Die wichtigsten Akronyme im Bereich Kundenerlebnis im Jahr 2026

„DToC“, „Agentic AI“, „RAG“…

Bei der Besprechung letzte Woche fielen diese Begriffe, und Sie haben nur genickt, in der Hoffnung, dass Ihnen niemand Fragen dazu stellt. Damit sind Sie nicht allein. Der Wortschatz rund um das Kundenerlebnis entwickelt sich schneller, als wir ihn verinnerlichen können.

Dieser Leitfaden erklärt die 45 Abkürzungen, die Sie unbedingt beherrschen müssen, um sich im CX-Ökosystem des Jahres 2026 zurechtzufinden. Von den seltensten, die nur von 10 % der Branche verwendet werden, bis hin zu den gängigsten, die jeder Fachmann kennen sollte.

Keine Zeit, alles zu lesen? Hier sind die wichtigsten Punkte

Wenn Sie gerade erst mit CX anfangen: Konzentrieren Sie sich auf die Abschnitte „Grundlagen“, „Klassische Kennzahlen“ sowie „Strategien und Ansätze“, um sich die wesentlichen Grundlagen anzueignen.

Wenn Sie über mittlere Kenntnisse verfügen: Gehen Sie direkt zu den Abschnitten „Neue Wertkennzahlen“, „Das Zeitalter der generativen KI“ und „Neue Technologien und Konzepte“, um Ihr Wissen zu vertiefen.

Wenn Sie Experte sind: In den Abschnitten „Die Revolution der agentenbasierten KI“, „Governance und Compliance“ sowie „Metriken und fortgeschrittene Analysen“ erfahren Sie alles über die neuesten Innovationen der Branche.

Das Must-Know für 2026: Agentic AI, CLV, Journey Orchestration, DToC – diese vier Konzepte bestimmen die CX-Marktführer von morgen.

Inhaltsverzeichnis
Inhaltsverzeichnis

1. Die Grundlagen der CX

CX (Kundenerlebnis)

Der Gesamteindruck, den ein Kunde durch alle seine Interaktionen mit einer Marke gewinnt – unabhängig davon, ob diese digital, physisch, direkt oder indirekt stattfinden. Im Jahr 2026 wird die Kundenerfahrung (CX) zum zentralen Nervensystem des Unternehmens und koordiniert Daten, KI und menschliche Interaktionen, um messbaren Mehrwert zu schaffen.

Konkretes Beispiel: Wenn ein Kunde über Ihre Website und anschließend über Ihre mobile App mit Ihrer Marke interagiert und dann Ihren Kundenservice anruft, trägt jede dieser Interaktionen zu seinem Gesamterlebnis bei. Eine hervorragende Kundenerfahrung (CX) gewährleistet Konsistenz und Nahtlosigkeit zwischen all diesen Kontaktpunkten.

CS (Customer Success)

Ein proaktiver Ansatz im Kundenservice, bei dem die Unterstützung der Kunden beim Erreichen ihrer Geschäftsziele im Mittelpunkt steht. Über den reaktiven Support hinaus, der Probleme löst, antizipiert der Kundenservice Bedürfnisse, identifiziert Wachstumschancen und maximiert den Nutzen, den der Kunde aus dem Produkt oder der Dienstleistung zieht.

Wesentlicher Unterschied: Der Kundensupport fragt: „Wie kann ich Ihnen helfen?“, während der Customer Success fragt: „Wie kann ich Ihnen helfen, mit unserer Lösung erfolgreich zu sein?“

CEM (Customer Experience Management)

Die Gesamtheit der Strategien, Technologien und Prozesse, die darauf abzielen, das Kundenerlebnis an allen Kontaktpunkten zu verstehen, zu messen und systematisch zu verbessern. Im Jahr 2026 entwickelt sich das CEM hin zu einer intelligenten Steuerung der Kundenreisen und geht über die bloße Optimierung einzelner Kanäle hinaus.

2. Die klassischen Kennzahlen (nach wie vor aktuell)

NPS (Net Promoter Score)

Misst die Kundentreue und die Bereitschaft, eine Marke weiterzuempfehlen, berechnet als Prozentsatz der Befürworter abzüglich des Prozentsatzes der Kritiker. Die Kunden werden auf einer Skala von 0 bis 10 eingeteilt: Befürworter (9–10), Passive (7–8) und Kritiker (0–6).

Im Jahr 2026 wird der NPS nach wie vor weit verbreitet sein – 73 % der weltweit führenden CX-Verantwortlichen stützen sich auf diesen Indikator –, doch er muss durch geschäftsrelevante Kennzahlen wie den CLV ergänzt werden, um die Falle der „Vanity Metrics“ zu vermeiden.

Formel: NPS = % Befürworter – % Kritiker

Wichtige Varianten:

• Beziehungs-NPS: bewertet die allgemeine Beziehung zur Marke und wird vierteljährlich oder jährlich gemessen
• Transaktionaler NPS: misst die Zufriedenheit unmittelbar nach einer bestimmten Interaktion

Achtung: Ein hoher NPS ist keine Garantie für Rentabilität. Ein Unternehmen kann einen NPS von 50 haben, aber dennoch Verluste machen, wenn seine „Promoter“-Kunden einen niedrigen CLV aufweisen.

CSAT (Kundenzufriedenheitsindex)

Misst die unmittelbare Zufriedenheit nach einer bestimmten Interaktion, in der Regel anhand einer einfachen Frage: „Wie zufrieden sind Sie mit Ihrer heutigen Erfahrung?“ auf einer Skala von 1 bis 5.

Ideal zur Bewertung der Qualität eines bestimmten Kontaktpunkts, wie beispielsweise eines Kaufs, einer Interaktion mit dem Kundensupport oder der Nutzung einer Dienstleistung. Im Jahr 2026 wird der CSAT zu einem Instrument zur frühzeitigen Erkennung von Problemen, bevor diese die durch den NPS gemessene Gesamtkundentreue beeinträchtigen.

Formel: (Anzahl der positiven Antworten / Gesamtzahl der Antworten) × 100

Anwendungsfälle: Nach jedem Anruf beim Kundenservice, nach einer Lieferung, nach einer Online-Transaktion.

CES (Customer Effort Score)

Misst den Aufwand, den der Kunde aufbringen muss, um eine Aufgabe zu erledigen oder ein Problem zu lösen. Basiert auf einer Studie von Gartner, die belegt, dass ein geringer Kundenaufwand der beste Indikator für Kundenbindung ist und sogar die Zufriedenheit übertrifft.

Ein niedriger CES (minimaler Aufwand) deutet auf ein reibungsloses Erlebnis hin, das die Zufriedenheit und Kundenbindung stärkt. Im Jahr 2026 wird der CES entscheidend dafür sein, Reibungspunkte in den immer komplexer werdenden und kanalübergreifenden Kundenreisen zu identifizieren.

Beispielfrage: „Auf einer Skala von 1 bis 7: Wie einfach war es heute, Ihr Problem zu lösen?“

Wichtige Erkenntnis: Es ist effektiver, den Aufwand für den Kunden zu reduzieren, als zu versuchen, ihn zu „begeistern“. Kunden wünschen sich vor allem eine einfache und schnelle Lösung.

3. Die neuen Wertkennzahlen

CLV (Customer Lifetime Value)

Gesamtwert, den ein Kunde während der gesamten Dauer seiner Beziehung zum Unternehmen generiert; berechnet durch Multiplikation des durchschnittlichen Kaufwerts mit der Kaufhäufigkeit und der Dauer der Kundenbeziehung.

Im Jahr 2026 ersetzt der CLV schrittweise die „Vanity Metrics“ als alleinigen NPS-Indikator und wird zum maßgeblichen Maßstab für den Erfolg im Bereich Kundenerlebnis (CX). Führende Unternehmen fragen nicht mehr: „Wie hoch ist unser NPS?“, sondern: „Wie wirken sich unsere CX-Initiativen auf den CLV aus?“

Vereinfachte Formel: CLV = (Durchschnittlicher Kaufwert × Kaufhäufigkeit × Dauer der Kundenbeziehung) – Akquisitionskosten

Konkretes Beispiel: Ein Online-Banking-Kunde mit einem Girokonto (0 € direkte Einnahmen), der jedoch eine Hausratversicherung (300 €/Jahr) abschließt, einen Immobilienkredit (2.000 € Marge über 20 Jahre) abschließt und seine Ersparnisse anlegt (500 € Kosten über 10 Jahre), hat eine Lebenszeitwert (CLV) von 45.000 €. Eine Investition von 500 € in sein Kundenerlebnis ist dann durchaus gerechtfertigt.

ROI der Kundenerfahrung

Return on Investment (ROI) von Initiativen zur Verbesserung des Kundenerlebnisses, wobei die erzielten geschäftlichen Vorteile (Umsatzsteigerung, Verringerung der Abwanderungsrate, Senkung der Betriebskosten) im Verhältnis zu den getätigten Investitionen in das Kundenerlebnis gemessen werden.

Im Jahr 2026 achten 66 % der Führungskräfte stärker als zuvor auf den ROI der Kundenerfahrung (CX). CX-Verantwortliche müssen an jedem Kontaktpunkt die geschäftlichen Auswirkungen nachweisen, anstatt lediglich die Aktivitäten oder Zufriedenheitswerte zu messen.

Formel: CX-ROI = [(Erzielte Gewinne – Investierte Kosten) / Investierte Kosten] × 100

Beispiel: Implementierung eines KI-Chatbots für 100.000 €, der die Anzahl der Kundenkontakte um 30 % reduziert (Einsparung von 200.000 € pro Jahr) = ROI von 100 % im ersten Jahr.

Churn Rate (Abwanderungsrate)

Prozentsatz der Kunden, die ihre Geschäftsbeziehung mit dem Unternehmen innerhalb eines bestimmten Zeitraums beenden. Ein entscheidender Indikator, der in umgekehrtem Verhältnis zur Wirksamkeit der CX-Strategie steht: Je leistungsfähiger Ihre CX ist, desto geringer ist Ihre Abwanderungsrate.

Formel: (Anzahl der verlorenen Kunden / Anzahl der Kunden zu Beginn des Zeitraums) × 100

Benchmark: Eine monatliche Abwanderungsrate von 2–3 % gilt im B2B-SaaS-Bereich als akzeptabel, für eine Privatkundenbank wäre sie jedoch katastrophal – dort wäre bereits eine monatliche Abwanderungsrate von 0,5 % besorgniserregend.

FCR (First Call Resolution)

Prozentsatz der Kundenprobleme, die bereits beim ersten Kontakt gelöst werden, ohne dass ein Rückruf oder eine Eskalation erforderlich ist. Ein hoher FCR-Wert bedeutet zufriedenere Kunden, weniger frustrierende Wiederholungen für die Mitarbeiter und eine gesteigerte betriebliche Effizienz.

Im Jahr 2026 soll mit dem Aufschwung der autonomen KI bei einfachen Anfragen eine Lösungsquote von 80 % ohne menschliches Eingreifen erreicht werden, wodurch die Mitarbeiter Zeit für komplexe Fälle gewinnen, die Einfühlungsvermögen und Urteilsvermögen erfordern.

Messbare Auswirkungen: Eine Verbesserung der FCR um 1 % kann die Betriebskosten um 1 % senken und die Kundenzufriedenheit um 1 bis 5 % steigern.

4. Das Zeitalter der generativen KI

GenAI (Generative KI)

Künstliche-Intelligenz-Systeme, die in der Lage sind, anhand umfangreicher Trainingsdaten und Anweisungen in natürlicher Sprache originelle Inhalte (Text, Bilder, Code, Audio) zu erstellen. Im Bereich CX revolutioniert GenAI die Informationssuche, die Personalisierung von Interaktionen und die Erstellung von Inhalten in großem Maßstab.

Die Realität im Jahr 2026 sieht jedoch differenzierter aus: Über 90 % der Unternehmen haben nach wie vor Schwierigkeiten, einen messbaren ROI aus ihren GenAI-Investitionen zu erzielen. Der Übergang von der Experimentierphase zur disziplinierten Umsetzung bleibt die größte Herausforderung.

Konkrete CX-Anwendungen:

• Automatische Erstellung personalisierter E-Mail-Antworten
• Erstellung von Marketinginhalten, die auf jedes Segment zugeschnitten sind
• Automatische Zusammenfassung von Kundengesprächen
• Erstellung von Wissensdatenbanken

Wesentliche Einschränkung: GenAI generiert Inhalte, handelt aber nicht. Es liefert eine Antwort, bearbeitet die Anfrage jedoch nicht von Anfang bis Ende.

LLM (Large Language Model)

Große Sprachmodelle, die die technische Grundlage für GenAI-Anwendungen bilden. Diese Modelle, die mit Milliarden von Parametern und Terabyte an Text trainiert wurden, bilden die Grundlage für fortschrittliche Chatbots, virtuelle Assistenten und dialogorientierte Empfehlungssysteme.

Beispiele: GPT-4, Claude, Gemini, LLaMA – jedes mit spezifischen Stärken in Bezug auf logisches Denken, Kreativität oder branchenspezifische Fachkenntnisse.

RAG (Retrieval-Augmented Generation)

Eine Technik, bei der die Extraktion relevanter Informationen aus einer Datenbank oder Dokumentation mit der Generierung von Inhalten durch ein LLM kombiniert wird, um präzisere, aktuellere und kontextbezogene Antworten zu liefern.

Das RAG ermöglicht den KI-Agenten den Zugriff auf eine Wissensdatenbank, die ständig in Echtzeit aktualisiert wird, wodurch „Halluzinationen“ vermieden werden, bei denen die KI unrichtige Informationen erfindet.

Anwendungsfall: Ein Chatbot, der RAG nutzt, kann Ihre aktuellste Produktdokumentation durchsuchen (Abruf) und anschließend eine klare und personalisierte Antwort formulieren (Generierung), wodurch stets korrekte Informationen gewährleistet sind – auch wenn sich die Produkte ändern.

5. Die Revolution der agentenbasierten KI

Agentische KI (Agentische Künstliche Intelligenz)

Autonome KI-Systeme, die in der Lage sind, komplexe Handlungen zu planen, Entscheidungen zu treffen und auszuführen, ohne dass ständig menschliches Eingreifen erforderlich ist. Im Gegensatz zur generativen KI (GenAI), die Inhalte erzeugt, handelt die agentische KI. Im Jahr 2026 wird sie zum wichtigsten Unterscheidungsmerkmal im Bereich CX.

Eigenschaften:

• Selbstständigkeit bei der Ausführung von Aufgaben
• Fähigkeit zum kontinuierlichen Lernen
• Kontextbezogene Entscheidungsfindung
• Koordination komplexer Arbeitsabläufe

Grundlegender Unterschied zwischen GenAI und Agentic AI:

• GenAI: „Hier ist eine Vorlage für eine Rückerstattungs-E-Mail, die Sie anpassen und versenden können.“
• Agentic AI: „Ich habe die Rückerstattung bearbeitet, dem Kunden eine Bestätigung geschickt und eine Geste des guten Willens hinzugefügt. Hier ist die Zusammenfassung der abgeschlossenen Aktion.“

Agentic Commerce

Eine neue Form des Handels, bei der autonome KI-Agenten Transaktionen vermitteln, Kaufentscheidungen beeinflussen und im Auftrag von Verbrauchern oder Unternehmen den gesamten Kaufprozess steuern.

Die Prognosen sind atemberaubend: 1 Billion Dollar Umsatz bis 2030 allein in den Vereinigten Staaten. Bereits im Jahr 2026 beeinflussen KI-Agenten 20 % der Online-Bestellungen, indem sie automatisch Preise vergleichen, Rabatte aushandeln und wiederkehrende Käufe optimieren.

Zukunftsszenario: Ihr persönlicher KI-Assistent überwacht die Preise Ihrer Lieblingsprodukte, erkennt ein Sonderangebot für Ihren Lieblingskaffee, überprüft Ihren aktuellen Vorrat über Ihre vernetzten Geräte, gibt automatisch eine Bestellung unter Berücksichtigung Ihrer Lieferpräferenzen auf und handelt sogar einen Vorzugspreis aus, der auf Ihrer Kundenhistorie basiert.

Agentic CX

Kundenerlebnissysteme, bei denen agentenbasierte KI die gesamte Customer Journey steuert, Bedürfnisse vorhersieht, noch bevor der Kunde sie äußert, jede Interaktion in Echtzeit personalisiert und Probleme selbstständig löst.

Die CX entwickelt sich somit von einem reaktiven Ansatz (auf Anfragen reagieren) zu einem proaktiven Ansatz (vorausschauend handeln und bereits vor der Anfrage tätig werden). Die „Agentic CX“ stellt die ultimative Weiterentwicklung von Personalisierung und operativer Effizienz dar.

6. Neue Technologien und Konzepte

DToC (Digital Twin of Customer)

Virtuelle, dynamische und in Echtzeit erfolgende Darstellung eines Kunden, bei der alle seine Verhaltens-, Transaktions-, Präferenz- und Kontextdaten in einem einzigen, kontinuierlich aktualisierten Modell zusammengeführt werden.

In Kombination mit agentenbasierter KI ermöglicht DToC eine wirklich vorausschauende Personalisierung und liefert verwertbare Erkenntnisse zum Abwanderungsrisiko, zum zukünftigen CLV, zu Nutzungsprognosen und zu Cross-Selling-Möglichkeiten.

Anwendungsfälle im Bankwesen:

Hintergrund: Marie, 34 Jahre alt, Premium-Kundin einer Online-Bank, ruft wegen eines Immobilienkredits an.

Ohne DToC:

• Der Sachbearbeiter muss verschiedene Systeme manuell durchsuchen
• 10 Minuten, die man damit verschwendet, Fragen zu seinem Einkommen, seinen Ersparnissen und seinen Plänen zu stellen
• Marie muss Informationen wiederholen, die sie bereits in der Vergangenheit angegeben hat
• Der Mitarbeiter kann seinen zukünftigen Bedarf nicht vorhersehen

Mit DToC:

• Maries digitaler Zwilling ist in Echtzeit aktiv
• Der Makler erhält sofort einen 360°-Überblick: regelmäßiges Einkommen, Ersparnisse in Höhe von 45.000 €, aktuelle Transaktionen bei Immobilienmaklern, Online-Immobiliensuchen
• Die KI analysiert das DToC und schlägt vor: „Marie hat in diesem Jahr 15 % mehr gespart als erwartet, ihr Risikoprofil ist ausgezeichnet. Bieten Sie ihr einen Vorzugszinssatz an und weisen Sie darauf hin, dass sie 20.000 € mehr aufnehmen könnte als ursprünglich veranschlagt.“
• Das Gespräch dauert 3 Minuten, Marie ist begeistert von der Effizienz und der proaktiven Herangehensweise, der Kredit ist vorläufig genehmigt.

Messbares Ergebnis:

• Reduzierung der Gesprächsdauer um 70 %
• Steigerung der Konversionsrate um 40 %
• Steigerung des NPS um 25 Punkte
• Anstieg des durchschnittlichen Kreditbetrags um 12 %

Assist-Mitarbeiter

KI-Tools, die menschliche Mitarbeiter bei Kundeninteraktionen in Echtzeit unterstützen. Der Agent Assist schlägt optimale Antworten vor, liefert relevante Kontextinformationen, führt durch komplexe Prozesse und macht auf Geschäftsmöglichkeiten aufmerksam.

Unternehmen, die Agent Assist einsetzen, verzeichnen einen spektakulären 5,5-fachen Anstieg des Mitarbeiterengagements, eine Verkürzung der Einarbeitungszeit für neue Mitarbeiter um 30 % sowie eine Verbesserung der FCR um 20 bis 40 %.

Wichtigste Funktionen:

• Echtzeit-Antwortvorschläge auf der Grundlage einer Gesprächsanalyse
• Sofortiger Zugriff auf relevante Kundeninformationen
• Automatische Erkennung von Stimmungen und Frustrationssignalen
• Kontextbasierte Empfehlungen für Produkte oder Dienstleistungen
• Automatische Zusammenfassungen von Gesprächen für Notizen nach dem Anruf

Sprach-KI

KI-Agenten, die in der Lage sind, natürliche, wechselseitige Sprachgespräche in Echtzeit zu führen, wobei sie natürliche Sprache, emotionale Nuancen und den Gesprächskontext verstehen, um relevante und einfühlsame Antworten zu geben.

Im Jahr 2026 wünschen sich 60 % der Kunden, dass Unternehmen Sprach-KI einsetzen, und fast 70 % sind der Meinung, dass Sprachbots, die natürlicher und menschlicher klingen, ihr Kundenerlebnis deutlich verbessern würden.

Unterschied zum herkömmlichen IVR: Während Sie beim IVR gezwungen sind, sich durch starre Menüs zu navigieren („Drücken Sie die 1 für…“), versteht die Sprach-KI natürliche Sprache. Sie können sagen: „Ich möchte meine Buchung vom 15. März ändern“, und die KI versteht sofort, was Sie meinen.

Praktische Anwendungen:

• Telefonischer Kundensupport rund um die Uhr ohne menschliche Mitarbeiter
• Automatisierte Terminvereinbarung
• Qualifizierung von Vertriebs-Leads
• Interaktive sprachgesteuerte Zufriedenheitsumfragen

IVR (Interactive Voice Response)

Herkömmliche automatisierte Telefonsysteme, bei denen Anrufer mithilfe der Tasten auf der Tastatur oder manchmal auch per Sprachbefehl durch Menüs navigieren können, um einfache Befehle auszuführen.

Im Jahr 2026 wird das klassische IVR schrittweise durch die Sprach-KI ersetzt, die wirklich natürliche Gesprächsinteraktionen ermöglicht. Die Kunden müssen sich keine Menünummern mehr merken oder immer wieder „Mitarbeiter“ sagen, bis sie mit einem Menschen verbunden werden.

Die notwendige Entwicklung: Führende Unternehmen nutzen das IVR nur noch als technische Ausweichlösung und setzen bei allen primären Interaktionen auf Sprach-KI.

7. Strategien und Ansätze

Omnichannel (Omnikanal)

Eine Strategie für das Kundenerlebnis, die über alle verfügbaren Kanäle hinweg – Web, Mobilgeräte, stationäre Geschäfte, Telefon, soziale Medien, E-Mail, Chat usw. – ein einheitliches, nahtloses und integriertes Erlebnis bietet.

Im Jahr 2026 bedeutet Omnichannel-Strategie nicht mehr nur, „überall präsent“ zu sein, sondern die Kontinuität und Kohärenz des Kundenerlebnisses zu gewährleisten. Wenn ein Kunde auf Ihrer Website ein Gespräch mit einem KI-Agenten beginnt und anschließend Ihren Kundenservice anruft, muss der menschliche Mitarbeiter sofort den vollständigen Kontext dieser ersten Interaktion kennen, ohne dass der Kunde alles noch einmal wiederholen muss.

Die drei Säulen des modernen Omnichannel-Ansatzes:

1. Datenkontinuität: Die Kundenhistorie wird über alle Kanäle hinweg gemeinsam genutzt
2. Einheitliches Nutzererlebnis: Die Versprechen, Richtlinien und Service-Levels sind überall identisch
3. Reibungslose Übergänge: Der Kunde kann nahtlos und ohne Informationsverlust zwischen den Kanälen wechseln

Häufiger Fehler: Kanäle vervielfachen, ohne sie zu integrieren. Eine mobile App, eine Website und einen Telefonservice zu haben, die nicht miteinander kommunizieren, ist kein Omnichannel, sondern ein dysfunktionales Multichannel-Konzept.

Journey Orchestration (Prozessgestaltung)

Intelligente und automatisierte Koordination aller Kontaktpunkte, Systeme, Kanäle und Interaktionen, um nahtlose, personalisierte und konsistente Kundenerlebnisse über den gesamten Lebenszyklus hinweg zu schaffen.

Die Orchestrierung wird 2026 zum entscheidenden Unterscheidungsmerkmal und löst den traditionellen Ansatz der isolierten Kanaloptimierung ab. Es geht nicht mehr darum, Ihr E-Mail-Marketing, Ihre Website und Ihren Kundenservice einzeln zu perfektionieren, sondern sie als ein einziges System zusammenwirken zu lassen.

Beispiel für eine Orchestrierung:

Ein Kunde lässt einen Warenkorb mit einem Premium-Produkt zurück. Das Orchestrierungssystem:

• 2 Stunden warten (optimales Zeitfenster basierend auf Verhaltensdaten)
• Sende eine personalisierte Erinnerungs-E-Mail mit einem kleinen Rabatt
• Wenn nach 24 Stunden keine Reaktion erfolgt, sende eine Push-Benachrichtigung auf das Mobilgerät
• Sollte weiterhin keine Reaktion erfolgen, wird der proaktive Chatbot beim nächsten Besuch der Website aktiviert
• Wenn der Kunde sich innerhalb von 7 Tagen an den Kundenservice wendet, sieht der Mitarbeiter den gesamten Verlauf und kann gezielte Hilfe anbieten.

Jeder Schritt wird automatisch ausgelöst, an das Kundenprofil angepasst und so koordiniert, dass eine Überlastung vermieden wird.

Wichtige Kennzahl: Unternehmen mit einer ausgereiften Orchestrierung verzeichnen bei orchestrierten Customer Journeys einen Anstieg der Konversionsrate um 25 bis 35 %.

Hyper-Personalisierung

Nutzung von Kundendaten in Echtzeit, künstlicher Intelligenz und prädiktiver Analytik, um Verhaltensmuster zu erkennen und individualisierte Kundenerlebnisse in großem Maßstab zu schaffen.

Echte Hyper-Personalisierung bedeutet nicht, für jeden Einzelnen ein einzigartiges Erlebnis zu schaffen (das wäre zu kostspielig und zu komplex), sondern Daten zu nutzen, um äußerst präzise Segmente und kontextbezogene Erlebnisse zu schaffen, die den Eindruck vermitteln, als seien sie speziell für jede einzelne Person konzipiert worden.

Die Anpassungsstufen:

1. Einfache Personalisierung: „Hallo Jean“
2. Segmentbezogene Personalisierung: Auf „junge Berufstätige in der Stadt“ zugeschnittene Inhalte
3. Verhaltensbasierte Personalisierung: Empfehlungen auf Grundlage des Kaufverlaufs
4. Hyper-Personalisierung: Ein umfassendes Erlebnis, das in Echtzeit an den Kontext, die Absicht, das Verhalten, die Präferenzen und die Vorhersagen zukünftiger Handlungen angepasst wird

Beispiel: Netflix passt nicht nur die Filmempfehlungen an, sondern auch die für jeden Film angezeigten Bilder entsprechend Ihrem Profil (Actionbilder für Actionfans, romantische Bilder für alle anderen), die Textbeschreibungen, die Reihenfolge der Darstellung und sogar den optimalen Zeitpunkt, um Ihnen vorzuschlagen, eine Serie fortzusetzen.

Human-in-the-Loop (Mensch im Regelkreis)

Ein Ansatz, bei dem der Mensch weiterhin eine Rolle bei der Überwachung, Validierung und Intervention in den durch künstliche Intelligenz automatisierten Prozessen spielt. Die KI übernimmt den Großteil der sich wiederholenden und standardisierten Aufgaben, während der Mensch bei komplexen Fällen, emotional aufgeladenen Situationen und Entscheidungen, die ethisches Urteilsvermögen erfordern, eingreift.

Im Jahr 2026 sind 89 % der Führungskräfte der Ansicht, dass positive Interaktionen ein perfektes Gleichgewicht zwischen Automatisierung und menschlicher Note erfordern. Das Ziel besteht nicht darin, den Menschen zu ersetzen, sondern ihn zu unterstützen.

Die drei „Human-in-the-Loop“-Modelle:

1. „Human-in-Command“: Die KI macht Vorschläge, der Mensch entscheidet und führt aus
2. Human-on-the-Loop: Die KI entscheidet und führt aus, der Mensch überwacht den Vorgang und kann eingreifen
3. „Human-out-of-the-loop“: Die KI arbeitet autonom, der Mensch überprüft die Ergebnisse im Nachhinein

Kriterien für den Transfer von KI auf den Menschen:

• Erkennung starker Emotionen (Wut, Frustration, Traurigkeit)
• Ausdrückliche Bitte, mit einem Menschen zu sprechen
• Situation außerhalb der Trainingsparameter der KI
• Geschäftsmöglichkeit mit hohem Wert
• Fälle, die Einfühlungsvermögen oder eine komplexe ethische Beurteilung erfordern

8. Unternehmensführung und Compliance

Co-intelligent CX

Ein Modell für das Kundenerlebnis, bei dem künstliche Intelligenz systematisch mit menschlicher Aufsicht, strenger Steuerung und klarer Verantwortlichkeit verbunden wird. Die Automatisierung wird optimiert, wenn sie mit menschlichem Fachwissen, Urteilsvermögen und Einfühlungsvermögen einhergeht.

Co-intelligent CX geht davon aus, dass weder reine KI noch der Mensch allein die optimale Lösung darstellen. Erst die intelligente Synergie zwischen beiden sorgt für das beste Kundenerlebnis und höchste betriebliche Effizienz.

Grundprinzipien:

• Die KI sorgt für Effizienz und Skalierbarkeit, der Mensch für Empathie und Komplexität
• Kritische Entscheidungen bleiben unter menschlicher Kontrolle
• Das Lernen verläuft in beide Richtungen: Die KI lernt von den Menschen, und die Menschen lernen von der KI.
• Die letztendliche Verantwortung liegt beim Menschen

KI-Governance (Governance der künstlichen Intelligenz)

Gesamtheit der Rahmenbedingungen, Richtlinien, Prozesse und Kontrollen, die gewährleisten, dass agentische KI-Systeme innerhalb klar definierter ethischer und regulatorischer Grenzen betrieben werden. Dazu gehören technische Schutzmaßnahmen (Guardrails), Konformitätsprüfungen, die lückenlose Nachverfolgbarkeit von Entscheidungen sowie Korrekturmechanismen.

Im Jahr 2026, mit der massiven Einführung von agentischer KI, die autonome Entscheidungen trifft, wird die Governance entscheidend, um Fehlentwicklungen, diskriminierende Verzerrungen und Verstöße gegen Vorschriften zu vermeiden.

Wesentliche Bestandteile:

• Dokumentation der verwendeten KI-Modelle und ihrer Grenzen
• Genehmigungsverfahren für neue Anwendungsfälle der KI
• Kontinuierliche Überwachung der von der KI getroffenen Entscheidungen
• Mechanismen zur Fehlerkorrektur und zum Lernen aus Fehlern
• Einhaltung der Vorschriften (DSGVO, europäisches KI-Gesetz usw.)

Wichtige Fragen, die man sich stellen sollte:

• Wer ist verantwortlich, wenn die KI einen Fehler macht?
• Wie kann sichergestellt werden, dass die KI bestimmte Kundengruppen nicht diskriminiert?
• Wie lässt sich eine automatisierte Entscheidung einem Kunden erklären, der sie beanstandet?
• Welche Entscheidungen sollten niemals vollständig automatisiert werden?

Explainable AI (erklärbare KI)

Künstliche Intelligenz, deren Entscheidungen, Vorhersagen und Empfehlungen von Menschen auf klare und verständliche Weise nachvollzogen, begründet und erklärt werden können. Dies ist entscheidend für den Aufbau von Vertrauen, insbesondere in stark regulierten Branchen wie dem Finanzwesen, dem Gesundheitswesen und der Versicherungsbranche.

Erklärbare KI steht im Gegensatz zu „Black-Box“-Modellen, bei denen selbst die Entwickler des Systems nicht erklären können, warum eine bestimmte Entscheidung getroffen wurde.

Konkretes Beispiel: Eine KI lehnt den Kreditantrag eines Kunden ab. Mit „Explainable AI“ kann das System Folgendes angeben: „Ablehnung aufgrund von: Verschuldungsquote von 42 % (Höchstgrenze 35 %), 3 Zahlungsausfälle in den letzten 24 Monaten, schwankendes Einkommen ohne stabile Einkommensgrundlage.“ Der Kunde versteht die Gründe und kann daran arbeiten, seine Situation zu verbessern.

Gesetzliche Anforderung: Die europäische DSGVO und der AI Act schreiben ein Recht auf eine Erklärung für automatisierte Entscheidungen vor, die erhebliche Auswirkungen auf betroffene Personen haben.

9. Kennzahlen und erweiterte Analysen

VCA (Voice of Customer Analytics)

Systematische analytische Auswertung von Kundenfeedback (Wortlaute, Bewertungen, Umfragen, Interaktionen, soziale Medien), um daraus umsetzbare Erkenntnisse zu gewinnen, sich abzeichnende Trends zu erkennen und wiederkehrende Probleme zu identifizieren, bevor sie kritisch werden.

VCA geht weit über das reine Sammeln von Feedback hinaus. Es nutzt natürliche Sprachverarbeitung, Stimmungsanalyse und maschinelles Lernen, um Tausende von unstrukturierten Kommentaren in konkrete strategische Empfehlungen umzuwandeln.

Typische Verarbeitung:

• Eingabe: 10.000 Kundenbewertungen aus dem letzten Monat
• VCA-Analyse: Feststellung eines Anstiegs der negativen Erwähnungen zum Thema „Lieferzeiten“ um 300 % in der Region Südost, der mit einem Wechsel des Transportunternehmens zusammenhängt
• Maßnahme: Alarm an den operativen Bereich gesendet, Überprüfung des Beförderungsvertrags, proaktive Benachrichtigung der betroffenen Kunden
• Ergebnis: Das Problem wurde innerhalb von 3 Wochen gelöst, statt dass sich der Zustand über 6 Monate hinweg kontinuierlich verschlechtert hätte.

Behavioral Analytics (Verhaltensanalyse)

Eingehende Analyse des tatsächlichen und beobachtbaren Kundenverhaltens (Klicks, Navigation, Verweildauer, Handlungsabläufe, Käufe) anstelle von bloßen Angaben in Umfragen.

Im Jahr 2026 ergänzt diese „stille Datenquelle“ die traditionellen Umfragen angesichts der zunehmenden Umfragemüdigkeit. Kunden mögen zwar angeben, dass sie eine bestimmte Funktion in einer Umfrage schätzen, doch ihr tatsächliches Verhalten zeigt, dass sie diese nie nutzen.

Beispiel: Ihre CSAT-Umfrage ergibt eine Zufriedenheit von 85 % mit Ihrem Checkout-Prozess, doch die Verhaltensanalyse zeigt, dass 40 % der Nutzer den Vorgang beim Anlegen eines Kontos abbrechen. Das Problem ist nicht die Zufriedenheit derjenigen, die den Vorgang abschließen, sondern die Reibungspunkte, die die anderen daran hindern, dies zu tun.

Konkrete Anwendungsbeispiele:

• Ermittlung von Reibungspunkten in digitalen Prozessen
• Erkennung von Signalen, die auf Kaufabsicht oder Kundenabwanderung hindeuten
• Optimierung der Benutzererfahrung auf der Grundlage von tatsächlichen Daten, nicht von Meinungen
• Vorausschauende Personalisierung auf der Grundlage von Verhaltensmustern

Gesprächsanalyse

Automatisierte Analyse von Kundeninteraktionen (Anrufe, Chats, E-Mails) zur Ermittlung der Stimmung, zur Identifizierung wiederkehrender Themen, zur Erkennung sich abzeichnender Trends, zur Bewertung der Servicequalität und zur Verbesserung der CX-Strategien.

Im Jahr 2026 sind 84 % der CX-Führungskräfte der Ansicht, dass diese Erkenntnisse in die Entscheidungs-Dashboards des gesamten Unternehmens einfließen sollten, nicht nur in den Kundenservice. Kundengespräche sind eine wahre Fundgrube an Informationen über Produktqualität, Markterwartungen und Innovationsmöglichkeiten.

Ausgewertete Kennzahlen:

• Durchschnittliche Stimmung in den Unterhaltungen (positiv, neutral, negativ)
• Durchschnittliche Bearbeitungszeit und Lösungsquote
• Am häufigsten behandelte Themen
• Aufkommende Schlüsselbegriffe, die auf neue Bedürfnisse hinweisen
• Individuelle und kollektive Leistung der Mitarbeiter
• Erkannte, aber nicht umgesetzte Geschäftsmöglichkeiten

Beispiel für die Auswirkungen: Ein Telekommunikationsunternehmen stellt mithilfe von Conversation Analytics fest, dass 15 % der Anrufe unverständliche Abrechnungsprobleme betreffen. Anstatt diese Anrufe weiterhin zu bearbeiten, vereinfacht das Unternehmen seine Rechnungsstellung radikal, wodurch diese Anrufe um 60 % reduziert und der NPS um 12 Punkte verbessert werden.

Predictive Analytics (Vorausschauende Analyse)

Nutzung historischer Daten, statistischer Algorithmen und maschinellen Lernens zur Vorhersage zukünftiger Kundenverhalten wie beispielsweise des Abwanderungsrisikos, der Kaufwahrscheinlichkeit, der Entwicklung der Zufriedenheit oder des zukünftigen Kundenwerts.

Ermöglicht eine wirklich proaktive statt einer reaktiven Kundenerfahrung: Handeln, bevor der Kunde abwandert, anstatt später zu versuchen, ihn zurückzugewinnen.

Kritische Anwendungen:

• Abwanderungsprognose: Identifizierung gefährdeter Kunden 30 Tage vor ihrer Abwanderung
• Next Best Action: Für jeden Kunden bei jeder Interaktion die optimale Maßnahme empfehlen
• CLV-Prognose: Den zukünftigen Wert jedes Kunden abschätzen, um Investitionsprioritäten zu setzen
• Zufriedenheitsprognose: Vorhersage, welche Kunden zu Kritikern werden

Beispiel aus dem Bankwesen: Die prädiktive Analyse stellt fest, dass ein Premium-Kunde seine Ausgaben innerhalb von zwei Monaten um 40 % reduziert hat, dreimal die Website einer Konkurrenzbank aufgerufen hat und seine Premium-Vorteile seit sechs Monaten nicht mehr genutzt hat. Abwanderungsrisiko: 85 %. Automatische Maßnahme: Der zuständige Kundenberater wird benachrichtigt, erhält eine kontextbezogene Zusammenfassung und kontaktiert den Kunden proaktiv, um dessen Bedürfnisse zu ergründen und eine passende Lösung vorzuschlagen. Ergebnis: Kundenbindung in 70 % der Fälle.

10. Tools und Plattformen

BSS (Business Support Systems)

Backend-Systeme, die alle geschäftlichen Abläufe eines Unternehmens verwalten: Rechnungsstellung, Auftragsabwicklung, Produktkatalog, Preisgestaltung, CRM, Umsatzmanagement.

Die Integration des „Digital Twin of Customer“ und der agentenbasierten KI in das BSS ermöglicht eine Personalisierung der Angebote in Echtzeit, eine dynamische Abrechnung sowie eine umfassende Steuerung des Kundenlebenszyklus auf Systemebene.

Entwicklung bis 2026: BSS entwickeln sich von starren Transaktionssystemen zu intelligenten Plattformen, die in der Lage sind, Angebote, Tarife und Dienstleistungen in Echtzeit automatisch an den jeweiligen Kundenkontext anzupassen.

KB (Wissensdatenbank)

Eine zentralisierte und strukturierte Wissensdatenbank, auf die Kunden und Mitarbeiter zugreifen können und die alle Informationen enthält, die zur Suche nach Lösungen und Antworten erforderlich sind: Produktanleitungen, FAQs, Tutorials, Anleitungen zur Fehlerbehebung.

Unverzichtbar für die Versorgung der RAG-Systeme von KI-Agenten, die auf zuverlässige und aktuelle Informationen zugreifen müssen, um präzise Antworten zu liefern.

Kriterien für eine effektive Wissensdatenbank 2026:

• Kontinuierliche und automatische Aktualisierung
• Semantische Struktur, die eine Suche nach Absicht und nicht nur nach Stichwörtern ermöglicht
• Auf verschiedene Zielgruppen zugeschnittene Versionen (Kunden, Mitarbeiter, Experten)
• Versionsverfolgung zur Gewährleistung der Konsistenz
• Nutzungsanalysen zur Ermittlung von Inhaltslücken

Messbare Auswirkungen: Eine gut strukturierte Wissensdatenbank kann die Anzahl der Kundendienstanfragen um 30 bis 50 % reduzieren und die Erstlösungsquote (FCR) um 15 bis 25 % steigern.

CRM (Customer Relationship Management)

Kundenbeziehungsmanagementsysteme, die alle Kundendaten, die Interaktionshistorie, Geschäftsmöglichkeiten, Vertriebspipelines und Marketingkampagnen auf einer einheitlichen Plattform bündeln.

Im Jahr 2026 werden CRM-Systeme weiterentwickelt, um Funktionen wie agentenbasierte KI, Customer-Journey-Orchestrierung und Prognosen nativ zu integrieren. Sie entwickeln sich von reinen Datenspeicher-Tools zu echten Plattformen für operative Kundenintelligenz.

Die entscheidende Entwicklung: Herkömmliche CRM-Systeme sagen Ihnen, wer der Kunde ist und was er getan hat. Die CRM-Systeme von 2026 sagen Ihnen, was der Kunde wahrscheinlich tun wird und welche Maßnahmen Sie jetzt ergreifen müssen.

DXP (Digital Experience Platform)

Integrierte Plattformen zum Erstellen, Verwalten, Bereitstellen und Optimieren digitaler Erlebnisse über alle Kanäle und Kontaktpunkte hinweg: Websites, mobile Apps, Kundenportale, personalisierte Bereiche.

Moderne DXPs integrieren von Haus aus KI-gestützte Personalisierung, automatisierte A/B-Tests, erweiterte Analysen, Headless-Content-Management und die Steuerung von Customer Journeys.

Unterschied zu einem herkömmlichen CMS: Ein CMS verwaltet Inhalte. Ein DXP orchestriert umfassende, personalisierte und miteinander verknüpfte Erlebnisse.

11. Strukturelle Trends 2026

AI-First CX

Ein strategischer Ansatz, bei dem künstliche Intelligenz im Mittelpunkt der Kundenerlebnisstrategie steht und an vorderster Front der Interaktionen zum Einsatz kommt, wobei jedoch stets die Möglichkeit besteht, komplexe oder emotional aufgeladene Fälle an einen Menschen weiterzuleiten.

„AI-First“ bedeutet nicht „AI-Only“. Es bedeutet: KI steht an vorderster Front, wenn es um Effizienz und Skalierbarkeit geht, während Menschen für Empathie, Urteilsvermögen und die Lösung komplexer Situationen sorgen.

Das Leitprinzip: Das zu maximieren, was KI am besten kann (Schnelligkeit, Verfügbarkeit rund um die Uhr, Konsistenz, Verarbeitung großer Datenmengen), und gleichzeitig das zu bewahren, was der Mensch am besten kann (Einfühlungsvermögen, Kreativität, Lösung neuartiger Probleme, Umgang mit Emotionen).

Festgestellte optimale Verteilung: 70 bis 80 % der Interaktionen werden durchgehend von der KI abgewickelt, 20 bis 30 % werden an einen Mitarbeiter weitergeleitet, wobei die Zufriedenheitsrate gleich hoch oder höher ist als bei den bisherigen Interaktionen, die zu 100 % von Mitarbeitern bearbeitet wurden.

Cost-to-Serve

Tatsächliche Gesamtkosten für die Betreuung eines bestimmten Kunden, einschließlich aller direkten und indirekten Kosten: Support-Interaktionen, Marketing, Vertriebsprovisionen, Onboarding-Prozesse, Beschwerdemanagement, zugewiesene IT-Infrastruktur.

Eine Kennzahl, die im Jahr 2026 zunehmend herangezogen wird, um die durch KI erzielte betriebliche Effizienz zu messen, die Rentabilität der Kunden zu segmentieren und Investitionen in das Kundenerlebnis (CX) anhand klarer finanzieller Kennzahlen zu begründen.

Strategischer Einblick: Nicht alle Kunden sind gleichermaßen rentabel. Ein Kunde mit einem CLV von 500 €, dessen Cost-to-Serve jedoch 600 € beträgt, vernichtet Wert. Intelligente Kundenerfahrung (CX) passt das Serviceniveau an die Rentabilität an: KI-gestützter Self-Service für Kunden mit geringer Marge, persönlicher Premium-Service für Kunden mit hohem Wert.

Vereinfachte Berechnung: Cost-to-Serve = (Supportkosten + Marketingkosten + Betriebskosten) / Anzahl der betreuten Kunden

Auflösungsrate (Resolution Rate)

Prozentsatz der Kundenprobleme, die tatsächlich zufriedenstellend gelöst wurden, unabhängig vom genutzten Kanal oder der Anzahl der erforderlichen Interaktionen.

Ersetzt nach und nach die „Deflection Rate“ (Umleitungsrate der Mitarbeiter) als Erfolgskennzahl. Das Ziel besteht nicht mehr darin, um jeden Preis zu verhindern, dass Kunden menschliche Mitarbeiter kontaktieren, sondern darin, Probleme tatsächlich zu lösen – sei es mithilfe von KI oder durch einen Menschen.

Paradigmenwechsel:

• Alte Kennzahl: „90 % der Kunden nutzen den Self-Service“ (aber möglicherweise ohne ihr Problem zu lösen)
• Neue Kennzahl: „Bei 85 % der Kunden wurde das Problem gelöst, davon bei 70 % durch KI und bei 15 % durch einen menschlichen Mitarbeiter“

Die Lösung ist wichtiger als der Kanal. Ein frustrierter Kunde, der nach drei erfolglosen Versuchen mit einem Chatbot aufgibt, zählt nicht als Deflection-Erfolg.

Umfrage-Müdigkeit

Zunehmende Unzufriedenheit der Kunden angesichts zu häufiger, zu langwieriger oder schlecht ausgerichteter Zufriedenheitsumfragen, was zu sinkenden Rücklaufquoten und einer Verschlechterung der Qualität der erhobenen Daten führt.

Im Jahr 2026 werden Rückmeldungen zunehmend über natürliche Kommunikationsplattformen (WhatsApp, Messenger, SMS) statt über externe Webformulare übermittelt und basieren eher auf impliziten, verhaltensbasierten Bewertungsmethoden als auf expliziten, auf direkten Fragen basierenden Methoden.

Symptome der Umfrage-Müdigkeit:

• Stetig sinkende Rücklaufquote
• Allgemeine, wenig aussagekräftige Antworten
• Negative Kommentare zur Häufigkeit der Anfragen
• Abmeldung von Mitteilungen

Lösungen 2026:

• Die Häufigkeit und Dauer der Umfragen drastisch reduzieren
• Feedback in natürliche Gespräche einbinden
• Verhaltensanalyse als Indikator für die Zufriedenheit nutzen
• Offene, dialogorientierte Fragen sollten gegenüber numerischen Skalen den Vorzug erhalten
• Intelligente Auswahl der zu befragenden Personen, des Zeitpunkts und der Themen

Fazit

Das Jahr 2026 markiert einen grundlegenden Wendepunkt im Kundenerlebnis: den Übergang vom Experimentieren zur disziplinierten Umsetzung, von der generierenden GenAI zur handelnden agentenbasierten KI, von Aktivitätskennzahlen zu Nachweisen greifbarer geschäftlicher Werte.

Führungskräfte, die diese Abkürzungen und vor allem die ihnen zugrunde liegenden strategischen Konzepte beherrschen, werden es sein, die das Kundenerlebnis (CX) von einer reinen Kostenstelle in einen echten Wachstumsmotor verwandeln. Sie werden beweisen, dass jeder Euro, der in das Kundenerlebnis investiert wird, einen messbaren Ertrag in Form eines höheren CLV, einer geringeren Abwanderungsrate und einer gesteigerten betrieblichen Effizienz generiert.

Im Jahr 2026 wird CX nicht mehr anhand seines innovativen Erscheinungsbilds oder der Anzahl der eingesetzten Technologien gemessen, sondern anhand des Mehrwerts, den es kontinuierlich unter Beweis stellt. Die intelligente Verknüpfung von Gesprächen, Kontext und Intelligenz über den gesamten Kundenlebenszyklus hinweg wird zum neuen Maßstab für Spitzenleistungen.

Erfolgreich sein werden jene Unternehmen, die verstanden haben, dass agentische KI keine Bedrohung für den Menschen darstellt, sondern eine Bereicherung, dass sich traditionelle Kennzahlen zu Wertindikatoren weiterentwickeln müssen und dass echte Personalisierung eher durch intelligente Koordination als durch die Vielzahl unkoordinierter Tools erreicht wird.