KI-Kompetenz im Kundensupport

AI Explorer

Ausgangssituation

Vor dem Hintergrund des anhaltenden Fachkräftemangels wird es für mittelständische Unternehmen – insbesondere in ländlichen Regionen – zunehmend schwieriger, geeignete Fachkräfte zu finden. Aktuell werden bei Lauffer keine KI-Anwendungen eingesetzt; die Datenverarbeitung in Systemen wie ERP, PDM und Servicemanagement erfolgt weitgehend manuell.
Im Rahmen des Projekts sollen daher geeignete KI-Anwendungsfälle identifiziert werden, um den Kundenservice durch intelligenten Self-Service sowie durch die Verknüpfung und Analyse von Service-, Ticket- und Maschinendaten gezielt zu verbessern. Solche KI-Lösungen können den Kundendienst dabei unterstützen, schneller auf Anfragen zu reagieren, Probleme automatisiert zu lösen und insgesamt effizienter zu arbeiten. Dadurch lassen sich sowohl die Servicequalität erhöhen als auch die Auswirkungen des Fachkräftemangels abmildern.

Lösungsidee

Um die Potenziale von KI im Kundenservice zu identifizieren, fand im Rahmen des AI Explorers eine strukturierte Workshopreihe statt. Ausgehend von den aktuellen Aufgaben und Herausforderungen wurden mögliche Anwendungsfälle erarbeitet, die anschließend gemeinsam bewertet und priorisiert wurden. Für die drei vielversprechendsten Use Cases erfolgte eine detaillierte Analyse des Aufwand-Nutzen-Verhältnisses sowie der technischen und organisatorischen Voraussetzungen für die Umsetzung. Ziel des Projekts war es, eine fundierte Entscheidungsgrundlage sowie einen Projektplan für die Realisierung der Top-3-Anwendungsfälle zu entwickeln.

Umsetzung der KI-Applikation

Es wurde folgende abschließende Empfehlung ausgesprochen: Für den erfolgreichen Einsatz von KI wird empfohlen, auf etablierte Out-of-the-box-Lösungen zu setzen, da individuelle Entwicklungen hohen Aufwand verursachen und sich für kleinere Unternehmen kaum lohnen. Voraussetzung ist eine ausreichende Datenqualität, weshalb frühzeitig mit der systematischen Erfassung, Bereinigung und Prüfung relevanter Daten begonnen werden sollte, z. B. durch einen Quick Check für Predictive Maintenance. Zudem müssen Prozesse verschlankt und weiter digitalisiert werden, um eine belastbare Grundlage für KI-Anwendungen zu schaffen.