Fast 1 von 5 Verbrauchern, die KI im Kundenservice genutzt haben, sagt, die Erfahrung habe ihnen überhaupt nichts gebracht. Dieses Ergebnis aus dem Qualtrics 2026 Customer Experience Trends Report erschien im selben Jahr, in dem Anbieter Automatisierungsraten von 50 %, 60 % oder sogar 80 % verkündeten.
Beide Zahlen können gleichzeitig stimmen. Die Lücke dazwischen lässt sich auf ein einziges Wort zurückführen: Deflection.
Deflection zählt Interaktionen, die die KI bearbeitet hat. Autonome Lösung zählt Probleme, die die KI tatsächlich gelöst hat. Ihre Lösungsrate im KI-Kundenservice ist der Abstand zwischen diesen beiden Werten – und genau dort gehen Kunden verloren und treffen CX-Verantwortliche teure Entscheidungen auf Basis falscher Daten.
Was Deflection tatsächlich misst
Wenn ein Kunde eine Frage stellt und das System mit einem Link zu einem FAQ-Artikel antwortet, verbuchen die meisten Plattformen das als erfolgreiche Deflection. Das Ticket hat nie einen Menschen erreicht. Die Automatisierungsrate steigt. Das Dashboard sieht gut aus.
Das Dashboard weiß jedoch nicht, ob der Kunde seine Antwort gefunden hat. Es weiß nicht, ob er aufgegeben, am nächsten Tag erneut angerufen oder stillschweigend gekündigt hat. Deflection misst, was die KI getan hat. Über das Erlebnis des Kunden sagt sie nichts aus.
Dieses Problem verschärft sich mit wachsender Skalierung. Eine NewtonX-Studie aus dem Jahr 2026 befragte 2.000 Verbraucher und 500 CX-Entscheider in Unternehmen auf 3 Kontinenten – mit einem deutlichen Ergebnis: Unternehmen optimieren auf Kostensenkung und Ticket-Deflection, während Verbraucher die Lösung über alles andere stellen. Bei den Prioritäten der Unternehmen landete die Lösung nur auf Platz 7.
Dieselbe Studie ergab, dass 55 % der Unternehmen die Leistung von KI und menschlichen Agents gemeinsam messen. Dadurch lässt sich kaum isolieren, wie die KI tatsächlich abschneidet. Wenn Sie die Signale nicht trennen können, wissen Sie nicht, ob Ihre KI Probleme löst oder nur Volumen auffängt.
Die Lücke in einer Zahl
Den klarsten Eindruck vom Ausmaß liefert eine inzwischen branchenweit zitierte Gartner-Studie: KI lenkt mehr als 45 % der Kundenanfragen ab, doch nur rund 14 % werden vollständig per Self-Service gelöst. Das ist eine Lücke von 31 Prozentpunkten zwischen dem, was das Dashboard meldet, und dem, was der Kunde tatsächlich bekommen hat.
Von 100 Fragen, die die KI bearbeitet, enden rund 14 damit, dass das Problem des Kunden gelöst ist. Weitere 31 wurden als erledigt gezählt, ohne gelöst zu sein. Genau diese Kontakte kehren als erneute Kontakte, Eskalationen und Abwanderung zurück – und deshalb kann sich hinter einer gesund wirkenden Automatisierungsrate ein ungesunder Betrieb verbergen.
Die Rechnung, die Deflection gefährlich macht
So sieht das in einem einzigen Monat aus.
Ihre KI bearbeitet 10.000 Tickets. Das Dashboard des Anbieters zeigt eine Automatisierungsrate von 60 % – also wurden 6.000 Tickets ohne einen Menschen bearbeitet. Auf dem Papier stark.
Sehen Sie sich die Daten aber genauer an. Von diesen 6.000 automatisierten Interaktionen wurden vielleicht 75 % tatsächlich gelöst. Der Kunde bekam, was er brauchte, und meldete sich nicht wieder. Die übrigen 25 % wurden lediglich abgelenkt: Die KI hat geantwortet, aber das Problem blieb bestehen. Einige dieser Kunden versuchten es über einen anderen Kanal. Einige riefen an. Einige gingen.
Ihre tatsächliche autonome Lösungsrate liegt nicht bei 60 %, sondern bei 45 %. Und die 1.500 Tickets, die automatisiert aussahen, es aber nicht waren, sind weiterhin in Ihrem System – getarnt als erneute Kontakte, Eskalationen oder Abwanderung.
Eine Möglichkeit, das aufzudecken, ist die Messung der Nachhaltigkeit von Lösungen: nicht nur, ob ein Anliegen als gelöst markiert wurde, sondern ob sich der Kunde innerhalb von 72 Stunden wegen desselben Problems erneut gemeldet hat. Eine hohe Deflection-Rate in Kombination mit einer hohen Wiederkontaktrate ist keine Automatisierung. Es ist Kostenaufschub.
Wie Lösung im Produktivbetrieb aussieht
Autonome Lösung bedeutet, dass die KI das Problem des Kunden vollständig gelöst hat – ohne menschliche Beteiligung, ohne Folge-Ticket und ohne zweiten Versuch über einen anderen Kanal. Diese Messlatte liegt höher als das, wofür die meisten Anbieter-Dashboards ausgelegt sind. Und sie korreliert mit den Ergebnissen, auf die es CX-Verantwortlichen ankommt: niedrigere Kosten pro Ticket, höherer CSAT, weniger Abwanderung.
3 Voraussetzungen müssen erfüllt sein, damit eine KI-Interaktion als echte Lösung zählt.
Die KI braucht Zugriff auf Ihre Systeme – nicht nur auf Ihre Wissensdatenbank, sondern auch auf Auftragsverwaltung, Abrechnung, CRM und Ticketing-Tools. Ein Kunde, der seine Lieferadresse ändern möchte, braucht keinen Link zu Ihrem Help Center. Er braucht eine geänderte Adresse. Eine Overlay-Architektur, die sich mit Ihrem bestehenden Helpdesk verbindet, statt ihn zu ersetzen, macht diesen Zugriff ohne monatelange Migration möglich. Wenn die KI Ihre Systeme lesen, aber nicht in sie schreiben kann, kann sie Fragen beantworten, aber keine Probleme lösen. Das ist ein ausgefeiltes FAQ, kein KI-Agent.
Die KI muss die Aktion ausführen. Eine Rückerstattung bearbeiten, einen Flug umbuchen, ein Konto aktualisieren: Das sind die Interaktionen, die zur Lösung führen. Der Unterschied zwischen Plattformen, die Informationen bereitstellen, und Plattformen, die Transaktionen ausführen, ist der Unterschied zwischen Deflection und Lösung.
Die KI braucht die Bestätigung, dass der Kunde das Problem als gelöst betrachtet. Diesen Schritt lassen die meisten Plattformen aus. Sie schließen das Ticket, sobald die KI antwortet – nicht, wenn der Kunde bestätigt, dass sein Anliegen erledigt ist. Anbieter, die kundenbestätigte Lösungen messen, erzielen durchweg 15 bis 20 % höhere CSAT-Werte als Plattformen, die sich auf automatisches Schließen von Tickets verlassen.
Sind diese 3 Bedingungen erfüllt, bewegen sich die Zahlen. Unabhängige Studien von McKinsey zu Service-Operations aus dem Jahr 2026 zeigen, dass handlungsfähige KI-Agenten deutlich höhere Lösungsraten erzielen als Deflection-orientierte Tools – zu einem Bruchteil der Kosten pro Kontakt im Vergleich zur Bearbeitung durch Menschen. Die Lücke ist strukturell bedingt und keine Frage der Konfiguration.
Wie es aussieht, wenn es funktioniert
Die Zahlen aus dem Produktivbetrieb bestätigen das. Mastermind erreichte innerhalb von 6 Wochen nach dem Rollout eine autonome Lösungsrate von 93 %. Keine Deflection, sondern Anliegen, die ohne Menschen abgeschlossen wurden. Rho hielt einen CSAT von 95 % und bewältigte dabei 12 % mehr monatliche Kontakte ohne zusätzliches Personal – weil die KI echtes Volumen übernahm, statt es weiterzureichen.
Diese Ergebnisse haben eines gemeinsam: Die KI wurde daran gemessen, was sie gelöst hat, und sie war an die Systeme angebunden, in denen Lösungen tatsächlich stattfinden. Die Lösungsrate, nicht die Deflection, ist die Zahl, die widerspiegelt, was Kunden erleben und was im Finanzbereich sichtbar wird.
5 Fragen für jede Anbieterbewertung
Wenn Sie gerade Plattformen für KI-Kundenservice bewerten, sollte die Unterscheidung zwischen Deflection und Lösung Ihr wichtigstes Filterkriterium sein. So bringen Sie sie in einer Demo oder einem POC ans Licht.
Wie definieren Sie „gelöst“? Wenn die Antwort Containment, Deflection oder Automatisierungsrate umfasst, ohne klarzustellen, dass das Problem des Kunden vollständig gelöst wurde, haben Sie es mit einer Deflection-Kennzahl unter dem Etikett „Lösung“ zu tun. Bitten Sie den Anbieter, zwischen Interaktionen, die die KI bearbeitet hat, und Problemen, die sie gelöst hat, zu unterscheiden.
Wie hoch ist Ihre Wiederkontaktrate innerhalb von 72 Stunden? Diese Kennzahl entlarvt scheinbare Lösungen. Wenn 25 % der gelösten Tickets innerhalb von 3 Tagen einen Folgekontakt auslösen, liegt die effektive Lösungsrate deutlich unter der beworbenen Zahl. Anbieter, die von ihrer Lösungsqualität überzeugt sind, legen sie offen. Wer zögert, hat sie vermutlich nie gemessen.
Kann die KI Aktionen in meinen Backend-Systemen ausführen oder nur Antworten liefern? Lesende versus lesend-schreibende Integration ist die entscheidende architektonische Trennlinie. Eine KI, die eine Bestellung nachschlagen, aber keine Retoure bearbeiten kann, stößt bei echter Lösung immer früher an ihre Grenzen. Fragen Sie gezielt nach der Tiefe der Integration in Ihren bestehenden Helpdesk, Ihr CRM und Ihre Tools für die Auftragsverwaltung.
Wie messen Sie die Bestätigung der Lösung durch den Kunden? Ein Ticket automatisch zu schließen, nachdem die KI geantwortet hat, ist nicht dasselbe wie die Bestätigung, dass das Anliegen des Kunden erledigt ist. Fragen Sie, ob die Plattform Kundenbestätigungen, Folgeumfragen oder Wiederkontakt-Tracking nutzt. Die Methodik zählt genauso viel wie die Zahl.
Sind Sie bereit, auf Basis erfolgreicher Lösungen abzurechnen? Ergebnisbasierte Preismodelle bringen die Anreize des Anbieters mit den Ergebnissen für Kunden in Einklang. Wenn der Anbieter nur gewinnt, wenn die Probleme Ihrer Kunden tatsächlich gelöst werden, entwickelt er auf Lösung hin. Rechnet er pro Lizenz, pro Ticket oder pro Nachricht ab – unabhängig vom Ergebnis –, liegt sein Anreiz im Volumen, nicht in Resultaten.
Der Wandel bei den Kennzahlen hat bereits begonnen
Die Branche bewegt sich in diese Richtung, wenn auch langsam. Gartner prognostiziert, dass KI bis 2029 80 % der gängigen Kundenservice-Anliegen lösen wird – ohne menschliches Eingreifen. Das entscheidende Wort ist „lösen“, nicht „ablenken“. Einige Anbieter stellen ihre Abrechnung bereits um, trennen verifizierte Lösungen von bloß aufgefangenen Anfragen und berechnen nur Ergebnisse, die sie nachweisen können. Das verrät mehr über die tatsächlichen Anreize eines Anbieters als jede Case Study.
Für CX-Verantwortliche, die in diesem Quartal Anbieter bewerten, ist die Unterscheidung zwischen Deflection und Lösung keine philosophische Debatte. Sie ist ein Filter im Beschaffungsprozess. Anbieter, die Lösung messen, entwickeln Produkte, die Lösungen verbessern. Anbieter, die Deflection messen, entwickeln Produkte, die Deflection verbessern. Ihre Kunden werden den Unterschied lange vor Ihrem Dashboard bemerken.
Wenn Sie gerade eine Bewertung durchführen, beginnen Sie mit den 5 Fragen oben und gleichen Sie die Definition jedes Anbieters damit ab, was die Lösungsrate tatsächlich misst. Warum Rollouts, die in der Demo überzeugen, im Produktivbetrieb ins Stocken geraten, erklärt unsere Analyse der Lücke zwischen Pilotprojekt und Produktivbetrieb im KI-Support – inklusive der Kennzahlen, die beides unterscheiden.
Sehen Sie, wie autonome Lösung bei Ihrem eigenen Ticketvolumen aussieht. Demo buchen – und bringen Sie Ihre schwierigsten Anfragen mit.
Testen Sie es mit Ihren eigenen Konversationen.
Fordern Sie eine kostenlose, individuelle Demo an.
