Die Marktprognosen für KI in der Customer Experience sind hoch und einheitlich. MarketsandMarkets beziffert den Markt für KI in der Customer Experience für 2024 auf 12,06 Milliarden US-Dollar und erwartet bis 2030 ein Wachstum auf 47,82 Milliarden US-Dollar. Für 2026 liegt der Wert bei rund 15 Milliarden US-Dollar, was Fortune Business Insights und Grand View Research bestätigen.
Diese Zahlen messen genau eines: was Unternehmen ausgeben. Darüber, was sie dafür bekommen, sagen sie nichts – und in dieser Kategorie ist die Lücke so groß, dass es Ihre Planung verzerren kann, wenn Sie das eine als Indikator für das andere nehmen.
Ausgaben sind eine Kennzahl für Commitment
Eine Prognose zur Marktgröße zählt Verträge – Implementierungen, die 20 % des Volumens lösen, genauso wie solche, die 90 % lösen, und sogar Pilotprojekte, die nie skaliert wurden. Eine steigende Kurve zeigt, dass über die Kategorie Konsens herrscht, nicht, dass die Ergebnisse durchweg gleich gut sind.
Das Gegengewicht findet sich in denselben Analystenberichten. Gartner erwartet, dass bis Ende 2027 mehr als 40 % aller Agentic-AI-Projekte eingestellt werden, und verweist auf steigende Kosten, unklaren Geschäftswert und unzureichende Risikokontrollen.
Das Messproblem hinter den Zahlen
Die meisten CX-Organisationen in Unternehmen haben inzwischen irgendeine Form von KI im Einsatz. Doch nicht alle können sagen, welcher Anteil des gesamten Kontaktvolumens ohne menschliches Zutun abgeschlossen wird – denn die meisten Dashboards messen nach wie vor Deflection statt Lösung.
Deflection fragt, ob ein Ticket die Queue verlassen hat. Lösung fragt, ob der Kunde zufrieden gegangen ist. Ein Kontakt, der abgefangen wird und innerhalb von 48 Stunden zurückkommt, zählt zweimal als Deflection und 0-mal als gelöst. So kommt es, dass eine Organisation Verbesserungen meldet, während ihre Wiederkontaktrate steigt.
Die True Resolution Formula definiert 3 Bedingungen – ein Kontakt gilt nur dann als gelöst, wenn alle 3 erfüllt sind: Er wurde ohne Eskalation abgeschlossen, der Agent hat die Anfrage also vollständig erledigt. Er wurde innerhalb Ihres Zeitfensters, üblicherweise 7 Tage, nicht wieder geöffnet. Und es gab keinen negativen CSAT – damit fallen auch die Kontakte heraus, die zwar formal abgeschlossen wurden, den Kunden aber still verärgert haben.
Eine Führungskraft kann die Kontakte des Vormonats anhand dieser 3 Bedingungen neu bewerten und das Ergebnis mit der Deflection-Zahl vergleichen, die bereits im Dashboard steht. Die Differenz zeigt, wie groß das Potenzial ist.
Warum sich Deflection so lange gehalten hat
Deflection wurde aus einem praktischen Grund zum Standard: Es war das Einzige, was die frühere Tool-Generation liefern konnte. Ein System, das Fragen beantwortete, aber keine Aktionen ausführen konnte, hatte keine Lösung zu berichten. Es konnte nur melden, dass ein Gespräch endete, ohne bei einem Menschen zu landen.
Die Kennzahl passte zur Technologie – und hat sie überlebt. Eine Kennzahl zu ersetzen, die das Management bereits versteht, ist tatsächlich schwierig, vor allem, wenn die neue zunächst schlechter aussieht. Eine Organisation, die 60 % Deflection meldet und beginnt, Lösung ehrlich zu messen, stellt womöglich fest, dass sie eher bei 25 % liegt. Schlechter geworden ist nichts – nur die Messung ist genauer geworden. Trotzdem muss jemand vor das Management treten und die Veränderung erklären.
Wo die Obergrenze tatsächlich liegt
Für die Planung 2027 lautet die entscheidende Frage nicht, was der Markt ausgeben wird, sondern was nachweislich erreicht wurde – denn daran messen Sie Ihre Anbieter.
Mastermind erreichte innerhalb von 6 Wochen 93 % autonome Lösung. Laut den Daten von Maven erreichen die besten Implementierungen bis Monat 6 zwischen 80 % und 93 % autonome Lösung – und zwar, weil sie das Programm von Anfang an an der Lösungsfrage ausrichten, statt die Kennzahl zu wechseln, wenn die Zahlen enttäuschen.
Liegt Ihre Lösungsquote deutlich unter dem, was anderswo erreicht wurde, liegt die Ursache eher in der Architektur, im Wissenszugriff oder in den Aktionen, die der Agent ausführen darf, als im Modell selbst. Und ein Anbieter, der keine Lösungsquote für vergleichbare Implementierungen nennen kann, verlangt von Ihnen, die Erkundung zu finanzieren. Werten Sie eine Zahl, die ein Anbieter nicht liefern kann, als eigene Aussage.
Wie Sie den Markt künftig lesen sollten
Die Prognosen zeigen in die richtige Richtung. Budget fließt in diese Kategorie und wird es weiterhin tun. Was sich ändert, ist die Vergleichsgrundlage.
In den vergangenen 2 Jahren bedeutete der Kauf von KI für die Customer Experience vor allem den Kauf von Fähigkeiten. Anbieter bewiesen, dass die Technologie funktioniert, und das reichte für den Abschluss. Mit zunehmender Reife der Implementierungen verlagert sich der Vergleich auf gemessene Ergebnisse – ein strengerer Maßstab und ein besserer. Deshalb ist die Lösungsquote (Resolution Rate) auf dem Weg, weichere Kennzahlen als wichtigsten CX-Benchmark abzulösen.
Wenn Sie Ihre Planung für 2027 aufstellen, sollten Sie 2 Zahlen mitnehmen: Ihre eigene, korrekt gemessene Lösungsquote und die Quote, die Ihr Anbieter anderswo nachweisen kann. Die Marktprognose liefert den Kontext. Diese beiden Zahlen liefern die Entscheidung.
Die 3 Bedingungen finden Sie in The True Resolution Formula , das vollständige Marktbild im Kapitel „Market State“ des Reports „State of AI in CX 2026“ .
Testen Sie es mit Ihren eigenen Konversationen.
Fordern Sie eine kostenlose, individuelle Demo an.
