein unabhängiges KI-Governance-Audit heute nicht bestehen würden (Grant Thornton, 2026).
Die meisten Unternehmen haben Chat und E-Mail automatisiert, das Telefon aber außen vor gelassen – obwohl Voice meist ihr Kanal mit dem höchsten Volumen und den höchsten Kosten ist. Die technischen Hürden sind weitgehend beseitigt, und Vorreiter sichern sich einen Kostenvorteil, der sich stetig vergrößert.
Zum Abschluss stellt der Report die 5 Verhaltensweisen vor, die die Unternehmen mit den besten Ergebnissen gemeinsam haben. Keine davon hängt von der Budgethöhe oder der anfänglichen KI-Reife ab. Es sind operative Entscheidungen, die jedes Team treffen kann.
Die Ausgaben für KI im Kundenservice steigen rasant, und nahezu jedes Contact Center nutzt KI inzwischen in irgendeiner Form. Wer nur auf die Adoptionszahlen schaut, hält die Geschichte für erzählt. Wer auf die Produktionszahlen schaut, sieht ein anderes Bild: Der Großteil dieser Aktivität hat sich noch nicht in gelöste Kundeninteraktionen im großen Maßstab übersetzt.
Die Lücke zwischen Aktivität und Ergebnis ist die eigentliche Geschichte des Jahres 2026. Sie zeigt sich in Pilotprojekten, die nie über die Testphase hinauskommen, in Dashboards, die das Falsche messen, in Deals, die in der Sicherheitsprüfung hängen bleiben, und in einer Telefonleitung, die niemand angerührt hat. All das lässt sich beheben – aber nichts davon durch noch mehr Deployments.
Dieser Report gliedert diese Lücke in 4 Muster: eine Resolution-Lücke, ein Deployment-Paradox, einen blinden Fleck bei der Compliance und eine Chance im Voice-Kanal. Die Muster verstärken sich gegenseitig. Ein Team, das die falsche Kennzahl misst, skaliert das falsche Verhalten. Ein Team, das Compliance als späten Schritt behandelt, bremst genau den Rollout aus, den es so sorgfältig geplant hat. Die Muster hängen zusammen – und die Lösungen ebenso. Zum Abschluss zeigen wir, was die Unternehmen auf der richtigen Seite der Lücke tatsächlich anders machen.
„Teilintegration ist der vorherrschende Zustand im Markt. Sie entsteht, wenn KI zu einem Prozess hinzugefügt wird, den niemand neu gestaltet hat.
02 · Die Lage des Marktes
Wo Enterprise-KI in der Customer Experience 2026 tatsächlich steht.
Der Markt für KI in der Customer Experience ist größer, wächst schneller und ist gespaltener, als die Schlagzeilen vermuten lassen. Aggregierte Adoptionszahlen erzählen von flächendeckender Nutzung. Die zugrunde liegenden Daten erzählen etwas anderes: Eine kleine Gruppe von Unternehmen erzielt stetig wachsende Erträge, während eine deutlich größere Gruppe teure Pilotprojekte betreibt, die nie in Produktion gehen. Hier sind 5 zentrale Entwicklungen im Markt 2026.
Der Markt für KI im Kundenservice wurde 2026 auf rund 15 Mrd. $ geschätzt und soll bis 2030 auf 48 Mrd. $ wachsen – eine durchschnittliche jährliche Wachstumsrate von 26 % (MarketsandMarkets). Die Investitionen steigen deutlich, und die prognostizierten Einsparungen sind noch größer: Gartner erwartet, dass Conversational AI die Personalkosten in Contact Centern allein 2026 um etwa 80 Mrd. $ senkt. Deployments im Produktionsmaßstab halten mit den Ausgaben jedoch nicht Schritt.
Laut einer vielzitierten MIT-Schätzung aus dem Jahr 2025 erzielen rund 95 % der Generative-AI-Pilotprojekte in Unternehmen keinen messbaren Geschäftsnutzen im großen Maßstab. Über die genaue Zahl wird gestritten, über die Richtung nicht. Selten scheitert es am Modell. Es scheitert am Datenzugriff, am Design der Eskalation und an unklaren Zuständigkeiten im einkaufenden Unternehmen.
Rund 88 % der Contact Center nutzen KI inzwischen in irgendeiner Form, aber nur etwa ein Viertel hat sie vollständig in den Arbeitsalltag integriert (Branchendaten, 2026). Teilintegration bedeutet: Deflection funktioniert in engen Pfaden, Resolution im großen Maßstab findet nicht statt.
Im April 2026 berichtete Grant Thornton, dass 78 % der Führungskräfte ein unabhängiges KI-Governance-Audit heute nicht bestehen würden. Compliance ist vom Häkchen im Einkaufsprozess zur Voraussetzung für das Deployment geworden – ein Thema, auf das Abschnitt 5 zurückkommt.
In den Deployments, auf denen dieser Report basiert, erreichen die besten 10 % eine autonome Resolution von 80 % oder mehr, während der Median deutlich darunter liegt. Die Lücke wächst – das deutlichste Zeichen dafür, dass Ergebnisse davon abhängen, wie KI betrieben wird, und nicht davon, ob sie eingeführt wurde. Gartner prognostiziert, dass agentische KI bis 2029 80 % der gängigen Kundenservice-Anliegen autonom lösen wird. Die heutigen Spitzenreiter sind einer Entwicklung voraus, die die gesamte Kategorie durchlaufen wird.
Wer nur auf die Adoptionszahlen schaut, hält die Geschichte für erzählt. Wer auf die Produktionszahlen schaut, sieht ein anderes Bild.
Ein bekannter Verlauf: Eine CX-Führungskraft in einem Großunternehmen führt Anfang 2025 ein KI-Tool ein, sieht, wie es ein schmales Spektrum einfacher Fragen abdeckt, und meldet der Geschäftsleitung eine starke Deflection-Rate. Innerhalb von 4 Monaten stagniert die Deflection-Rate, wiederholte Kontakte nehmen zu, und die Zufriedenheit sinkt genau bei den Interaktionen, die das Tool übernehmen sollte. Ende 2025 richtet das Team alles neu auf Resolution statt Deflection aus – und die Zahlen, auf die es ankommt, bewegen sich endlich. Dieses Muster ist über Deployments hinweg so verbreitet, dass man es als Normalfall betrachten sollte, nicht als Ausnahme.
Die Unternehmen, die sich diesen Umweg sparen, treffen früh eine gemeinsame Entscheidung: Sie bauen das Dashboard rund um Resolution auf, bevor der Agent live geht – nicht erst, wenn die Zahlen enttäuschen. Im stärksten Fall in den Daten von Maven erreichte ein Kunde innerhalb von 6 Wochen 93 % autonome Resolution, weil das Programm von Anfang an konsequent an dieser einen Frage ausgerichtet war.
Warum also ist die wichtigste Kennzahl im KI-gestützten Kundenservice ausgerechnet die, die die meisten Anbieter nicht ausweisen?
03 · Die Resolution-Lücke
Warum die wichtigste Kennzahl im KI-gestützten Kundenservice ausgerechnet die ist, die die meisten Anbieter nicht ausweisen.
Von beiden Kennzahlen hat die Branche auf die einfachere optimiert. Deflection lässt sich leicht zählen und macht sich gut im Reporting – also wurde sie zum Standard. Das Problem: Deflection und Resolution können sich gegenläufig entwickeln. Ein Ticket kann geschlossen sein, während das Problem des Kunden ungelöst bleibt. Genau in dieser Lücke entscheidet sich, ob KI ihren Return liefert oder unbemerkt die Zufriedenheit untergräbt. Unabhängige Analysten ziehen inzwischen dieselbe Grenze und behandeln Deflection, Containment, Resolution und First-Contact-Resolution als 4 eigenständige Kennzahlen – gerade weil sie in der Praxis auseinanderlaufen.
Deflection
Leicht zu zählen und ein Erbe aus der Ära regelbasierter Bots. Ein Kontakt landet bei einem Menschen oder eben nicht – doch die Wiedereröffnungsrate bleibt verborgen. Ein Kontakt, der abgefangen wird und innerhalb von 48 Stunden zurückkommt, zählt einmal als Deflection und null Mal als gelöst.
Resolution
Schwieriger auszuweisen, weil sie Wiedereröffnungen und Zufriedenheit ehrlich abbildet, nicht nur das Routing. Sie erfordert eine klare Definition, was „gelöst“ bedeutet – und jedes Team, das sie ernst nimmt, kann eine Zahl nennen.
Die besten Deployments von Maven erreichen bis zum 6. Monat 80 % bis 93 % Resolution. Diese Programme haben den KI-Agenten vom ersten Tag an mit den führenden Systemen verbunden und Resolution anhand der obigen Formel gemessen – nicht Deflection. In einem Fintech-Deployment erreichte der Agent innerhalb von 3 Wochen 90 % autonome Resolution. Ein Legal-Tech-Unternehmen, das 32 Anbieter evaluiert und mehr als 10 davon einem Stresstest unterzogen hatte, verzeichnete nach dem Wechsel von einem regelbasierten System zu autonomer Resolution 60 % mehr gelöste Tickets.
Fragen Sie nach der Resolution-Rate, nicht nach der Deflection-Rate. Resolution ist schwieriger auszuweisen als Deflection, weil sie Wiedereröffnungen und Zufriedenheit ehrlich abbildet, nicht nur das Routing. Jedes Team, das sie ernst nimmt, kann eine Zahl nennen. Und wenn Sie keine Zahl bekommen, ist auch das eine aufschlussreiche Information.
Deflection misst, ob ein Ticket die Queue verlassen hat. Resolution misst, ob der Kunde zufrieden gegangen ist.
04 · Das Deployment-Paradox
Warum Unternehmen, die schnell handeln, besser abschneiden als jene, die sorgfältig planen – und warum Tempo ohne klar begrenzten Scope der teuerste Fehler überhaupt ist.
Die längsten Deployments liefern meist die schlechtesten Ergebnisse. Organisationen, die 12 bis 18 Monate für Anbieterauswahl, Beschaffung und Planung aufwenden, starten in der Regel mit niedrigeren Lösungsraten als Unternehmen, die in 90 Tagen einen eng gefassten Pilot durchgeführt haben. Tempo ist allerdings keine Taktik. Tempo mit engem Scope ist eine Strategie. Die Warnung ist dennoch berechtigt: Tempo, angewandt auf einen Prozess, der nie für KI neu gestaltet wurde, erzeugt im großen Maßstab neue Arten von Fehlern. Deshalb zählt der Scope ebenso wie das Tempo.
Der Zeitrahmen von 12 bis 18 Monaten ist ein Produkt des Beschaffungsprozesses, keine Anforderung des Produkts. Er entsteht, weil RFPs, Security-Reviews und Integrationsplanung nacheinander abgearbeitet werden, obwohl sie parallel laufen könnten. Die übergreifenden Daten zu gescheiterten Projekten zeigen in dieselbe Richtung: Laut McKinsey nutzt zwar fast jedes Unternehmen inzwischen KI in irgendeiner Form, doch nur rund 1 % bezeichnet seine Deployments als ausgereift. RAND beziffert die Fehlschlagquote von KI-Projekten auf nahezu 80 % – deutlich höher als bei anderen IT-Projekten. Der Engpass ist die organisatorische Bereitschaft, nicht das Modell.
Drei Entscheidungen verursachen die meisten Verzögerungen: Datenzugriff, Compliance-Freigabe und Eskalationsdesign. Sie parallel statt nacheinander zu treffen, ist der größte einzelne Hebel für die Dauer eines Deployments. Bei Maven-Deployments macht das oft den Unterschied zwischen einem Quartal und einem Jahr aus.
05 · Der blinde Fleck Compliance
Warum Security- und Compliance-Anforderungen mehr Deployments ausbremsen als die Technologie.
Die Diskussion über KI im Kundenservice dreht sich vor allem um Fähigkeiten. Kann der Agent komplexe Anfragen bearbeiten? Versteht er den Kontext? Vergessen wird dabei die Frage, ob die Plattform ein Security- und Compliance-Review besteht, ohne dass der Deployment-Plan neu geschrieben werden muss. 2026 ist genau diese Frage entscheidend für den Zeitplan.
Compliance ist heute der wichtigste Engpass bei der Beschaffung von Enterprise-KI. Nach unserer Erfahrung – und im Einklang mit Berichten von Governance-Forschern – bringt das Security-Review Enterprise-Deals mindestens so oft ins Stocken wie die technische Eignung, und zwar meist, nachdem die technische Evaluierung bereits gut verlaufen ist. Die Reibung ist weit verbreitet: Laut BCG tun sich 74 % der Unternehmen schwer, beim Einsatz generativer KI Innovation und Sicherheit in Einklang zu bringen. Käufer, die das Compliance-Gespräch nicht frühzeitig vorbereiten, verlieren in der Mitte des Funnels typischerweise zwei bis drei Monate.
SOC 2, HIPAA, GDPR und PCI DSS 4.0 sind Grundvoraussetzung für jeden Anbieter, der regulierte Daten verarbeitet. ISO 42001, der KI-spezifische Governance-Standard, ist das neue Unterscheidungsmerkmal – und die meisten Anbieter verfügen noch nicht darüber. Die Entwicklung gleicht dem, was vor zehn Jahren mit SOC 2 und ISO 27001 geschah. Laut einer Umfrage aus 2026 plant eine große Mehrheit der Einkaufsteams von Fortune-500-Unternehmen, bis 2027 von Anbietern die Ausrichtung an ISO 42001 zu verlangen. Die am strengsten zertifizierten Plattformen verfügen heute über mindestens zehn Zertifizierungen und Assessments, darunter ISO 42001.
Zwei Anforderungen werden von optional zu entscheidend. PCI bei Live-Sprachanrufen (Echtzeit-Schwärzung, Audit-Trails, segmentierte Verarbeitung) wird zum Shortlist-Kriterium, da über Voice immer mehr Zahlungsdaten laufen – und die meisten Voice-Produkte nicht dafür konzipiert wurden. Regionale Datenresidenz entscheidet darüber, ob ein Anbieter in Finanzdienstleistung, Gesundheitswesen und Teilen von EMEA und APAC überhaupt infrage kommt. Beides gehört in das frühe Screening, nicht in die späte rechtliche Prüfung.
Der Beweis, dass die Hürde zu nehmen ist: Ein Fortune-500-Gaming-Unternehmen wickelt über 330.000 Interaktionen pro Monat mit einem autonomen KI-Agenten ab – unter den Auflagen einer regulierten Branche, was in diesem Sektor sowohl PCI-Compliance für In-Game-Käufe als auch AML- und KYC-Prozesse bedeutet. Eine Organisation unter dieser Prüfungsintensität hat skaliert, statt ins Stocken zu geraten. Genau darum geht es: Compliance-Tiefe ist eine Hürde, die sich früh nehmen lässt, wenn die Plattform dafür gebaut ist.
Die folgenreichste Deployment-Entscheidung ist das Dashboard, das Sie vor dem Go-live aufbauen.
06 · Die Chance im Voice-Kanal
Der Kanal, den die meisten Unternehmen noch nicht automatisiert haben.
Voice ist der Kanal mit dem höchsten Volumen, den höchsten Kosten und der größten technischen Komplexität im Kundenservice. Zugleich hinkt die KI-Nutzung hier am weitesten hinterher. Diese Lücke schließt sich schnell: Branchenprognosen zufolge wächst der Markt für Voice-KI um rund 35 % pro Jahr – schneller als die Gesamtkategorie. Ein Tracker aus 2026 verzeichnete bei mehr als 500 Organisationen einen Anstieg produktiver Voice-Deployments um 340 % gegenüber dem Vorjahr (Opus Research). Wer früh handelt, sichert sich einen Kostenvorteil, der sich Quartal für Quartal verstärkt.
| Hürde | Was sie im Live-Gespräch bedeutete | Status 2026 |
|---|---|---|
| Latenz | Antwortzeiten unter 300 ms sind im Live-Gespräch Pflicht. | Im Produktivbetrieb gelöst |
| Genauigkeit | Erkennung über Akzente und sich überlagernde Sprache hinweg. | Gelöst |
| Compliance | Strengere Anforderungen als bei Text, PCI in Live-Gesprächen. | Gelöst, wenn von Anfang an dafür gebaut |
Keines dieser Probleme war 2023 lösbar, 2026 sind sie es. Enterprise Voice ist ein anderes Produkt als Consumer Voice: Mehrsprachigkeit auf dem Niveau von 50+ Sprachen, PCI-Compliance bei Live-Anrufen, Antwortzeiten unter 300 ms im Produktivbetrieb und Integration in bestehende Telefonie. Die Messlatte liegt höher, und der Kreis der Anbieter, die sie überspringen, ist deutlich kleiner.
Voice schließt zum Chat auf. Die Annahme, Voice sei grundsätzlich schwerer zu automatisieren, stammt weitgehend aus dem Jahr 2023. In den von Maven gemessenen Deployments erzielen gut gebaute Voice-Agenten bei vergleichbaren Anliegen Lösungsraten in derselben Größenordnung wie Chat. Die Komplexität ist real, aber begrenzt: Heute bestimmen einige wenige Entscheidungen das Deployment-Tempo, nicht die Technologie.
2026 ist Compliance das Nadelöhr. Der Anbieter, der als Erster Geltungsbereich und Audit-Daten seiner Zertifizierungen vorlegt, gewinnt meist das Security-Review.
07 · Was die besten 10 % richtig machen
Eine Zusammenfassung dessen, was erfolgreiche Deployments von gescheiterten unterscheidet.
Über alle Deployments hinweg, auf denen dieser Report basiert, zeigt sich bei den Organisationen mit herausragenden Ergebnissen dasselbe Muster – und es hat wenig mit Budgetgröße oder technischer Reife zu Beginn zu tun. Entscheidend ist, wie das einkaufende Unternehmen das Programm nach der Anbieterauswahl steuert. 4 der 5 folgenden Verhaltensweisen wurden in den vorherigen Abschnitten bereits begründet; zusammengeführt ergeben sie ein einheitliches Betriebsmodell. Die letzte ist diejenige, die die meisten Teams auslassen.
Das Dashboard steht, bevor der erste Agent live geht – und wird nicht erst nachgerüstet, wenn die Zahlen enttäuschen.
Ein klar abgegrenzter Pilot rechtfertigt den Rollout; niemand wartet auf die perfekte Roadmap.
Verbinden Sie KI mit den bestehenden Systemen, statt ein funktionierendes Deployment durch eine ideale Architektur zu blockieren.
Compliance ist Voraussetzung für die Ausweitung, nicht für den Pilot – so vermeiden Sie die teuerste Nachrüstung im Enterprise-AI-Umfeld.
Resolution- und Reopen-Daten werden wöchentlich geprüft, die Intent-Abdeckung quartalsweise. Diese Verhaltensweise behandeln die vorherigen Abschnitte nicht – und die meisten Teams lassen sie aus.
Agentic AI entwickelt sich vom Berater zum Ausführenden – vom Vorschlagen von Antworten zum Erledigen von Aufgaben. Die Agent-to-Agent-Ära beginnt: KI-Agenten übergeben an andere, spezialisierte Agenten. Organisationen, die jetzt institutionelles Wissen über Single-Agent-Deployments aufbauen, werden deutlich im Vorteil sein, wenn Ende 2026 und 2027 Multi-Agent-Stacks Einzug halten.
| 3 Entwicklungen bis zum 2. Halbjahr 2026 | Warum sie wichtig sind |
|---|---|
| ISO 42001 setzt sich durch — vom Differenzierungsmerkmal zur Beschaffungsanforderung | Beschleunigt, da die Pflichten des EU AI Act für Hochrisikosysteme 2026–2027 wirksam werden. |
| PCI-Compliance für Voice — wird zum Standardfilter bei der Shortlist | Da Voice immer mehr Zahlungsdaten verarbeitet, fallen nicht dafür ausgelegte Produkte früh heraus. |
| Resolution Rate etabliert sich — als veröffentlichte Branchenkennzahl | Die Sprache der Analysten hat sich verändert: Gartner formuliert seinen Meilenstein für 2029 als autonome Resolution, nicht als Deflection. |
2023 machten Latenz, Akzente und Compliance Voice schwierig. Heute sind das Engineering-Probleme mit bekannten Lösungen.
08 · Wo Sie anfangen
Keine der 5 Verhaltensweisen erfordert eine Budgetfreigabe. Die erste – Resolution statt Deflection zu messen – lässt sich noch in diesem Quartal mit Daten umsetzen, die Ihrem Team bereits vorliegen. Der Ausgangspunkt ist die True Resolution Formula aus Abschnitt 3: Bewerten Sie die Kontakte des letzten Monats neu danach, ob sie ohne Eskalation abgeschlossen wurden, über einen zu Ihren Standards für Kundenzufriedenheit passenden Zeitraum geschlossen blieben und keine negative Bewertung erhielten. Die Differenz zwischen diesem Wert und der Deflection Rate auf Ihrem aktuellen Dashboard zeigt die Größe Ihrer Chance.
Dieser Report wurde von Maven AGI erstellt und basiert auf Produktionsdaten aus mehr als 90 Enterprise-Deployments autonomer KI-Agenten in Chat, Voice und E-Mail.
In diesem Report zitierte Studien Dritter
Weiterlesen
Geben Sie Ihre E-Mail-Adresse ein, um den vollständigen Report „State of AI in CX 2026“ direkt auf dieser Seite freizuschalten – das vollständige PDF senden wir Ihnen zusätzlich per E-Mail.
Wir senden Ihnen das vollständige PDF per E-Mail und schalten den Report hier sofort frei. Mit dem Absenden stimmen Sie der Datenschutzerklärung von Maven AGI zu. Wir verkaufen Ihre Daten niemals.
Maven AGI betreibt autonome KI-Agenten in Chat, Voice und E-Mail für über 90 Unternehmen. Bringen Sie Ihre Daten mit – wir zeigen Ihnen die Resolution-Lücke in Ihren eigenen Zahlen.
Demo buchen →