Im Februar 2024 verkündete der CEO von Klarna, die KI des Unternehmens erledige die Arbeit von 700 Kundenservice-Mitarbeitenden. Das Zitat ging durch nahezu jede Wirtschaftspublikation. Es wurde zum Standardbeleg für „KI ersetzt Wissensarbeit“, und CX-Verantwortliche, die beim Thema KI bislang vorsichtig gewesen waren, mussten sich plötzlich von ihren Boards fragen lassen, warum sie nicht dasselbe taten.
Im Mai 2025 stellte Klarna stillschweigend wieder Menschen ein. Anfang 2026 war die Wiedereinstellung in vollem Gang, und der CEO räumte öffentlich ein, dass das Unternehmen Kosten über Qualität gestellt hatte und dafür mit sinkender Kundenzufriedenheit bezahlte.
Die Berichterstattung deutete das als Geschichte über eine KI, die nicht gut genug war. Das ist die falsche Lesart. Die KI hat genau so funktioniert, wie sie konzipiert war. Genau das ist das eigentliche Problem – und die Lehre daraus ist enger gefasst und nützlicher als die, die die meisten aus den Schlagzeilen gezogen haben.
Über die menschlichen Kosten dieses Fehlers haben wir Anfang dieses Jahres geschrieben. In diesem Beitrag geht es um etwas anderes: um das Messproblem, das das Ganze erst möglich gemacht hat.
Alle haben das Falsche gemessen
Als Klarna die ursprüngliche Ankündigung machte, war die zentrale Kennzahl Containment: wie viele Kundengespräche die KI auffing, bevor sie bei einem Menschen landeten. Je nach Zitat zwei Drittel bis drei Viertel aller Interaktionen. Eine beeindruckende Zahl. Sie sagt aber fast nichts darüber aus, ob das Problem der Kundin oder des Kunden tatsächlich gelöst wurde.
Containment misst, ob die KI das Gespräch gehalten hat. Wer sich zweimal wegen desselben Problems an den Support wendet, zählt als zwei Containments, wenn die KI beide Kontakte bearbeitet hat. Wer eine falsche Antwort hinnimmt und aufgibt, zählt trotzdem. Wer so frustriert ist, dass er eine Abbuchung bei der Kreditkartenfirma anfechtet, zählt ebenfalls. Die Kennzahl erfasste Volumen. Über Ergebnisse sagte sie nichts.
Klarnas KI hat genau das getan, woran sie gemessen wurde. Das Problem war die Messung. Dieser Unterschied ist für jede CX-Führungskraft, die gerade KI-Anbieter evaluiert, von enormer Bedeutung.
Die CSAT-Werte sanken, bevor sich Klarnas Volumenkennzahlen bewegten – genau das, was man erwarten würde, wenn Containment und autonome Lösung in entgegengesetzte Richtungen laufen. Das Signal war da. Niemand bemerkte die Lücke, bis sich das Ergebnis so weit verschlechtert hatte, dass es in den Zahlen auftauchte, auf die das Management tatsächlich schaute.
Warum Containment überhaupt zum Standard wurde
Eine Lösung ist schwerer zu definieren – das ist der Hauptgrund, warum die Branche standardmäßig auf Containment setzte. Wurde das Problem der Kundin oder des Kunden tatsächlich gelöst? Um das zu beantworten, muss man wissen, worin das Problem bestand, ob die Antwort es adressierte und ob die Person erneut Kontakt aufnahm. Für Containment muss man nur Gespräche zählen, die ohne Menschen endeten.
Die Unternehmen, die sich im aktuellen Markt behaupten, haben ihre Messung von Anfang an auf diese schwierigeren Fragen ausgerichtet. Die Wiederkontaktrate – also ob dieselbe Person innerhalb von 14 Tagen ein Ticket zum selben Problem erneut öffnet – ist das klarste Lösungssignal. Und genau sie lassen die meisten Implementierungen aus, weil sie ein Tracking über Gespräche hinweg statt innerhalb einzelner Gespräche erfordert. CSAT auf Ebene der einzelnen Interaktion ist aussagekräftiger als der Gesamtwert. Und Eskalationen, verstanden als kontinuierliche Daten darüber, wo das Wissen des KI-Agenten an Grenzen stößt, sind mehr wert, als den meisten Teams bewusst ist.
Mavens Daten aus Enterprise-Implementierungen zeigen dieses Muster direkt. Kunden, die nach Containment-Kennzahlen steuern, stoßen bei den Verbesserungen an ein Plateau. Kunden, die nach Erstlösungsquote, Verhältnis von Deflection zu Lösung und Wiederkontakthäufigkeit steuern, verbessern sich kontinuierlich weiter, weil ihr Feedback-Loop mit dem tatsächlichen Ergebnis verknüpft ist.
Die strukturelle Entscheidung, die das Messproblem fatal machte
Klarna baute Personal ab, bevor der Qualitätsverlust in den Daten erkennbar war. Die Logik war nachvollziehbar: Die KI bewältigte das Volumen, also konnte die menschliche Kapazität sinken. Qualitätsprobleme summieren sich jedoch langsam. Sie zeigen sich zuerst im CSAT, dann in Wiederkontakten, dann in Abwanderung und schließlich in Umsatzzahlen, die naturgemäß rückblickend sind. Als das Signal sichtbar wurde, war der Puffer für die Erholung bereits verschwunden.
Dieser Teil der Klarna-Geschichte geht im Narrativ „KI ist gescheitert“ unter. Nicht die Technologie ist gescheitert, sondern die Struktur der Implementierung – konkret die Entscheidung, menschliche Kapazität abzubauen, bevor validiert war, dass die KI Anliegen tatsächlich löste und nicht nur auffing.
Die Implementierungen, die das vermieden haben, haben nicht zuerst Stellen gestrichen. Sie haben umstrukturiert. Support-Teams verlagerten sich auf Eskalationsbearbeitung, Qualitätsprüfung und Customer Success – Aufgaben, die Urteilsvermögen erfordern, das KI tatsächlich nicht nachbilden kann. Der Personalabbau ergab sich aus dieser Umstrukturierung, nicht aus einem Denken, bei dem Stellenabbau an erster Stelle steht. Der Unterschied wirkt subtil. Die Ergebnisse sind es nicht.
Wie sich Enterprise-Einkäufer nach Klarna verändert haben
Die Geschichte hat eine Entwicklung beschleunigt, die im Einkauf bereits im Gang war. CX-Verantwortliche in Unternehmen, die heute einkaufen, fragen nach Erstlösungsquoten, nicht nach Containment. Sie fragen, was passiert, wenn die KI falsch liegt – nicht nur, wie oft sie richtig liegt. Sie wollen Wiederkontaktdaten aus echten Produktivumgebungen, keine Demo-Genauigkeitswerte aus einer kontrollierten Umgebung.
Dieser Wandel zeigt sich ganz konkret in den Verkaufszyklen. Anbieter, die diese Fragen mit echten Kundendaten beantworten können, kommen schneller voran. Wer weiterhin mit Containment-Zahlen wirbt, bekommt schwierigere Fragen und längere Prozesse. Die Messlatte für „Beweisen Sie es“ liegt höher. Klarna ist ein wesentlicher Grund dafür.
Wie Implementierungen aussehen, die sich bewährt haben
Clio hat 32 KI-Anbieter evaluiert und 10 davon einem Stresstest unterzogen, bevor das Unternehmen Maven eingeführt hat. Heute löst Clio 80 % der Chat-Anfragen autonom und schließt insgesamt 60 % mehr Tickets als mit dem vorherigen System. Das Support-Team ist nicht geschrumpft, sondern hat sich auf höherwertige Aufgaben verlagert. Gemessen wird die Lösung, nicht die Deflection. Ganze Story lesen.
Papaya Pay, im regulierten grenzüberschreitenden Zahlungsverkehr tätig, erreichte 90 % autonome Lösung. Die Compliance-Anforderungen – jede Interaktion prüfbar, jede Eskalation nachvollziehbar, konform mit SOC 2, HIPAA und PCI-DSS – erzwangen genau die Disziplin bei der Lösung, die die meisten Implementierungen überspringen. Wie sich zeigt, ist diese Disziplin ein Vorteil, keine Einschränkung.
Keine der beiden Implementierungen begann mit der Frage, wie viele Stellen sich einsparen lassen. Beide begannen mit der Frage, was „gelöst“ eigentlich bedeutet.
Was Sie daraus machen, wenn Sie gerade KI-Anbieter evaluierenDefinieren Sie Lösung, bevor Sie irgendetwas implementieren. Legen Sie fest, was „gelöst“ bedeutet – Lösung beim Erstkontakt, kein Wiederkontakt innerhalb von 14 Tagen, Erledigung einer bestimmten Aufgabe – und machen Sie das vom ersten Tag an zum Erfolgskriterium. Wenn Ihr Anbieter Ihnen nicht sagen kann, wie er das messen würde, ist das bereits die Antwort. Unser Leitfaden zu Deflection vs. Lösung zeigt Schritt für Schritt, wie Sie das aufsetzen.
Behandeln Sie die Wiederkontaktrate als zentrale Kennzahl. Stellen Sie sie im Dashboard neben Ihren Standard-CSAT. Nutzen Sie sie als Feedback-Loop für die Wissensdatenbank und das Verhalten des KI-Agenten. Wenn dieselbe Person immer wieder mit demselben Problem zurückkommt, ist das ein Lösungsversagen, kein neues Ticket.
Verstehen Sie Eskalationsdaten als Signal, nicht als Workflow-Schritt. Jede Eskalation zeigt Ihnen, wo Wissen oder Befugnisse der KI nicht ausreichen. Die Teams, die sich am schnellsten verbessern, nutzen diese Daten kontinuierlich. Eine Enterprise-Plattform für KI-Agenten sollte das einfach sichtbar machen – nicht etwas, wonach Sie suchen müssen.
Fordern Sie von Anfang an eine einheitliche Kanalabdeckung. Wer anruft, dann eine E-Mail schreibt und anschließend einen Chat öffnet, sollte sich nicht wiederholen müssen. Einheitliche Lösung über Chat, Telefon und E-Mail treibt die Ergebniszahlen – nicht Automatisierung in einem einzelnen Kanal, die in einer Demo gut aussieht.
Bauen Sie kein Personal ab, bevor die Qualität im großen Maßstab validiert ist. Gestalten Sie den Wandel der Belegschaft parallel zur Einführung der Technologie, nicht danach. Die Rollen verändern sich – Mitarbeitende verlagern sich auf Eskalationsbearbeitung, Qualitätsprüfung und Ausnahmemanagement –, aber dieser Übergang muss geplant werden, nicht vorausgesetzt.
Wo uns das hinführt
Gartners Prognose, dass bis 2029 80 % der Kundenservice-Interaktionen KI einbeziehen werden, wirkt weiterhin erreichbar. Die letzten 2 Jahre haben das Ziel nicht verändert. Sie haben gezeigt, welche Wege dorthin führen – und welche in einer öffentlichen Kehrtwende samt Wiedereinstellungsankündigung enden.
Die Unternehmen, die 80 % autonome Lösung erreichen, werden diejenigen sein, die Lösung richtig definiert haben, bevor sie irgendetwas implementierten, die KI an dieser Definition gemessen und den Wandel der Belegschaft von Anfang an eingeplant haben. Wer auf Containment optimiert, früh Personal abgebaut und Gespräche statt Ergebnisse gemessen hat, liefert die abschreckenden Beispiele.
Die Klarna-Geschichte ist keine Warnung vor den Grenzen von KI. Sie ist eine Warnung davor, was passiert, wenn ein leistungsfähiges System auf das falsche Ziel ausgerichtet wird.
Wenn Sie KI-Lösungen für den Kundenservice evaluieren und ein Framework suchen, um Anbieter anhand der wirklich relevanten Kennzahlen zu vergleichen, zeigt Ihnen unser Leitfaden zu Deflection vs. Lösung, wie Sie einen belastbaren Business Case aufbauen. Oder buchen Sie eine Demo und sehen Sie, wie Mavens Lösungsquoten im Vergleich zu Ihren aktuellen Werten abschneiden.
Testen Sie es mit Ihren eigenen Konversationen.
Fordern Sie eine kostenlose, individuelle Demo an.
