Neuigkeiten & Veranstaltungen Agent Experience nach der Entlastung: die andere Hälfte der KI-Investition 

KI-gestützte Entlastung erfüllt, was der Business Case versprochen hat. Die Eindämmung steigt, Self‑Service erfüllt seinen Zweck, und weniger Anrufe erreichen menschliche Agents. Die agentenseitigen Daten werden dabei zunehmend interessanter: Bearbeitungszeiten fallen länger aus als prognostiziert; CSAT variiert stärker zwischen Queues; und die Fluktuation bewegt sich in ungewohnten Richtungen.

Was sich jetzt abzeichnet, ist die zweite Hälfte des KI‑gestützten Entlastung‑Betriebsmodells, und hier beginnt sich die nächste Welle strategischer CX-Investitionen zu konzentrieren.

Der Business Case für Contact Center KI ist seit Jahren stark: Fallvolumen und Kosten senken, indem Routinearbeit automatisiert und einfache Anfragen abgefangen werden. Das schafft Luft für menschliche Agenten, für jene Interaktionen, die ihr Urteilsvermögen erfordern. Diese Logik trägt. In der Umsetzung zeigt sich jedoch eine zweite Ebene, die genauso sorgfältig gestaltet werden muss wie die erste. Die Arbeit, die heute bei menschlichen Agenten ankommt, hat ihre Form verändert, und das Betriebsmodell rund um diese Agenten kann sich mitverändern.

Heute treffen einige Interaktionen bereits vorfrustriert ein, nachdem der Versuch, sie über Self-Service zu lösen, gescheitert ist. Die Komplexität steigt, ebenso die emotionale Aufladung. Entsprechend schwieriger lässt sich das erforderliche Urteilsvermögen menschlicher Agenten skripten.

McKinsey hat diese Dynamik in The Contact Center Crossroads, veröffentlicht im März 2025, treffend eingeordnet: Menschliche Agenten sind weiterhin der Ort, an den Contact Center jene Arbeit routen, bei der Empathie und situatives Urteilsvermögen entscheidend sind – und genau diese Arbeit konnte KI bislang nicht absorbieren. In konzentrierter Form erfordert diese Art von Workload eine andere Art operativer Unterstützung, als sie die Contact-Center-Branche historisch aufgebaut hat.

Die Average Handle Time wurde als Effizienzmetrik für einen Workload konzipiert, der auch einfache Anrufe enthielt. Entfernt man die einfachen Anrufe, misst AHT etwas anderes. First Contact Resolution (FCR) setzt voraus, dass ein Agent eine realistische Chance hat, das Anliegen innerhalb des Kontakts zu lösen. Werden die Anliegen komplexer, verschiebt sich FCR mechanisch – ohne dass jemand auf der Fläche schlechter arbeitet. Die Auslastung bleibt hoch, doch dessen kognitive Intensität unterscheidet sich deutlich von dem, wofür das Workforce-Planning-Modell kalibriert wurde.

Was das Dashboard als Performance-Regression ausweist, ist in vielen Fällen eine Messfrage. Die Zusammensetzung der Arbeit hat sich verändert. Die Metriken haben noch nicht nachgezogen.

Diese Verschiebung passiert nicht isoliert. CX Today’s The Algorithm Never Blinks, veröffentlicht im Oktober 2025, zeigt ein Muster, das parallel zur Workload-Konzentration entsteht. Dieselbe Investitionswelle, die einfache Interaktionen abgefangen hat, hat auch erweitert, was das Contact Center über die Menschen beobachtet, die den Rest bearbeiten. KI analysiert heute 100 % der Interaktionen, während klassische QA-Programme nur 1–3 % stichprobenartig geprüft haben. Real-Time-Hinweise unterstützen den Agenten während des Kontakts. Zwischen den Kontakten laufen Sentiment-Analysen und Coaching-Impulse.

Das ist ein realer und nachhaltiger Fortschritt in der operativen Sichtbarkeit, und zugleich zeigt sich, dass Wellbeing-Daten nachziehen. Laut Omdia’s Digital CX Survey 2025 (zitiert im CX Today Beitrag) achten 75 % der nordamerikanischen Contact-Center-Verantwortlichen genau auf die Auswirkungen von KI auf das Wohlbefinden der Agenten. Laut ICMI-Research (ebenfalls dort zitiert) messen 45 % der Organisationen und 55 % der Contact Center die Mitarbeiterzufriedenheit oder den Stress noch nicht.

Beide Kennzahlen verweisen auf dieselbe Chance: KI-gestütztes Monitoring mit parallelen Investitionen in Telemetrie zur Agent Experience zu verbinden. Führungskräfte, die das tun, erhalten das operative Signal, das sie benötigen, um das System auch bei weiter steigenden Eindämmungsraten stabil leistungsfähig zu halten.

Der naheliegende Startpunkt ist die KI-Seite des Systems: besseres Routing, smartere Eskalation und differenziertere Sentiment-Analyse. Das grössere Potenzial liegt auf der menschlichen Seite des Betriebsmodells, und es umfasst oft andere Sponsoren als die ursprüngliche KI-Einführung.

Onboarding ist der erste Bereich, in dem Redesign kumulierende Effekte liefert. Agenten, die einen Arbeitstag mit konzentrierten, komplexen Interaktionen verbringen, brauchen eine andere Vorbereitung als Agenten mit gemischter Last. Das traditionelle Ramp-Modell, bei dem neue Mitarbeitende über einfache Anrufe in schwierigere Themen hineinwachsen, war für eine Workload-Verteilung gebaut, die KI-gestützte Entlastung inzwischen verändert hat. Arbeitspläne und laufende Entwicklung lassen sich auf die Arbeit ausrichten, die tatsächlich ankommt. Organisationen, die hier früh ansetzen, sehen die Effekte weiter anwachsen, je mehr die Eindämmung steigt.

Real-Time-Support ist die nächste Ebene. McKinsey zeigte, dass Organisationen, die Jahr-für-Jahr spürbare Reduktionen im menschlich bearbeiteten Interaktionsvolumen erzielen, dies erreicht haben, indem sie zuerst jene Daten-, Integrations- und Prozessprobleme gelöst haben, die KI allein nicht beheben konnte. Dieselbe Logik gilt für Agent Assist.

Eine CRM-Integration, die den richtigen CRM-Kundendatensatz öffnet, und ein KI-Copilot, der relevante Kundenhistorie genau im Moment bereitstellt, in dem ein Agent sie benötigt, können die kognitive Last deutlich senken und die Interaktion spürbar verbessern. Die Integrationsarbeit, die dafür nötig ist, folgt derselben Disziplin, die bereits die Einführung der KI-gestützten Entlastung erfolgreich gemacht hat.

Die Auswertung ist der Punkt, an dem operative Gewinne sichtbar werden. Der bestehende KPI-Stack lässt sich erweitern, um einen Kompositionswechsel von einer echten Performance-Verschlechterung zu unterscheiden. AHT-Benchmarks an die neue Interaktionsmischung anzupassen, ist konzeptionell der einfache Teil. Emotionale Belastung über eine Schicht hinweg zu tracken oder zu messen, ob Agenten den Raum und die Autorität haben, Urteilsvermögen anzuwenden, ist schwieriger und folgenreicher.

Die agentische Ebene bewegt sich schneller vom Pilot in die Produktion als die vorherige KI-Welle. Deloitte’s 2026 State of AI in the Enterprise, basierend auf einer Befragung von 3’235 Enterprise-Leadern in 24 Ländern, zeigt: Ein Viertel der Organisationen hat bereits 40 % oder mehr seiner KI-Experimente in Produktion gebracht, und weitere 54 % erwarten, diese Schwelle innerhalb von drei bis sechs Monaten zu überschreiten. Dieselbe Quelle nennt Customer Support als die Funktion, in der Leader den höchsten Enterprise-Impact agentischer KI erwarten.

Produkt-Roadmaps passen zu diesem Timing. Salesforce führt Agentforce Contact Center zur allgemeinen Verfügbarkeit; GA (General Availability) in den USA ist bereits ausgerollt, und europäische Plattform-Bereitschaft ist für September und Oktober 2026 geplant. Cisco liefert agentische Fähigkeiten über Webex Contact Center. Eindämmungsraten werden gleich nochmals steigen, und der Kompositionswechsel, der bei 30 % Entlastung handhabbar ist, wird bei 50 % oder 60 % zur prägenden operativen Variable.

Organisationen, die die nächste Phase der KI-Investition richtig angehen, behandeln sie als Integrationsaufgabe über Systeme und Menschen hinweg – nicht als Automatisierungsaufgabe innerhalb eines einzelnen Technologie-Stacks. Die Entlastungslogik war das Fundament. Ein Contact Center zu gestalten, das die Agenten umgibt, die jene Arbeit übernehmen, die KI nicht absorbieren konnte, ist das nächste strategische Projekt und dort entsteht der dauerhafteste CX-Vorteil.

Für Praktiker, die seit Jahren an der Schnittstelle von Telefonie, CRM und KI-Orchestrierung arbeiten, hat sich der Kernauftrag nicht verändert. Die Zusammensetzung der Arbeit hat sich verändert, und das Umstrukturierung, das daraus folgt, ist ein strategisches Projekt, dessen Wert mit der Zeit weiter wächst. Das System über das hinweg als Einheit performant zu machen, was KI übernimmt und was sie Menschen lässt, ist dieselbe Arbeit wie immer – nur mit tiefergehenden Fragen, die zu beantworten sind.