Wer sich heute mit einem Chatbot unterhält, erlebt etwas grundlegend anderes als noch vor fünf Jahren. Die ersten Generationen von Kundendialog-Bots waren im Grunde digitale Entscheidungsbäume: Der Nutzer klickte sich durch vorgegebene Optionen, das System lieferte hinterlegte Textbausteine. «FAQ-Bot» war dabei keine Kritik, sondern akkurate Beschreibung.
Das hat sich verändert. Mit dem Aufkommen grosser Sprachmodelle (Large Language Models, LLMs) ist eine neue Generation von Assistenten entstanden, die Sprache nicht nur erkennen, sondern situationsgerecht antworten können. Der Übergang vom FAQ-Bot zum virtuellen Berater ist dabei kein plötzlicher Sprung, sondern eine schrittweise Entwicklung – und sie ist noch nicht abgeschlossen.
Diese Entwicklung lässt sich in drei Phasen fassen:
Phase 1 – Regelbasierte Systeme (bis ca. 2018): Chatbots folgen festen Skripten. Wird eine Nutzereingabe nicht erkannt, folgt eine Fehlermeldung oder Weiterleitung.
Phase 2 – NLP-gestützte Bots (ca. 2018–2022): Natural Language Processing ermöglicht es, freie Texteingaben zu interpretieren und kontextsensitiver zu antworten – aber bei komplexen Anliegen stossen die Systeme schnell an Grenzen.
Phase 3 – LLM-basierte Assistenten (ab ca. 2022): Generative KI ermöglicht echte Dialogfähigkeit. Systeme können argumentieren, abwägen, erklären – und den Gesprächskontext über mehrere Turns hinweg berücksichtigen.
Was moderne KI-Assistenten heute leisten können
In der Praxis – in Banken, Versicherungen oder öffentlichen Verwaltungen – lassen sich heute folgende Aufgaben sinnvoll automatisieren:
Informations- und Orientierungsaufgaben: Statt starrer Antworten können LLM-basierte Systeme Informationen kombinieren, verständlich erklären und auf Rückfragen eingehen. Ein Kunde, der nicht weiss, ob er eine Privathaftpflicht oder eine Hausratversicherung benötigt, bekommt keine Linkliste, sondern eine situationsbezogene Erläuterung.
Ersterfassung und Qualifizierung von Anliegen: Bevor ein komplexes Anliegen an einen Berater weitergeleitet wird, kann ein KI-Assistent das Anliegen strukturiert erfassen und aufbereiten. Das spart Zeit auf beiden Seiten.
Prozessbegleitung: Bei strukturierten Prozessen – Kündigung, Adressänderung, Schadenmeldung – kann ein KI-Assistent Schritt für Schritt führen, Eingaben validieren und Fragen klären.
Mehrsprachigkeit ohne Mehraufwand: Besonders für die Schweiz relevant: Ein gut konfigurierter Assistent kommuniziert mühelos auf Deutsch, Französisch, Italienisch und Englisch, und das ohne separate Wissensdatenbanken.
Nutzen für Unternehmen und Kunden
Aus Kundenperspektive ist der zentrale Mehrwert die Verfügbarkeit: rund um die Uhr, ohne Wartezeit und ohne soziale Hemmschwelle. Gerade bei sensiblen Themen – Schulden, Gesundheitskosten, Versicherungsleistungen – kann ein digitaler Gesprächspartner eine niedrigere Einstiegshürde bieten.
Für Unternehmen liegt der Nutzen in der sinnvollen Aufgabenteilung: Routineanliegen werden automatisiert, Fachkräfte können sich auf komplexe Fälle konzentrieren. Wer das ernst nimmt, versteht KI im Kundendialog nicht als Rationalisierungsinstrument, sondern als Qualitätsverbesserung des Gesamtangebots.
Wo die Grenzen bleiben
Trotz aller Fortschritte gibt es klare Grenzen, die Unternehmen kennen und kommunizieren sollten.
Halluzinationen: LLMs können mit hoher Überzeugung falsche Informationen produzieren. Im Kundendialog ist das besonders heikel. Robuste Systeme begrenzen daher den Spielraum der generativen KI auf verifizierte Wissensbereiche – und leiten bei Unsicherheit konsequent weiter.
Fehlender Kontext und fehlende Empathie: Ein virtueller Assistent sieht nicht, dass die Kundin seit drei Wochen auf eine Antwort wartet. Emotionale Intelligenz im vollen Sinne bleibt menschliche Domäne.
Komplexe Anliegen: Wer ein Produkt kündigen, gleichzeitig reklamieren und sich über Alternativen informieren möchte, überschreitet schnell die Leistungsgrenze heutiger Systeme.
Regulatorische Fragen: In Finanz, Versicherung und Gesundheit sind die haftungsrechtlichen Fragen rund um automatisierte Beratungsleistungen noch nicht abschliessend geklärt.
Der blinde Fleck: Was, wenn Kunden gar nicht mehr kommen?
Bisher haben wir über Chatbots gesprochen, die Unternehmen für ihre Kunden betreiben. Doch es gibt eine Entwicklung, die in vielen Strategiediskussionen noch zu wenig Beachtung findet: Immer mehr Kundinnen und Kunden fragen nicht mehr im Unternehmens-Chat nach, sie fragen direkt bei ChatGPT, Perplexity oder einem anderen generativen KI-System nach.
«Welche Krankenversicherung ist die beste für mich?», «Welche Bank bietet die höchsten Zinsen auf dem Sparkonto?», «Lohnt sich eine Rechtsschutzversicherung für Selbständige?» – diese Fragen landen heute zu einem erheblichen Teil nicht mehr auf Unternehmenswebseiten oder im firmeneigenen Chatbot, sondern direkt in generativen KI-Systemen. Und diese Systeme antworten, ob das jeweilige Unternehmen daran beteiligt ist oder nicht.
Das verändert die Spielregeln grundlegend. Es reicht nicht mehr, einen guten Chatbot für die eigene Website zu betreiben. Unternehmen müssen sich fragen: Wie werde ich von generativer KI wahrgenommen, zitiert und empfohlen?
KI-Sichtbarkeit: Die neue Disziplin im digitalen Marketing
Diese Frage führt zu einem neuen Kompetenzfeld, das sich unter dem Begriff KI-Sichtbarkeit (englisch: AI Visibility, auch LLMO – Large Language Model Optimization oder GEO – Generative Engine Optimization) etabliert.
Ähnlich wie SEO in den 2000er-Jahren die Sichtbarkeit in Suchmaschinen zum strategischen Thema machte, geht es bei KI-Sichtbarkeit darum, wie gut ein Unternehmen, seine Produkte und seine Expertise in den Antworten generativer KI-Systeme repräsentiert ist. Die Mechanismen unterscheiden sich dabei deutlich von klassischer Suchmaschinenoptimierung: Generative KI-Systeme synthetisieren Informationen aus einer Vielzahl von Quellen. Entscheidend ist nicht mehr der erste Platz in der Trefferliste, sondern ob die eigenen Inhalte überhaupt so aufbereitet sind, dass sie von KI-Systemen zuverlässig verarbeitet und zitiert werden können.
Erste Erkenntnisse aus der Forschung, unter anderem aus Studien am IFZ der Hochschule Luzern, zeigen, dass bestimmte Inhaltsformate deutlich häufiger von generativen Systemen aufgegriffen werden als andere. Klar strukturierte, faktenbasierte Texte, FAQ-Formate und präzise Aussagen zu spezifischen Fragen schneiden dabei besser ab als allgemeine Marketingtexte.
Für den Kundendialog bedeutet das eine doppelte Aufgabe: einerseits eigene KI-Assistenten sinnvoll einzusetzen, andererseits sicherzustellen, dass das Unternehmen auch dort präsent ist, wo Kunden ihre Informationen heute zunehmend beziehen – nämlich in den Antworten externer KI-Systeme.
Was Unternehmen bei der Einführung beachten sollten
Zuerst den Anwendungsfall, dann die Technologie: Mit konkreten Kundenbedürfnissen starten. Welche Anliegen kommen häufig? Welche sind unkritisch genug für Automatisierung? Welche erfordern zwingend einen Menschen?
Qualität vor Quantität: Ein zuverlässiger Assistent für drei Anwendungsfälle ist wertvoller als ein überkomplexes System, das häufig scheitert. Kunden sind nachsichtig gegenüber klaren Grenzen – nicht gegenüber falschen Antworten.
Übergänge gestalten, nicht verstecken: Der Moment, in dem ein Anliegen an einen Menschen übergeben wird, muss nahtlos und transparent sein – Kunden möchten ihr Anliegen nicht zweimal erklären.
Persönlichkeit und Vertrauen sind keine Nebensache: Die Art, wie ein KI-Assistent kommuniziert – Tonalität, der Umgang mit Unsicherheit – beeinflusst das Vertrauen der Nutzerinnen massgeblich. Ein Assistent, der klar kommuniziert, wenn er etwas nicht weiss, wird als vertrauenswürdiger erlebt als einer, der immer eine Antwort hat.
Content für generative KI mitdenken: Wer heute eine neue Produktseite oder ein FAQ erstellt, sollte nicht nur fragen: «Findet das Google?» – sondern auch: «Kann ChatGPT daraus eine präzise Antwort generieren?» Das verändert Struktur, Sprache und Tiefe des Contents.
Der Ort des Dialogs verschiebt sich
Die Entwicklung steht nicht still. Agentische Systeme – KI, die nicht nur antwortet, sondern eigenständig Aktionen ausführt – werden den Kundendialog weiter transformieren. Gleichzeitig wächst der Regulierungsdruck: Der EU AI Act stellt neue Anforderungen an Transparenz und menschliche Aufsicht.
Was bleibt, ist eine strategische Grundfrage: Unternehmen, die KI im Kundendialog nur als technisches Projekt verstehen, werden den Wandel verpassen. Wer hingegen begreift, dass sich der Ort des Kundendialogs selbst verschiebt – von der eigenen Website in externe KI-Systeme – hat die Chance, diesen Wandel aktiv zu gestalten.
Der Weg vom FAQ-Bot zum virtuellen Berater ist weit. Der nächste Schritt führt über die eigene Plattform hinaus.
Die Autorin
Sophie Hundertmark ist Dozentin und Wissenschaftlerin am Institut für Finanzdienstleistungen Zug (IFZ) der Hochschule Luzern sowie Inhaberin der Hundertmark GmbH. Sie berät Unternehmen in Banking, Versicherung, Gesundheit und öffentlicher Verwaltung zu KI-Strategie, Conversational AI sowie KI-Sichtbarkeit und ist als Keynote Speakerin und Workshop-Leiterin im DACH-Raum tätig.
