Agentic AI im CX-Kontext: Was wirklich neu ist – und was nur alter Bot-Hype mit neuem Label ist

Viele „AI Agents“ sind Chatbots/Voicebots mit neuem Etikett. Ein Vier-Punkte-Test zeigt, was Agentic AI im Kundenservice wirklich ausmacht.

Anthony Soprano

21 Okt. 2026 — Lesezeit: 6 Minuten

Agentic AI ist im Kundenservice dann neu, wenn sie Anliegen eigenständig zu Ende bringt – alles andere ist ein besserer Chatbot/Voicebot mit neuem Preisschild.

Das Wichtigste in Kürze

Der Begriff „Agent“ wird inflationär genutzt; Gartner spricht von „Agent Washing“ und hält nur rund 130 von Tausenden Anbietern für echte Agentic-AI-Anbieter.
Neu ist nicht die bessere Antwort, sondern die Handlung: Ein Agent verfolgt ein Ziel, arbeitet in Systemen und schließt Fälle ab.
Ob eine Lösung wirklich agentisch ist, lässt sich mit vier Fragen prüfen: Ziel, Handlung, Kontext, Kontrolle.
Wer ohne diesen Test einkauft, landet schnell bei den Projekten, von denen Gartner bis Ende 2027 über 40 % abgebrochen sieht.

Kaum eine Produktpräsentation im Kundenservice kommt 2026 ohne das Wort „Agent“ aus. Der Chatbot/Voicebot heißt jetzt „AI Agent“, das Routing „Agentic Orchestration“, die Wissenssuche „Copilot Agent“. Für Entscheider:innen ist das ein Problem. Wenn alles ein Agent ist, wird der Begriff wertlos – und Investitionsentscheidungen werden zur Glaubensfrage.

Dabei ist die Unterscheidung nicht akademisch. Sie entscheidet darüber, ob ein Projekt Kontakte wirklich löst oder nur eine weitere Schicht vor den Menschen im Contact Center legt.

Agent Washing ist kein Randphänomen

Gartner hat im Juni 2025 einen Begriff geprägt, der seitdem in vielen Strategiepapieren auftaucht: „Agent Washing“. Gemeint ist das Umetikettieren bestehender Produkte – KI-Assistenten, RPA, Chatbots – ohne nennenswerte agentische Fähigkeiten. Nach Gartner-Schätzung sind nur rund 130 der Tausenden Anbieter, die sich mit Agentic AI vermarkten, tatsächlich solche.

Im selben Zug prognostiziert Gartner, dass über 40 % der Agentic-AI-Projekte bis Ende 2027 abgebrochen werden – wegen steigender Kosten, unklarem Geschäftswert oder unzureichender Risikokontrollen. Bemerkenswert ist ein Satz des zuständigen Analysten: Viele Anwendungsfälle, die heute als agentisch positioniert werden, bräuchten gar keine agentische Umsetzung.

Das ist keine Absage an die Technologie. Es ist eine Absage an unscharfe Begriffe.

Was alter Bot-Hype ist

Ein Teil dessen, was heute als Agentic AI verkauft wird, kennen Contact Center seit Jahren:

Ein Chatbot beantwortet FAQ – jetzt mit einem Sprachmodell statt mit Entscheidungsbäumen.
Ein Voicebot erkennt das Anliegen und leitet weiter – nur natürlicher formuliert.
Ein Assistent fasst Gespräche zusammen oder schlägt Antworten vor.

Das alles ist nützlich. Gerade generative Antworten und Zusammenfassungen haben die Qualität spürbar verbessert. Aber es ist nicht agentisch. Das System reagiert auf eine Eingabe, liefert Information und gibt den eigentlichen Fall an Kund:innen oder Mitarbeitende zurück.

Das Erkennungsmerkmal ist einfach: Am Ende des Dialogs ist das Anliegen nicht erledigt, sondern nur besser erklärt.

Was wirklich neu ist

Gartner beschreibt den Unterschied im Kundenservice deutlich: Klassische GenAI-Werkzeuge helfen mit Informationen, Agentic AI soll Serviceanliegen proaktiv im Namen der Kund:innen lösen. Für 2029 erwartet Gartner, dass Agentic AI 80 % der gängigen Serviceanliegen ohne menschliches Eingreifen löst – verbunden mit 30 % geringeren Betriebskosten.

Man muss diese Prognose nicht für bare Münze nehmen. Aber sie markiert, worum es geht: nicht um bessere Antworten, sondern um abgeschlossene Vorgänge.

Neu ist also die Kombination aus drei Fähigkeiten:

ein Ziel über mehrere Schritte verfolgen, statt nur einen Prompt zu beantworten,
in Kernsystemen handeln – Buchung ändern, Erstattung auslösen, Vertrag anpassen,
den Weg anpassen, wenn ein Schritt scheitert oder Informationen fehlen.

Ein Beispiel aus dem Alltag: Eine Kundin meldet, dass ihre Lieferung beschädigt ist. Ein Chatbot erklärt das Reklamationsformular. Ein Agent prüft die Bestellung, fordert ein Foto an, bewertet den Schaden nach Regelwerk, löst Ersatz oder Gutschrift aus, informiert die Logistik und bestätigt den Abschluss – und übergibt an einen Menschen, sobald die Regel nicht greift.

Der Vier-Punkte-Test: Ziel, Handlung, Kontext, Kontrolle

Statt auf das Etikett zu schauen, lohnt ein strukturierter Test. Vier Fragen trennen Agentic AI von Bot-Hype.

1. Ziel Verfolgt das System ein klar definiertes Ergebnis – „Reklamation abgeschlossen“ – oder nur eine Antwort? Ein Agent hat einen Auftrag, an dem sich Erfolg messen lässt.

2. Handlung Kann das System in Kernsystemen schreiben, nicht nur lesen? Ohne Zugriff auf CRM, Order Management oder Billing bleibt jeder „Agent“ ein Auskunftssystem.

3. Kontext Kennt das System Historie, Vertragsstand und bisherige Kontakte – kanalübergreifend? Ohne Kontext muss die Kundin ihr Anliegen erneut schildern, und Folgefehler sind programmiert.

4. Kontrolle Gibt es definierte Entscheidungsräume, Freigabegrenzen, Protokollierung und eine saubere Übergabe an Menschen? Autonomie ohne Leitplanken ist kein Feature, sondern ein Risiko.

Eine Lösung, die nur eine dieser Fragen überzeugend beantwortet, ist ein guter Assistent. Eine Lösung, die alle vier erfüllt, ist ein Agent.

Warum Kund:innen den Unterschied sofort spüren

Die Skepsis auf Kundenseite ist real. In einer Gartner-Umfrage gaben 64 % der Kund:innen an, sie würden es bevorzugen, wenn Unternehmen im Kundenservice keine KI einsetzen; 53 % würden einen Wechsel zum Wettbewerb erwägen. Die größte Sorge: dass KI zur weiteren Hürde vor dem Menschen wird.

Genau hier liegt der Unterschied zwischen Hype und Nutzen. Ein umetikettierter Bot verstärkt diese Sorge – er redet besser, löst aber nicht mehr. Ein echter Agent kann sie entkräften, weil er das Anliegen erledigt oder sauber an jemanden übergibt, der es erledigt.

Klarna hat 2024 gezeigt, was im Idealfall möglich ist: Der KI-Assistent führte im ersten Monat 2,3 Millionen Gespräche, rund zwei Drittel aller Service-Chats, die Lösungszeit sank laut Unternehmen von elf auf unter zwei Minuten, Wiederholkontakte gingen um 25 % zurück. Diese Wirkung entstand durch Handlungsfähigkeit in Prozessen wie Rückerstattungen, Retouren und Zahlungen – nicht durch eloquentere Antworten.

Der Mensch bleibt Teil des Systems

Der Agent-Hype erzeugt eine zweite Fehlannahme: dass Personalabbau der eigentliche Business Case sei. Gartner sieht das nüchterner. Laut einer Umfrage unter 321 Service-Verantwortlichen vom Oktober 2025 haben nur 20 % tatsächlich Personal wegen KI reduziert. Und Gartner erwartet, dass die Hälfte der Unternehmen, die wegen KI Servicepersonal abgebaut haben, bis 2027 wieder einstellt.

Für das Operating Model heißt das: Agenten übernehmen klar abgegrenzte Vorgänge. Menschen übernehmen Ausnahmen, Beschwerden mit Emotion, Kulanzentscheidungen und die Steuerung der Agenten selbst – Qualitätssicherung, Regelpflege, Eskalationsanalyse. Wer diese Rollen nicht plant, automatisiert Probleme statt Lösungen.

Was Unternehmen jetzt konkret tun sollten

1. Den Vier-Punkte-Test in jede Ausschreibung schreiben

Fragen Sie Anbieter nicht, ob ihre Lösung „agentisch“ ist. Fragen Sie: Welches Ziel, welche Schreibrechte, welcher Kontext, welche Kontrollen? Lassen Sie sich einen vollständigen Vorgang live zeigen – vom Anliegen bis zum Abschluss im Kernsystem.

2. Mit Vorgängen starten, nicht mit Kanälen

Wählen Sie zwei bis drei häufige, regelbasierte Anliegen mit klarem Endzustand – Adressänderung, Terminverschiebung, Erstattung bis zu einem Betrag. Dort lässt sich Wirkung messen. Der Kanal ist zweitrangig.

3. Nicht alles agentisch bauen

Folgen Sie der Gartner-Logik: Agenten dort, wo Entscheidungen nötig sind; klassische Automatisierung für Routine-Workflows; Assistenten für einfache Informationssuche. Wer jeden Use Case agentisch umsetzt, bezahlt Komplexität ohne Mehrwert.

4. Kontrolle vor Autonomie definieren

Legen Sie Betragsgrenzen, Freigabestufen, Protokollierung und Übergaberegeln fest, bevor der Agent live geht. Machen Sie gegenüber Kund:innen transparent, dass sie mit einer KI interagieren, und halten Sie den Weg zum Menschen offen.

5. Erfolg am abgeschlossenen Vorgang messen

Containment-Rate allein sagt wenig. Entscheidend sind Abschlussquote ohne Wiederkontakt, Fehlerquote bei Systemaktionen, Übergabequalität und Kundenwahrnehmung. Erst diese Kennzahlen zeigen, ob ein Agent wirklich arbeitet.

Fazit: Weniger Etikett, mehr Abschluss

Agentic AI ist kein Marketingmythos. Die Fähigkeit, Anliegen über mehrere Schritte und Systeme hinweg eigenständig zu lösen, verändert den Kundenservice tatsächlich. Aber nur ein Teil dessen, was heute so heißt, kann das.

Für CX- und Contact-Center-Verantwortliche ist die wichtigste Kompetenz deshalb nicht, möglichst früh einzusteigen, sondern richtig zu unterscheiden. Ziel, Handlung, Kontext und Kontrolle sind die Prüfsteine.

Kurz gesagt: Ein Agent ist nicht, was so heißt. Ein Agent ist, was Fälle abschließt.

Und genau daran sollten Sie jede Lösung messen – bevor sie Ihre Kund:innen testen.