Jeder Fall beginnt mit zwanzig Minuten Suchen.
Reklamationen kommen über alle Kanäle gleichzeitig: eine Mail ins Service-Postfach mit drei Handyfotos, eine Telefonnotiz aus dem Außendienst, ein Webformular mit vier Feldern und ohne Seriennummer, gelegentlich ein Brief. Nichts kommt zweimal in derselben Struktur an. Also baut jede Sachbearbeitung den Fall anders auf, und die Kollegin daneben kann ihn nicht übernehmen, ohne nachzufragen.
Dann beginnt die Anspruchsprüfung, und die ist fast reine Suchen-Arbeit: Kaufdatum im ERP finden, Seriennummer einem Lieferschein zuordnen, das PDF mit den Garantiebedingungen öffnen, die beim Verkauf galten. Zwanzig bis dreißig Minuten pro Fall sind dafür realistisch. Entschieden ist danach noch nichts, es liegt nur die Grundlage auf dem Tisch.
Alles Nachgelagerte leidet darunter. Die 8D-Doku bleibt liegen, weil niemand einen Fall ein zweites Mal rekonstruieren will. Kunden warten Wochen auf eine Antwort und rufen an, was mehr Arbeit macht als die Reklamation selbst. Und wiederkehrende Fehlerbilder fallen nicht auf: Drei Reklamationen zur selben Charge liegen in drei Postfächern, und niemand vergleicht sie.
Erst trennen, was entscheidbar ist. Dann automatisieren.
Der häufigste Einwand im ersten Gespräch: Kulanz sei Bauchgefühl und Kundenkenntnis, das könne keine Maschine entscheiden. Das stimmt, und genau deshalb bauen wir sie nicht dafür. Kulanz entscheidet immer der Mensch. Der KI-Mitarbeiter übernimmt den Teil, der sich aus einer Regel und einem Beleg begründen lässt.
- Am Postfach anfangen, nicht bei der Software: Wir gehen eine Woche echter Eingänge durch und sehen, was beim Eingang tatsächlich fehlt. Meist sind es die Seriennummer und eine brauchbare Mangelbeschreibung.
- Garantiebedingungen zur Entscheidungstabelle machen: Fristen, Produktlinien und Wertgrenzen werden als explizite Regeln aufgeschrieben. Alles, was die Regeln nicht beantworten, wird als Urteilsfrage markiert und nicht geraten.
- Bewusst klein starten: Zuerst nur Erfassung, Fallakte und formale Prüfung. Ersatzabwicklung, Gutschriften und Musterberichte kommen später dazu.
- Go-live erst nach dem Okay vom Team: Der Service testet an echten Fällen und schreibt auf, was falsch ist. Daraus werden unsere Abnahmekriterien. Live geht es, wenn die Sachbearbeitung sagt: Die Fallakte spart uns das Suchen.
80 Prozent macht der KI-Mitarbeiter. An zwei Stellen entscheidet der Mensch.
Der KI-Mitarbeiter liest, was ankommt, egal ob Freitext-Mail, Telefonnotiz oder Foto eines Typenschilds. Er extrahiert Kunde, Produkt, Mangelbeschreibung und jede auffindbare Nummer. Den Rest holt er sich fest verdrahtet aus dem ERP: Eine Lieferscheinnummer löst sich zu Auftrag, Lieferdatum, Seriennummer und Charge auf. Geraten wird dabei nichts, denn eine falsche Seriennummer ist schlimmer als eine fehlende.
Auf dieser Fallakte läuft die formale Prüfung gegen die hinterlegten Garantiebedingungen: Kaufdatum gegen Frist, Fehlerart gegen gedeckte Mängel, Seriennummer gegen den Lieferbeleg. Danach schreibt der KI-Mitarbeiter einen Vorschlag mit Begründung und Belegen. Die Serviceleitung entscheidet die Kulanz, ein Mensch gibt die Antwort an den Kunden frei. Parallel entsteht die Zuarbeit fürs Qualitätsmanagement, und jeder neue Fall wird gegen offene und geschlossene Fälle abgeglichen.
Mail eines langjährigen Industriekunden: Eine Antriebskomponente ist ausgefallen, gekauft vor 14 Monaten. Zwei Fotos des Gehäuses, Lieferscheinnummer in der Signatur, keine Seriennummer genannt.
Ein Feld ist zur Entscheidung markiert: Formal ist der Fall erledigt, die Garantie lief vor zwei Monaten aus. Drei Ausfälle aus derselben Charge und eine lange Kundenbeziehung machen daraus eine Kulanzfrage. Genau dieses Urteil bleibt bei der Serviceleitung.
Das war vorher, das ist heute.
So lief die Reklamationsbearbeitung vorher, und so läuft sie mit dem KI-Mitarbeiter. Konservativ gerechnet spart das rund drei Viertel des Aufwands pro Fall, und die Durchlaufzeit fällt von Wochen auf Tage.
| Vorher | Heute | |
|---|---|---|
| Erfassung | Jeder Kanal, jeder Bearbeiter anders | Eine Fallstruktur, egal über welchen Kanal |
| Formale Anspruchsprüfung | 20 bis 30 Minuten Suchen pro Fall | Automatisch geprüft, Belege angehängt |
| Kulanzentscheidung | Bauchgefühl ohne Historie zur Hand | Mensch entscheidet, mit Fall- und Chargenkontext |
| 8D- und QM-Doku | Später rekonstruiert, oft liegen geblieben | Entsteht während der Bearbeitung |
| Antwort an den Kunden | Wochen Wartezeit, Kunden rufen nach | Entwurf am selben Tag, Freigabe durch den Menschen |
| Wiederkehrende Fehler | Zufällig bemerkt oder gar nicht | Gemeldet, sobald der dritte Fall zur Charge eingeht |
* Typisches Szenario, keine Messung bei einem einzelnen Kunden. Einsparung konservativ gerechnet: vorher rund 20 Minuten formale Anspruchsprüfung plus noch einmal rund 20 Minuten Dokumentation, zusammen etwa 40 Minuten pro Fall. Heute rund 5 Minuten Prüfblick auf die fertige Fallakte plus rund 5 Minuten für Kulanzentscheidung und Freigabe, zusammen etwa 10 Minuten. Gerechnet wird mit dem unteren Ende der Spanne von 20 bis 30 Minuten; Fallakte und 8D-Zuarbeit entstehen dabei automatisch mit.
Wie baut man so einen KI-Mitarbeiter technisch?
Das Wissen aus diesem Szenario zum Mitnehmen, egal ob ihr mit uns baut oder selbst:
Erfassung: Sprachmodelle lesen Mail und Telefonnotiz
Reklamationen kommen als Freitext, nicht als Formular. Sprachmodelle wie GPT von OpenAI oder Claude von Anthropic lesen die Mail, die Telefonnotiz und das Foto eines Typenschilds und extrahieren daraus Kunde, Produkt, Mangelbeschreibung und jede Nummer, die im Text steht. Jedes Feld bekommt seine Fundstelle, damit später nachvollziehbar ist, woher es kommt.
Anreicherung: das ERP liefert die harten Daten
Kaufdatum, Seriennummer und Charge werden nicht geschätzt, sondern über das ERP aufgelöst: Lieferscheinnummer zu Auftrag, Auftrag zu Lieferdatum, Lieferung zu Seriennummer und Produktionscharge. Diese Trennung von Lesen und Nachschlagen ist der wichtigste Baustein, denn eine geratene Seriennummer ist schlimmer als eine fehlende.
Mustererkennung: Reklamationen sind Qualitätsdaten
Weil jeder Fall dieselbe Struktur hat, lassen sich Fälle über Produkt, Komponente, Charge und normalisierte Fehlerart vergleichen. Der KI-Mitarbeiter gleicht jede neue Reklamation gegen offene und geschlossene Fälle ab und meldet, wenn eine Schwelle überschritten wird, zum Beispiel der dritte Fall zu einer Charge in einem definierten Zeitraum.
Anschluss ans QM: die Faktenbasis für 8D
Fehlerart, betroffenes Produkt, Charge, Lieferbezug und Kundenauswirkung entstehen während der Bearbeitung und landen strukturiert im QM-Tool. Das QM bekommt ein vorbereitetes D1 bis D3 statt einer Rekonstruktionsaufgabe. Ursachenanalyse und Abstellmaßnahmen bleiben bei den Ingenieuren, die sie verantworten.
UX: die Oberfläche entscheidet über die Akzeptanz
Die Fallakte zeigt eine Zeitleiste von Kauf über Lieferung bis Reklamation, daneben den Vorschlag mit seiner Begründung und den Belegen. Kulanz ist ein bewusster Klick mit eigenem Feld für die Begründung, keine Voreinstellung. Genau das macht aus Skepsis Zustimmung, weil das Team sieht, dass ihm nichts aus der Hand genommen wird.
Was kostet das im Vergleich?
Superkind rechnet pro Use Case ab. Der Preis wächst mit dem Fallvolumen, nicht mit dem Personalbestand. Hier die ehrliche Gegenüberstellung:
| Sachbearbeitung Reklamation | Ticketsystem | Superkind KI-Mitarbeiter | |
|---|---|---|---|
| Kosten | 55.000 bis 75.000 € pro Jahr | 15 bis 50 € pro Nutzer und Monat | Preis pro Use Case, ein Bruchteil einer Vollzeitstelle |
| Was ist enthalten | Der komplette Fall, von Hand | Warteschlange, Status und Zuweisung | Erfassung, Fallakte, Anspruchsprüfung, Doku und Musterabgleich |
| Anspruchsprüfung | 20 bis 30 Minuten Suchen pro Fall | Findet nicht statt, das System organisiert nur | Gegen eure Bedingungen geprüft, mit Belegen |
| Skaliert mit | Mehr Personal | Anzahl der Nutzer | Fallvolumen, ohne neue Stellen |
| Ausnahmen | Mensch macht alles | Ticket wird weitergereicht | Gehen markiert an einen Menschen |
| Einführung | Rekrutierung und Einarbeitung | Konfiguration und Schulung | 2 bis 3 Wochen bis zur ersten produktiven Version |
Der ehrliche Vergleich sind die vollen Kosten der manuellen Bearbeitung: das Suchen pro Fall, die QM-Doku, die nie geschrieben wird, die Kunden, die anrufen, und das Chargenproblem, das ein halbes Jahr zu spät auffällt.
Was wir aus Reklamationsprojekten gelernt haben.
Der offensichtliche Wert ist Tempo: Ein Fall, der drei Wochen brauchte, ist in drei Tagen beantwortet. Der unterschätzte Wert ist die Mustererkennung. Manuelle Bearbeitung behandelt jede Beschwerde als Einzelfall, weil sie so ankommt und so abgelegt wird. Sobald jeder Fall dieselbe Struktur hat, werden aus Beschwerden Qualitätsdaten. Drei Ausfälle aus einer Charge sind dann nicht mehr drei verärgerte Kunden in drei Postfächern, sondern ein Signal, das die Technik erreicht, solange die Charge noch im Feld ist.
Das Zweite sehen wir in jedem Projekt: Der Widerstand richtet sich nie gegen die Technik, sondern gegen die Frage, wer entscheidet. Serviceteams haben sich über Jahre ein Gefühl dafür erarbeitet, welcher Kunde ein Ja bekommt, und sie verteidigen das zu Recht. Die Projekte, die funktionieren, sagen früh und klar: Kulanz steht nicht auf der Automatisierungsliste. Sie machen die menschliche Entscheidung nur besser, weil Historie, Chargenbelege und Fallwert schon auf dem Tisch liegen.
Wofür es sich nicht eignet: Bei einer Handvoll Fälle pro Monat ist das Suchen lästig, aber nicht euer Engpass, und die Mustererkennung braucht Volumen. Wenn niemand die Garantiebedingungen aufschreiben kann, gibt es keine formale Prüfung zu automatisieren. Und wenn Seriennummern nicht geführt werden, fehlt die Grundlage für die Fallakte.
