enneo
Alle Beiträge
KI im Kundenservice

KI-Kundenservice selbst bauen oder kaufen? Der Entscheidungsleitfaden

Richard Lohwasser, Gründer von enneo
Von Richard Lohwasser, Gründer, enneo17. November 2026 · 12 Min. Lesezeit

Ihr Serviceteam soll entlastet werden, doch das IT-Budget ist gebunden und niemand weiß, was eine eigene KI-Lösung kostet. Enneo ist eine KI-native Serviceplattform, mit der KI-Agenten Kundenvorgänge in Ihren Systemen bearbeiten – ohne Eigenentwicklung.

Kundenservice mit enneo automatisieren
enneo Grafik: Roboter mit Fragezeichen zwischen Zahnrad- und Euro-Symbol als Sinnbild für die Entscheidung, KI-Kundenservice selbst zu bauen oder zu kaufen

Montagmorgen, kurz nach acht: Die Warteschlange im Postfach ist voll, das Telefon läuft heiß, und in der IT feiert man die frisch angebundene Schnittstelle zu einem großen Sprachmodell. Doch im Servicecenter ändert sich wenig: Einfache Informationsfragen werden bereits beantwortet. Anliegen, die Änderungen in Fachsystemen erfordern, bleiben jedoch liegen, solange die entsprechenden Aktionen und Freigaben fehlen.

Genau an diesem Punkt beginnt die Frage, die viele Serviceteams aktuell umtreibt: KI-Kundenservice selbst bauen oder kaufen? Entscheidend ist, welche Funktionen und Betriebsprozesse über den Modellzugang hinaus benötigt werden.

Warum sich KI-Automatisierung im Kundenservice für Serviceteams lohnt

Serviceteams in versorgernahen Branchen und im Versandhandel bearbeiten ein hohes, repetitives und strukturiertes Kontaktvolumen: Adressänderungen, Abschlagsanpassungen, Rechnungsfragen, Bestellstatus. Solche Anliegen eignen sich für Automatisierung, weil sie nach klaren Regeln laufen. Das Team wächst aber nicht mit dem Volumen mit, und jede offene Stelle macht sich sofort in der Warteschlange bemerkbar.

Automatische Antworten können Informationsanliegen vollständig lösen und das Team entlasten. Für Änderungen oder Buchungen in Fachsystemen sind zusätzlich passende Aktionen, Berechtigungen und Prüfregeln erforderlich. Wer Kundenservice automatisieren und transaktionale Vorgänge fallabschließend bearbeiten kann, nimmt dem Team die Routine wirklich ab. Die gewonnene Zeit fließt in Fälle, die menschliches Urteil erfordern: Beschwerden, Ausnahmefälle, verärgerte Kunden.

Das ist die Haltung, die zählt: effizienter werden, persönlich bleiben. Daniel Albrecht, Leiter Kunde & Service im EWE-Center Kundendienst, beschreibt den Ansatz so: Durch KI wird der Kundenservice menschlicher, weil das Team mehr Kapazität für echte Gespräche gewinnt.

Sobald klar ist, dass KI im Kundenservice Vorgänge abschließen soll, stellt sich die Frage nach dem Weg dorthin: selbst bauen oder kaufen?

KI-Kundenservice selbst bauen oder kaufen: der Vergleich in vier Baustellen

Ein einfacher Prototyp kann schnell angebunden sein; die Voraussetzungen für produktiven Betrieb gehen darüber hinaus. Verglichen werden hier drei mögliche Ansätze: eine eigene Anwendung auf vorhandenen Komponenten, enneo als Serviceplattform und eine Kombination daraus. Hybrid bedeutet: Sie behalten vorhandene Service- und Fachsysteme bei und ergänzen gezielt Plattformfunktionen oder eigene Geschäftslogik. Klären Sie besonders, wer die Schnittstellen, die übergreifende Qualitätssicherung und die Fehlerbehandlung betreut. Entscheidend ist, welche Fähigkeiten bereits vorhanden sind und welcher zusätzliche Entwicklungs- und Betriebsaufwand tatsächlich entsteht. Der Vergleich schlüsselt das an vier Baustellen auf:

  • Ticketing und Routing
  • Freigaben und Verarbeitungsstufen
  • Kernsystem-Anbindung
  • Betrieb und Compliance

Kriterium

Selbstbau

Enneo als Plattform kaufen

Ticketing- und Self-Service-Funktionen

Vorhandene Ticketing-, Routing- und Kanalbausteine können weitergenutzt werden. Fehlende Funktionen und deren Integration müssen entwickelt, ausgewählt oder zugekauft werden.

Einheitliche Ticketing-Basis ist enthalten, Kanäle werden separat eingerichtet

Aktionen in externen Fach- und Kernsystemen

Vorhandene APIs, Konnektoren und Integrationsbausteine können genutzt werden. Nicht abgedeckte fachliche Abläufe, Fehlerbehandlung, Berechtigungen und Tests müssen ergänzt und betreut werden.

Anbindungen werden projektbezogen eingerichtet, mit den Berechtigungen, die Sie vergeben

Prozesssteuerung mit Freigaben und Eskalationen

Vorhandene Freigabe- und Workflow-Funktionen können genutzt werden; fehlende Steuerungslogik muss ergänzt und abgesichert werden.

Konfigurierbare Verarbeitung ausführbarer Ergebnisfälle regelbasierter Agenten; zusätzliche Regeln je Agententyp und Verarbeitungsmodus.

Datenresidenz und Compliance-Verantwortung

Hosting, Datenschutz- und AI-Act-Aufgaben entsprechend den tatsächlichen Rollen organisieren; externe Leistungen können eingebunden werden.

Dokumentierte Datenresidenz und vereinbarte Anbieterleistungen; eigene Pflichten für den konkreten Einsatz bleiben bestehen.

Kostenstruktur

Einmalige Entwicklung plus laufende Personal- und Betriebskosten

Funktionsumfang und Konditionen im individuellen Angebot

Zeitaufwand bis zum ersten Proof

Abhängig vom abgegrenzten Testfall, vorhandenen Komponenten, Datenzugriff und verfügbarer Kapazität

Abhängig von Testfall, Anbindung und Konfiguration; Proof getrennt von Pilot und produktivem Betrieb planen

Ticketing und Routing: Vom einzelnen Modellzugang zum Servicebetrieb

Modellzugang ist nicht gleich Servicebetrieb: Je nach Anwendungsfall brauchen Sie zusätzlich verlässliche Datenquellen, Kanalanbindung, Berechtigungen und Betriebsprozesse. Vorhandene Systeme können diese Aufgaben bereits teilweise abdecken. Für den beschriebenen kanalspezifischen Servicebetrieb sind insbesondere drei Bausteine zu berücksichtigen:

Bei einer eigenen Lösung können vorhandene Ticketing-, Routing- und Kanalbausteine weitergenutzt werden. Fehlende Komponenten und Integrationen müssen ergänzt, getestet und dauerhaft betreut werden. Eine Plattform bringt diese Basis mit; die Kanäle teilen sich Ticketing-, Routing- und Automatisierungslogik, werden aber separat eingerichtet.

Wer schon ein Ticketsystem nutzt, kann es je nach Anwendungsfall über APIs ergänzen. KI-Agenten sind stärker auf eigenständige, mehrstufige Entscheidungen und Aktionen ausgelegt als klassische Chatbots. Die Grenzen sind fließend.

Freigaben und Verarbeitungsstufen: Wer steuert schreibende Aktionen?

Sobald die KI nicht nur antwortet, sondern Vorgänge bearbeitet, muss für jeden Ergebnisfall vorab festgelegt sein, welche Automatisierungsstufe gilt. Für ausführbare Ergebnisfälle regelbasierter Agenten gibt es die Stufen „Aus“, „Mit Freigabe“ und „Automatisch“. „Aus“ deaktiviert die automatische Ausführung, nicht zwingend die Vorbereitung. Für smarte Agenten, gemeinsame Lösungspläne und andere Kanäle gelten zusätzliche beziehungsweise gesonderte Regeln. Eine ausführliche Beschreibung der Stufen folgt im Abschnitt zu enneo.

Im Selbstbau müssen Freigaben, Protokollierung und Eskalationsregeln umgesetzt und geprüft werden; vorhandene Workflow-Komponenten können einen Teil davon abdecken. Eine Plattform liefert die Verarbeitungsstufen als Konfiguration mit: die Ausweitung der Automatisierung folgt fachlicher Prüfung und definierten Prüfregeln.

Kernsystem-Anbindung: vom Prompt zum Integrationsprojekt

Welche Anbindung erforderlich ist, hängt vom Anliegen ab. Für aktuelle Auskünfte kann Lesezugriff genügen. Änderungen oder Buchungen benötigen zusätzlich passende schreibende Aktionen und Berechtigungen.

Dieser Aufwand entsteht auf beiden Wegen. Klären Sie auf beiden Seiten: Welche APIs und Konnektoren sind vorhanden? Wer verantwortet Berechtigungen, Tests, Fehlerbehandlung und Pflege? Nicht abgedeckte Abläufe müssen auf beiden Wegen ergänzt und betreut werden.

Für SAP IS-U sind auf beiden Wegen die verfügbaren Schnittstellen, Berechtigungen und fachlichen Abläufe zu prüfen. Eine projektspezifische Anbindung sollte nicht mit einer sofort einsatzbereiten Gesamtlösung gleichgesetzt werden.

Betrieb und Compliance: Hosting, DSGVO, EU AI Act

Im DACH-Kontext ist der Betrieb ein eigenes Projekt. Prüfen Sie Rechtsgrundlage, Datenflüsse und die Rollen der Beteiligten. Soweit ein Dienstleister personenbezogene Daten in Ihrem Auftrag verarbeitet, ist eine Vereinbarung nach Art. 28 DSGVO abzuschließen; Unterauftragnehmer sowie Drittlandtransfers sind einzubeziehen. Die Nutzung von Servicedaten für Modelltraining sollte vertraglich und technisch ausgeschlossen werden. Eigene Datenschutzpflichten bestehen auch beim Plattformkauf fort. EU-Hosting allein garantiert keine DSGVO-Konformität.

Der EU AI Act gilt grundsätzlich seit dem 2. August 2026 mit gestaffelten Ausnahmen. Nach der aktuellen Fassung gelten Kapitel III Abschnitte 1 bis 3 – mit Ausnahme von Artikel 6 Absatz 5 – für Hochrisikosysteme nach Artikel 6 Absatz 2 und Anhang III ab dem 2. Dezember 2027; für solche nach Artikel 6 Absatz 1 und Anhang I ab dem 2. August 2028. Welche Pflichten einschlägig sind, hängt von Rolle und Verwendungszweck ab. Im Selbstbau ordnen und dokumentieren Sie die Pflichten für Ihren Anwendungsfall eigenständig.

Eine Plattform bringt dokumentierte Datenresidenz und vereinbarte Anbieterleistungen mit: enneo betreibt die Plattform in Deutschland, die KI-Verarbeitung läuft standardmäßig in EU-Rechenzentren. Zusätzlich sind die für das Unternehmen und den jeweiligen Prozess einschlägigen sektoralen Vorgaben zu prüfen.

Was der Selbstbau im DACH-Kontext wirklich kostet

Tokenkosten sind nur ein Bestandteil. Entscheidend ist der Gesamtaufwand für Aufbau beziehungsweise Einführung und dauerhaften Betrieb.

Vergleichen Sie den Gesamtaufwand über einen definierten Zeitraum: Entwicklung oder Einführung, Integrationen, Qualitätssicherung, Nutzungs- und Infrastrukturkosten, Betrieb, Sicherheit und Weiterentwicklung. Welche Kostenart überwiegt, müssen Sie anhand des konkreten Fallmixes und der vorhandenen Ressourcen berechnen. Für aktuelle Modellkonditionen: OpenAI-Preisliste.

Die Stepstone-Berufsgehaltsseite für KI-Entwickler:innen weist beim Abruf am 12. November 2026 ein jährliches Brutto-Mediangehalt von 56.300 Euro aus. Solche Gehaltsangaben sind eine Orientierung, keine vollständigen Arbeitgeber- oder Projektkosten. Für produktiven Betrieb müssen Zuständigkeiten und ausreichende Kapazitäten für Wartung, Sicherheit, Qualitätssicherung und Weiterentwicklung dauerhaft geklärt sein. Das kann intern, extern oder kombiniert erfolgen.

  • Backend-Entwicklung und Systemintegration
  • Laufender Betrieb und Monitoring
  • MLOps und Modellwechsel
  • Sicherheitsmanagement und Compliance-Dokumentation

Beim Kauf übernimmt der Anbieter die vertraglich vereinbarten Betriebs- und Wartungsleistungen. Aufgaben für Fachsysteme, Konfiguration und den konkreten Einsatz werden gesondert verteilt.

Worauf Sie vor der Entscheidung achten sollten

Diese fünf Fragen helfen, die Entscheidung im Team zu strukturieren und alle drei Ansätze auf denselben Testfall zu beziehen:

  1. Welches Volumen und welcher Fallmix sind automatisierbar? Nicht jedes Anliegen eignet sich gleich. Die Automatisierbarkeit hängt vom Fallmix, von der Datenqualität und von der Systemanbindung ab. Eine Auswertung der häufigsten Anliegen der letzten Monate ist der erste Schritt.
  2. Wer übernimmt dauerhaft Betrieb und Weiterentwicklung, intern, extern oder kombiniert? Welche Leistungen, Zuständigkeiten und Vertretungen sind verbindlich vereinbart?
  3. Welche Datenquellen und gegebenenfalls schreibenden Aktionen benötigen die ausgewählten Anliegen? Wer richtet die Anbindungen ein und verantwortet Berechtigungen, Tests und Pflege?
  4. Wie werden DSGVO- und AI-Act-Anforderungen erfüllt und dokumentiert? Prüfen Sie AVV, Sub-Prozessoren, Modelltraining und die Einordnung Ihres Anwendungsfalls im AI Act, bevor Sie budgetieren, nicht danach.
  5. Bis wann brauchen Sie welchen Nachweis: einen technischen Proof of Concept (PoC), einen fachlich geprüften Pilot oder produktiven Betrieb? Vergleichen Sie die Wege mit demselben Testfall, denselben Datenzugängen und denselben Abnahmekriterien.

Ordnen Sie Ihre häufigsten Anliegen nach Informationsbedarf, möglichen Aktionen und Risiko. Prüfen Sie Datenqualität, Identität beziehungsweise Berechtigungsnachweise und verbleibende manuelle Schritte. Ob eine menschliche Freigabe nötig ist, hängt nicht allein von Lese- oder Schreibzugriff ab, sondern auch von Risiko und den eingerichteten Regeln.

Einordnung nach Passung:

  • Selbstbau näher prüfen, wenn eine eigene Funktion wesentlich zur Differenzierung beiträgt, vorhandene Komponenten den Bedarf gut abdecken und Entwicklungs- sowie Betriebskapazität dauerhaft gesichert sind.
  • Plattform näher prüfen, wenn deren dokumentierte Fähigkeiten zum Zielprozess passen und Sie keine eigene Serviceplattform entwickeln möchten. Integration und fachliche Verantwortung bleiben zu klären.
  • Hybrid näher prüfen, wenn die bestehende Systemlandschaft erhalten und nur bestimmte Fähigkeiten ergänzt werden sollen.

Vom Pilotprojekt zur produktiven KI-Lösung: enneo als Kundenservice-Plattform

Enneo ist eine KI-native Serviceplattform aus Berlin, gebaut von Gründern mit operativer Erfahrung in der Energiewirtschaft. KI-Agenten übernehmen die Routinelast im Serviceteam: Sie erkennen Anliegen, holen bei entsprechend eingerichteten Datenquellen und Aktionen Vertragsdaten aus dem Kernsystem, bereiten Vorgänge vor und schließen sie ab. Das Team gewinnt Kapazität für Fälle, die menschliches Urteil brauchen.

Was enneo von einem einfachen Chatbot unterscheidet:

  • Vorgangsabschluss im Kernsystem: enneo kann konfigurierte Vorgänge mit geeigneten Integrationen, Berechtigungen und Freigaben bis zum Abschluss bearbeiten.
  • Alle Kanäle auf einer Basis: E-Mail, Chat, Voice und Brief teilen sich Ticketing-, Routing- und Automatisierungslogik.
  • Freigabesteuerung: Für regelbasierte Ergebnisfälle lassen sich Stufen konfigurieren. Bei gemeinsamen Lösungsplänen wird der gesamte Plan freigegeben; für andere Agententypen und Kanäle gelten zusätzliche Einstellungen.
  • Projektbezogener Einstieg: Begrenzten Pilotfall, benötigte Datenquellen und menschliche Prüfung festlegen; Automatisierung nach fachlicher Prüfung und Tests erweitern.

Welche Automatisierungsstufe je Ergebnisfall gilt, legen Sie in den Einstellungen zur Dunkelverarbeitung fest. Die Stufen beziehen sich auf ausführbare Ergebnisfälle regelbasierter Agenten. Bei gemeinsamen Lösungsplänen wird der gesamte Plan freigegeben; andere Schritte können seine automatische Freigabe begrenzen. Für smarte Agenten, reine Antworten und andere Kanäle gelten zusätzliche beziehungsweise gesonderte Einstellungen:

  • Aus: Die automatische Ausführung ist deaktiviert; vorhandene Bearbeitungsoptionen können weiterhin bereitstehen.
  • Mit Freigabe: Die Verarbeitung wird vorbereitet und muss von einer berechtigten Person freigegeben werden, bevor sie ausgeführt wird.
  • Automatisch: Die freigegebenen Schritte laufen ohne zusätzliche Einzelfreigabe, sofern alle übrigen Verarbeitungsbedingungen erfüllt sind.

Der Einstieg wird projektbezogen festgelegt. Möglich ist ein begrenzter Pilot mit menschlich geprüften Vorschlägen. Benötigte Datenquellen werden passend zum Testfall angebunden; automatische Verarbeitung wird erst nach fachlicher Prüfung und geeigneten Tests freigeschaltet.

So starten Sie mit enneo in drei Schritten: 1. Ein Kanal im Copilot-Modus, 2. Kernsysteme anbinden, 3. Automatisierung ausbauen

KI-Kundenservice selbst bauen oder kaufen: Produktiver KI-Kundenservice mit enneo

Der Zugang zu einem Sprachmodell allein ist noch keine produktive Kundenservice-Lösung. Entscheidend sind die für den Einsatz benötigten Servicefunktionen, Schutzmaßnahmen und Betriebsprozesse. Wer diese vier Baustellen selbst tragen will, muss die verbleibenden Entwicklungs- und Betriebsaufgaben dauerhaft organisieren.

Enneo stellt die Serviceplattform bereit. Mit passenden Integrationen, Berechtigungen und konfigurierten Freigaberegeln kann sie Vorgänge bis zum Abschluss bearbeiten. Der Plattformbetrieb erfolgt in Deutschland, die KI-Verarbeitung standardmäßig in EU-Rechenzentren. Der konkrete Umfang wird für Ihr Projekt festgelegt.

Häufige Fragen

  • Die Gesamtkosten hängen von Fallmix, Kontaktvolumen, Systemanbindung und Betriebsmodell ab. Vergleichen Sie Entwicklung beziehungsweise Einführung, Integration, Qualitätssicherung, Nutzungs- und Infrastrukturkosten sowie den laufenden Betrieb über einen gemeinsamen Zeitraum. Aktuelle Konditionen erhalten Sie beim jeweiligen Anbieter.

  • Technisch ja, über die API eines Sprachmodells ist ein einfacher Prototyp schnell angebunden. Für einen produktiven Einsatz müssen die zum Anwendungsfall passenden Funktionen und Schutzmaßnahmen vorhanden sein: verlässliche Wissens- oder Datenquellen, geeignete Kanalanbindung, Berechtigungen, Qualitätssicherung und Betrieb. Ticketing, Routing, Freigaben und Kernsystemaktionen kommen je nach Prozess hinzu.

  • Ein hoher, repetitiver und strukturierter Anliegenmix und wenig interne Entwicklungskapazität sprechen für den Kauf. Ein Selbstbau kann sinnvoll sein, wenn sehr spezifische Nischenprozesse im Mittelpunkt stehen und ein erfahrenes Team dauerhaft verfügbar ist. Beide Wege erfordern die für den jeweiligen Anwendungsfall nötigen Datenquellen und gegebenenfalls Systemanbindungen.

  • Stellen Sie sicher, dass Rechtsgrundlage, Datenflüsse und Rollen der Beteiligten geklärt sind. Verarbeitet ein Dienstleister personenbezogene Daten in Ihrem Auftrag, ist eine Vereinbarung nach Art. 28 DSGVO erforderlich; Unterauftragnehmer und gegebenenfalls Drittlandtransfers sind einzubeziehen. Soll die Nutzung von Servicedaten für Modelltraining ausgeschlossen sein, sichern Sie dies vertraglich und technisch ab. Eigene Pflichten für den konkreten Einsatz bleiben auch beim Plattformkauf bestehen. EU-Hosting allein garantiert keine DSGVO‑Konformität. Der EU‑AI-Act gilt grundsätzlich seit August 2026 mit gestaffelten Ausnahmen; relevante Pflichten ergeben sich aus Ihrer konkreten Rolle und dem Verwendungszweck.

  • Der Einstieg wird projektbezogen festgelegt. Benötigte Datenquellen werden passend zum Testfall angebunden; automatische Verarbeitung wird erst nach fachlicher Prüfung und geeigneten Tests freigeschaltet.

Richard Lohwasser, Gründer von enneo

Richard Lohwasser

Gründer, enneo

Richard leitet bei enneo die Technologie- und Produktentwicklung. Zuvor baute er mit Kyung den digitalen Energieversorger Lition Energy auf und führte bei überregionalen Energieversorgern Kundenservice- und Operations-Einheiten durch ihre Digitalisierung.