Wenn Unternehmen über KI-Projekte sprechen, geht es fast immer um interne Prozesse: Automatisierung, Effizienz, Kostensenkung. Was dabei fehlt, ist die Perspektive des Kunden. Was erlebt jemand an jedem Punkt des Weges zu einem Anbieter? Und was passiert mit diesem Erlebnis, wenn KI ins Spiel kommt?
Die Antwort ist unbequem: In den meisten Fällen wird das Erlebnis schlechter. Nicht weil KI schlecht ist, sondern weil sie an den falschen Stellen eingesetzt wird, mit dem falschen Ziel, ohne Verständnis dafür, was ein Kunde an genau diesem Moment wirklich braucht. Je komplexer das Produkt und je höher die Investition, desto folgenschwerer ist das: Zyklen sind lang, Vertrauen ist die Währung, die alles andere bestimmt.
Kein Trichter. Ein Netz aus unabhängigen Touchpoints.
Das klassische Trichtermodell ist seit Jahren nicht mehr haltbar, aber viele Unternehmen denken noch immer in Funnel-Logik: Awareness oben, Conversion unten. In der Realität funktioniert Kaufverhalten nicht so. Jemand fargt eine LLM, sieht eine LinkedIn-Kampagne, liest einen Artikel, besucht die Website, hört von einem Kollegen, der den Anbieter kennt, besucht die Website erneut, gibt Kontaktdaten ab, wartet auf einen Rückruf, der nicht kommt, und entscheidet sich für die Konkurrenz.
Jeder dieser Momente ist ein unabhängiger Touchpoint. Bei komplexeren Produkten und Dienstleistungen kommen häufig mehrere Personen hinzu, die denselben Anbieter über unterschiedliche Kanäle erleben und ihre Eindrücke vergleichen. Die Qualität des Gesamterlebnisses entscheidet, nicht der stärkste einzelne Moment.
Kurz gesagt: Eine vollständige Customer Journey hat sieben Phasen. KI trifft in jeder davon andere Voraussetzungen und eine andere emotionale Verfassung des Kunden.
Die sieben Phasen der Customer Journey und was KI dort anrichten kann
Was diese Darstellung zeigt und was die meisten KI-Projekte ignorieren: Die Bedeutung von persönlichem Kontakt steigt mit jeder Phase. In den ersten drei Phasen kann Marketing vieles tragen. Ab der Entscheidung ist Marketing komplett raus. Sales ist raus. Was bleibt, ist das persönliche Vertrauen, das bis dahin aufgebaut wurde oder eben nicht.
Entdecken und Informieren: Wo KI Interesse weckt oder zerstört
In den ersten beiden Phasen sammeln Interessenten Informationen aus vielen Quellen gleichzeitig: Social Media, Fachmedien, Branchenevents, persönliche Empfehlungen aus dem Netzwerk, die Unternehmenswebsite. Diese Phase ist nicht linear. Jemand sieht eine Kampagne, besucht die Website, findet den Inhalt schwer verständlich, hört von einem Kollegen, der den Anbieter empfiehlt, besucht die Website erneut, liest diesmal die Case Studies. Dann gibt er seine Kontaktdaten ab.
Persönliche Empfehlungen und belastbare Referenzen sind an diesem Punkt oft entscheidend. KI kann helfen, die richtigen Zielgruppen zu erreichen: Kampagnensteuerung, SEO, personalisierte Inhalte. Was KI hier zerstört: ein aufdringlicher Chatbot, bevor der Besucher überhaupt verstanden hat, was das Unternehmen macht. Und: wenn Telefon und Chat nicht besetzt sind oder nicht antworten, ist der gute erste Eindruck sofort zunichte gemacht.
Das ist eine der häufigsten Diskrepanzen: Auf der Anzeigen- und Content-Seite wird investiert und optimiert. Auf der Erreichbarkeitsseite, dem Moment, in dem jemand wirklich Kontakt aufnehmen will, passiert nichts. KI-Chatbots, die nicht antworten, sind schlimmer als kein Chatbot.
Auswählen: Der kritischste Moment im Kaufprozess
In der Auswahlphase vergleicht der Interessent konkret. Er schaut sich Referenzen an, fragt persönliche Kontakte, wägt Pros und Cons ab: Passt das zu uns? Haben die Erfahrung mit ähnlichen Situationen? Vertrauen wir denen? Hier entscheidet nicht mehr der Content. Hier entscheidet der Eindruck im direkten Kontakt.
Gleichzeitig ist das genau die Phase, in der die schlechtesten Erfahrungen entstehen: lange Wartezeiten bei E-Mail-Kommunikation, kein Rückruf, ein Anruf, bei dem eine KI-Stimme antwortet statt eines Menschen. Branchenanalysen für Contact-Center-Technologie zeigen konsistent: 50 bis 70 Prozent der Anrufer beenden das Gespräch, sobald sie eine automatisierte KI-Stimme erkennen.* Genau in dem Moment, in dem jemand bereit wäre, sich zu entscheiden, ist das ein direkter Umsatzverlust.
legen auf
Anrufer, die beenden, sobald sie eine KI-Stimme erkennen — im Moment der höchsten Kaufbereitschaft
wechseln die Marke
Kunden nach einer einzigen schlechten Erfahrung — oft genau in der Auswahlphase (PwC Future of CX)
erwarten Verständnis
Kunden, die erwarten, dass man ihre individuelle Situation kennt und berücksichtigt (Salesforce 2024)
Entscheiden und Umsetzen: Hier ist KI fehl am Platz
Ab der Entscheidungsphase ist Marketing komplett raus. Was jetzt zählt, ist ausschließlich das persönliche Vertrauen, das in den vorherigen Phasen aufgebaut wurde. Kein Chatbot, keine automatisierte Sequenz hilft mehr. Was hilft, ist das, was in der Auswahlphase aufgebaut wurde: Glaubwürdigkeit durch Referenzen, Beziehung durch persönlichen Kontakt, Vertrauen durch Reaktionsgeschwindigkeit.
Das ist der blinde Fleck vieler KI-Projekte: Sie automatisieren genau die frühen Phasen, in denen persönlicher Kontakt den Unterschied macht, und lassen die Phasen, in denen KI wirklich helfen könnte, also Vorbereitung des Gesprächs, Aggregation von Kundendaten, Analyse vergangener Kontakte, unangetastet.
In der Umsetzungsphase steht die operative Zusammenarbeit im Vordergrund. Hier kann KI intern sinnvoll unterstützen: Dokumentation, Statustracking, automatisierte Qualitätschecks. Was sie nicht kann: die Kundenbeziehung pflegen. Das ist in dieser Phase die einzige Aufgabe, die zählt.
Evaluieren und Servicepartner: Wo Customer-Driven Innovation entsteht
In der Evaluierungsphase misst das Unternehmen, ob der Kunde zufrieden ist: NPS, Customer Satisfaction Index, qualitative Gespräche. Das ist der Moment, in dem viele Unternehmen aufhören zuzuhören, weil der Auftrag erledigt ist. Das ist ein Fehler.
Die Servicepartner-Phase, wenn aus einem zufriedenen Kunden ein Empfehler und Folgeauftraggeber wird, entsteht nicht automatisch. Sie entsteht durch kontinuierlichen, strukturierten Austausch. Marketing kommt hier zurück ins Spiel, aber in einer anderen Rolle: nicht mehr zur Akquise, sondern zur Vertiefung der Beziehung.
KI kann in dieser Phase Muster in Feedback-Daten erkennen, NPS-Signale clustern, Churn-Risiken identifizieren. Was sie nicht kann: das echte Gespräch ersetzen, das aus einem Kunden einen Partner macht.
TV-Kunden-Fokusgruppen: Warum regelmäßiger Austausch unersetzbar ist
Bei einem ehemaligen Kunden der TV-Branche hatte ich die Chance die Zusammenarbeit mit Kunden-Fokusgruppen kennenzulernen, in denen Endkunden regelmäßig und strukturiert zu Wort kamen. Nicht einmal jährlich in einer Großbefragung, sondern in überschaubaren Gruppen mit hoher Frequenz. Das Ergebnis war jedes Mal dasselbe: Die wichtigsten Erkenntnisse kamen nie aus den Umfragedaten. Sie kamen aus dem Gespräch.
Kunden beschreiben Probleme in einer Sprache, die kein Dashboard abbildet. Sie akzeptieren Dinge als gegeben, die das Unternehmen als Stärke versteht, aber eigentlich als Schwäche lösen könnte. Und sie geben Hinweise auf Produktentwicklungen, die kein Algorithmus aus Klickdaten ableiten würde. Das nenne ich Customer-Driven Innovation: Kunden nicht nur befragen, sondern als Mitgestalter behandeln.
Was dieser Ansatz braucht: Regelmäßigkeit, echtes Zuhören und die Bereitschaft, das Gehörte auch umzusetzen. Kunden merken sehr schnell, ob ihr Feedback gehört wird oder ob es in einer Datenbank versickert.
Was KI bei Customer-Driven Innovation leisten kann und was nicht
KI kann Feedback-Texte aus tausend Support-Tickets clustern und die häufigsten Schmerzpunkte sichtbar machen. Das ist wertvoll. Aber sie kann nicht hören, wie ein Kunde seinen Frust beschreibt, wenn er ihn nicht in Worte fasst. Sie kann nicht erkennen, dass jemand eine Anforderung als unvermeidlich akzeptiert hat, obwohl sie lösbar wäre. Und sie kann nicht die Beziehung aufbauen, aus der echtes, unzensiertes Feedback entsteht.
Customer-Driven Innovation braucht beides: die Skalierbarkeit von KI-Analyse und die Tiefe des menschlichen Gesprächs. Wer nur auf eines setzt, verliert entweder Tiefe oder Breite.
Wo KI entlang der Journey wirklich hilft
KI für Sichtbarkeit und Relevanz
Anzeigensteuerung, SEO-Optimierung, Content-Personalisierung. KI sorgt dafür, dass der Richtige zur richtigen Zeit das Richtige sieht. Sinnvoll, weil skalierbar und messbar.
KI-Chatbot ohne Erreichbarkeit
Ein Chat-Widget, das nicht antwortet, oder generische Antworten gibt, ist schlimmer als keines. Er signalisiert: Wir wollen keinen echten Kontakt. Genau dann, wenn der Interessent bereit ist, sich zu entscheiden.
KI-Briefing für Sales
Was hat der Interessent besucht? Welche Inhalte gelesen? Welche Signale gegeben? KI bereitet den Vertrieb vor. Der Mensch führt das Gespräch, informiert, ohne eine Sekunde zu verschwenden.
Automatisierte Kommunikation
Wer in der Entscheidungsphase noch generische E-Mails schickt, hat die Phase nicht verstanden. Hier zählt ausschließlich der persönliche Kontakt. Automatisierung wirkt wie Desinteresse.
KI für Muster in Feedback-Daten
NPS-Kommentare, Support-Tickets, Bewertungen: KI erkennt Muster, die manuell nie sichtbar wären. Diese Muster informieren die nächste Fokusgruppe, das nächste Gespräch.
KI für Churn-Signale
Sinkende Engagement-Werte, ausbleibende Rückmeldungen, veränderte Nutzungsmuster. KI erkennt diese Signale früh genug, um mit einem echten Gespräch gegenzusteuern.
MASAKI: CX als Alignment-Thema, nicht als Marketing-Aufgabe
Im MASAKI-Framework fällt Customer Experience unter zwei Dimensionen: das M für Marketing, aber vor allem das A für Alignment. Alignment bedeutet: Was verspricht dein Unternehmen an jedem Touchpoint, und was erlebt der Kunde tatsächlich?
Wenn KI an frühen Touchpoints einen professionellen, reaktionsschnellen Eindruck erzeugt, der dann in der Auswahl- und Entscheidungsphase durch fehlende Erreichbarkeit oder generische Kommunikation zunichte gemacht wird, ist das ein Alignment-Bruch mit direktem Umsatzeffekt. Der Interessent hat in Phase 1 eine Erwartung bekommen, die in Phase 3 enttäuscht wird. Das ist der Moment, in dem er zur Konkurrenz geht.
Wie KI im Vertrieb konkret Leads qualifizieren kann, ohne die Beziehung zu beschädigen, beschreibe ich im Artikel über Lead-Qualifizierung und Marketing-Sales-Alignment.
Häufige Fragen
Was Entscheider am häufigsten fragen
* Branchenanalysen zu Contact-Center-Technologie, u.a. Gartner Customer Experience Reports und Vonage Global Customer Engagement Report 2024. · PwC Future of Customer Experience 2023. · Salesforce State of the Connected Customer 2024.