KI im Kundenservice einführen: Was EWE aus der Servicekrise gelernt hat

Wer KI im Kundenservice einführen will, findet viele Leitfäden, aber wenige ehrliche Erfahrungsberichte. Dabei liegt genau dort der Engpass: Laut einer PwC-Studie haben 79 Prozent der Energieversorger bereits erste KI-Lösungen eingeführt, 61 Prozent dieser Unternehmen stehen jedoch noch auf einer experimentellen Stufe (ZfK über PwC-Studie, 2026). PwC nennt das Phänomen das „PoC-Dilemma“: Unternehmen erproben Lösungen, schaffen aber den Sprung in den Regelbetrieb nicht.

EWE gehört zu den Häusern, die den Schritt aus dem Pilot heraus gegangen sind, mit Umwegen. Alain Waltemath leitet seit April 2022 den Kundenservice des Oldenburger Energie- und Telekommunikationsdienstleisters. In seinen Antworten auf Fragen von enneo schildert er, was funktioniert hat, was nicht, und was EWE heute anders macht.

Servicekrise bei EWE: Warum zusätzliches Personal nicht mehr reichte

Mehr Personal löst einen Servicerückstau nur bis zu einer gewissen Grenze. Bei EWE lagen im Peak über 50.000 Vorgänge im Rückstand, der Großteil davon als Folge einer Systemumstellung. Zusätzliches Personal stößt laut Waltemath irgendwann an zwei Grenzen: an das Budget und an die Ausbildung.

Die Hintergründe sind öffentlich dokumentiert. Im Sommer 2022 befanden sich laut EWE rund 1,5 Millionen Kundenverträge im neuen IT-System. Die IT-Modernisierung fiel mit der Aufnahme von fast 100.000 Kundinnen und Kunden von Discountern und anderen Energieversorgern in die Ersatzversorgung zusammen (ZfK, 2022). Gut ein Jahr später sorgte die Energiekrise für einen ähnlichen, aber nicht ganz so hohen Peak.

Waltemath fand bei seinem Start eine klare Lage vor: „Bei der Menge ist eigentlich klar: Selbst wenn nur ein normaler Eingang da ist, kriegen Sie 20.000, 30.000, 40.000 Vorgänge nicht einfach mal so eben weg.“ Zusätzliches Personal war also unvermeidbar. Die Frage, ab wann es mit Personal allein nicht mehr geht, formuliert er allerdings anders:

„Im Prinzip geht es immer mit zusätzlichem Personal. Sie haben aber zwei Grenzen: eine finanzielle Grenze und eine Ausbildungsgrenze. Zusätzliches Personal müssen Sie ausbilden. Diese Ausbildung kostet Zeit und Geld und erzeugt irgendwann ein signifikantes Qualitätsproblem.“
Dr. Alain Waltemath, Leiter Kundenservice, EWE

Wer schneller Personal aufbaut, als er es ausbilden kann, bezahlt also mit Qualität.

Warum EWE KI zuerst im schriftlichen Kundenservice eingesetzt hat

EWE hat KI zuerst im Schriftverkehr eingesetzt, weil EWE neben dem Mengenproblem auch ein Qualitätsproblem hatte, das sich gerade im Schriftbereich zeigte. Mitarbeitende bearbeiteten schriftliche Anfragen mit vorgegebenen Textbausteinen, die zu Migrations- und Energiekrisen-Anliegen kaum passten. Die Kundenzufriedenheit lag im stark negativen Bereich. KI sollte vor allem Standardisierung und bessere Antworten bringen.

„Gerade im Schriftbereich haben wir sehr old-fashioned gearbeitet“, sagt Waltemath. Die Textbausteine hätten nur „mittelmäßig gut“ funktioniert. Für spezielle Fälle hätten sie immer spezieller werden müssen: „Dann steigt die Anzahl der Textbausteine, und da findet sich dann auch kein Mitarbeiter mehr durch.“

Gemessen wurde die Kundenzufriedenheit (CSAT, Customer Satisfaction Score) damals noch nach der Logik des Net Promoter Score, also mit Werten zwischen minus 100 und plus 100. „Da kamen dann teilweise stark negative Werte raus“, so Waltemath. Wie angespannt die Lage war, zeigt auch ein öffentlicher Wert: Im Februar 2023 lag die Trustpilot-Bewertung von EWE nach Waltemaths Angaben bei 1,2 von 5 Punkten (ZfK).

Die Entscheidung für enneo fiel deshalb als Alternative zum klassischen Weg: „Das war für mich erst einmal ein Weg, der sich mindestens lohnt auszuprobieren, und er schien effizienter und vom Qualitätsversprechen her besser zu sein als die Standard-Trainings, die wir sonst favorisiert haben.“ enneo analysiert die eingehende Anfrage, nutzt das Unternehmenswissen und erstellt einen Antwortvorschlag, den die Mitarbeitenden prüfen, anpassen und freigeben.

Gleiche Antwortqualität im externen First Level und im internen Second Level

EWE arbeitet mit einem ausgelagerten First Level für Standardanliegen und einem internen Second Level für komplexe Fälle. Daraus ergibt sich eine Anforderung, die Waltemath klar benennt: Die Antwortqualität muss zwischen extern und intern sehr gut aufeinander abgestimmt sein.

Das Risiko liegt an der Übergabe. Bei Kostendruck, starkem Personalwachstum und kurzer Einarbeitung bei den Dienstleistern ist es naheliegend, einen Fall früh weiterzureichen. „Eines der wesentlichen Themen ist eine zu frühe Abgabe vom externen First Level an den internen Second Level“, sagt Waltemath. EWE hat das nach seinen Worten über verschiedene Wege angegangen und inzwischen vernünftig geregelt.

Was die KI-Einführung im Kundenservice herausfordernd macht

Die Hürden bei KI-Projekten im Kundenservice liegen selten an nur einer Stelle. Auch Waltemath nennt keinen einzelnen Grund. Er spricht vielmehr technische Hürden und zwei organisatorische Faktoren an, bei denen EWE den Rollout rückblickend nicht ideal begleitet hat: Die Agents, also die Mitarbeitenden im Service, waren nicht gut genug im Umgang mit KI-Vorschlägen trainiert, und es gab keinen verantwortlichen Business Owner für die Anwendung.

„Wir haben mit enneo die erste richtige KI-Erfahrung gemacht“, sagt Waltemath, und der Pilot lief lange. Das zugrunde liegende Sprachmodell war anfangs noch nicht so weit, wie alle Beteiligten erwartet hatten. Auch der anschließende Wechsel des Sprachmodells (LLM) lief nicht reibungslos. Hier hakte es nach Waltemaths Worten auf beiden Seiten, bei enneo wie bei EWE. enneo ist zwar modellunabhängig gebaut und orchestriert mehrere Sprachmodelle, sodass je Anwendungsfall das passende Modell zum Einsatz kommt. Die Erfahrung zeigt aber: Ein Modellwechsel braucht wie jede Umstellung im laufenden Betrieb gemeinsame Planung, Tests und eine enge Abstimmung zwischen Anbieter und Serviceteam.

Aufwendiger war die Integration. EWE hatte in seiner IT-Architektur eine zusätzliche Sicherheitsebene eingezogen, die einen direkten Zugriff von enneo auf die Schnittstellen des Abrechnungssystems verhinderte. „Das hat die Sache stark verkompliziert“, sagt Waltemath. Für andere Häuser heißt das: Die Sicherheits- und Integrationsarchitektur gehört an den Anfang des Projekts, nicht in die Mitte.

Zwei Lager: Vorschläge blind freigeben oder komplett neu lesen

Das nicht ausreichende Training zeigte sich vor allem bei den externen Mitarbeitenden. Dort bildeten sich zwei Lager neuer KI-Nutzer:

• Lager 1: Mitarbeitende übernahmen den Vorschlag von enneo und gaben ihn direkt frei. Das waren eher Mitarbeitende von Dienstleistern, die EWE nach Stück vergütet.
• Lager 2: Mitarbeitende vertrauten der KI gar nicht, lasen den gesamten Vorschlag noch einmal und überarbeiteten ihn hier und da. Hier zeigte sich keine Reduktion der durchschnittlichen Bearbeitungszeit (AHT, Average Handling Time), und die Qualität stagnierte.

„Das ist natürlich lobenswert, weil es einen hohen Qualitätsanspruch hat. Aber es ist einfach ein zu hoher Qualitätsanspruch.“
Dr. Alain Waltemath über Mitarbeitende, die jeden KI-Vorschlag noch einmal vollständig lasen und überarbeiteten

Das Ergebnis waren entweder sehr schnelle Bearbeitungen, die oft noch nicht ganz sauber waren, oder sehr langsame, die nur teilweise besser waren, aber den gewünschten Effekt nicht brachten. Rückblickend spricht Waltemath von einer Fehleinschätzung, wie die Mitarbeitenden mit dem neuen Werkzeug umgehen. Bei den aktuellen Einführungen geht EWE deshalb deutlich anders vor.

Die Skepsis ist kein EWE-Phänomen. Laut Zendesk CX Trends Report 2025 halten nur 51 Prozent der deutschen Servicemitarbeitenden KI-Copiloten für eine hilfreiche Unterstützung ihrer Arbeit (weltweit 73 Prozent), und nur 40 Prozent sehen KI als Teil ihres Teams (weltweit 63 Prozent) (it-daily über Zendesk CX Trends 2025). Bei EWE fiel die Zustimmung in der Pilotphase nach Waltemaths Angaben deutlich höher aus.

Ohne Business Owner keine Performance

Der zweite Faktor wirkte schleichend: Für die Anwendung gab es bei EWE keinen Owner.

„Das Fehlen eines Owners hat starke Auswirkungen, weil es keinen originären Kümmerer gibt, der sich die Performance der Software zu eigen macht und das Thema und die Weiterentwicklung treibt. Das führt eher zu schleichenden Versäumnissen.“
Dr. Alain Waltemath, Leiter Kundenservice, EWE

Bis EWE das festgestellt hatte, dauerte es nach Waltemaths Worten relativ lange. Inzwischen hat EWE das geändert, und seitdem gibt es deutlich mehr Drive.

Fehlerkultur statt Perfektion: Wie viel Risiko KI im Service braucht

KI im Kundenservice braucht Risikobereitschaft, allerdings weniger im kaufmännischen Sinn als im Sinne von Fehlertoleranz. Den Reflex, KI bei Unsicherheit auszubremsen, gibt es laut Waltemath in großen wie in kleinen Häusern, bei EWE sei er eher stärker ausgeprägt. Er zeigt sich in zwei Formen: KI gar nicht erst einschalten, solange nicht sicher ist, dass alles funktioniert, oder bei Fehlern komplett stoppen.

EWE versucht seit einigen Jahren, in einen „Fail Fast“-Modus zu kommen. Das heißt: mit überschaubarem Risiko ausprobieren, Fehler im laufenden Betrieb erkennen und nachsteuern. „Wir stoppen teilweise zeitweise, wenn die Fehlerauswirkungen zu groß werden, sind dann aber eher im Bereich Nachsteuern als komplett pausieren.“ Das ist auch eine Notwendigkeit: EWE wickelt inzwischen einen Teil des Volumens über KI-Systeme ab und plant dieses Volumen bei Dienstleistern nicht mehr ein.

Entscheidend ist für Waltemath, wer die Verantwortung trägt:

„Es hängt stark damit zusammen, welche Fehlerkultur man hat und dass die Mitarbeitenden die Sicherheit haben, dass nicht sie für die Fehler, die die Modelle verursachen, zur Rechenschaft gezogen werden.“
Dr. Alain Waltemath, Leiter Kundenservice, EWE

Klare Leitplanken gibt es trotzdem. Konzernvorgaben zu IT-Sicherheit und Datenschutz sind für alle Mitarbeitenden bindend. Beim Business Case dagegen hat EWE in den letzten Jahren bewusst Spielraum gelassen: Nicht alle Business Cases wurden wirklich scharf auf das Ergebnis gerechnet. Die Leitfrage lautete vielmehr, ob die Chance groß ist, dass sich der Einsatz nach einer Einführungsphase von etwas über einem Jahr und einer Akzeptanzphase bei den Kunden auszahlt. „Bisher sieht das ganz gut aus.“

Der Grund für diese Haltung liegt in der Technik selbst. KI arbeitet probabilistisch, nicht nach einem Null-oder-eins-Prinzip. „Erstens kenne ich die Antworten nicht, zweitens kenne ich die Reaktion der Kunden auf die KI nicht, und drittens kenne ich den Umgang der Mitarbeitenden mit KI nicht“, sagt Waltemath. „Ich habe deutlich mehr Unbekannte als in früheren Prozessen.“ Genau hier setzen stufenweise Einführungsmodelle an: Mit Copilot, Copilot+ und Autopilot legen Serviceleitungen den Autonomiegrad pro Anwendungsfall fest und können ihn wieder zurückschalten.

Wie sich die Arbeit im Kundenservice durch KI verändert

Für Mitarbeitende im Kundenservice wird der Umgang mit KI zur neuen Kernqualifikation. Das betrifft nicht nur den First Level, sondern auch Qualitätsmanagement, Wissensmanagement, Training sowie Second und Third Level. Gemeinsam ist allen die Erkenntnis, dass KI bleibt und immer tiefer in den Arbeitsalltag eingreift.

„KI ist keine vorübergehende Erscheinung. KI ist da und wird bleiben und immer tieferen Einzug halten in den Arbeitsalltag.“
Dr. Alain Waltemath, Leiter Kundenservice, EWE

Neu ist dabei auch die Arbeitsweise. Ergebnisse werden schrittweise besser, statt am ersten Tag fertig zu sein. Waltemath beschreibt das mit einem Bild aus dem Schiffbau: Man baue nicht mehr alles vorab fertig, schweiße es fertig und lasse dann irgendwann das Schiff vom Stapel. Für Teams, die jahrelang mit festen Prozessen und Textbausteinen gearbeitet haben, ist das oftmals ein echter Kulturwandel, der gerne unterschätzt wird.

Die Entlastung ist dringend nötig. Laut einer Capgemini-Studie sind weltweit nur 16 Prozent der Kundenberaterinnen und Kundenberater mit ihrem Job zufrieden, und in Deutschland sind nur 38 Prozent der Verbraucherinnen und Verbraucher mit dem erhaltenen Service zufrieden (Capgemini, 2025). KI, die Routine übernimmt und gute Vorschläge liefert, verschiebt Zeit hin zu den Anliegen, bei denen Menschen den Unterschied machen.

Was Kunden vom KI-Einsatz im Kundenservice merken

Wie stark Kunden den KI-Einsatz bemerken, hängt vom Kanal ab. Im Schriftverkehr merken sie den KI-Einsatz laut Waltemath nicht bewusst. Ob sie eine höhere Qualität wahrnehmen, lässt er offen. Am Telefon dagegen spricht der Kunde inzwischen zuerst mit einem Voicebot, kann aber jederzeit zu einem Menschen wechseln.

Bei EWE steigen die Qualitätskennzahlen deutlich. Waltemath ordnet das ehrlich ein: Der Anstieg hat mehrere Gründe, neben dem Einsatz von enneo in der Schriftbearbeitung auch Maßnahmen wie „call before you type“. Öffentlich sichtbar ist die Entwicklung ebenfalls: Die Trustpilot-Bewertung stieg nach seinen Angaben innerhalb von rund 18 Monaten von 1,2 auf 4,1 Punkte (ZfK).

Am Telefon übernimmt der vorgeschaltete Voicebot die Erkennung des Kontaktgrunds, die Identifikation und Authentifizierung, beantwortet häufige Fragen (FAQ) und führt einzelne Anwendungsfälle bereits selbst durch. „Da stellt der Kunde sehr wohl fest, dass er mit einer KI spricht und nicht im ersten Schritt mit einem Menschen, wenngleich er immer zu einem Menschen wechseln kann.“ Die Übergabe an einen Menschen ist dabei fest eingeplant.

Welche Anliegen KI in zwei Jahren vollständig bearbeiten kann

Einfache Anliegen mit drei bis fünf Minuten Bearbeitungszeit hält Waltemath spätestens in zwei Jahren für vollständig durch KI bearbeitbar, am Telefon wie im Schriftverkehr. Die Bedingung: Die Kunden lassen sich darauf ein. Schwieriger bleiben Mehrfachanliegen, die weiterhin häufiger bei Mitarbeitenden landen werden.

Mit Prognosen ist Waltemath vorsichtig geworden. „Mir hatte vor ungefähr drei Jahren schon ein KI-Experte prophezeit, dass 2026 über 60 Prozent der Serviceanliegen über die KI bearbeitet werden. Jetzt haben wir 2026, es ist noch nicht so. Aber die Frage ist nach wie vor genau richtig.“ Seine eigene Einschätzung ist konkret: In zwei Jahren werde EWE den Großteil der sogenannten einfachen Fälle komplett durch KI bearbeiten lassen können. Dazu zählt er:

• Zählerstandsmeldungen
• Abschlagsanpassungen
• Änderung der Bankverbindung
• Erteilung von Vollmachten, auch wenn dafür noch Dokumente versendet werden
• einfache Vertragswechsel und Vertragsverlängerungen
• Adressänderungen
• Versand von Rechnungsduplikaten und Zwischenrechnungen

Auch Auskünfte zu Preisen und Produkten, die heute über FAQs laufen, werden nach seiner Erwartung in zwei Jahren deutlich weiter ausgebaut sein.

„Im Prinzip werden alle Anliegen, die drei, vier, fünf Minuten dauern, in zwei Jahren vollständig durch KI-Systeme bearbeitbar sein, und das nicht nur in der Telefonie, sondern auch im schriftlichen Bereich.“
Dr. Alain Waltemath, Leiter Kundenservice, EWE

Die Analysten von Gartner gehen in eine ähnliche Richtung. Sie erwarten, dass agentische KI bis 2029 80 Prozent der gängigen Kundenservice-Anliegen ohne menschliches Eingreifen löst und die Betriebskosten um 30 Prozent senkt (Gartner, 2025). Daniel O’Sullivan, Senior Director Analyst bei Gartner, sagt: „Agentische KI hat sich als Wendepunkt für den Kundenservice erwiesen und ebnet den Weg für autonome Kundenerlebnisse mit wenig Aufwand“ (übersetzt).

Die Grenze zieht Waltemath heute noch bei Mehrfachanliegen: „Wenn der Kunde mehrere Anliegen hat, kann es immer noch dazu kommen, dass die KI stolpert oder Unsicherheiten bestehen, und wir dann eher zu einem Mitarbeitenden aussteuern.“

Checkliste: KI im Kundenservice in 5 Schritten einführen

Aus den Erfahrungen bei EWE lassen sich fünf Schritte ableiten, die eine KI-Einführung im Kundenservice aus dem Pilot in den Regelbetrieb bringen. Der wichtigste Punkt vorweg: Planen Sie Organisation und Training mit dem gleichen Gewicht wie die Technik.

1. Mit dem größten Qualitätsproblem starten. EWE begann im Schriftverkehr, weil dort Textbausteine an ihre Grenzen kamen. Wählen Sie den Kanal, in dem bessere Antworten am meisten bewirken, nicht nur den mit dem höchsten Volumen.
2. Integration und Sicherheit früh klären. Legen Sie vor dem Start fest, wie die KI auf Abrechnungssystem und Kundendaten zugreift. IT-Sicherheit und Datenschutz sind nicht verhandelbar, aber zusätzliche Sicherheitsebenen sollten den Prozess nicht unnötig verkomplizieren.
3. Einen Business Owner benennen. Eine Person verantwortet Performance, Wissensbasis und Weiterentwicklung der KI-Anwendung, mit Zeit und Mandat.
4. Mitarbeitende und Dienstleister im Umgang mit KI-Vorschlägen trainieren. Definieren Sie, wie gründlich ein Vorschlag geprüft wird: weder blind freigeben noch komplett neu schreiben. Berücksichtigen Sie dabei Anreize wie Stückvergütung bei Dienstleistern.
5. Autonomie schrittweise erhöhen. Starten Sie im Copilot-Modus, erweitern Sie mit Copilot+ um Kundenerkennung und Vertragsdaten, und lassen Sie definierte Anliegen im Autopilot vollautomatisch laufen. Etablieren Sie eine Fehlerkultur, in der Nachsteuern normal ist.

Fazit: KI im Kundenservice einführen heißt Organisation verändern

Die Erfahrung von EWE zeigt: Wer KI im Kundenservice einführen will, entscheidet den Erfolg nicht allein über die Technik. Entscheidend sind ein klarer Owner, Mitarbeitende, die KI-Vorschlägen mit dem richtigen Maß an Vertrauen begegnen, und eine Fehlerkultur, die Nachsteuern statt Stoppen erlaubt. Wer so vorgeht, kann einfache Anliegen schrittweise vollständig an die KI übergeben, so wie es Dr. Alain Waltemath für die nächsten zwei Jahre erwartet.

Vereinbaren Sie eine Demo und erfahren Sie, wie enneo Ihren Kundenservice vom Copilot bis zum Autopilot begleitet.