3 Monate nach AI im Contact Center — Ergebnisse aus realen Betriebsdaten

Wir analysieren die Leistungsdaten nach drei Monaten Betrieb einer AI-gestützten Contact-Center-Lösung.

Ausgangslage

Im Dezember 2024 stand Unternehmen A, ein mittelständisches koreanisches Handelsunternehmen, vor einer doppelten Herausforderung: sinkende Servicequalität und steigende Fluktuation bei den Servicemitarbeitern. Durchschnittlich 2.400 Anfragen pro Tag, eine mittlere Wartezeit von 4 Minuten und 32 Sekunden sowie 1.800 bearbeitete Fälle pro Mitarbeiter und Monat zeigten die Grenzen des Systems auf.

RIFT hat gemeinsam mit Unternehmen A eine AI-basierte Contact-Center-Lösung entwickelt, die im Januar 2025 in Betrieb ging.

Leistungsdaten nach 3 Monaten

Kennzahl	Vorher	Nach 3 Monaten	Veränderung
Durchschnittliche Wartezeit	4 Min. 32 Sek.	1 Min. 48 Sek.	-60 %
Erstlösungsquote	54 %	78 %	+44 %
Kundenzufriedenheit (CSAT)	3,2/5,0	4,1/5,0	+28 %
Fälle pro Mitarbeiter/Monat	1.800	2.350	+31 %
Mitarbeiterfluktuation	8,2 %/Monat	3,1 %/Monat	-62 %

Unerwartete Ergebnisse

Der größte Erfolg kam aus einem unerwarteten Bereich. Ursprünglich war Kostensenkung das Hauptziel, doch die bedeutendste Veränderung betraf die Zufriedenheit der Servicemitarbeiter.

Dadurch, dass AI wiederkehrende Anfragen vorklassifizierte und Antwortentwürfe generierte, konnten sich die Mitarbeiter auf komplexe Fälle konzentrieren. Dies führte zu einer höheren Arbeitszufriedenheit und letztlich zu einem Rückgang der Fluktuation um 62 %.

Allerdings blieb die Antwortqualität der AI in den ersten zwei Wochen hinter den Erwartungen zurück, wobei die manuelle Eingriffrate 40 % erreichte. Nach Daten-Tuning und Prompt-Optimierung stabilisierte sich das System ab der vierten Woche, und die aktuelle manuelle Eingriffrate liegt bei 12 %.

Zentrale Erkenntnisse

Die ersten 2–4 Wochen nach der AI-Einführung müssen als Stabilisierungsphase eingeplant werden.

Echte Ergebnisse entstehen nicht durch das Ersetzen von Mitarbeitern, sondern durch die Verstärkung ihrer Fähigkeiten.

Neben quantitativen Kennzahlen war das wöchentliche Einholen von Mitarbeiter-Feedback der entscheidende Faktor für die Qualitätsverbesserung.

Nächste Schritte

Unternehmen A plant, den AI-Einsatz im zweiten Quartal auf den telefonischen Supportkanal auszuweiten. RIFT bereitet einen Piloten mit dem Ziel einer Spracherkennungsgenauigkeit von über 95 % vor.