Wie KI-Agenten das CCM verändert

Das Produktivitätsparadoxon

Unternehmen haben in den vergangenen zwei Jahren massiv in Künstliche Intelligenz investiert. Copilot-Lizenzen wurden eingeführt, Pilotprojekte für generative KI gestartet und promptbasierte Assistenten in zahlreiche Tools integriert. All diese Maßnahmen folgten einem klaren Ziel: Prozesse zu beschleunigen, Fehler zu reduzieren und Produktivität messbar zu steigern.

In der Praxis bleiben die tatsächlichen Ergebnisse bislang hinter den Erwartungen zurück.

Aktuelle Untersuchungen des MIT1 (Massachusetts Institute of Technology) bestätigen, was viele IT-Verantwortliche bereits vermuten: Die Produktivitätsgewinne durch promptbasierte KI sind gering, unbeständig und nur schwer skalierbar. Der Grund dafür ist struktureller Natur. Denn diese Werkzeuge benötigen bei nahezu jedem Schritt einen Menschen im Prozess. Auf eine Eingabe folgt eine Antwort, diese muss geprüft werden und erst dann kann die nächste Anfrage gestellt werden. Die KI unterstützt zwar punktuell, doch die eigentliche Arbeit bleibt weiterhin beim Menschen. Für Gelegenheitsaufgaben wie das Verfassen einer E-Mail oder das Zusammenfassen eines Dokuments ist dieser Ansatz durchaus nützlich. In komplexen, volumenstarken Geschäftsprozessen entfaltet er jedoch kaum Wirkung.

Das Problem liegt nicht in der KI selbst, sondern in der Art und Weise ihrer Anwendung.
 

Von der Eingabe zur Orchestrierung

Zwischen promptbasierter KI und agentischen KI-Systemen besteht ein grundlegender Unterschied. Für Unternehmen ist er entscheidend, wenn es um die Bewertung zukünftiger Investitionen geht.

• Promptbasierte KI
  Promptbasierte KI folgt einer einfachen Schleife: Der Mensch stellt eine Frage, die KI liefert eine Antwort, der Mensch prüft und steuert nach. Der Mensch bleibt der Koordinator. Die KI ist ein nützliches, aber passives Werkzeug.
• Agentische KI
  Agentische KI hingegen verfolgt einen anderen Ansatz. Einem Agenten wird kein einzelner Prompt, sondern ein Ziel übergeben. Dieses zerlegt er eigenständig in Teilschritte, führt sie autonom aus, nutzt bei Bedarf weitere Tools oder spezialisierte Agenten, bewertet Zwischenergebnisse und korrigiert Fehler selbstständig. Der Mensch greift nur an definierten Kontrollpunkten ein. Die KI agiert damit nicht mehr nur als Assistent, sondern als aktiver digitaler Mitarbeiter.

Für das Customer Communication Management ist diese Unterscheidung essenziell, da sie darüber entscheidet, was sich tatsächlich automatisieren lässt.

Warum das für CCM entscheidend ist

Die Diskussion über KI in der Kundenkommunikation drehte sich bislang vor allem um promptbasierte Funktionen: generierte Inhalte, intelligente Vorschläge oder in Produkte integrierte Chat-Oberflächen. Diese Ansätze schaffen Mehrwert bei einzelnen Aufgaben, bleiben jedoch meist eine Weiterentwicklung bestehender Arbeitsweisen, keine grundlegende Transformation. Das eigentliche Potenzial liegt tiefer.

CCM ist geprägt von hohen Volumina, komplexen Abläufen und strengen Compliance-Anforderungen. Unternehmen erstellen und versenden Millionen von Dokumenten – etwa Kontoauszüge, Policen oder regulatorische Mitteilungen – über unterschiedliche Kanäle, Marken und rechtliche Rahmenbedingungen hinweg. Der operative Aufwand ist enorm, ebenso das Risiko, dass bereits kleine Fehler große Auswirkungen haben.

An diesem Punkt zeigt agentische KI ihre Stärke. Denn viele Abläufe im CCM sind repetitiv, aber gleichzeitig komplex. Die Regeln sind klar definiert, jedoch zahlreich. Abweichungen treten regelmäßig auf, folgen jedoch häufig wiederkehrenden Mustern. Das sind ideale Bedingungen für autonome Agenten, die innerhalb klarer Leitplanken handeln, Entscheidungen vorbereiten und Prozesse eigenständig ausführen können.

Mögliche Einsatzszenarien für agentische Workflows sind: