Lösungsquote

Was ist die Lösungsquote?

Die Lösungsquote (Resolution Rate) ist eine Kennzahl im Kundenservice. Sie misst den Anteil der Supportanfragen, bei denen das Problem des Kunden vollständig gelöst wurde. Anders als die Deflection Rate, die erfasst, ob ein Ticket an einem menschlichen Agent vorbeigeleitet wurde, beantwortet die Lösungsquote die wichtigere Frage: Wurde das Anliegen des Kunden tatsächlich gelöst?

Für Supportteams, die KI-Tools bewerten, ist dieser Unterschied entscheidend. Eine hohe Deflection Rate sieht im Dashboard gut aus, sagt aber nichts darüber, ob der Kunde zufrieden war oder einfach aufgegeben hat. Die Lösungsquote schließt diese Lücke.

So berechnen Sie die Lösungsquote

Lösungsquote = (gelöste Anliegen / Anliegen gesamt) x 100

Beispiel: Bearbeitet Ihr Team in einer Woche 500 Tickets und werden 425 davon ohne Rückfrage vollständig gelöst, liegt Ihre Lösungsquote bei 85 %.

Ein Anliegen gilt als „gelöst“, wenn:

• die Frage des Kunden vollständig beantwortet wurde
• jede angefragte Aktion ausgeführt wurde (Erstattung veranlasst, Konto aktualisiert, Abonnement geändert)
• innerhalb von 48 Stunden kein erneuter Kontakt zum selben Anliegen nötig war

Der letzte Punkt ist entscheidend. Viele Tools werten ein Ticket als gelöst, sobald es geschlossen wird – selbst wenn sich der Kunde am nächsten Tag mit demselben Problem erneut meldet. Wenn Sie Wiederholungskontakte innerhalb von 48 Stunden erfassen, erhalten Sie ein ehrlicheres Bild der tatsächlichen Lösungsquote.

Benchmarks für die Lösungsquote

Branchen-Benchmarks unterscheiden sich je nach Kanal und Komplexität. Die Daten zeigen folgendes Bild:

• Klassische regelbasierte Bots: 10-30 % Lösungsquote (die meisten Anliegen werden an menschliche Agents eskaliert)
• KI-Tools der ersten Generation: 30-50 % Lösungsquote (besseres Sprachverständnis, aber kaum Fähigkeit, Aktionen auszuführen)
• Moderne KI-Agenten: 70-93 % Lösungsquote (vollständiger Gesprächskontext, Fähigkeit zur Ausführung von Aktionen, Knowledge Grounding)

Laut dem Freshworks 2025 Customer Service Benchmark Report, der über 1,2 Milliarden Tickets aus mehr als 32.000 Teams ausgewertet hat, kann KI-gestützte Automatisierung die Lösungszeiten um bis zu 40 % verkürzen und einen erheblichen Teil der Tickets sofort bearbeiten.

Die First Contact Resolution (FCR) liegt branchenweit bei rund 70-75 % – allerdings einschließlich menschlicher Agents. Bei rein KI-basierter Lösung ist die Spanne deutlich größer und hängt stark von der Plattform ab sowie davon, wie „gelöst“ definiert wird.

Warum die Lösungsquote wichtiger ist als die Deflection Rate

Die meisten KI-Supporttools sind auf Deflection optimiert. Sie melden Kennzahlen wie „70 % der Kunden haben nie einen menschlichen Agent erreicht“. Das klingt beeindruckend, doch Deflection sagt nur aus, dass der Kunde nicht eskaliert hat. Sie verrät nicht:

• ob das Problem des Kunden tatsächlich gelöst wurde
• ob er frustriert war und stillschweigend abgewandert ist
• ob er selbst einen Workaround gefunden und Ihren Support ganz aufgegeben hat
• ob er morgen mit demselben Anliegen zurückkommt

Die Lösungsquote stellt die härtere Frage: Bei wie vielen Menschen, die mit Ihrer KI interagiert haben, wurde das Anliegen vollständig erledigt? Diese Messlatte liegt höher und erfordert bessere KI. Aber sie ist die einzige Kennzahl, die dem entspricht, was Kunden wirklich wollen.

Branchenstudie: Gartner weist darauf hin, dass Self-Service-Deflection häufig ungelöste Nachfrage verdeckt, und empfiehlt, neben der Deflection auch die tatsächliche Containment-Rate (Lösung) zu messen, um irreführende KPIs zu vermeiden.

Was hohe Lösungsquoten ausmacht

Mehrere Faktoren unterscheiden Teams mit 30 % Lösungsquote von denen mit über 90 %:

• Knowledge Grounding: KI, die auf geprüfte Dokumentation, frühere Tickets und Produktdaten zurückgreift, statt Antworten frei zu generieren. Das reduziert Halluzinationen und schafft Vertrauen.
• Fähigkeit, Aktionen auszuführen: Ein Anliegen zu lösen heißt oft, etwas zu tun – nicht nur eine Frage zu beantworten. Für Erstattungen, Kontoänderungen oder Abonnementwechsel muss die KI in Backend-Systeme integriert sein.
• Kontext über Gespräche hinweg: Kunden möchten ihr Anliegen nicht jedes Mal neu erklären. KI, die sich an frühere Interaktionen erinnert und die Kontohistorie heranzieht, löst Anliegen schneller und präziser.
• Intelligente Eskalation: Zu wissen, wann man nicht selbst lösen sollte, ist ebenso wichtig. Erfordert ein Anliegen menschliches Urteilsvermögen, sollte die KI mit vollständigem Kontext übergeben, damit der Agent nicht bei null anfängt.
• Kontinuierliche Verbesserung: Beobachten, welche Themen gelöst und welche eskaliert werden, und diese Daten nutzen, um die KI laufend zu verbessern.

Lösungsquote im Vergleich zu anderen Support-Kennzahlen

• vs. Deflection Rate: Deflection misst, wie viele Tickets vermieden wurden. Die Lösungsquote misst, ob das Problem gelöst wurde. Ein Kunde, der einen Chatbot frustriert abbricht, gilt als „deflected“, aber nicht als „gelöst“.
• vs. First Contact Resolution (FCR): FCR erfasst, ob ein Anliegen beim ersten Kontakt gelöst wurde – auch durch menschliche Agents. Die Lösungsquote für KI misst vollständig automatisierte Lösungen ohne menschliches Zutun.
• vs. CSAT: Lösungen steigern die Zufriedenheit, doch beide messen Unterschiedliches. CSAT erfasst die Stimmung, die Lösungsquote das operative Ergebnis. Beides ist wichtig.
• vs. Average Handle Time (AHT): AHT misst Geschwindigkeit, die Lösungsquote Wirksamkeit. Wer Tickets zu schnell schließt, kann die Lösungsquote sogar verschlechtern, wenn Anliegen nicht vollständig bearbeitet werden.

Nachgewiesene Lösungsquoten bei Kunden von Maven AGI

Maven AGI misst Lösungen statt Deflection – das ist die zentrale Kennzahl. So sieht das in der Praxis aus:

• Mastermind (EdTech): 93 % der Live-Chat-Gespräche gelöst. Einsatzbereit in 6 Wochen.
• Enumerate (PropTech): 91 % Lösungsquote über alle Supportkanäle.
• Papaya Pay (FinTech): 90 % autonome Lösung.
• K1x (FinTech): 80 % Lösungsquote – eine 10-fache Verbesserung gegenüber dem vorherigen KI-Tool. Live in 1 Woche.

Der Ansatz von Maven AGI: Die Lösungsquote ist die einzige Kennzahl, auf die Maven AGI optimiert. Bei jedem Kundeneinsatz wird erfasst, ob das Problem tatsächlich gelöst wurde – nicht, ob ein Ticket vermieden wurde. Dieser Fokus auf Ergebnisse statt Volumen sorgt für Lösungsquoten von 80-93 % in Branchen wie EdTech, FinTech, PropTech und SaaS.

Häufig gestellte Fragen

Was ist eine gute Lösungsquote?

Das hängt vom Kanal ab und davon, ob Sie menschliche oder KI-basierte Lösungen messen. Für menschliche Supportteams liegen die Benchmarks für First Contact Resolution bei rund 70-75 %. Bei rein KI-basierter Lösung erreichen ältere Chatbots 10-30 %, moderne KI-Agenten, die Aktionen ausführen können, dagegen 80-93 %.

Worin unterscheidet sich die Lösungsquote von der Deflection Rate?

Die Deflection Rate misst, wie viele Tickets nicht bei einem menschlichen Agent ankamen. Die Lösungsquote misst, wie viele Kundenanliegen tatsächlich gelöst wurden. Ein Ticket kann „deflected“ sein, ohne dass das Problem behoben ist. Die Lösungsquote ist die anspruchsvollere und ehrlichere Kennzahl.

Wie lässt sich die Lösungsquote verbessern?

Konzentrieren Sie sich auf 3 Bereiche: besseres Knowledge Grounding (geben Sie Ihrer KI präzise, aktuelle Informationen), Integrationen für Aktionen (lassen Sie die KI Erstattungen veranlassen und Konten aktualisieren, statt nur Fragen zu beantworten) und Feedbackschleifen (erfassen Sie, bei welchen Themen es hakt, und verbessern Sie diese laufend).

Kann KI wirklich über 90 % der Supporttickets lösen?

Ja, aber nur mit der richtigen Architektur. Regelbasierte Chatbots stoßen bei 10-30 % an ihre Grenzen. Plattformen für agentische KI, die Sprachverständnis, Wissensabruf und Backend-Integrationen kombinieren, erreichen im Produktivbetrieb zuverlässig 80-93 %.