Ein Dashboard soll zeigen, ob Ihr Kundenservice funktioniert. Mit einem KI-Agenten wird das schwieriger: Viele Gespräche laufen ohne Menschen, und die Zahlen dazu liefert oft der Hersteller des Agenten selbst. Diese Seite zeigt, welche Kennzahlen zählen, was jede genau misst und woran Sie erkennen, ob eine Zahl die Wahrheit sagt.
Die Kennzahlen im Überblick
Für die meisten Teams reichen wenige Zahlen aus drei Gruppen: Tempo, Lösung und Urteil der Kunden. Zu jeder Zahl gehört eine Gegenprobe, also eine zweite Zahl, die zeigt, ob die erste täuscht.
| Kennzahl | was sie misst | Gegenprobe |
|---|---|---|
| Erstreaktionszeit | Zeit vom Eingang bis zur ersten Antwort an den Kunden. Bei Zendesk etwa bis zur ersten öffentlichen Antwort eines Mitarbeitenden. | Wartezeit des Kunden insgesamt, denn eine schnelle erste Antwort kann eine lange Wartezeit danach verdecken. |
| Lösungszeit | Zeit vom Eingang bis zur Lösung. Es gibt zwei Lesarten: bis zur ersten Lösung oder bis zur letzten, wenn ein Fall wieder geöffnet wurde. | Wiederöffnete Fälle, denn eine kurze erste Lösungszeit nützt nichts, wenn der Kunde zurückkommt. |
| Erstlösungsquote | Anteil der Anliegen, die beim ersten Kontakt gelöst sind. | Eine kurze Befragung der Kunden, denn die interne Zählung liegt oft zu hoch. |
| Lösungsquote des KI-Agenten | Anteil der Gespräche, die der Agent allein gelöst hat. Jeder Hersteller zählt das anders, siehe unten. | Stichproben gelesener Gespräche und Wiederkontakte. |
| Übergabequote | Anteil der Gespräche, die an Menschen gehen. Mehr auf der Seite Wann ein KI-Agent an Menschen übergibt. | Übergaben ohne Grund und fehlende Übergaben. |
| Zufriedenheit (CSAT) | Anteil der Kunden, die einen Kontakt gut bewerten. Bei Zendesk etwa der Anteil der gut bewerteten Tickets an allen bewerteten. | Antwortquote der Befragung, denn wenige Antworten zeigen ein verzerrtes Bild. |
| Kundenaufwand (CES) | Wie viel Mühe Kunden für ihr Anliegen hatten. | Wiederkontakte und Kanalwechsel. |
| Weiterempfehlung (NPS) | Wie wahrscheinlich Kunden das Unternehmen weiterempfehlen. | Eignet sich eher für das ganze Unternehmen als für einen einzelnen Kontakt. |
| Kosten je Kontakt | Servicekosten geteilt durch die Zahl der Kontakte im selben Zeitraum. | Nur mit Ihrer eigenen Zahl von früher vergleichen. Mehr auf der Seite Was kostet ein KI-Agent im Kundenservice?. |
Was „gelöst“ beim KI-Agenten heißt
Die Lösungsquote des Agenten ist die Zahl, die am meisten täuschen kann, weil jeder Hersteller sie anders zählt:
- Intercom Fin zählt ein Gespräch als gelöst, wenn der Kunde bestätigt, dass die Antwort gepasst hat, oder wenn er das Gespräch ohne weitere Hilfe verlässt. Als verlassen gilt es nach 24 Stunden ohne Rückmeldung. Kommt der Kunde im selben Gespräch zurück, wird die Lösung wieder abgezogen.
- Zendesk rechnet nur geprüfte Lösungen an: Fälle ohne Übernahme durch einen Menschen, bei denen zusätzlich ein Sprachmodell den Gesprächstext prüft. Die Einzelheiten stehen auf der Seite Was kostet ein KI-Agent im Kundenservice?.
- Salesforce Agentforce trennt „Deflection“ (das Gespräch endete ohne Übergabe) von der „Task Resolution“ (das Gespräch wurde als vollständig gelöst bewertet) und führt dazu eine Eskalations- und eine Abbruchquote.
Unsere Einordnung: Die Zahlen verschiedener Systeme sind nicht direkt vergleichbar. „Ohne Übergabe“ heißt nicht „gelöst“. Legen Sie vor dem Start schriftlich fest, was bei Ihnen als gelöst zählt, und messen Sie es selbst nach.
Wo Dashboard-Zahlen täuschen
Ein Dashboard kann grün leuchten, während Kunden aufgeben. Drei Befunde zeigen, warum:
- Self-Service löst seltener, als es scheint. In einer Gartner-Befragung von 5.728 Kunden im Dezember 2023 wurden nur 14 % der Anliegen im Self-Service vollständig gelöst, selbst bei „sehr einfachen“ Anliegen nur 36 %. Self-Service meint hier alle Angebote zur Selbsthilfe, nicht nur KI-Agenten. Der häufigste Grund für das Scheitern: In 43 % der Fälle fanden Kunden keinen passenden Inhalt.
- Wer schlechte Erfahrung macht, wechselt den Kanal. In einer Gartner-Befragung von 3.566 Kunden im Februar und März 2026 sagten nur 27 %, sie würden einen Chatbot nach einer schlechten Erfahrung noch einmal nutzen. Eher wählen sie einen anderen Kanal. Gartner warnt deshalb ausdrücklich davor, Chatbots als „containment traps“ zu bauen, also als Falle, die Kunden vom Menschen fernhält. 87 % der Befragten nannten den Zugang zu einem Menschen unverzichtbar, wenn ein Unternehmen generative KI im Service nutzt.
- Wer auf eine Zahl hin arbeitet, verändert sie. Das ist das sogenannte Goodhart-Prinzip, in der Formulierung der Anthropologin Marilyn Strathern (1997): „When a measure becomes a target, it ceases to be a good measure.“ Es ist ein allgemeines Prinzip und keine Studie über Service-Kennzahlen. Für ein Dashboard heißt es aber: Eine einzelne Zahl als Ziel lädt dazu ein, die Zahl zu verbessern statt den Service.
Unsere Ableitung daraus: Zählen Sie Wiederkontakte über alle Kanäle als Gegenprobe zur Lösungsquote. Wer nach einem Chat am selben Tag anruft oder schreibt, war vermutlich nicht gelöst, auch wenn der Chat als gelöst zählt.
Richtwerte: was es gibt und was nicht
Im Netz kursieren viele Richtwerte, etwa für eine „gute“ Erstlösungsquote, Zufriedenheit oder Antwortzeit. Für die allermeisten haben wir keine unabhängige Quelle mit offengelegter Methode gefunden.
Eine Ausnahme ist die Erstlösungsquote beim Anbieter SQM. SQM misst bei seinen eigenen Kunden, über 500 Inbound-Kundenservice-Callcentern in Nordamerika, per Befragung nach dem Anruf. Für 2022 nennt SQM einen Durchschnitt von 71 % und 70 bis 79 % als „gut“. Laut SQM liegt eine interne Zählung der Erstlösung um 10 bis 20 % zu hoch im Vergleich zur Befragung. Das gilt für Telefon in Nordamerika, nicht für Chat, E-Mail, Deutschland oder KI-Agenten.
Auch die Norm für Kundenkontaktcenter, DIN EN ISO 18295-1, legt nach ihrer Kurzbeschreibung Kennzahlen nur „bei Bedarf und soweit erforderlich“ fest. Öffentliche Zielwerte daraus konnten wir nicht belegen.
Der verlässlichste Richtwert ist deshalb Ihr eigener: Messen Sie Ihre Zahlen vor dem Start eines KI-Agenten und im Probebetrieb, und vergleichen Sie danach mit diesem Ausgangswert.
Kennzahlen je Mitarbeitendem: den Betriebsrat beteiligen
Nach § 87 Abs. 1 Nr. 6 BetrVG bestimmt der Betriebsrat bei der „Einführung und Anwendung von technischen Einrichtungen, die dazu bestimmt sind, das Verhalten oder die Leistung der Arbeitnehmer zu überwachen“, mit. „Bestimmt“ heißt nach dem Bundesarbeitsgericht: objektiv geeignet, auf die Absicht des Arbeitgebers kommt es nicht an (Beschluss vom 13.12.2016, 1 ABR 7/15). Nach einem Beschluss vom 23.10.2018 (1 ABN 36/18) kann schon eine Excel-Tabelle mit Zeiten genügen, und es kommt nicht darauf an, ob tatsächlich ausgewertet wird.
Erfasst ein Dashboard Werte je Person oder lässt es Rückschlüsse auf Personen zu, kann es eine technische Einrichtung nach § 87 Abs. 1 Nr. 6 BetrVG sein. Gibt es einen Betriebsrat, ist er dann zu beteiligen, soweit keine gesetzliche oder tarifliche Regelung besteht. Das gilt auch in kleinen Teams, wenn sich Werte Einzelnen zuordnen lassen. Lassen Sie das im Einzelfall prüfen.
Die Datenschutzkonferenz hat 2022 gefordert, die Grenzen der Leistungs- und Verhaltenskontrolle gesetzlich festzulegen und Dauerüberwachung grundsätzlich zu verbieten. Das ist eine Forderung, kein geltendes Recht. Diese Seite ist keine Rechtsberatung.
So bauen Sie Ihr Dashboard auf
- Definitionen schriftlich festlegen: Was zählt als Kontakt, als Lösung, als Übergabe, und ab wann beginnt die Zeit? Ohne Definition vergleichen Sie Zahlen, die Unterschiedliches meinen.
- Ausgangswert messen: Halten Sie Ihre Zahlen vor dem Start des Agenten fest. Nur so sehen Sie später, was sich verändert hat.
- Zu jeder Zahl eine Gegenprobe: Lösungsquote mit Wiederkontakten, Erstreaktion mit Wartezeit, Zufriedenheit mit Antwortquote.
- Werte je Person nur mit Klärung: Ob Sie Werte je Mitarbeitendem zeigen, klären Sie vorher, mit dem Betriebsrat, wenn es einen gibt.
- Gespräche lesen: Zahlen zeigen, wo etwas auffällt. Ob ein Fall wirklich gelöst war, zeigen erst Stichproben gelesener Gespräche. Wie das geht, steht unter Übergaben messen.
Ihr nächster Schritt
Sie möchten wissen, welche Kennzahlen für Ihren Kundenservice taugen? Darüber sprechen wir in einem Erstgespräch von 30 Minuten. Kontakt aufnehmen
Was könnte KI bei Ihnen erledigen?
Im Erstgespräch (30 Minuten) schauen wir auf Ihre Arbeit und sagen Ihnen offen, was sich lohnt und was nicht.
Häufige Fragen.
Welche Kennzahlen gehören auf ein Kundenservice-Dashboard?
Wenige aus drei Gruppen: Tempo (Erstreaktionszeit, Lösungszeit), Lösung (Erstlösungsquote, Lösungsquote des KI-Agenten, Übergabequote) und Urteil der Kunden (Zufriedenheit, Aufwand, Weiterempfehlung). Zu jeder Zahl gehört eine Gegenprobe.
Was ist eine gute Erstlösungsquote?
Einen allgemein gültigen Wert gibt es nicht. Der Anbieter SQM nennt für Inbound-Telefon-Callcenter in Nordamerika 2022 einen Durchschnitt von 71 %, gemessen per Befragung nach dem Anruf. Für Chat, E-Mail und KI-Agenten haben wir keinen belegten Wert gefunden. Vergleichen Sie mit Ihrem eigenen Ausgangswert.
Ist eine hohe Automatisierungsquote gut?
Nicht von sich aus. Ein Gespräch ohne Übergabe ist nicht automatisch gelöst; der Kunde kann auch aufgegeben oder den Kanal gewechselt haben. Prüfen Sie die Quote mit Wiederkontakten und gelesenen Stichproben.
CSAT, CES oder NPS: was soll ich messen?
Zufriedenheit (CSAT) und Kundenaufwand (CES) passen zum einzelnen Kontakt, Weiterempfehlung (NPS) eher zum ganzen Unternehmen. CES erfasst den wahrgenommenen Aufwand. Wiederkontakte und Kanalwechsel messen Sie besser getrennt.
Braucht ein Service-Dashboard den Betriebsrat?
Erfasst ein Dashboard Werte je Person oder lässt es Rückschlüsse auf Personen zu, kann es nach § 87 Abs. 1 Nr. 6 BetrVG mitbestimmungspflichtig sein. Gibt es einen Betriebsrat, ist er dann zu beteiligen, soweit keine gesetzliche oder tarifliche Regelung besteht. Lassen Sie das im Einzelfall prüfen; das ist keine Rechtsberatung.
Wie steht Ihre Website da?
Der Check ist kostenlos und ohne Verpflichtung. Den Bericht bekommen Sie per Mail.
Quellen.
- Zendesk Help Center: About native Support time duration metricsHersteller / Primärquelle · Stand
- Zendesk Help Center: First reply time and requester wait timeHersteller / Primärquelle · Stand
- Zendesk Help Center: Analyzing your Support ticket activity and agent performanceHersteller / Primärquelle · Stand
Alle 16 Quellen
- Zendesk Help Center: About automated resolution tiersHersteller / Primärquelle · Stand
- Intercom: Fin AI Agent resolutionsHersteller / Primärquelle · Stand
- Salesforce Trailhead: Monitor Agent Metrics and ScoresHersteller / Primärquelle · Stand
- SQM Group: What Is a Good FCR Rate? (2022)Hersteller / Primärquelle · Stand
- Bain & Company: Measuring your Net Promoter ScoreHersteller / Primärquelle · Stand
- Harvard Business Review: Stop Trying to Delight Your Customers (Dixon, Freeman, Toman)Hersteller / Primärquelle · Stand
- Gartner: Only 14% of customer service issues are fully resolved in self-serviceHersteller / Primärquelle · Stand
- Gartner: Only 27% of customers would try a chatbot again after a negative experienceHersteller / Primärquelle · Stand
- Betriebsverfassungsgesetz § 87Hersteller / Primärquelle · Stand
- Bundesarbeitsgericht, Beschluss vom 13.12.2016, 1 ABR 7/15Hersteller / Primärquelle · Stand
- Bundesarbeitsgericht, Beschluss vom 23.10.2018, 1 ABN 36/18Hersteller / Primärquelle · Stand
- Datenschutzkonferenz: Entschließung zum Beschäftigtendatenschutz (29.04.2022)Hersteller / Primärquelle · Stand
- DIN Media: DIN EN ISO 18295-1:2017-10Hersteller / Primärquelle · Stand
- Zendesk Help Center: Zeitkennzahlen, Erstreaktion und Wartezeit, Zufriedenheit, Stufen automatischer Lösungen
- Intercom: Fin AI Agent resolutions, Stand 17.09.2026
- Salesforce Trailhead: Monitor Agent Metrics and Scores
- SQM Group: What Is a Good FCR Rate? (2022), Erhebung des Anbieters bei eigenen Kunden
- Bain & Company: Net Promoter Score
- Harvard Business Review, Juli/August 2010: Stop Trying to Delight Your Customers, Ursprung des Customer Effort Score
- Gartner, 19.08.2024: Self-Service und Gartner, 02.09.2026: Chatbots nach schlechter Erfahrung
- Marilyn Strathern: „Improving ratings“: audit in the British University system, European Review 5(3), 1997, S. 305–321
- § 87 BetrVG, BAG 1 ABR 7/15, BAG 1 ABN 36/18
- Datenschutzkonferenz: Entschließung zum Beschäftigtendatenschutz, 29.04.2022
- DIN Media: DIN EN ISO 18295-1:2017-10



