Die Jahre 2024 und 2025 haben den Druck auf Customer-Service-Organisationen dramatisch erhöht. KI-Investitionen beschleunigen sich, Automatisierungsversprechen häufen sich, und gleichzeitig zeigen erste Praxiserfahrungen, dass die Realität differenzierter ist, als Hype-Zyklen suggerieren. In der Branche stehen sich zwei Erzählungen gegenüber: Die einen prophezeien die vollständige Ablösung menschlicher Agenten durch KI-Systeme. Die anderen beharren darauf, dass menschlicher Service niemals vollständig automatisiert werden kann. Beide Positionen haben prominente Praxisfälle auf ihrer Seite. Beide greifen zu kurz.

Klarna demonstrierte, was radikale Automatisierung leisten kann: Das Fintech-Unternehmen ersetzte 2024 den Großteil seines Kundendiensts durch KI, baute tausende Stellen ab und verzeichnete zunächst beeindruckende Effizienzgewinne. 2025 stellte Klarna wieder ein. Nicht weil KI versagt hätte. Volumeneffizienz und Lösungsqualität sind verschiedene Ziele. Komplexe Anfragen, Reklamationen in emotionalen Situationen und Fälle, die Ermessen erfordern, überforderten das vollautomatisierte Modell. Die Übergabepunkte waren nicht architektonisch gestaltet. Sie waren Notausfälle.

McKinseys Analyse der Customer-Service-Landschaft rechnet damit, dass KI bis zu 60 Prozent des adressierbaren Volumens autonom bearbeiten kann. Gleichzeitig bleibt ein substantieller Anteil der Anfragen auf absehbare Zeit menschlich. Gartner prognostiziert, dass bis 2028 kein Fortune-500-Unternehmen menschlichen Customer Service vollständig eliminieren wird. Die Frage ist nicht mehr, ob Automatisierung sinnvoll ist. Die Frage ist, wie die Kombination aus KI und Mensch architektonisch gestaltet wird.

Genau hier setzt das hybride Service-Betriebsmodell an. Es ist eine bewusste Architekturentscheidung: Welche Service-Level löst KI eigenverantwortlich? Wo bleibt menschliche Expertise unersetzbar? Und wie gestaltet man die Übergabe zwischen beiden so, dass der Kunde sie nicht als Bruch erlebt?

Drei Betriebsmodelle im Vergleich

Bevor hybrides Service-Design konkret wird, hilft der Vergleich der drei dominanten Betriebsmodelle. Sie unterscheiden sich nicht nur in der Technologienutzung, sondern in der grundsätzlichen Logik, nach der Service organisiert ist.

Das vollautomatisierte Modell hat theoretische Eleganz: Eine KI löst alles, der Mensch tritt nur bei Ausnahmen auf den Plan. In der Praxis zeigt sich die Schwäche dort, wo Volumen auf Vielfalt trifft. Trade Republic startete als Fintech-Unternehmen mit einem stark automatisierten Service-Ansatz und ergänzte im Wachstum schrittweise menschliche Agenten. Das war kein Rückschritt: Regulatorik, komplexe Anlegeranfragen und emotional hochinvolvierte Situationen erfordern eine strukturelle menschliche Präsenz. KI hat dabei nicht versagt. Die Anforderungen in regulierten und vertrauenssensiblen Produktumfeldern haben schlicht einen anderen Charakter.

Salesforce erhebt regelmäßig Daten zur KI-Nutzung im Customer Service: Heute werden rund 30 Prozent aller Interaktionen KI-gelöst, bis 2027 prognostiziert das Unternehmen einen Anstieg auf 50 Prozent. Selbst im optimistischen Szenario bleibt die Hälfte aller Anfragen menschlich bearbeitet. Das hybride Modell ist kein Übergangszustand, es ist das stabile Zielsystem. Forrester beschreibt mit dem Begriff "Agentic Shift" eine strukturelle Rollenumkehr: KI bearbeitet den Großteil des Anfragenvolumens eigenverantwortlich, während menschliche Agenten zunehmend KI-Entscheidungen in Ausnahmefällen ergänzen und korrigieren. 30 Prozent der Unternehmen bauen laut Forrester bereits parallele KI-Funktionen auf, als strukturelle Antwort auf diesen Wandel.

Die Service-Level-Architektur: Wo der Mensch bleibt

Das hybride Betriebsmodell braucht eine klare Architektur. Kern ist die Entscheidung, welche Service-Level KI autonom übernimmt und wo der Mensch strukturell verankert ist. Das Tier-Modell ist eine operative Grundkarte, keine Metapher.

Menschen werden in diesem Modell anders eingesetzt, nicht weniger. Wenn KI Tier-0- und L1-Fälle eigenverantwortlich bearbeitet, konzentriert sich menschliche Expertise auf L2 und L3. Das sind die schwierigeren, sensibleren, vertrauensrelevanteren Fälle. Wenn Automatisierung Standardfälle übernimmt, bleibt im Service, was Komplexität, Ermessen und Empathie erfordert. Service wird nicht kleiner. Er wird strategischer.

Dieser Verschiebung entsprechen verschiedene Kollaborationsformen zwischen Mensch und KI, die in der Fachliteratur unterschiedlich bezeichnet werden. Human-in-the-Loop (HIL) steht für das Muster, in dem KI den Prozess steuert und Entscheidungen vorbereitet, der Mensch aber kritische Schritte genehmigt oder korrigiert — typisch für L1/L2 mit hohem Automatisierungsgrad. AI-in-the-Loop (AI²L) dreht das Verhältnis um: Der Mensch trifft Entscheidungen, KI unterstützt Wahrnehmung, Analyse und Kontextvorbereitung, typisch für L2/L3. Der Augmented Agent ist die dritte Variante: Mensch und KI-Assist arbeiten als Standard-Arbeitseinheit zusammen, ohne klare Trennung zwischen KI-Phase und Mensch-Phase. Welche Form an welchem Service-Level sinnvoll ist, entscheidet die Architektur, nicht die verfügbare Technologie.

Die KI-Funktionen, die in diesem Modell zum Einsatz kommen, beschreiben die Schwester-Artikel dieses Clusters ausführlicher: Was ist Agentic AI im Kundenservice? behandelt die vier Autonomiestufen von Chatbot bis Agentic AI sowie die Governance-Voraussetzungen für autonomes Handeln im Service. Was ist Agent Assist? erklärt die Unterstützungsfunktionen, die im L2-Bereich den menschlichen Agenten entlasten, ohne seine Entscheidungshoheit zu ersetzen. Beide Artikel bilden die technologische Grundlage, auf der hybrides Service-Design aufbaut.

Übergabe als Architekturzentrum

Das größte Missverständnis beim Aufbau hybrider Service-Modelle ist, die Übergabe als technisches Detail zu behandeln. In Wirklichkeit ist sie das architektonische Zentrum. Ob das hybride Modell funktioniert oder Unsicherheit skaliert, entscheidet sich an der Qualität genau dieses Moments.

Was passiert ohne designte Übergabe? Der Kunde schildert sein Problem in der KI-Konversation. Die KI erkennt die Grenze ihrer Kompetenz und übergibt an einen menschlichen Agenten. Der Agent hat keinen Kontext. Der Kunde schildert sein Problem erneut, vollständig, von vorn. Aus Kundenperspektive ist das ein Serviceversagen, obwohl die technische Übergabe funktioniert hat. Die Automatisierungseffizienz auf der einen Seite wird durch Kundenzufriedenheitsverlust auf der anderen aufgezehrt. Das Modell ist nicht gescheitert. Es ist nur halb gestaltet.

Eine architektierte Übergabe besteht aus mehreren Elementen: vollständiger Kontextübergang (was die KI bereits geklärt hat, was nicht gelöst ist), Warmtransfer statt Kaltweiterleitung (der Agent wird vorbereitet, nicht ins offene Gespräch geworfen), Eskalationspfad-Dokumentation (warum hat die KI eskaliert, welche Fallklasse liegt vor?) und Erwartungsmanagement beim Kunden (eine transparente Übergabe ist eine andere Erfahrung als eine stille Weiterleitung). Jedes dieser Elemente muss aktiv gestaltet sein.

Agent Assist ist in diesem Kontext mehr als ein KI-Werkzeug für Agenten. Als Übergabe-Infrastruktur stellt es sicher, dass Kontext nicht verloren geht: Echtzeit-Gesprächsanalyse, automatische Zusammenfassung des bisherigen Verlaufs und KI-gestützte Lösungsvorschläge machen die Übergabe zu einem Übergang, der den Kunden nicht zurückwirft. Die Customer Service Automation muss Eskalationsregeln als Designelement behandeln, nicht als Notfallplan.

Organisatorische Konsequenzen: Was sich verändert

Ein hybrides Betriebsmodell verändert mehr als die Aufgabenverteilung zwischen KI und Mensch. Es verändert, wie Service-Organisationen grundsätzlich aufgestellt sind. Wer Technologie in eine unveränderte Struktur importiert, wundert sich, warum der Effekt ausbleibt. Die organisatorische Dimension ist Voraussetzung, nicht Folge.

Die CSR-Rolle verändert sich fundamental: weniger Volumen-Bearbeitung, mehr Ausnahmemanagement. Weniger Standardfälle, mehr komplexe Situationen, die Urteilsvermögen, Empathie und Expertise erfordern. Das klingt wie eine Aufwertung, und ist es auch. Die Anforderungen sind allerdings höher: Ein Agent im L2/L3-Bereich arbeitet mit Situationen, die KI nicht lösen konnte, also per Definition mit dem Schwierigeren. Gartner stellt fest, dass 50 Prozent der Unternehmen ihre KI-getriebenen Stellenabbau-Pläne aufgegeben haben, weil die verbleibende Arbeit qualitativ anspruchsvoller wird und höhere Besetzung erfordert als erwartet.

Neue Rollen entstehen. AI Quality Reviewer überwachen, ob KI-Entscheidungen korrekt sind und wo Optimierungsbedarf besteht. AI Trainer optimieren auf Basis realer Fälle, was KI künftig eigenständig lösen soll. Diese Rollen sind strukturelle Bestandteile eines reifen hybriden Betriebsmodells, keine Übergangsjobs. KI lernt nicht von selbst aus echten Kundeninteraktionen, solange Menschen kein qualifiziertes Feedback einbringen. Parallel müssen sich die KPI-Systeme verschieben: Average Handle Time (AHT) misst den falschen Wert, wenn L1-Volumen KI-seitig gelöst wird. Wenn Menschen ausschließlich L2/L3 bearbeiten, zählt schnellere Abwicklung wenig. Eskalationsquote, Resolution Quality und First Contact Resolution im L2/L3-Segment sind die relevanteren Größen. Die Resolution-Management-Perspektive und ihre Messansätze sind direkt anwendbar.

Wie sich die Arbeitsumgebung des menschlichen Agenten in diesem Kontext konkret verändert, beschreibt Agent Experience im Wandel ausführlicher. Die organisatorische Seite des hybriden Modells und die technische Arbeitsebene des Agenten entwickeln sich gemeinsam. Sie lassen sich nicht isoliert betrachten.

Implementierungspfad: Wie man hybrid wird

Kein Unternehmen wechselt von einem Tag auf den anderen in ein vollständiges hybrides Betriebsmodell. Die Entwicklung verläuft in Stufen, jede mit eigenen Voraussetzungen. Der wichtigste Grundsatz dabei: nicht auf die perfekte Zielarchitektur warten. Jede Stufe liefert messbare Ergebnisse und baut die Kompetenzen auf, die die nächste ermöglichen.

Die erste Stufe ist Augmentation: Der menschliche Agent wird durch KI-Assist unterstützt, trifft aber alle Entscheidungen selbst. Das ist das Copilot-Modell, mit niedrigschwelliger Einstiegshürde und geringem Prozessanpassungsbedarf. Agent Assist ist hier das technologische Kernelement. Die Harvard Business Review dokumentiert, dass Augmentation in kontrollierten Studien reine Automatisierung dreifach in Qualitätsoutput übertrifft, ein starkes Argument dafür, mit dieser Stufe zu beginnen, bevor die Automatisierung ausgebaut wird.

Die zweite Stufe ist selektive Automatisierung: Klar abgrenzbare Tier-0- und L1-Prozesse werden KI-autonom betrieben, der Rest bleibt Human-led. Voraussetzung ist, dass Prozesse dokumentiert und standardisiert sind. Hier entsteht erstmals die Trennung zwischen KI-seitigem Volumen und menschlichem Spezialbereich. Gleichzeitig wird die Übergabequalität erstmals kritisch: Eskalierte Anfragen gehen an Menschen über, die ohne Kontext-Infrastruktur stehen, wenn diese nicht aktiv aufgebaut wurde.

Die dritte Stufe ist die vollständige hybride Architektur: Das Tier-Modell mit designten Übergabepunkten ist operativ, KI und Mensch arbeiten als System. Voraussetzungen sind vollständige Prozessdokumentation je Service-Level, technische Integration des KI-Systems mit Ticketsystem und CRM sowie ein aktives Governance-Framework. Die Guardrails-Überlegungen aus Was ist Agentic AI im Kundenservice? werden hier zur operativen Praxis. Change Management für veränderte CSR-Rollen ist ebenso Pflicht wie die technische Infrastruktur. Diese Stufe ist kein einmaliges Projekt. Sie ist ein kontinuierlicher Betriebszustand, der sich mit den Fähigkeiten der KI-Systeme weiterentwickelt.

Hybrides Service-Design als Konvergenzmodell

Was zeigen Klarna und Trade Republic zusammen? Reife Betriebe konvergieren zur hybriden Architektur, egal ob sie mit maximaler Automatisierung starten oder menschenzentriert beginnen. Der Weg ist verschieden, das Ergebnis dasselbe: KI löst eigenverantwortlich, was skalierbar und regelbasiert ist. Menschen konzentrieren sich auf das, was Komplexität, Empathie und Urteilsvermögen erfordert. Die Verbindung zwischen beiden ist gestaltet, nicht dem Zufall überlassen.

Das hybride Betriebsmodell entsteht aus der Erkenntnis, dass Service-Qualität nicht dadurch skaliert, dass man Menschen durch KI ersetzt, sondern dadurch, dass man sie dort konzentriert, wo sie Außerordentliches leisten. Gartner, Salesforce und Forrester kommen aus verschiedenen Perspektiven zum gleichen Befund: KI übernimmt den Großteil des Volumens. Menschliche Expertise bleibt strukturell unverzichtbar.

Für Organisationen, die ihr Customer Service Management in diesem Sinne weiterentwickeln wollen, ist hybrides Design längst keine theoretische Frage mehr. Wie werden Service-Level definiert? Wie gestaltet man die Übergabe? Wie verändert sich die Rolle des Menschen? Diese Fragen stehen im Mittelpunkt der Customer Service Management & Automation Konferenz.