In der Vorbereitung auf die Conversational & Agentic AI Konferenz am 24. September 2026 haben wir uns in den vergangenen Wochen intensiv mit den Veränderungen im Conversational-AI-Markt beschäftigt. Parloa, NiCE Cognigy, Genesys, SoundHound/LivePerson oder VIER stehen für unterschiedliche Plattform-, Automatisierungs- und Betriebsmodelle. Diese Entwicklungen haben wir zuletzt im Beitrag „Plattform, Stack, Copilot: Aktuelle Announcements zur Neuordnung im Conversational-AI-Markt" eingeordnet.

Für die weitere Diskussion lohnt sich ergänzend der Blick auf die Anwenderseite: Was wird derzeit tatsächlich in größeren Unternehmen umgesetzt? Welche Aufgaben übernehmen Conversational und Agentic AI dort bereits? Und worin unterscheiden sich diese Projekte von den guten Chatbot- und Voicebot-Projekten der vergangenen Jahre?

Die letzte Frage ist wichtig, weil die einfache Erzählung vom früheren „Chatbot, der nur antwortet" zum heutigen „Agenten, der handelt" zu kurz greift. Auch gute Conversational-Projekte waren schon immer auf Prozessunterstützung und Self-Service ausgerichtet. Regelbasierte Bots sollten Anliegen erkennen, Kund:innen durch definierte Abläufe führen, Informationen ausgeben, Daten erfassen und möglichst viele Vorgänge ohne Übergabe an einen menschlichen Service abschließen. Bereits in unserer früheren Auseinandersetzung mit dem Wandel der Chatbot-Projekte haben wir genau diese Prozess- und Flow-Logik als Ausgangspunkt beschrieben, im Beitrag „Chatbots im Wandel".

Dafür steht auch der etablierte Begriff Containment. Er beschreibt den Anteil der Interaktionen, die innerhalb eines automatisierten Self-Service-Kanals vollständig gelöst werden, ohne dass ein menschlicher Agent übernehmen muss. Entscheidend ist dabei die tatsächliche Lösung des Anliegens. Ein bloßer Abbruch oder ein späterer Wiederholungskontakt sollte nicht als erfolgreiches Containment gelten, wie Parloa in seiner Einordnung der Containment Rate ausführt.

Die aktuelle Veränderung liegt deshalb weniger im Ziel als im Möglichkeitsraum innerhalb des Dialogs. LLM-basierte Systeme können freier mit Formulierungen umgehen, mehr Kontext berücksichtigen und unterschiedliche Wissens- und Datenquellen verbinden. Agentische Ansätze ergänzen den Dialog um Werkzeug- und Systemzugriffe sowie mehrstufige Handlungsschritte. Dadurch können mehr Varianten eines Anliegens innerhalb derselben Conversational Experience bearbeitet werden, ohne dass für jede Variante ein eigener Dialogpfad vollständig vorgedacht werden muss.

Diese Entwicklung hatten wir bereits in den Shift/CX-Diskussionen 2025 als Übergang von Bots zu Agenten aufgegriffen, im Rückblick „Von Bots zu Agenten". Dort wurde deutlich, dass mit autonomeren Dialogsystemen nicht nur neue technische Möglichkeiten entstehen, sondern auch Anforderungen an Integration, Governance und Projektorganisation zunehmen.

Die aktuellen Enterprise-Projekte liefern inzwischen konkrete Beispiele dafür, wie sich der Lösungsraum erweitert. Die folgenden Zahlen und Projektbeschreibungen stammen überwiegend aus veröffentlichten Customer Stories der jeweiligen Technologieanbieter oder Beratungspartner. Sie dokumentieren konkrete Implementierungen, sind aber nicht mit unabhängigen Vergleichsstudien gleichzusetzen.

Aktuelle Projekte zeigen unterschiedliche Ausbaustufen

Ein besonders umfangreich dokumentierter Fall ist Ryanair. Die Airline betreibt einen KI-gestützten Kundenservice, der laut AWS rund 120.000 Chat-Interaktionen pro Tag in sieben Sprachen verarbeitet. Die Lösung deckt unterschiedliche Anfrageklassen wie Gepäck, Buchungen, Rückerstattungen und Flugstörungen ab. AWS gibt eine Containment Rate von 80 Prozent an. Im Februar 2026 wurde zudem eine Architektur mit zwölf spezialisierten Agenten auf einen konsolidierten Agenten umgestellt. Interessant ist hier weniger die einzelne Kennzahl als die Breite der Anliegen, die innerhalb einer gemeinsamen Conversational-Architektur bearbeitet werden.

Bei Air India liegt der Schwerpunkt ebenfalls auf der Verbreiterung des Serviceumfangs. Der virtuelle Assistent AI.g bearbeitet laut Microsoft inzwischen rund 40.000 Kundenanfragen täglich und deckt mehr als 1.300 unterschiedliche Fragetypen ab, von Buchungsänderungen bis zu Erstattungsanfragen. Seit dem Start wurden laut Microsoft mehr als 13 Millionen Gespräche mit einer angegebenen Erfolgsquote von 97 Prozent bearbeitet. Gleichzeitig testet Air India weitergehende agentische Abläufe, bei denen komplette Workflows über mehrere Systeme orchestriert werden. Als Beispiel nennt Microsoft die Bearbeitung von Rückerstattungen, deren Durchlaufzeit damit von Wochen auf Stunden verkürzt werden soll.

Noch klarer wird der Schritt von der Dialogführung zur Prozessausführung bei Helen, einem finnischen Energieversorger. Das Unternehmen betreibt laut NiCE inzwischen mehr als 50 spezialisierte AI Agents über App, Kundenportal und Website. Neben Informations- und Navigationsagenten gibt es sogenannte Solution Agents, die komplette Aufgaben übernehmen. Ein Relocation Agent kann beispielsweise einen Energievertrag auf eine neue Adresse übertragen. NiCE berichtet für diesen Anwendungsfall von einer vollständigen Resolution innerhalb des automatisierten Prozesses und einem Customer Effort Score von 4,7. Der relevante Punkt ist hier: Der Dialog erklärt nicht nur, wie ein Umzug funktioniert. Die Transaktion wird innerhalb der Interaktion ausgeführt.

Auch KPN arbeitet an dieser Erweiterung. Der niederländische Telekommunikationsanbieter hat unter anderem Kundenverifikation, Bestellstatus, Technikertermine und Troubleshooting als Anwendungsfelder für seine agentische Kundenservice-Plattform identifiziert. Die Agenten werden dafür mit Backend-Systemen über standardisierte APIs und MCP verbunden und können damit nicht nur Informationen abrufen, sondern auch Aktionen ausführen. Gleichzeitig hält KPN bei sensiblen Situationen bewusst menschliche Unterstützung verfügbar. Das Unternehmen formuliert für 2027 das Ziel, zehn bis 20 Prozent der Kundenservice-Anrufe agentisch zu bearbeiten.

Bei AT&T zeigt sich eine andere Erweiterung des Dialograums: Kontext über einzelne Kontakte hinweg. Google Cloud beschreibt virtuelle Assistenten, die bis zu 60 Tage Kundenhistorie berücksichtigen können. Dadurch kann eine Interaktion nach einem Kanalwechsel oder einer Unterbrechung an einer früheren Situation anknüpfen. Nach Angaben der Fallstudie löst AT&T mit der neuen Architektur 20 Prozent mehr Kundenanfragen vollständig automatisiert. Auch hier entsteht der zusätzliche Nutzen nicht allein aus natürlicherer Sprache, sondern aus dem Zugriff auf Kundendaten und der Möglichkeit, einen Fall über einzelne Kontaktmomente hinweg weiterzuführen.

mobilezone zeigt wiederum, dass die Grenze zwischen Beratung, Datenerfassung und Prozessstart fließender wird. Der Kundenagent „Mia" fragt nach der aktuellen Mobilfunksituation und sucht auf Basis kontrollierter Produkt- und Angebotsdaten passende Optionen. Ein interner Service-Agent geht bereits weiter: Er stellt Rückfragen, klassifiziert Anliegen und legt über eine API strukturierte Tickets an. Einfachere Probleme sollen zunehmend vollständig im Dialog gelöst werden. Das Beispiel ist kein klassischer autonomer End-to-End-Servicefall, zeigt aber gut, wie Conversational Interfaces direkt mit nachgelagerten Arbeitsschritten verbunden werden.

Auch der von Microsoft selbst eingesetzte Web-Agent Ask Microsoft illustriert eine weitere Entwicklung. Hinter dem sichtbaren Dialog arbeitet ein Netzwerk spezialisierter Sub-Agenten. Microsoft berichtet für die aktualisierte Lösung von bis zu 61 Prozent geringerer Latenz und bis zu 70 Prozent weniger durch Menschen bearbeitetem Chat-Volumen. Zusätzlich baut das Unternehmen persistente Gesprächshistorien und Folgeaktionen aus. Ein weiterer Agent kann beispielsweise Kund:innen per E-Mail unterstützen, wenn ein gestarteter Trial-Prozess nicht abgeschlossen wurde. Der Dialog wird damit Teil eines länger laufenden Interaktionsprozesses und endet nicht zwingend mit der einzelnen Chat-Session.

Prozesssupport war nicht neu: Der Umfang verändert sich

Diese Beispiele bestätigen aus unserer Sicht deshalb nicht die einfache These, dass Conversational AI erst mit Agentic AI vom Gespräch zur Prozessunterstützung wechselt. Viele frühere Chatbot-Projekte wurden genau dafür gebaut. Intent-Erkennung, Backend-Anbindungen, Formularstrecken, Terminbuchungen oder Statusabfragen gehören seit Jahren zum Conversational Design. Unsere Shift/CX-Beiträge haben diese Entwicklung bereits vor dem Aufkommen aktueller Agentic-AI-Ansätze begleitet, etwa in der früheren Diskussion über Design und Management der Conversational Experience.

Was sich verändert, ist die Zahl und Varianz der Fälle, die innerhalb eines solchen Dialogs verarbeitet werden können. Ein klassischer Conversational Flow funktioniert besonders gut, wenn Anliegen, Datenanforderungen und nächste Schritte vorher weitgehend bekannt sind. LLM-basierte und agentische Systeme können flexibler mit unterschiedlichen Formulierungen und Kontexten umgehen und bei geeigneter Integration zusätzliche Werkzeuge oder Systeme einbeziehen.

KPN beschreibt beispielsweise eine Architektur, bei der Agenten Daten aus Backend-Systemen nutzen und Aktionen wie Verifikation oder Terminmanagement ausführen. Helen verbindet mehrere spezialisierte Agents, um von der Orientierung bis zur vollständigen Vertragsänderung unterschiedliche Aufgaben abzudecken. Air India testet komplette Prozessketten für Erstattungen. Diese Beispiele zeigen vor allem einen größeren prozessualen Handlungsspielraum innerhalb der Interaktion, nicht einfach „mehr Dialog".

Damit erweitert sich der Containment-Raum. Ein Anliegen muss nicht mehr so früh aus der automatisierten Interaktion herausfallen, nur weil es vom Standardpfad abweicht, zusätzliche Informationen benötigt oder mehrere Prozessschritte umfasst.

Das bedeutet allerdings nicht, dass möglichst hohes Containment automatisch das richtige Ziel ist. Ein beendeter Dialog ohne Übergabe kann auch Abbruch oder Frustration bedeuten. Parloa unterscheidet deshalb zwischen tatsächlicher Resolution und einem nur scheinbar erfolgreichen Containment und empfiehlt, Wiederholungskontakte, CSAT und andere Qualitätsindikatoren ergänzend zu betrachten.

Diese Einordnung passt auch zu unserer aktuellen Shift/CX-Diskussion zur Erwartungslücke im produktiven Betrieb. Dort haben wir argumentiert, dass sich die Qualität von Conversational AI nicht daran entscheidet, wie viele Gespräche im Bot verbleiben. Entscheidend ist, ob das Anliegen korrekt verstanden, verlässlich bearbeitet und gegebenenfalls über den richtigen Prozess gelöst wird.

Vom Dialog-Containment zum Containment des Servicefalls

Für die weitere Diskussion erscheint uns deshalb eine begriffliche Unterscheidung hilfreich. Beim klassischen Dialog-Containment steht vor allem die Frage im Vordergrund, ob eine Interaktion ohne menschliche Übergabe abgeschlossen wird. Mit den breiteren Prozesszugriffen wird stärker relevant, ob auch der zugrunde liegende Servicefall innerhalb der automatisierten Bearbeitung tatsächlich abgeschlossen wurde.

Diese Unterscheidung ist keine standardisierte neue Kennzahl, sondern unsere Einordnung der aktuellen Projektentwicklung. Der etablierte Containment-Begriff schließt bei sauberer Definition bereits die Resolution des Anliegens ein. Mit „Containment des Servicefalls" wollen wir deshalb keine neue Metrik etablieren, sondern den Blick stärker auf die End-to-End-Bearbeitung richten.

Das Ryanair-Beispiel zeigt eine hohe Containment Rate über unterschiedliche Anfragekategorien. Helen dokumentiert dagegen einen spezifischen Prozess, bei dem die Vertragsverlagerung vollständig erledigt wird. KPN plant Agenten für Verifikation, Technikertermine und Troubleshooting, bei denen Datenzugriff und Aktion Teil des Lösungsweges werden. Air India testet mit Refund Processing einen Vorgang, dessen eigentliche Komplexität nicht im Gespräch, sondern in den dahinterliegenden System- und Prozessschritten liegt.

Damit schließt die Beobachtung unmittelbar an unsere Diskussion zur Customer Service Orchestration an. Dort haben wir den Servicefall als relevante Systemgrenze beschrieben: Nicht Kanal, CRM, Bot oder Wissenssystem definieren die Bearbeitung, sondern der Fall, der über diese Systeme hinweg verstanden, geführt und abgeschlossen werden muss. Ein Bot oder AI Agent wird in dieser Perspektive zu einer möglichen ausführenden Ressource innerhalb der Fallsteuerung.

Die Frage nach Conversational Experience wird damit auch anspruchsvoller. Ein guter Dialog reicht nicht aus, wenn der Prozess dahinter nicht funktioniert. Gleichzeitig kann ein technisch abgeschlossener Prozess eine schlechte Experience erzeugen, wenn das System Kontext verliert, unnötig nachfragt oder eine notwendige menschliche Übergabe verhindert. Die Diskussion um Conversational AI verschiebt sich deshalb nicht vom Dialog weg. Dialogqualität, Prozessintegration und Falllösung müssen stärker zusammen gedacht werden.

Der Handover bleibt Teil des Designs

Diese Entwicklung bedeutet auch nicht, dass Agentic AI das Ziel einer möglichst vollständigen Automatisierung aller Servicefälle begründet. KPN unterscheidet ausdrücklich zwischen Anwendungsfällen, die sich für agentische Bearbeitung eignen, und Situationen, in denen menschliches Urteilsvermögen wichtig bleibt. Gleichzeitig gehören Guardrails, Observability und kontrollierte Systemzugriffe ausdrücklich zur dort beschriebenen Architektur.

Helen beschreibt ebenfalls die Eskalation an Service-Teams als Bestandteil der Architektur. mobilezone übergibt komplexe oder rechtlich sensible Anfragen mit vollständigem Gesprächskontext an menschliche Service-Mitarbeitende.

Unsere eigene Diskussion zur Customer Service Orchestration kommt zum gleichen Punkt: Welche Ressource einen Servicefall sinnvoll bearbeitet, hängt von Kontext, Komplexität, Risiko, Berechtigung und gewünschter Servicequalität ab.

Der Handover ist deshalb nicht automatisch ein Scheitern des Containments. Bei komplexen, emotionalen oder regulierten Vorgängen kann die kontrollierte Übergabe genau die gewünschte Lösung sein. Entscheidend wird, dass Kontext, bisherige Schritte und bereits erhobene Informationen dabei erhalten bleiben.

Mit größeren agentischen Handlungsmöglichkeiten steigt zugleich die Bedeutung klarer Grenzen: Welche Informationen darf ein Agent lesen? Welche Aktionen darf er selbst ausführen? Wo braucht er eine Freigabe? Und wann muss er an einen Menschen übergeben? Genau hier treffen Conversational Design, Prozessintegration, Governance und Betrieb aufeinander.

Was wir aus den aktuellen Projekten für die weitere Diskussion mitnehmen

Aus den aktuellen Enterprise-Projekten lassen sich für uns vier Beobachtungen ableiten:

• Der Dialog deckt mehr Varianten von Anliegen ab. Systeme können mit größerer sprachlicher und situativer Varianz umgehen und unterschiedliche Themen über eine gemeinsame Conversational Experience bearbeiten.
• Mehr Prozesse können innerhalb der Interaktion ausgeführt werden. Von Terminmanagement und Verifikation bis zu Vertragsänderungen oder perspektivisch Rückerstattungen reichen die dokumentierten Einsatzfelder inzwischen über reine Informationsbereitstellung hinaus.
• Kontext wird wichtiger als der einzelne Intent. Kundenhistorie, Journey-Situation und der bisherige Verlauf entscheiden stärker darüber, wie ein Anliegen weitergeführt wird. Das AT&T-Beispiel mit einer bis zu 60 Tage reichenden Agent Memory zeigt diese Entwicklung konkret.
• Containment muss stärker an tatsächlicher Resolution beurteilt werden. Je mehr Aufgaben ein System übernehmen kann, desto weniger reicht die reine Kennzahl „keine Übergabe an einen Menschen" als Qualitätsnachweis.

Diese Entwicklung verändert damit nicht nur die technischen Möglichkeiten. Sie verändert auch die Arbeit am Conversational Design. Statt ausschließlich einzelne Dialogpfade zu optimieren, müssen Teams stärker darüber entscheiden, welche Servicefälle innerhalb des Conversational Systems geführt werden sollen, welche Prozess- und Datenzugriffe dafür notwendig sind und wo die Grenzen der automatisierten Bearbeitung liegen.

Diese Fragestellung schließt wiederum an unsere Analyse zur Neuordnung des Conversational-AI-Marktes an. Dort haben wir unterschiedliche Anbieteransätze danach betrachtet, welche Rolle sie bei der Führung eines Servicefalls übernehmen können, von Dialog- und Ausführungsplattformen über Orchestrierung bis zur Assistenz menschlicher Service-Teams.

Von Conversational Experiences zu digitalen Handlungssystemen

Genau an dieser Stelle setzt die Conversational & Agentic AI Konferenz am 24. September 2026 an. Unter dem Leitmotiv „Conversational Experiences: Von Dialogen zu digitalen Handlungssystemen" wollen wir nicht darüber diskutieren, ob Chatbots künftig auch Prozesse unterstützen. Das tun gute Conversational-Projekte bereits seit Jahren.

Die aktuellen Projektbeispiele zeigen vielmehr, dass der mögliche Umfang dieser Unterstützung wächst. Damit verändern sich die Anforderungen an Conversational Design, Integration, Qualitätssicherung, Monitoring und Governance. Die Konferenz greift diese Entwicklung entlang von aktuellen Trends, konkreten Projekterfahrungen und Fragen des produktiven Betriebs auf.

Unsere jüngsten Beiträge zur Neuordnung des Conversational-AI-Marktes, zur Customer Service Orchestration und zur Erwartungslücke im produktiven Gen-AI-Betrieb betrachten unterschiedliche Seiten derselben Entwicklung. Die aktuellen Enterprise-Cases ergänzen dazu die Anwenderperspektive.

Entscheidend wird nicht einfach, wie autonom ein System technisch sein kann. Relevant ist, wie viel eines Kundenanliegens sinnvoll innerhalb einer Conversational Experience gelöst werden kann, welche System- und Prozesszugriffe dafür notwendig sind und wie zuverlässig diese Lösung im produktiven Betrieb funktioniert.

Für die Konferenz führt das zu einer konkreteren Fragestellung: Wie gestalten und betreiben wir Conversational Systems, wenn der Dialog nicht nur Informationen vermittelt, sondern zunehmend den gesamten Servicefall tragen kann?