Gastbeitrag von CRXO Kathrin Michel
Warum Customer Experience in Zeiten von AI, Survey Fatigue und wachsender Datenverfügbarkeit neu gedacht werden muss – und warum Unternehmen am Anfang ihrer CX-Reise gerade einen strukturellen Vorteil haben.
Warum Customer Experience in Zeiten von AI, Survey Fatigue und wachsender Datenverfügbarkeit neu gedacht werden muss – und warum Unternehmen am Anfang ihrer CX-Reise gerade einen strukturellen Vorteil haben.
Sie hatte recherchiert. Modelle verglichen. Konfiguriert. Testberichte gelesen. Wochenlang. Der Kaufentschluss war so gut wie gefasst.
Dann ging sie zum Händler. Und wollte eine Probefahrt machen.
Der Händler musste absagen. Der Probewagen hatte keine Winterreifen aufgezogen – unter acht Grad durfte das Fahrzeug nicht bewegt werden.
Sie ging. Wechselte den Händler. Und die Marke gleich dazu. Schrieb darüber öffentlich.
In wie vielen Umfragen taucht dieser Moment auf?
In keiner. Nicht weil die Survey zu spät kam – sondern weil die Person nie ins CRM eingetragen wurde. Kein Kauf. Keine Probefahrt. Kein Datensatz. Für das System existiert diese Person nicht.
Das klassische Feedback-Modell hat ein Strukturproblem: Es erfasst nur, wen das Unternehmen schon kennt – und was es aktiv gefragt hat. Lost Leads, abgebrochene Journeys, unerfüllte Erwartungen: Sie hinterlassen keine Spur im Dashboard.
Dieser Moment ist kein Ausreißer. Er ist die Regel.
Klassische CX-Programme basieren auf einem einfachen Ablauf: Befragen, aggregieren, visualisieren. NPS. CSAT. Dashboard. Quartalsbericht.
Das Problem liegt nicht im Instrument. Es liegt im Datenmodell dahinter: Nur wer im System ist, kann befragt werden. Nur wer befragt wird, taucht im Dashboard auf.
Was draußen bleibt: der Kunde, der nie gekauft hat. Das Gespräch, das eskaliert ist. Die Frage, die im Chatbot auftauchte. Die Bewertung bei Google. Das Muster in tausend E-Mails, die den Service-Eingang fluten. Das Feedback, das nicht als Antwort auf eine strukturierte Umfrage gegeben wurde.
Hinzu kommt Survey Fatigue. Kunden werden nach jedem Kontakt befragt – nach dem Kauf, nach dem Service-Call, nach dem Chatbot-Gespräch. Die Folge: sinkende Rücklaufquoten, selektivere Antworten, verzerrte Daten. Nicht weil Kunden nichts mehr sagen wollen. Sondern weil das Modell sie überbeansprucht.
Das Ergebnis: Feedback war nie der vollständige Spiegel der Kundenrealität. Wir haben nur lange so getan, als ob.
Ein Energieversorger führt einen Chatbot auf seiner Website ein. Ziel: Standardanfragen automatisieren, Servicevolumen reduzieren.
Nach einigen Monaten wertet ein Team die Chat-Protokolle aus – nicht systematisch, eher zufällig, weil jemand neugierig ist. Was sie finden, überrascht:
Kunden fragen nach Förderprogrammen für Wärmepumpen. Sie ärgern sich über unverständliche Jahresabrechnungen. Sie berichten, dass es ihnen nicht gelungen ist, ihren Abschlag im Portal zu ändern. Sie fragen, ob das Unternehmen auch Photovoltaik anbietet.
Niemand hat danach gefragt. Keine Umfrage hat diese Themen adressiert. Und dennoch: Diese Signale sind vorhanden, täglich, vollständig protokolliert – und bis zu diesem Zeitpunkt völlig ungenutzt.
Was dieses Stadtwerk in diesen Chat-Logs hat, ist wertvoller als drei Jahre NPS-Befragung: echte Kundenbedürfnisse, im Moment ihres Entstehens, ohne Filterverlust durch Fragebögen.
Das ist das ehrlichste Bild der Kundenrealität. Und es entsteht dort, wo niemand gefragt hat.
In der CX-Branche kursiert gerade viel Aufregung rund um Künstliche Intelligenz. Manche Anbieter suggerieren, AI mache Umfragen obsolet. Andere behaupten, unstrukturierte Daten seien plötzlich auswertbar.
Beides stimmt so nicht.
Text Analytics, Speech Analytics, Social Listening – das gibt es seit über fünfzehn Jahren. Große Plattformanbieter haben diese Funktionen seit langem im Portfolio. Was sich verändert hat, ist etwas anderes und präziseres:
AI macht diese Analyse erstmals für Unternehmen ohne Data-Science-Teams zugänglich.
Was früher sechsstellige Implementierungsprojekte, NLP-Spezialisten und Monate Vorlauf brauchte, funktioniert heute für ein Stadtwerk mit fünfzig Mitarbeitern – ohne eigene IT-Abteilung, ohne Datenteam, ohne Millionenbudget.
Das ist der eigentliche Shift. Nicht „erstmals möglich" – sondern erstmals für alle.
Konkret bedeutet das: Chat-Protokolle können automatisch auf Muster analysiert werden. Service-Calls werden ausgewertet, ohne dass jemand manuell zuhört. CRM-Kommentare, E-Mails, Bewertungen – Signale, die bisher im Rauschen untergegangen sind, werden sichtbar und nutzbar. Nicht als Ersatz für Umfragen. Sondern als Ergänzung, die den blinden Fleck des klassischen Modells adressiert.
Der CX-Markt ist extrem heterogen. Auf der einen Seite Unternehmen mit ausgereiftem Plattform-Setup, Dutzenden Feedback-Touchpoints und Echtzeit-Dashboards. Auf der anderen ein Stadtwerk, das zum ersten Mal anfängt, Kundenbeschwerden systematisch zu erfassen.
Was sich beschreiben lässt, ist ein klares Entwicklungsmodell:
Stufe 1 – Sichtbarkeit schaffen. Strukturiertes Feedback erheben, erste KPIs aufbauen, Transparenz herstellen. Für viele Unternehmen im Energie- und Kommunalbereich ist das heute der richtige erste Schritt.
Stufe 2 – Zusammenhänge verstehen. Feedback mit operativen Daten verknüpfen, Treiber identifizieren, Ursachen erkennen statt nur Symptome messen.
Stufe 3 – Realität erfassen. Interaktionsdaten einbeziehen: Calls, Chats, E-Mails, Verhalten. Nicht mehr nur Meinungen analysieren – sondern was wirklich passiert ist.
Stufe 4 – Aktiv steuern. AI identifiziert Muster, leitet Maßnahmen ab, unterstützt Entscheidungen in Echtzeit. Customer Signals Intelligence statt Customer Feedback Management.
Hier liegt eine These, die ich immer wieder erlebe, aber selten ausgesprochen höre:
Wer heute noch am Anfang steht, hat einen strategischen Vorteil.
Wer kein aufwändiges Survey-System erst umbauen muss, kann direkt auf die Signale setzen, die ohnehin schon entstehen. Das Stadtwerk, das seine Chat-Protokolle systematisch auswertet, überspringt de facto eine halbe Evolutionsstufe – ohne Altlasten, ohne Umbaukosten, ohne organisatorischen Widerstand gegen ein bestehendes System.
Das ist keine Tröstung für Nachzügler. Es ist eine echte strukturelle Chance.
Der entscheidende Shift ist kein technologischer. Es ist ein Zielbild-Shift.
Klassisches CX-Management fragt: Wie ist unser Score?
Zukunftsfähiges CX-Management fragt: Wo entsteht gerade ein Problem – bei wem – und was tun wir jetzt?
Das erfordert mehr als eine bessere Plattform. Es erfordert, dass Insights tatsächlich in Entscheidungen übersetzt werden. Dass Verantwortlichkeiten klar sind. Dass das System im Alltag genutzt wird – nicht nur existiert.
Die beste Plattform nützt nichts ohne Veränderungsbereitschaft in der Organisation. Und die größte Datenmenge schafft keinen Wert, wenn niemand weiß, was damit zu tun ist.
Drei Konsequenzen, die ich aus der täglichen Arbeit ableite:
Erstens: Anfangen, bevor alles perfekt ist. Wirkung entsteht nicht durch das perfekte Setup. Die Unternehmen, die am weitesten sind, haben am frühesten begonnen – und sich von dort aus weiterentwickelt. Ohne frühe Ergebnisse stirbt das Budget. Mit frühen Ergebnissen wächst das Mandat.
Zweitens: Die Signale nutzen, die schon vorhanden sind. Chat-Logs. Service-Call-Protokolle. CRM-Kommentare. Bewertungen. Diese Daten existieren in fast jedem Unternehmen – und werden in den seltensten Fällen systematisch genutzt. Das ist kein Technologieproblem. Es ist ein Prioritätenproblem.
Drittens: Den nächsten sinnvollen Reifegrad ansteuern – nicht den maximal möglichen. Enterprise ist kein Gütesiegel. Es ist ein Betriebsmodell für eine bestimmte Komplexität. Ein schlankes, fokussiertes Setup schlägt jedes over-engineered System, das niemand nutzt.
Customer Feedback ist nicht tot.
Aber es war nie genug – wir haben nur eine Zeit lang so getan, als ob.
Die Journalistin, die wegen Winterreifen die Marke gewechselt hat: Ihr Signal existierte. Es war real. Es hat eine Kaufentscheidung verändert und ist öffentlich geworden. Es taucht bis heute in keinem CRM-Eintrag auf – weil das Datenmodell sie nicht vorgesehen hat.
Der Chatbot des Energieversorgers protokolliert täglich, was Kunden wirklich beschäftigt – Wärmepumpen, Abrechnungen, Portalprobleme. Niemand hat danach gefragt. Die Signale waren trotzdem da.
AI macht es jetzt möglich, genau diese Signale zu nutzen – nicht nur für Konzerne mit Data-Science-Teams, sondern für jedes Unternehmen, das anfangen will.
Das ist der eigentliche Shift.
Von gefragten Daten zu echten Signalen. Von Messen zu Verstehen. Von Verstehen zu Steuern.
Und er betrifft das Stadtwerk, das heute anfängt, genauso wie den OEM, der sein System gerade umbaut.
Mit einem Unterschied: Das Stadtwerk muss nichts umbauen.
Kathrin Michel ist CRXO bei moveXM und beschäftigt sich mit der Frage, wie Unternehmen aller Reifegrade Customer Experience als echtes Steuerungsinstrument nutzen können.
Wenn Sie sich gerade mit der Frage beschäftigen, wie sich Ihr CX-Ansatz weiterentwickeln sollte: