VoC-Programme haben in den vergangenen Jahren erheblich an Bedeutung gewonnen. Professionelle Analysetools, mehrere Kanäle, regelmäßige Erhebungszyklen. Und trotzdem wächst die Kritik: zu viel Aufwand, zu wenig Erkenntnisgewinn. Dashboards füllen sich, KPIs stagnieren.

Aber das ist kein Ausführungsproblem. VoC-Programme sind strukturell um Feedback-Erfassung herum mandatiert: transaktionale Erhebung mit Score und offener Frage als primäres Instrument. Dieses Signal erfasst im Schnitt nur rund drei Prozent des verfügbaren Kundensignals. Prozessdaten, Finanzkennzahlen, digitales Verhalten entlang der Journey und Interaktionsdaten aus dem Service machen das Vielfache aus und bleiben in klassischen VoC-Programmen systematisch unberücksichtigt. KI macht genau diese Signalquellen jetzt in größerem Maßstab auswertbar. Das ist keine Entlastung für VoC-Teams: Es macht die strukturelle Lücke erst sichtbar.

Die Shift/CX Konferenzwoche 2026 hat dieses Spannungsfeld im Track Customer Feedback & Experience Analytics direkt in den Mittelpunkt gestellt. Die Impulse aus den Vorträgen und der abschließenden Paneldiskussion machen die Richtung sichtbar — auch wenn das vollständige Umdenken noch bevorsteht.

Die Analysefalle — wenn Daten den Weg versperren

Pascal Jäger von Netigate beschreibt das Kernproblem präzise: Viele VoC-Teams stecken in einer Analysefalle. Sie produzieren Erkenntnisse, die fachlich korrekt sind, aber nicht die richtigen Fragen beantworten — weil die Segmentierung fehlt, die Datenquellen isoliert bleiben und kein direkter Bezug zu Unternehmens-KPIs wie Churn-Rate oder Customer Lifetime Value hergestellt wird.

Das Ergebnis: Maßnahmen werden nicht abgeleitet, weil unklar ist, welche Erkenntnisse Priorität haben. Als einfaches, aber wirkungsvolles Instrument nennt Jäger die ABC-Analyse — eine Segmentierung des Kundenstamms nach strategischer Relevanz, die sofort sichtbar macht, wo Verbesserungen den größten Hebel haben. „Eine fehlende Segmentierung führt zu ineffektiven Maßnahmen und stagnierenden KPIs“, so Jäger. Welche Grundlagen ein Voice-of-Customer-Programm dafür mitbringen muss, erklärt ein eigener Beitrag.

Ein zweites Strukturproblem verstärkt die Falle: Insights bleiben bei den CX-Experten. Die Stakeholder, die eigentlich handeln müssten — in Vertrieb, Service, Produktentwicklung — haben keinen direkten Zugang zu den Daten oder sind nicht in der Lage, sie eigenständig zu interpretieren. Erkenntnisse stecken in Berichten fest, anstatt in Entscheidungen zu fließen.

Dahinter liegt eine noch grundlegendere Lücke. Klassische VoC-Programme basieren in weiten Teilen auf transaktionaler Feedback-Erfassung: Score und offene Frage als primäres Erhebungsinstrument. Dieses Signal erfasst im Durchschnitt nur rund drei Prozent des tatsächlich verfügbaren Kundensignals. Operationale Daten, Finanzkennzahlen, digitales Verhalten und Gesprächsverläufe aus dem Service machen zusammen das Vielfache aus und bleiben in vielen Programmen systematisch unausgewertet. Die Analysefalle beginnt also nicht erst bei der Auswertung: Sie beginnt bei der Frage, welches Signal überhaupt erhoben wird.

Was KI verändert — und was nicht

KI-gestützte Textanalyse hat die Verarbeitung von Kundenfeedback grundlegend verändert. Freitextantworten, Support-Tickets, Gesprächsprotokolle: Was früher manuelle Kodierung erforderte, lässt sich heute in einem Bruchteil der Zeit clustern, klassifizieren und thematisch auswerten. Das sind genau jene Signalquellen, die transaktionale Feedback-Erfassung nicht erschließt. Das verringert den analytischen Aufwand erheblich und ermöglicht auch operativen Teams ohne Datenanalyse-Expertise den direkten Zugang zu relevanten Insights.

Welche Modelle dabei geeignet sind und wo ihre Grenzen liegen, zeigte Lukas Kauderer von licily. Generative KI erreicht bei vorgegebenen Kategorien hohe Konsistenz, schwächelt aber bei eigenständiger Themenfindung und Wiederholbarkeit deutlich. Diskriminative Modelle bieten hier mehr Präzision. Kauderers Multi-Level-Topic-Modelle strukturieren Feedback auf zwei Ebenen gleichzeitig: Unternehmensstruktur und inhaltliche Granularität. Das erleichtert die Zuordnung zu konkreten Verantwortungsbereichen erheblich. Differenzierte Modelle ersetzen jedoch nicht die Entscheidung, was mit einem Ergebnis zu tun ist.

Die abschließende Paneldiskussion zog daraus die organisatorische Konsequenz: Automatisierte Analyse löst die Analysefalle nicht — sie verschiebt sie. Was früher ein Problem der Datenverarbeitung war, ist jetzt ein Problem der Maßnahmenableitung. Saskia Kraft betonte, dass menschliche Kontrolle und Qualitätsüberwachung trotz technologischer Fortschritte unverzichtbar bleiben.

Gleichzeitig verändert KI die Anforderungen an CX-Teams strukturell. Oliver Kern und Stefan Kolle brachten es auf den Punkt: Die Aufgabe verschiebt sich von der Analyse zur Orchestrierung. CX-Manager werden zu Storytellern und Moderatoren, die Insights in eine Sprache übersetzen müssen, die für Führungskräfte und operative Teams handlungsrelevant ist, und Closed-Loop-Prozesse aufsetzen, die Feedback systematisch in Maßnahmen überführen. Diese Verschiebung ist Teil einer größeren Bewegung im CX-Bereich, die der Beitrag CXM im Umbruch einordnet.

Drei Hebel für mehr Wirkung

Aus den Impulsen der Konferenzwoche lassen sich drei konkrete Hebel ableiten.

Priorisieren statt akkumulieren

Nicht jedes Feedback hat dieselbe strategische Relevanz. Die Verknüpfung von VoC-Daten mit Unternehmens-KPIs wie Churn-Rate oder Net Revenue Retention macht sichtbar, welche Erkenntnisse tatsächlich Handlungsbedarf erzeugen. ABC-Segmentierung gibt dem Team eine klare Priorisierungslogik und verhindert, dass Ressourcen in Maßnahmen für strategisch nachrangige Kundensegmente fließen.

Christoph Kelzenberg ergänzte eine weitere Dimension: Mixed Mode Analytics kombiniert Feedback- und Prozessdaten und liefert robustere Erklärungsmodelle als isolierte Analysen. Operational Data, Finanzkennzahlen und digitales Verhalten fließen ein und schließen damit genau jene Signallücken, die transaktionale VoC-Programme hinterlassen. Wer nur NPS-Werte auswertet, ohne sie mit operativen Kennzahlen zu verknüpfen, analysiert Symptome statt Ursachen. Der Einsatz von A/B-Testing zur Validierung von Hypothesen macht Priorisierungsentscheidungen zudem für Stakeholder nachvollziehbar.

Befähigen statt zentralisieren

Solange Insights nur von CX-Experten interpretiert werden können, bleibt die Maßnahmenableitung von wenigen Personen abhängig. Jakov Cavar von Forsta zeigte, wie groß das Ausmaß dieses Problems ist: Ohne dedizierte Strategie nutzen Unternehmen durchschnittlich nur 15 Prozent des verfügbaren Kundenfeedbacks, weil die Daten zwar vorhanden, aber nicht zugänglich aufbereitet sind.

KI-Tools schaffen hier den Hebel: von einfachen Sentiment-Dashboards bis zu kontextualisierten digitalen Assistenten, die Stakeholder in Service, Vertrieb und Produktentwicklung direkt mit relevanten Feedback-Daten versorgen. Plattformen wie die von Forsta konsolidieren dabei Signale aus mehreren Quellen und gehen damit strukturell über Survey-basierte Setups hinaus. Entscheidend ist dabei, was Cavar als Action Management beschreibt: der systematische Prozess, der sicherstellt, dass aus einem Insight eine konkrete Maßnahme folgt und nachgehalten wird.

Closed Loop als Prozess verankern

Das Prinzip des Closed-Loop-Feedbacks ist in vielen Unternehmen bekannt, aber selten als systematischer Prozess implementiert. Norbert Engelhardt beschreibt am Beispiel von Paul Hartmann Deutschland, wie das Unternehmen seit 2019 eine integrierte Analytics-Strategie aufgebaut hat: von isolierten Datensilos zu einer Infrastruktur, die Feedback direkt in operative Entscheidungen übersetzt. Voraussetzung dafür war der Aufbau einer Datenkultur und klarer Governance-Strukturen, nicht nur die technische Integration. Welche Metriken dabei als Maßstab dienen, zeigt der Beitrag zu NPS, CSAT und CES.

Richtung sichtbar: Das Umdenken hat begonnen

Das Feedback-First-Paradigma ist das eigentliche Problem. Stagnierende KPIs, Insights ohne Wirkung, Dashboards ohne Handlungsrelevanz entstehen, weil das Mandat strukturell zu eng gesetzt ist. Die Impulse aus der Konferenzwoche zeigen: Die Richtung ist erkennbar. Das Umdenken hat begonnen.

Thomas Maiwald-Immer brachte in der Paneldiskussion einen pragmatischen Einstieg ins Spiel: Wer noch nicht das gesamte Signalspektrum erschließen kann, sollte mit kleinen, nachweisbaren Belegen beginnen. Konkrete Verbesserungen, die auf einem breiteren Signalbild basieren, schaffen Vertrauen und öffnen den Raum für tiefergehende Veränderungen.

Die Sessions zu Customer Feedback & Experience Analytics aus der Shift/CX Konferenzwoche 2026 sind in der Shift/CX Mediathek abrufbar. Wer das Umdenken mitgestalten und sich mit anderen CX- und Insights-Teams austauschen möchte: Die Shift/CX Community-Gruppe Optimierung von VoC und Customer Insights Programmen ist der Ort, an dem diese Fragen gemeinsam weiterentwickelt werden.