Ein Kunde meldet eine falsche Rechnung. Der KI-Assistent findet den Auftrag, erkennt den Tarif und könnte theoretisch sofort eine Gutschrift auslösen. Aber darf er das auch? Was passiert, wenn die Bestellung ungewöhnlich ist, ein Datensatz fehlt oder der Kunde die vorgeschlagene Lösung ablehnt? Genau an solchen Übergängen entscheidet sich, ob aus einer beeindruckenden Demo ein verlässlicher Kundenservice wird.

OpenAI hat am 22. Juli 2026 mit Presence einen Dienst für KI-Agenten in Sprach- und Chatkanälen vorgestellt. Das Angebot richtet sich derzeit an ausgewählte Enterprise-Kunden und ist kein frei buchbares KMU-Produkt. Interessant ist deshalb weniger die Verfügbarkeit als die Betriebslogik: Jeder Agent startet mit einer klar begrenzten Aufgabe, erhält nur die dafür nötigen Zugriffe und arbeitet nach Regeln für Freigaben und menschliche Übernahmen.

Für österreichische Unternehmen steckt darin eine praktische Lehre. Ein KI-Agent im Kundenservice braucht nicht zuerst möglichst viele Funktionen. Er braucht einen definierten Zuständigkeitsbereich, eine belastbare Wissensbasis und einen guten Übergabepunkt zum Menschen.

Vom antwortenden Chatbot zum handelnden KI-Agenten

Ein klassischer Chatbot beantwortet Fragen. Ein KI-Agent kann zusätzlich mehrere Schritte planen, Informationen aus verschiedenen Systemen abrufen und freigegebene Aktionen ausführen. Die WKO beschreibt etwa einen Agenten für Reklamationen, der eine Beschwerde analysiert, die Bestellhistorie abruft, Produktinformationen nachschlägt, eine Lösung vorschlägt und nach Genehmigung eine Gutschrift erstellt.

Mit jeder zusätzlichen Aktion wächst jedoch die Verantwortung. Eine falsche FAQ-Antwort ist unangenehm. Eine falsche Kontenänderung, Stornierung oder Zahlung kann unmittelbar Schaden verursachen. Deshalb muss ein Unternehmen drei Ebenen unterscheiden:

  • Information: Der Agent findet und formuliert eine Antwort aus freigegebenen Quellen.
  • Vorschlag: Der Agent bereitet eine Handlung vor, ein Mensch bestätigt sie.
  • Ausführung: Der Agent führt eine ausdrücklich erlaubte, begrenzte Aktion selbst aus.

Der Reifegrad eines Systems zeigt sich nicht daran, wie viele Vorgänge in der dritten Ebene landen. Er zeigt sich daran, dass jeder Vorgang bewusst einer Ebene zugeordnet ist und ein Wechsel zum Menschen ohne Informationsverlust funktioniert.

Die Übergabe beginnt vor dem ersten Chat

Viele Pilotprojekte behandeln den Handoff wie einen Notausgang: Er wird erst eingebaut, wenn die KI nicht weiterweiß. Besser ist es, die Übergabe als eigenen Serviceprozess zu entwerfen. Dazu gehören ein Auslöser, ein Ziel, ein Datenpaket und eine Rückmeldung.

Ein Auslöser kann technisch sein, etwa eine fehlende Kundennummer oder ein nicht erreichbares System. Er kann inhaltlich sein, wenn die Wissensbasis keine belastbare Antwort liefert. Er kann auch aus einer Geschäftsregel entstehen: Bei Kündigungen, Beschwerden mit Rechtsbezug, hohen Erstattungen oder erkennbar belasteten Personen übernimmt grundsätzlich ein Mensch.

Das Ziel muss ebenfalls konkret sein. „An Support weiterleiten“ reicht nicht. Der Agent sollte wissen, ob der Fall in die Buchhaltung, den technischen Dienst, den Verkauf oder zu einer verantwortlichen Führungskraft gehört. Im Übergabepaket stehen die Frage, relevante Gesprächsschritte, bereits geprüfte Daten, offene Unsicherheiten und die vom Kunden bevorzugte Kontaktform. Der Mensch darf nicht bei null beginnen.

Schließlich braucht der Kunde eine verständliche Rückmeldung: Warum wird übergeben, wann ist mit einer Reaktion zu rechnen und über welchen Kanal geht es weiter? Eine gute Übergabe ist kein Scheitern der KI. Sie ist ein sichtbarer Teil eines verantwortungsvollen Services.

Ein enger Auftrag ist besser als ein allwissender Assistent

OpenAI beschreibt Presence als System, bei dem jede Einführung mit einem spezifischen Job startet. Für KMU ist das ein sinnvoller Gegenentwurf zum Wunsch nach einem Assistenten, der sofort Verkauf, Support, Buchhaltung und Terminplanung übernimmt.

Ein guter erster Auftrag lässt sich in einem Satz formulieren. Beispiele sind: „Beantworte Fragen zu Lieferstatus und Übergib Ausnahmen an die Logistik“, „Erkläre unsere Wartungspakete und erfasse einen Rückrufwunsch“ oder „Finde passende Informationen aus der freigegebenen Produktdokumentation“. Je klarer der Auftrag, desto besser lassen sich Quellen, Grenzen und Testfälle festlegen.

Schlechte Pilotaufträge enthalten offene Ziele wie „Verbessere den Kundenservice“ oder „Bearbeite alle Anfragen“. Solche Formulierungen lassen weder Qualität noch Risiko sauber messen. Der erste Use Case sollte häufig vorkommen, für Kunden spürbar nützlich und organisatorisch beherrschbar sein. Seltene Sonderfälle oder irreversible Handlungen sind ein schlechter Start.

Nur die Daten und Werkzeuge, die wirklich nötig sind

Ein Agent muss nicht den gesamten Datenbestand kennen, um eine Lieferfrage zu beantworten. Häufig genügen Auftragsnummer, Versandstatus und freigegebene Informationen zu Lieferzeiten. Preislisten, interne Notizen oder vollständige Kundenhistorien bleiben außerhalb des Zugriffs, solange sie für den Auftrag nicht erforderlich sind.

Dasselbe Prinzip gilt für Werkzeuge. Lesender Zugriff ist weniger riskant als schreibender Zugriff. Eine vorbereitete Aktion mit menschlicher Bestätigung ist kontrollierbarer als eine sofortige Ausführung. Und ein begrenzter Aktionskatalog ist leichter zu testen als ein allgemeiner Zugang zu CRM, E-Mail und Warenwirtschaft.

Praktisch hilft eine kleine Berechtigungsmatrix mit vier Spalten: benötigte Information, erlaubte Aktion, Freigabeschwelle und zuständige menschliche Rolle. Für jede Zeile wird begründet, warum der Agent den Zugriff benötigt. Fehlt eine klare Begründung, bleibt der Zugriff zunächst geschlossen.

Die aktualisierten KI-Guidelines der WKO empfehlen Unternehmen klare interne Rahmenbedingungen, strategische Planung und Schutzmaßnahmen. Das ist nicht nur Compliance-Arbeit. Es verhindert auch, dass ein Pilot von widersprüchlichen Erwartungen einzelner Abteilungen abhängig wird.

Der Sieben-Schritte-Pilot für österreichische KMU

  1. Einen Vorgang auswählen: Häufigkeit, Nutzen, Risiko und verfügbare Daten bewerten. Nur einen klaren Auftrag starten.
  2. Verantwortung benennen: Eine fachliche Person besitzt den Prozess, eine technische Person betreut Integration und eine Führungskraft entscheidet über Freigaben.
  3. Wissensbasis begrenzen: Nur aktuelle, freigegebene Seiten und Dokumente einbinden. Für jede Quelle Gültigkeit und Eigentümer festhalten.
  4. Aktionen klassifizieren: Information, Vorschlag und Ausführung voneinander trennen. Schreibende Aktionen beginnen mit menschlicher Freigabe.
  5. Übergaberegeln schreiben: Fachliche, technische, emotionale und rechtliche Auslöser samt Zielteam und Reaktionszeit definieren.
  6. Vor dem Livegang testen: Normalfälle, Grenzfälle, absichtliche Falschangaben, fehlende Daten und Systemausfälle durchspielen.
  7. Kontrolliert verbessern: Gespräche, Übergaben und Fehler regelmäßig auswerten. Änderungen erst testen und danach versioniert freigeben.

Der AdSimple KI-Chatbot für Websites unterstützt diesen Ansatz mit Website-Crawler und Wissensbasis, Live-Chat-Handoff sowie einem Improvement Agent, der Änderungen vor dem Livegang simulieren kann. Damit lässt sich ein begrenzter Informations- und Übergabeprozess auf der eigenen Website aufbauen, ohne sofort einen autonomen Vollzugriff auf alle Unternehmenssysteme vorauszusetzen.

Praxisbeispiel: Lieferproblem in einem kleinen Handelsbetrieb

Ein österreichischer Händler erhält täglich ähnliche Fragen zu Lieferzeiten und fehlenden Paketen. Der erste Agentenauftrag lautet: Statusinformationen aus dem Versandprozess erklären und Abweichungen an die Logistik übergeben. Der Agent darf die Auftragsnummer prüfen und den aktuellen Status lesen. Er darf keine Adresse ändern, keine Rückzahlung auslösen und keinen neuen Versand versprechen.

Im Normalfall nennt der Agent den bekannten Versandstatus und verweist auf die vereinbarte Lieferlogik. Fehlt ein Scan, widersprechen sich Daten oder meldet der Kunde einen Verlust, erstellt das System eine strukturierte Übergabe. Darin stehen Auftragsnummer, letzter Status, Zeitpunkt, Kundenschilderung und bereits geprüfte Schritte. Ein Mitarbeiter übernimmt im selben Chat oder erhält ein priorisiertes Ticket.

Nach zwei Wochen zeigt die Auswertung, welche Fragen zuverlässig gelöst wurden und welche Formulierungen häufig zu Übergaben führten. Vielleicht fehlt in der Wissensbasis eine klare Erklärung zu Teillieferungen. Dann wird nicht einfach der Prompt verlängert. Die fachlich verantwortliche Person ergänzt die freigegebene Information, testet typische Fälle und veröffentlicht eine neue Version.

Dieses Beispiel ist absichtlich unspektakulär. Der Nutzen entsteht nicht durch maximale Autonomie, sondern durch kürzere Suchwege, vollständige Übergaben und weniger Wiederholungen für Kunden und Mitarbeitende.

Ein Testkatalog, der mehr als richtige Antworten prüft

Vor dem Livegang sollten mindestens 30 bis 50 reale, anonymisierte oder synthetische Testfälle vorliegen. Ein Teil besteht aus häufigen Standardfragen. Ein weiterer Teil enthält Schreibfehler, Umgangssprache, mehrere Anliegen in einer Nachricht und widersprüchliche Angaben. Hinzu kommen Fälle, bei denen der Agent ausdrücklich nicht handeln darf.

Die Bewertung umfasst fünf Fragen:

  • Hat der Agent die Absicht der Anfrage richtig erkannt?
  • Stützt sich die Antwort auf eine freigegebene und aktuelle Quelle?
  • Hat er nur erlaubte Informationen und Werkzeuge verwendet?
  • Wurde bei Unsicherheit rechtzeitig und an die richtige Rolle übergeben?
  • War das Übergabepaket vollständig genug, damit ein Mensch direkt weiterarbeiten konnte?

OpenAI nennt für Presence Simulationen, Bewertungswerkzeuge, Leitplanken und kontrollierte Rollouts. Ein KMU braucht dafür nicht dieselbe Infrastruktur wie ein Großkonzern. Das Prinzip bleibt jedoch gleich: Nicht nur die durchschnittliche Antwortqualität messen, sondern auch das Verhalten an Grenzen und nach Änderungen.

Die richtigen Kennzahlen für Betrieb und Verbesserung

Eine hohe Automatisierungsquote klingt attraktiv, kann aber die falsche Richtung vorgeben. Wenn der Agent schwierige Fälle zu lange festhält, steigt die Quote, während Kundenerlebnis und Risiko schlechter werden. Aussagekräftiger ist ein kleines Kennzahlenset:

  • Anteil korrekt gelöster Anfragen innerhalb des definierten Auftrags,
  • Anteil richtiger und rechtzeitiger Übergaben,
  • durchschnittliche Zeit bis zur menschlichen Übernahme,
  • Vollständigkeit des Übergabepakets,
  • wiederholte Kontaktaufnahme zum gleichen ungelösten Anliegen,
  • Fehlerquote nach Änderungen an Quellen, Regeln oder Integrationen.

Zusätzlich sollte das Team Übergabegründe gruppieren. Häufen sich fehlende Produktdaten, braucht die Wissensbasis Arbeit. Häufen sich technische Ausfälle, liegt das Problem in der Integration. Häufen sich emotionale Eskalationen, müssen Tonalität und frühere menschliche Übernahme geprüft werden. So wird aus dem Chatprotokoll ein Verbesserungsauftrag statt einer bloßen Statistik.

Transparenz, Datenschutz und Verantwortung mitplanen

Ein KI-Agent im Kundenkontakt verarbeitet je nach Einsatz personenbezogene Daten und kommuniziert nach außen. Unternehmen sollten daher Zweck, Datenumfang, Speicherwege, Dienstleister und Löschregeln vor dem Pilot klären. Die Datenschutzerklärung muss die tatsächlich eingesetzten Dienste und Verarbeitungen nachvollziehbar abbilden. Bei sensiblen oder rechtlich folgenreichen Vorgängen ist eine individuelle Datenschutz- und Rechtsprüfung sinnvoll.

Ab 2. August 2026 werden zudem bestimmte Transparenzpflichten aus Artikel 50 des AI Act anwendbar. Die EU-Kommission hat dazu am 20. Juli Leitlinien veröffentlicht. Für direkt mit Menschen interagierende Systeme kann eine klare Information über den KI-Einsatz erforderlich sein. Der AdSimple-Beitrag Der KI-Hinweis wird zum Website-Baustein ordnet diesen Website-Prozess ein.

Transparenz allein ersetzt aber keine Verantwortung. Ein Hinweis wie „Diese Antwort wurde von KI erstellt“ macht eine falsche Handlung nicht richtig. Unternehmen benötigen weiterhin Zuständigkeiten, Kompetenz und Kontrolle. Dazu passt der Beitrag KI-Kompetenz nach AI Act, der Rollen, Schulung und interne Regeln für österreichische KMU behandelt.

Typische Fehler vor dem ersten Livegang

  • Zu großer Auftrag: Der Agent soll sofort sämtliche Abteilungen vertreten. Besser ist ein enges, messbares Anliegen.
  • Ungepflegte Wissensbasis: Alte Seiten und widersprüchliche PDFs werden ungeprüft importiert. Jede Quelle braucht einen Eigentümer und ein Prüfdatum.
  • Handoff ohne Kontext: Der Mensch erhält nur den Chatverlauf. Besser ist eine strukturierte Zusammenfassung mit offenen Punkten.
  • Automatisierung als Hauptkennzahl: Übergaben gelten pauschal als Misserfolg. Bei riskanten oder unklaren Fällen sind sie ein Qualitätsmerkmal.
  • Änderungen ohne Regressionstest: Ein neuer Text verbessert einen Fall und verschlechtert drei andere. Versionierte Testfälle verhindern stillen Qualitätsverlust.
  • Keine Ausweichroute: Bei Systemausfall bleibt der Kunde in einer Schleife. Telefonnummer, Formular oder menschlicher Live-Chat müssen erreichbar bleiben.

Fazit: Gute KI erkennt die Grenze ihres Auftrags

OpenAI Presence zeigt in einem Enterprise-Kontext, worauf es beim produktiven Agentenbetrieb ankommt: ein konkreter Job, minimale Zugriffe, klare Regeln, Tests und kontrollierte Verbesserungen. Für österreichische KMU ist diese Logik wichtiger als die Frage, welches System gerade die längste Funktionsliste bietet.

Beginnen Sie mit einem häufigen, überschaubaren Kundenanliegen. Schreiben Sie die menschliche Übergabe, bevor Sie Aktionen automatisieren. Der KI-Chatbot für Websites von AdSimple bietet dafür Wissensbasis, Live-Chat-Handoff und simulierte Verbesserungen in einem auf Website-Support ausgerichteten Produkt. Ein guter Pilot beantwortet nicht alles. Er löst einen klaren Fall zuverlässig und gibt den Rest geordnet an die richtige Person weiter.

Quellen