Tier-1 Service Desk mit KI lösen.

Der Service Desk ist in vielen mittelständischen Unternehmen die meistfrequentierte Schnittstelle zu Kunden und internen Anwendern — und gleichzeitig die personalintensivste. Tier 1 macht regelmäßig 60 bis 75 Prozent aller Anfragen aus, ist aber inhaltlich oft trivial: Passwort-Resets, Statusabfragen, einfache Rückfragen zu Bestellungen oder Rechnungen, immer wieder dieselben Fragen zu Funktionen. Wer hier Personal bindet, hat selten Kapazität für die wirklich anspruchsvollen Fälle in Tier 2, in denen technische Expertise oder echte Beratung gefragt wären. KI kann diesen Engpass entschärfen, indem sie einen Großteil der Tier-1-Last übernimmt und nur dann eskaliert, wenn ein menschlicher Blick wirklich nötig ist. Wie das in der Praxis aussieht, wo die Grenzen liegen und welche Vorarbeit unverzichtbar ist, beschreibt dieser Artikel.

Was Tier 1 eigentlich kostet — und warum es so teuer bleibt.

Service-Desk-Kosten werden in vielen Unternehmen unterschätzt, weil sie verteilt anfallen: ein paar Stellen im Customer Service, eine halbe Stelle im Vertriebsinnendienst, ein paar Stunden Backoffice pro Tag. Rechnet man die Vollkosten zusammen, ergeben sich bei einem 200-Mitarbeiter-Unternehmen schnell sechsstellige Beträge pro Jahr — für Tätigkeiten, die zu drei Vierteln repetitiv sind.

Der eigentliche Hebel liegt nicht in der Stückkostenreduktion pro Ticket, sondern in der Befreiung der Tier-2-Mitarbeitenden. Wenn diese ihre Zeit nicht mehr mit Passwort-Resets verbringen, sondern mit komplexen Reklamationen, technischen Detailfragen oder Beratungssituationen, steigt der Wert pro Stunde deutlich. Genau dieser Effekt rechnet sich, nicht die nackte Personalreduktion.

Die Schwierigkeit: Tier 1 wirkt einfach, ist aber nicht trivial. Anfragen sind oft unscharf formuliert, mehrere Themen vermischen sich, der Kontext des Kunden fehlt. Ein gutes Tier-1-System muss verstehen, klassifizieren, antworten und im Zweifel sauber übergeben — das ist Detailarbeit, die nicht von alleine geschieht.

Welche Anfragen KI heute zuverlässig löst.

Nicht alles, was im Service Desk eintrifft, ist KI-fähig. Aus Beratungsprojekten lässt sich aber ein recht stabiles Muster ableiten, welche Fälle in welcher Qualität automatisierbar sind:

Auffällig ist, dass die hochautomatisierbaren Fälle oft die häufigsten sind. Ein Unternehmen, das nur Passwort-Resets, Statusabfragen und einfache Wissensfragen sauber abdeckt, entlastet sein Tier 1 typischerweise um 40 bis 55 Prozent — das entspricht in vielen Häusern zwei bis vier Vollzeitstellen.

Wichtig ist die Trennung: KI soll nicht alles versuchen, sondern das Beherrschbare gut machen. Wer die Klassifikation sauber baut und ehrlich erkennt, wo eine Eskalation nötig ist, gewinnt mehr Akzeptanz als ein System, das alles antworten will und dabei regelmäßig daneben liegt.

Architektur eines KI-gestützten Tier 1.

Die technische Struktur ist überschaubarer, als sie auf den ersten Blick wirkt. Sie besteht aus vier Komponenten, die zusammenspielen müssen: einer Eingangsschicht, die Anfragen aus Mail, Chat, Webformular und Telefon annimmt; einem Klassifikator, der den Anfragetyp erkennt; einer Wissensschicht, die auf Dokumentation, FAQ und Datenbanken zugreift; und einer Übergabeschicht, die nicht lösbare Fälle ins Ticketsystem an Tier 2 spielt.

Das Herzstück ist meist ein RAG-System, das die Wissensbasis durchsucht und die KI mit relevanten Passagen versorgt, bevor sie antwortet. Damit lässt sich kontrollieren, woher die Antworten stammen, und es lässt sich nachweisen, dass das Modell nicht erfindet. Für Statusabfragen und Stammdaten kommen klassische API-Calls hinzu — die KI ruft das ERP, das CRM oder das Auftragssystem ab und liefert die konkrete Information.

Sinnvoll ist eine klare Trennung zwischen antworten und handeln. Antworten kann das System weitgehend autonom. Handeln — also Passwörter zurücksetzen, Reklamationen anlegen, Bestellungen ändern — sollte zumindest am Anfang nur in eng definierten, niedrigriskanten Szenarien automatisiert geschehen und sonst dem Menschen vorgelegt werden.

Wie die Eskalation an Tier 2 funktioniert.

Eskalation entscheidet darüber, ob das System als hilfreich oder als ärgerlich wahrgenommen wird. Eine schlechte Eskalation reicht aus, um Vertrauen über Monate zu verspielen. Vier Prinzipien haben sich bewährt:

• Klare Eskalationsregeln: Niedriges Confidence-Niveau, sensible Schlagworte (Beschwerde, Anwalt, Kündigung), explizite Wünsche („mit einem Menschen sprechen“) führen sofort zur Eskalation.
• Vollständiger Kontext: Tier 2 bekommt die gesamte Konversation, die bisher gesammelten Daten und eine kurze Zusammenfassung, was die KI verstanden hat — nicht einen leeren Bildschirm.
• Keine Endlos-Schleifen: Wenn ein Anwender zweimal denselben Inhalt sendet, eskaliert das System automatisch. Niemand soll dreimal denselben Bot-Antwortbaustein lesen.
• Ehrliche Sprache: „Ich kann diese Anfrage nicht zuverlässig beantworten und leite Sie weiter“ ist besser als jeder Versuch, sich durchzubluffen.

Die Übergabe selbst sollte für Tier 2 möglichst angenehm sein. Wer dort ein gut vorbereitetes Ticket vorfindet, akzeptiert das System schneller. Wer den Eindruck hat, dass die KI nur Müll produziert und der Mensch alles neu aufnehmen muss, wird das System sabotieren — bewusst oder unbewusst.

Was an Vorarbeit unverzichtbar ist.

Die meisten gescheiterten Tier-1-Projekte scheitern nicht am Modell, sondern an der Wissensbasis. Wenn FAQ-Dokumente veraltet sind, wenn jede Abteilung ihre eigenen Bausteine pflegt, wenn Vertriebs- und Servicedokumente sich widersprechen, kann auch das beste Sprachmodell nichts retten. Es zitiert dann eben die widersprüchliche Quelle.

Vor dem Rollout sollte deshalb eine ehrliche Bestandsaufnahme stehen: Welche Dokumente sind aktuell? Wer ist verantwortlich? Wie oft werden sie überprüft? In vielen Mittelständlern stellt sich heraus, dass es keinen klaren Owner gibt — und das ist der eigentliche Engpass. Ein KI-System ist nur so gut wie die Inhalte, auf denen es operiert.

Hinzu kommt die Klassifikationsarbeit: Welche Anfragetypen kommen wie häufig vor, wie sehen sie konkret aus, welche Antworten sind richtig, welche sind ein Eskalationsanlass? Das herauszuarbeiten dauert in einem mittelständischen Unternehmen typischerweise vier bis acht Wochen — und ist nicht delegierbar, weil hier das interne Wissen sitzt.

DSGVO, Protokollierung, Compliance.

Im Service Desk fließen personenbezogene Daten — Namen, Kundennummern, manchmal Gesundheitsdaten, manchmal sensible Vertragsdaten. Das bedeutet: Der Einsatz von KI ist DSGVO-relevant und muss sauber dokumentiert sein. In der Praxis sind drei Punkte besonders wichtig:

Erstens die Wahl des Modellbetreibers. Cloud-Modelle US-amerikanischer Anbieter sind nicht per se verboten, brauchen aber einen sauberen Auftragsverarbeitungsvertrag, eine Datenschutz-Folgenabschätzung und meist eine Region-Begrenzung auf EU-Rechenzentren. Modelle, die in deutschen oder europäischen Rechenzentren laufen, sind die einfachere Variante, aber nicht zwingend die billigste.

Zweitens die Protokollierung. Welche Anfrage hat das System wann mit welchem Modell, welcher Quelle und welcher Antwort bearbeitet? Diese Logs sind nicht nur Compliance-Pflicht, sondern auch die Grundlage für Qualitätsmessung und Verbesserung. Drittens die Information der Nutzer: Anwender müssen erkennen können, dass sie mit einem KI-System sprechen — eine kurze, klare Kennzeichnung reicht in den meisten Fällen aus.

Grenzen, die ehrlich benannt gehören.

KI-Tier-1 ist keine Wunderwaffe. Die ehrlichste Beobachtung aus Beratungsprojekten: Selbst sehr gut konfigurierte Systeme schaffen selten mehr als 60 bis 70 Prozent vollautomatische Lösungsrate. Der Rest braucht den Menschen — und das ist kein Mangel, sondern ein Feature.

Drei Risiken sollten Entscheider kennen. Halluzinationen treten auch bei RAG-Systemen auf, wenn die Quellen lückenhaft sind oder das Modell ohne ausreichende Belege antwortet. Eskalationsmüdigkeit entsteht, wenn das System zu schnell oder zu langsam an Tier 2 übergibt — beides ist schlecht. Und Akzeptanzprobleme sind real: Manche Mitarbeitende und manche Kunden lehnen Bot-Kontakte grundsätzlich ab. Eine offene Möglichkeit, direkt zum Menschen zu kommen, sollte deshalb immer bestehen.

Hinzu kommt ein Effekt, der gerne übersehen wird: Wenn KI die einfachen Fälle übernimmt, bleibt in Tier 2 nur das Schwere übrig. Die Belastung pro Ticket steigt, die Durchschnittsbearbeitungszeit auch — das sieht in Kennzahlen erstmal schlechter aus. Wer das nicht im Vorfeld kommuniziert, bekommt unnötige Akzeptanzprobleme im Team.

Wie ein realistischer Einstieg aussieht.

Ein vernünftiger Einstieg beginnt nicht mit einem großen Rollout, sondern mit einem klar abgegrenzten Anwendungsfall. Gut geeignet sind Themen mit hoher Frequenz, klarer Struktur und geringem Risiko bei Fehlern: Statusabfragen, Wissensfragen aus einem definierten Bereich, Passwort-Resets. Der erste Anwendungsfall sollte in acht bis zwölf Wochen produktiv sein, sonst verliert das Projekt Tempo.

Die Kostenseite ist überschaubar. Für einen ersten Anwendungsfall im Mittelstand sind Investitionen von 30.000 bis 80.000 Euro realistisch, dazu kommen monatliche Betriebskosten von 1.500 bis 5.000 Euro je nach Volumen. Die Amortisation rechnet sich bei sinnvoll gewählten Fällen oft innerhalb von zwölf bis achtzehn Monaten — vorausgesetzt, die Wissensbasis und die Eskalationslogik sind sauber gebaut.

Wer in diese Richtung denkt, sollte am Anfang einen ehrlichen Blick auf die eigenen Strukturen werfen — auf die Datenqualität, die Verantwortlichkeiten und die Prozesse hinter den Anfragen. Ein KI-Audit liefert genau diese Bestandsaufnahme und macht deutlich, wo der erste Schritt am ehesten den Hebel hat. Erst danach lohnt die Diskussion über Tools und Modelle.

Sie wollen prüfen, welcher Tier-1-Anwendungsfall in Ihrem Service Desk realistisch automatisierbar ist? Unverbindlich anfragen — wir schauen gemeinsam auf Volumen, Wissensbasis und Eskalationslogik und priorisieren einen ersten Anwendungsfall.