78 % vs. 19 %: Die KI-Agenten-Kluft im technischen Kundensupport
Eine aktuelle DACH-Studie zeigt eine dramatische Erwartungslücke: 78 % der Unternehmen wollen den Kundensupport binnen 18 Monaten mehrheitlich durch KI-Agenten abwickeln - nur 19 % der Kunden befürworten das. 37 % wenden sich sogar ab, sobald sie merken, dass sie mit einer KI statt einem Menschen sprechen.
78 % der Unternehmen wollen den Kundensupport binnen 18 Monaten mehrheitlich auf KI-Agenten umstellen. Nur 19 % der Kunden befürworten das – und 37 % wenden sich ab, sobald sie unbeabsichtigt merken, dass sie mit einer KI statt einem Menschen sprechen.
Die Zahlen stammen primär aus dem globalen Adobe-Report „AI and Digital Trends 2026", nicht aus einer reinen DACH-Erhebung. Hierzulande bestätigt die Trendstudie Contact Center 2026 (vier.ai): erst 12 % setzen Agentic AI im Kundenservice ein, 75 % nennen Datenintegration als größte Hürde.
Die Kluft auf einen Blick: 78 % Ambition, 19 % Zustimmung
Fünf Zahlen genügen, um die Lage zu beschreiben, vor der viele Support-Organisationen 2026 stehen: 78 % der Unternehmen planen, den Kundensupport binnen 18 Monaten mehrheitlich über Agentic AI abzuwickeln. 19 % der Kunden befürworten diesen Umbau. 37 % wechseln den Anbieter oder brechen den Kontakt ab, wenn sie unbeabsichtigt merken, dass sie mit einer KI statt mit einem Menschen sprechen. 75 % der Unternehmen nennen Datenintegration als größte technische Hürde auf dem Weg dorthin. Und 12 % setzen im deutschsprachigen Raum bereits heute tatsächlich Agentic AI im Kundenservice ein.
Diese fünf Zahlen stammen nicht aus einer einzigen Quelle, und genau das ist für die Einordnung wichtig. Bevor ein mittelständisches Unternehmen einen 18-Monats-Rollout für KI-Agenten im Support aufsetzt, lohnt sich ein nüchterner Blick darauf, wer was gemessen hat – und was die Zahlen für die eigene Kundenbeziehung tatsächlich bedeuten. Denn die Kluft zwischen Anbieter-Ambition und Kundenakzeptanz ist nicht nur eine demoskopische Randnotiz, sie ist ein handfestes Geschäftsrisiko: Wer sie ignoriert, riskiert genau die Kundenbindung, die der Support eigentlich sichern soll.
Framing-Punkt für die Geschäftsleitung: Die 78-Prozent-Zahl beschreibt eine Absicht, keine abgeschlossene Umstellung. Sie sagt nichts darüber aus, ob die Infrastruktur dafür bereit ist – und die 75-Prozent-Zahl zur Datenintegration deutet klar darauf hin, dass sie es in den meisten Häusern noch nicht ist. Tempo und Bereitschaft der Kunden laufen 2026 spürbar auseinander.
Was die Studien wirklich zeigen: Adobe-Report und DACH-Zahlen im Vergleich
Die dramatische Erwartungslücke von 78 % zu 19 % stammt aus dem globalen „AI and Digital Trends Report 2026" von Adobe, durchgeführt von Oxford Economics unter 3.000 Führungskräften und 4.000 Kunden weltweit. Das ist ausdrücklich keine reine DACH-Studie, auch wenn die Zahl in deutschsprachigen Medien mitunter so zitiert wird. Für den deutschen Mittelstand bleibt sie trotzdem relevant, weil der Report auch europäische und deutsche Teilstichproben einschließt und weil sich das Muster – Unternehmen wollen schneller automatisieren, als Kunden es akzeptieren – in den unabhängig erhobenen DACH-Zahlen exakt wiederfindet.
Diese DACH-Zahlen liefert die Trendstudie Contact Center 2026 von vier.ai, deren Kernbefunde unabhängig auch bei CMM360 zitiert werden: Erst 12 % der Unternehmen setzen Agentic AI im Kundenservice tatsächlich ein, während 49 % auf klassische Chatbots und rund 40 % auf Voicebots mit freier Sprache setzen. Etwa ein Drittel nutzt generative KI wie ChatGPT im Support-Umfeld. Nach CMM360 befinden sich immerhin 63 % der befragten Unternehmen in Umsetzung, Test oder produktivem Betrieb irgendeiner Form von KI-Unterstützung im Kundenservice – die Reife reicht von ersten Piloten bis zu etablierten Systemen, ist aber überwiegend generativ und assistierend, nicht autonom agentisch.
| Kennzahl | Quelle | Geltungsbereich |
|---|---|---|
| 78 % planen KI-Mehrheit | Adobe / Oxford Economics | global (n=3.000 Führungskräfte) |
| 19 % Kundenzustimmung | Adobe / Oxford Economics | global (n=4.000 Kunden) |
| 37 % Abwanderung bei unbemerkter KI | Adobe / Oxford Economics | global |
| 75 % nennen Datenintegration als Hürde | Adobe / Oxford Economics | global |
| 12 % Agentic-AI-Einsatz im Support | vier.ai / CMM360 | DACH |
Wichtig für die Genauigkeit: Weder vier.ai noch CMM360 nennen eigene Zahlen zu 78, 19, 37 oder 75 Prozent – diese vier Werte lassen sich ausschließlich dem Adobe-Report zuschreiben. Umgekehrt liefert Adobe keine belastbare 12-Prozent-Zahl für den DACH-Raum. Eine im Vorfeld kursierende Behauptung, wonach „fast jeder fünfte Verbraucher bei KI-gestütztem Support keinerlei Vorteil" sähe, ließ sich in keiner der geprüften Primärquellen bestätigen und wird hier bewusst nicht als Fakt verwendet. Stattdessen zeigt der Adobe-Report ein konsistenteres und besser belegtes Muster in der Vertrauensfrage: Nur 21 % der Kunden vertrauen KI bei Kaufentscheidungen, Unternehmen erwarten hier 36 % Vertrauen. Bei der Bereitschaft zur Datenweitergabe klafft die Lücke ähnlich: 21 % Kundenbereitschaft gegenüber 28 % Unternehmenserwartung. Und nur 16 % der Kunden würden einem KI-Agenten einen autonomen Großkauf überlassen, während Unternehmen mit 29 % Akzeptanz rechnen.
Warum Unternehmen aufs Tempo drücken: Kostendruck und Skalierungslogik
Die Motivation hinter den 78 % ist betriebswirtschaftlich nachvollziehbar. Ein KI-Agent kennt keine Schichtpläne: Er beantwortet Anfragen um 3 Uhr nachts genauso wie um 15 Uhr, ohne Zuschläge, ohne Krankheitsausfall, ohne Einarbeitungszeit für die nächste Saisonspitze. Für Support-Organisationen, die seit Jahren mit Personalmangel und steigenden Kontaktvolumina kämpfen, ist die Aussicht auf Skalierung ohne linearen Personalaufbau der stärkste Einzelfaktor hinter der Automatisierungsambition.
Technisch macht die Agent-Orchestrierung genau das möglich, woran frühere Automatisierungswellen scheiterten: Statt eines starren Entscheidungsbaums koordiniert eine Orchestrierungsschicht mehrere spezialisierte Agenten – einen für Rechnungsanfragen, einen für Rückgaben, einen für technische Störungen – und reicht Kontext zwischen ihnen weiter, statt den Kunden bei jedem Themenwechsel neu anzusetzen. Das erklärt, warum 2026 in vielen Support-Centern nicht mehr über „Chatbot ja oder nein", sondern über den Umbau ganzer Prozessketten diskutiert wird.
Der eigentliche Risikofaktor liegt jedoch nicht im Enabler, sondern in der Erwartungshaltung, die er erzeugt. Laut Adobe-Report rechnen Unternehmen selbst mit 49 % Kundenzustimmung zu KI-gestütztem Support – real liegt sie bei 19 %. Das ist keine kleine Kalibrierungslücke, sondern ein Faktor von rund 2,5. Wer eine Rollout-Planung auf eine intern für realistisch gehaltene Zustimmungsquote stützt, die schon in der eigenen Erwartung um mehr als das Doppelte über der gemessenen Realität liegt, baut sein Change-Management auf einer Fehleinschätzung auf, die sich erst in der Kundenreaktion zeigt – meist zu spät, um sie günstig zu korrigieren.
Warum nur 19 % der Kunden mitziehen: Vertrauen, Empathie, Kontrolle
Die Ablehnung der Kunden ist selten pauschale Technikfeindlichkeit. Sie speist sich aus drei wiederkehrenden Sorgen, die sich in Support-Interviews und den zugrunde liegenden Studiendaten konsistent zeigen. Erstens die Angst vor dem Verlust an Empathie und Nachvollziehbarkeit: Bei einem komplizierten Reklamationsfall will ein Kunde nicht nur eine korrekte Antwort, sondern das Gefühl, gehört zu werden – etwas, das ein rein textbasierter Conversational-AI-Agent, so gut er formuliert, nur eingeschränkt vermitteln kann. Zweitens die Furcht vor der Sackgasse: ein System, das auf Nachfragen nur in Variationen derselben Antwort antwortet, ohne dass eine Eskalation zu einem Menschen erkennbar möglich ist. Drittens Datenschutzbedenken, insbesondere wenn der Agent auf sensible Vertrags- oder Zahlungsdaten zugreifen muss, um überhaupt handlungsfähig zu sein.
Diese drei Sorgen sind kein Sonderfall des Supports, sondern Teil eines größeren, im Adobe-Report wiederholt belegten Musters: Kunden trauen KI-Systemen in emotional oder finanziell bedeutsamen Momenten grundsätzlich weniger zu, als Unternehmen unterstellen. Bei Kaufentscheidungen vertrauen nur 21 % der Kunden der KI, verglichen mit einer Unternehmenserwartung von 36 %. Bei der Weitergabe persönlicher Daten liegt die reale Bereitschaft bei 21 %, erwartet werden 28 %. Der Kundensupport ist also kein Ausreißer – er ist ein weiteres Feld, in dem sich dasselbe Grundmuster zeigt: Vertrauen in autonome KI-Entscheidungen wächst langsamer, als Unternehmen es sich wünschen.
Der wirksamste Hebel gegen diese Skepsis ist strukturell, nicht kommunikativ: Human-in-the-Loop als eingebauter Vertrauensanker. Wenn Kunden wissen, dass ein Mensch jederzeit erreichbar ist und der Agent diese Übergabe aktiv anbietet statt sie zu verschleiern, sinkt der Widerstand gegen den KI-Erstkontakt spürbar – dazu mehr im Abschnitt zu hybriden Modellen.
Die 37-Prozent-Gefahr: Wenn Kennzeichnung fehlt
Die vielleicht geschäftskritischste Einzelzahl der gesamten Studienlage ist die 37: Mehr als jeder dritte Kunde wendet sich ab – wechselt den Anbieter, bricht den Kontakt ab oder eskaliert öffentlich –, wenn er unbeabsichtigt bemerkt, mit einer KI statt mit einem Menschen zu sprechen. Der Auslöser ist damit nicht der KI-Einsatz selbst, sondern die fehlende Ankündigung. Das deckt sich mit zwei weiteren, im Report belegten Werten: 68 % der Kunden fordern eine klare Kennzeichnung von KI-Interaktionen, 61 % fordern eine einfache, jederzeit zugängliche Eskalationsmöglichkeit zu einem Menschen.
Der entscheidende Unterschied: Kunden lehnen selten die KI selbst ab. Sie lehnen ab, unwissend mit ihr interagiert zu haben. Eine sichtbare Kennzeichnung verwandelt denselben Agenten von einem Vertrauensbruch in ein akzeptiertes Werkzeug – ohne dass eine einzige Zeile der zugrunde liegenden Technik verändert werden muss.
Regulatorisch ist diese Erwartung ohnehin kein rein psychologisches Phänomen mehr, sondern zunehmend Pflicht. Art. 50 der EU-KI-Verordnung verlangt eine Kennzeichnungspflicht für Interaktionen mit KI-Systemen, gerade im Chat- und Voice-Kontext, wie ihn Conversational-AI-Agenten im Support typischerweise darstellen. Was heute noch als freiwillige Vertrauensmaßnahme diskutiert wird, wird damit in absehbarer Zeit zur Compliance-Anforderung – wer jetzt schon konsequent kennzeichnet, muss später nicht nachrüsten, sondern lediglich dokumentieren, was ohnehin schon Praxis ist.
Praktisch heißt das für die Umsetzung: eine unmissverständliche, gut sichtbare Kennzeichnung zu Beginn jeder Konversation – kein kleingedruckter Hinweis im Footer, sondern eine aktive Ansage wie „Sie sprechen mit unserem KI-Assistenten" –, kombiniert mit einer jederzeit erreichbaren, nicht versteckten Option „Mit einem Mitarbeiter sprechen". Beides zusammen adressiert direkt die beiden am häufigsten genannten Kundenforderungen und senkt das Abwanderungsrisiko, ohne den Automatisierungsgrad selbst zu reduzieren.
75 % nennen Datenintegration als größte Hürde: Die technische Realität hinter der Ambition
Selbst wenn die Akzeptanzfrage gelöst wäre, scheitern viele Rollouts an einer banaleren Ursache: den Daten. 75 % der Unternehmen nennen die Datenintegration als größte Hürde bei der Einführung agentischer KI im Support. Das ist kein Zufall, sondern die logische Konsequenz jahrelang gewachsener Systemlandschaften. Ticketsystem, CRM, ERP, Warenwirtschaft und Wissensdatenbank wurden meist zu unterschiedlichen Zeiten von unterschiedlichen Anbietern eingeführt und selten mit dem Gedanken verbunden, dass ein autonomer Agent später alle gleichzeitig, konsistent und in Echtzeit lesen und teilweise auch schreiben muss.
Der Adobe-Report liefert dazu eine aufschlussreiche Kontrastzahl: 89 % der Unternehmen setzen bereits generative KI in irgendeiner Form ein – aber nur 51 % verfügen über eine Cloud- beziehungsweise Dateninfrastruktur, die für echte agentische KI geeignet ist. Ein einfacher GenAI-Chatbot, der auf eine statische FAQ-Wissensbasis antwortet, braucht diese Infrastruktur nicht. Ein Agent, der eigenständig eine Rücksendung im ERP anlegt, eine Rechnung im Zahlungssystem korrigiert oder einen Liefertermin im Warenwirtschaftssystem verschiebt, braucht sie zwingend. Diese Lücke zwischen „wir nutzen bereits KI" und „unsere Systeme sind agentenfähig integriert" ist der am meisten unterschätzte Faktor in vielen 18-Monats-Zeitplänen.
Ergänzend nennen 71 % der Unternehmen Fachkräftemangel und 68 % einen unklaren ROI als weitere Hemmnisse – beides Symptome derselben Grundursache: Ohne eine belastbare, gut dokumentierte Datenbasis lässt sich weder der Betrieb eines Agenten sauber absichern noch sein wirtschaftlicher Nutzen seriös messen. Für deutsche Mittelständler kommt eine zusätzliche Dimension hinzu, die in der internationalen Studienlage naturgemäß unterbelichtet bleibt: Datenintegration ist hierzulande selten eine rein technische Frage, sondern fast immer auch eine datenschutzrechtliche. Sobald ein Agent auf Kunden-, Vertrags- oder Zahlungsdaten aus mehreren Systemen gleichzeitig zugreift, stellt sich die Frage nach Zweckbindung, Zugriffsprotokollierung und – bei sensiblen Branchen – nach dem Verzicht auf externe Cloud-Verarbeitung überhaupt. Ein Guardrail-Konzept, das Datenzugriffe pro Agent granular begrenzt und protokolliert, ist damit nicht nur eine Sicherheitsmaßnahme, sondern häufig die Voraussetzung dafür, ein Integrationsprojekt überhaupt DSGVO-konform freizugeben.
| Genannte Hürde | Anteil Unternehmen | Typische Ursache |
|---|---|---|
| Datenintegration | 75 % | Fragmentierte Systeme (CRM, ERP, Ticketing) |
| Fachkräftemangel | 71 % | Fehlendes Know-how für Agentenbetrieb |
| Unklarer ROI | 68 % | Fehlende Messbasis vor dem Rollout |
| Fehlende agentenfähige Infrastruktur | 49 % (Lücke zu 89 % GenAI-Nutzung) | Cloud-/Datenarchitektur nicht agentenreif |
Der Mittelweg: Hybride Modelle statt Vollautomatisierung
Die Antwort auf die Kluft ist weder „mehr Tempo" noch „gar keine KI-Agenten", sondern eine bewusst hybride Architektur. In der Praxis bewährt sich ein Modell mit klarer Rollenteilung: Ein KI-Agent übernimmt die Erstklassifizierung und die Bearbeitung von Routineanfragen – Statusabfragen, einfache Rückgaben, Standardauskünfte, Terminverschiebungen –, während komplexe, emotional aufgeladene oder wirtschaftlich bedeutsame Fälle automatisch an einen Menschen übergeben werden. Die Orchestrierungsschicht entscheidet dabei nicht nach starren Themen-Kategorien, sondern nach Signalen wie Warenwert, erkannter Frustration in der Formulierung oder wiederholten Rückfragen zum selben Thema.
Dieses Modell bedient beide Seiten der Kluft gleichzeitig. Es liefert den Unternehmen einen Großteil der angestrebten Effizienz, weil die Mehrzahl der Kontakte – erfahrungsgemäß 60 bis 80 % im klassischen Support – tatsächlich Routineanfragen sind, die ein gut angebundener Agent zuverlässig lösen kann. Und es adressiert die Kundenrealität, weil in genau den Momenten, in denen Vertrauen am wichtigsten ist, ein Mensch übernimmt – kombiniert mit der in Abschnitt vier beschriebenen sichtbaren Kennzeichnung und der jederzeit verfügbaren Eskalationsoption.
Praxisbeispiel: IT-Systemhaus mit rund 180 Mitarbeitern
Ein mittelständisches IT-Systemhaus in Oberfranken erhielt monatlich etwa 2.400 Support-Tickets, davon nach interner Auswertung rund 68 % Standardanfragen: Lizenzstatus, Passwort-Resets, einfache Konfigurationsfragen. Statt eines vollständigen Ersatzes des First-Level-Supports führte das Unternehmen einen KI-Agenten ein, der genau diese Kategorie übernimmt – mit einer sichtbaren Kennzeichnung zu Gesprächsbeginn und einer permanent eingeblendeten Schaltfläche „Mit einem Techniker sprechen". Anfragen mit erkennbarer Frustration in der Formulierung, mit einem Ticketwert über einer definierten Schwelle oder mit mehr als zwei Rückfragen zum selben Problem wurden automatisch eskaliert. Ergebnis nach sechs Monaten: rund 55 % der Tickets vollständig durch den Agenten gelöst, keine messbare Zunahme negativer Bewertungen im Kundenfeedback – im Unterschied zu einem vorangegangenen Pilotversuch ohne Kennzeichnung und ohne Eskalationspfad, der nach vier Wochen wegen einer Häufung von Beschwerden zur „unpersönlichen, ausweglosen" Bearbeitung gestoppt worden war.
Der Unterschied zwischen den beiden Versuchen lag nicht in der zugrunde liegenden Modellqualität, sondern ausschließlich in Transparenz und Eskalationsdesign – ein Beleg dafür, wie stark die in diesem Beitrag beschriebenen Studienbefunde sich in der betrieblichen Praxis bestätigen.
Handlungsempfehlungen: Wie der Mittelstand die Kluft schließt
Aus der Studienlage und aus Projekterfahrung lassen sich fünf konkrete Schritte ableiten, die die Kluft zwischen Unternehmensambition und Kundenakzeptanz systematisch verkleinern:
- Pilotphase mit klarer KI-Kennzeichnung von Anfang an. Kennzeichnung nicht erst einführen, wenn Beschwerden auflaufen, sondern von Tag eins des Piloten an. Damit lässt sich zugleich testen, wie stark eine transparente Kommunikation die Akzeptanz tatsächlich verbessert, statt es später vermuten zu müssen.
- Eskalationspfade von Beginn an mitdenken, nicht nachrüsten. Eine sichtbare, funktionierende Übergabe zu einem Menschen gehört in die erste Ausbaustufe, nicht in Phase zwei. Sie ist laut Studienlage einer der beiden am stärksten nachgefragten Vertrauensfaktoren (61 %).
- Datenintegration und Datenbasis vor Rollout-Tempo priorisieren. Die 75-Prozent-Hürde lässt sich nicht durch ein besseres Sprachmodell umgehen, sondern nur durch eine saubere, dokumentierte Anbindung an CRM, Ticketing und Warenwirtschaft – mit klar definierten, protokollierten Zugriffsrechten pro Agent.
- Kundenfeedback laufend messen statt nur interne KPIs. Lösungsquote und Kosteneinsparung sind notwendige, aber keine hinreichenden Erfolgsmaße. Ergänzend gehören Weiterempfehlungsbereitschaft, explizite Beschwerden über „unpersönlichen" Kontakt und die Nutzung der Eskalationsoption auf das Dashboard – als Frühwarnsystem für genau die Abwanderung, die die 37-Prozent-Zahl beschreibt.
- Realistische Zeitachse statt 18-Monats-Vollumstellung. Ein stufenweiser Ausbau – erst Routineanfragen, dann definierte Zusatzfälle, immer mit Messpunkt zwischen den Stufen – liefert belastbarere Ergebnisse als ein Big-Bang-Rollout, der an der internen 49-Prozent-Erwartung statt an der gemessenen 19-Prozent-Realität kalibriert wurde.
Für Branchen mit besonderen Datenschutzanforderungen – etwa Gesundheitswesen, Finanzdienstleistungen oder öffentliche Auftraggeber – kommt ein sechster, oft entscheidender Punkt hinzu: der Betrieb On-Premise. Wenn Kundendaten aus Zahlungs-, Vertrags- oder Gesundheitskontext den eigenen Rechenzentrumsstandort nicht verlassen, entfällt ein wesentlicher Teil der Datenschutzbedenken, die laut Adobe-Report zur allgemeinen Vertrauenslücke beitragen (21 % Bereitschaft zur Datenweitergabe vs. 28 % Unternehmenserwartung). Ein guter erster Schritt, um die eigene Ausgangslage nüchtern einzuordnen, ist ein strukturierter KI-Schnellcheck, der Dateninfrastruktur, Guardrail-Reife und realistische Automatisierungsgrade vor dem eigentlichen Rollout bewertet.
Fazit: Tempo ja, aber mit Vertrauensvorschuss
Die Kluft zwischen 78 % Unternehmensambition und 19 % Kundenakzeptanz ist real und durch mehrere unabhängige Erhebungen gut belegt – vom globalen Adobe-Report bis zu den DACH-spezifischen Zahlen von vier.ai und CMM360. Sie ist jedoch kein Argument gegen den Einsatz von KI-Agenten im Kundensupport. Sie ist ein Argument gegen ein bestimmtes Vorgehen: die stille, unangekündigte Vollautomatisierung binnen 18 Monaten, kalibriert auf eine intern zu optimistisch geschätzte Zustimmungsquote.
Ein bewusstes, transparentes und schrittweises Vorgehen – klare Kennzeichnung, verlässliche Eskalation, solide Datenintegration, laufende Kundenfeedback-Messung – schließt die Kluft nicht über Nacht, verkleinert sie aber systematisch und messbar, wie das Praxisbeispiel aus dem IT-Systemhaus zeigt. Der Blick nach 2027 macht diesen Weg ohnehin absehbar: Mit der schrittweisen Anwendung der Kennzeichnungspflichten aus dem EU AI Act wird Transparenz bei KI-gestützten Kundeninteraktionen vom Vertrauensbonus zur gesetzlichen Pflicht. Unternehmen, die heute schon konsequent kennzeichnen und eskalieren, werden diesen regulatorischen Übergang ohne Umbau erleben – alle anderen werden ihn nachholen müssen, unter Zeitdruck und mit denselben 37 % Kunden, die schon heute beim ersten unangekündigten KI-Kontakt die Geduld verlieren.
Quellen & Primärbelege
Alle Zahlen in diesem Beitrag wurden vor der Veröffentlichung gegen die folgenden Primärquellen geprüft und den jeweils richtigen Studien zugeordnet.
- drweb.de: KI-Agenten vs. Kundenwunsch Primärquelle für 78 %/19 %/49 %/37 %/75 % – Artikel referenziert und zitiert den Adobe „AI and Digital Trends Report 2026" (Oxford Economics, 3.000 Führungskräfte + 4.000 Kunden). Im Text korrekt als „laut Adobe-Report, zitiert bei drweb.de" gekennzeichnet – nicht als eigenständige DACH-Primärstudie dargestellt.
- vier.ai: Trendstudie Contact Center 2026 Bestätigt DACH-spezifisch: 12 % Agentic-AI-Einsatz, 49 % Chatbots, ~40 % Voicebots, ein Drittel GenAI; größte Engpässe: Qualifikation, Datenqualität, Infrastruktur. Enthält keine Zahlen zu 78/19/37/75 – diese werden dieser Quelle nicht zugeschrieben.
- CMM360: Kundenservice-Realitätscheck Bestätigt unabhängig dieselbe 12-%-Agentic-AI-Zahl sowie 63 % Unternehmen in Umsetzung/Test/Betrieb, 49 % Chatbots, 40 % Voicebots, ein Drittel GenAI. Ebenfalls keine Zahlen zu 78/19/37/75.
- LDB: Kundenservice 2026 Realitätscheck Verweist nur qualitativ auf die vier.ai-Trendstudie (Integration/Datenqualität/Governance als Bremsen, Telefonie bleibt dominant); enthält keine eigenen quantifizierten Werte. Hier nur als ergänzender DACH-Kontext genutzt, keine Zahlen daraus zitiert.
Häufig gestellte Fragen zur KI-Agenten-Kluft im Kundensupport
Woher stammen die Zahlen 78 % und 19 % genau – ist das eine deutsche Studie?
Nein. Die dramatische Erwartungslücke (78 % der Unternehmen vs. 19 % der Kunden) stammt aus dem globalen „AI and Digital Trends Report 2026" von Adobe, erhoben von Oxford Economics unter 3.000 Führungskräften und 4.000 Kunden weltweit. Ergänzend zeigen DACH-spezifische Erhebungen wie die Trendstudie Contact Center 2026 (vier.ai, bestätigt u. a. bei CMM360), dass hierzulande bereits 12 % der Unternehmen Agentic AI im Kundenservice einsetzen – die grundlegende Diskrepanz zwischen Anbieter-Ambition und Kundenakzeptanz zeigt sich in beiden Erhebungen gleichermaßen.
Was genau löst die Abwanderung von 37 % der Kunden aus?
Laut dem Adobe-Report wenden sich 37 % der Kunden ab, sobald sie unbeabsichtigt merken, dass sie mit einer KI statt einem Menschen kommunizieren – nicht der KI-Einsatz an sich ist also das Problem, sondern fehlende Transparenz und Kontrolle. Entsprechend fordern 68 % der befragten Kunden eine klare KI-Kennzeichnung und 61 % eine einfache Eskalationsmöglichkeit zu einem menschlichen Mitarbeiter.
Was ist laut den Studien die größte technische Hürde bei der Einführung von KI-Agenten im Support?
75 % der Unternehmen nennen Datenintegration als größte Hürde (Adobe-Report 2026). Nur 51 % verfügen über eine für agentische KI geeignete Cloud- bzw. Dateninfrastruktur, obwohl 89 % bereits generative KI einsetzen – die Lücke zwischen einfachem Chatbot-Einsatz und einer sauber angebundenen, agentenfähigen Wissensbasis ist also erheblich.
Bedeutet die Kluft, dass Unternehmen auf KI-Agenten im Support verzichten sollten?
Nein, aber die Studienlage spricht für einen hybriden, transparent kommunizierten Einsatz statt eines vollständigen Ersatzes menschlicher Mitarbeiter binnen 18 Monaten. Klare Kennzeichnung, funktionierende Eskalationspfade zum Menschen und eine solide Datenbasis sind laut den Zahlen entscheidender für die Kundenakzeptanz als die reine Geschwindigkeit der Automatisierung.
Support-Agenten planen, ohne Kunden zu verlieren
Wir bewerten Ihre Dateninfrastruktur, entwerfen ein hybrides Agenten-Modell mit klarer Kennzeichnung und Eskalationspfad und übergeben ein produktionsreifes Konzept – On-Premise, DSGVO-konform, mit messbaren Erfolgskriterien.