Öffnen Sie ein beliebiges gelöstes Ticket in Ihrem Helpdesk. Ticket 4471: eröffnet, einer Queue zugewiesen, Rückerstattung veranlasst, geschlossen. Jeder Schritt ist dokumentiert, mit Zeitstempel versehen und durchsuchbar.
Versuchen Sie nun herauszufinden, warum. Warum hat dieser Kunde eine Rückerstattung außerhalb der 30-Tage-Frist erhalten? Was hat der Agent vor seiner Entscheidung geprüft, hat ein Supervisor eingegriffen und die Entscheidung geändert? Nichts davon steht im Datensatz.
Wofür ein System of Record gebaut wurde
Ihr CRM, Ihre Ticketing-Plattform und Ihr Abrechnungssystem sind allesamt Systems of Record. Sie erfüllen ihren eigentlichen Zweck sehr gut: Daten vorhalten – wer der Kunde ist, was er gekauft hat, was offen und was geschlossen ist.
Für Urteilsvermögen wurden sie nie konzipiert. Der Status „geschlossen“ sagt Ihnen, dass die Arbeit beendet ist. Er sagt nichts darüber, wie sie erledigt wurde – und damit fehlen Feedback- und Lernschleifen.
Was fehlt, ist der Decision Trace
Ein Decision Trace dokumentiert, wie eine einzelne Lösung zustande kam. Er erfasst die Situation des Kunden, den Kontext, den der Agent abgerufen hat, und aus welchen Systemen er stammt, die ergriffene Maßnahme und ob sie funktioniert hat. Der wertvollste Teil ist meist der letzte: was ein Mensch im Nachhinein korrigiert hat – falls überhaupt.
Maven nennt die Gesamtheit dieser Traces den Graph of Record. Der Graph of Record speichert, wie entschieden wurde, und ermöglicht so Lernschleifen, durch die jede Entscheidung besser wird als die vorherige.
Warum sich Decision Traces potenzieren
Enterprise-Architekten sprechen seit Jahren von Data Gravity: Anwendungen wandern tendenziell dorthin, wo die Daten liegen. Decision Traces erzeugen eine andere Anziehungskraft – nennen wir sie Trace Gravity.
Intelligenz entsteht dort, wo Entscheidungen getroffen werden. Jeder gelöste Fall und jede Korrektur an einem fehlgeschlagenen Fall verschafft dem nächsten Fall eine bessere Ausgangslage.
Deshalb haben die ersten Wochen eines Deployments so viel Gewicht. Am schnellsten verbessern sich die Deployments, bei denen echte Fälle und echte Korrekturen direkt in die Arbeitsweise des Agenten zurückfließen.
So erreichte Mastermind nur 6 Wochen nach dem Start mit Maven eine autonome Lösungsquote von 93 %.
Die meisten Teams haben die darunterliegende Ebene noch nicht angebunden
Im Report State of AI in the Enterprise 2026 von Box gaben 96 % der Unternehmen an, dass es wichtig sei, dass KI-Agenten auf unternehmensspezifische Inhalte und unternehmensspezifisches Wissen zugreifen können.
Doch nur 36 % derjenigen, die Agenten nutzen oder damit experimentieren, hatten sie über viele Use Cases hinweg mit vertrauenswürdigen internen Inhalten verbunden. Zudem verfügten nur 34 % über formale Standards dafür, wie Agenten auf Unternehmensdaten zugreifen.
Das ist die Content-Ebene: die Dokumente und das Wissen, aus denen ein Agent liest. Decision Traces liegen eine Ebene darüber.
Wenn die meisten Unternehmen noch nicht einmal ihr Wissen angebunden haben, erfassen nur sehr wenige gezielt, wie ihre Agenten es nutzen. Das ist eine große Chance für Teams, die es tun – und ein echtes Risiko für Teams, deren Traces sich an Orten ansammeln, die sie nicht kontrollieren.
Ihr System of Record bleibt, wo es ist
Nichts davon bedeutet, dass Sie Ihr CRM oder Ihren Helpdesk ersetzen. Diese Systeme machen weiterhin, was sie gut können. Ihre Rolle verändert sich allerdings: Sie werden zur State-Ebene, aus der die Arbeitsebene liest und in die sie zurückschreibt.
Das ist die Logik einer Overlay-Architektur. Eine KI-Agenten-Plattform, die auf Zendesk oder Salesforce aufsetzt, liest den Status aus den Systemen, die Sie bereits nutzen, löst den Fall, schreibt das Ergebnis zurück und bewahrt den Trace darüber, wie es dazu kam. Keine Migration, kein neues System of Record.
Was Sie vor der Unterschrift fragen sollten
Wenn Sie KI-Agenten für den Kundenservice evaluieren, verdient der Decision Trace einen eigenen Punkt in Ihrer Bewertung. Ein paar Fragen machen den Unterschied schnell sichtbar:
- Wo werden Decision Traces gespeichert, und nehmen Sie sie mit, wenn Sie den Anbieter wechseln?
- Wenn Ihr Team den Agenten korrigiert: Können Sie sehen, wie diese Korrektur die Bearbeitung des nächsten ähnlichen Falls verändert?
- Können Sie jede einzelne Lösung bis zu dem Kontext und den Aktionen zurückverfolgen, die zu ihr geführt haben?
- Wer kann sonst noch aus Ihren Traces lernen, und ist das vertraglich geregelt?
Ein Anbieter, der um den Trace herum aufgebaut ist, beantwortet diese Fragen konkret. Einer, der das nicht ist, lenkt Sie zurück zur Demo.
Lösungen, die besser werden
Die Lösungsquote bekommt die Schlagzeilen – zu Recht. Über einen Vertrag mit 2 Jahren Laufzeit ist jedoch eine andere Zahl wichtiger: wie schnell sich die Lösungsquote verbessert. Das hängt davon ab, ob festgehalten wird, wie Ihr Unternehmen entscheidet – und wer das festhält.
Das ist der Kern des Service as Software-Ansatzes: Software, die die Arbeit erledigt und darin immer besser wird, weil sie festhält, wie die Arbeit erledigt wurde. Lesen Sie die vollständige Argumentation oder bringen Sie Ihren schwierigsten Ticket-Typ zur Demo mit. 30 Minuten, Ihre Systeme, Ihre Definition von „gelöst“.
Testen Sie es mit Ihren eigenen Konversationen.
Fordern Sie eine kostenlose, individuelle Demo an.
