80 Prozent. So hoch schätzt Gartner den Anteil der Kundenservice-Teams, die bis 2025 generative KI einsetzen. Juniper Research erwartete bereits, dass Chatbots dem Einzelhandel bis 2023 elf Milliarden Dollar einsparen. Im DACH-Raum sind solche Assistenten längst Standard. Doch der Eindruck, den Kunden gewinnen, ist ein anderer: Statt Hilfe sehen sie Warteschleifen in Textform. Die meisten greifen lieber selbst zur Maus.
Das Problem ist nicht die Technologie an sich. Sprachmodelle wie GPT-4, Claude oder die deutschen Alternativen von Aleph Alpha verstehen heute besser denn je, was Nutzer tippen. Das Problem ist der Einsatzort. Händler setzen Bots dort ein, wo sie Kosten sparen, nicht wo sie den Kunden wirklich weiterbringen. Wer eine Retoure starten, eine Lieferverzögerung klären oder eine Größenempfehlung braucht, landet in einem Dialog, der auf Durchschnittsfragen trainiert ist. Individuelle Fälle bleiben außen vor.
Ein Beispiel aus der Praxis: Bei der Mode-Plattform Zalando führt der Service-Bot Retouren-Anfragen zunächst über ein Menü. Kunden mit Bestellnummer kommen schnell weiter. Wer jedoch eine beschädigte Ware melden oder eine Teillieferung anfechten will, wird nach mehreren Rückfragen an den menschlichen Support weitergeleitet. Der zusätzliche Weg kostet Zeit und Vertrauen.
Wie wurde aus dem Helfer ein Hindernis?
Die ersten Chatbots im Onlinehandel waren regelbasiert. Sie erkannten Stichwörter und gaben feste Antworten aus. Heute werben Anbieter mit generativer KI, die aus Kontext lernt. Der Unterschied für den Nutzer bleibt aber oft unsichtbar, weil die Integration fehlt. Ein Bot, der nicht auf Bestellstatus, Lagerbestand oder Kundenhistorie zugreifen kann, antwortet allgemein. Das reicht für „Wie versenden Sie?“, aber nicht für „Wo bleibt mein Paket?“.
Kunden reagieren mit einem Abwehrmechanismus. Sie überspringen den Bot, sobald sie die Option finden. Die typische Flucht führt zur Suche, zur FAQ oder direkt zur Telefonnummer. Händler interpretieren das falsch: Sie sehen sinkende Bot-Nutzungsraten und schließen, dass Kunden den Assistenten ablehnen. Tatsächlich lehnen sie ihn nur für die falschen Aufgaben ab.
Zusätzlich belasten Sprach- und Datenschutzbarrieren. Viele Modelle sind primär auf Englisch trainiert; deutsche Komposita, Fachbegriffe und regionale Formulierungen werden schlechter verarbeitet. Dazu kommt die DACH-typische Datensensibilität. Kunden wollen wissen, ob ihre Bestell- und Zahlungsdaten in einem US-Cloud-Sprachmodell landen. Händler, die das nicht transparent kommunizieren, verlieren Akzeptanz.
Was funktioniert bei KI-Bots im Onlinehandel wirklich?
Dort, wo Bots Erfolg haben, lösen sie ein konkretes, wiederkehrendes Problem. H&M setzt seinen Virtual Stylist gezielt für Outfit-Empfehlungen ein. Decathlon nutzt KI-gestützte Beratung, um Kunden anhand von Körpergröße und Einsatzzweck zu passenden Produkten zu führen. In beiden Fällen kennt der Bot den Kontext: Bestand, Produktattribute, Lieferzeiten. Die Antwort ist eine Handlung, nicht nur ein Text.
Erfolgreiche Einsatzgebiete sind damit klar begrenzt: Statusabfragen, Standardberatung, Terminvereinbarungen, Rückgabe-Start. Sobald Verhandlungsspielraum nötig ist — Kulanz, Preisanpassung, Eskalation — versagt die Maschine. Sie kann keine Entscheidung treffen, die Geschäftssinn erfordert. Das ist kein Manko, sondern eine Grenze, die Händler respektieren müssen.
Der Unterschied zwischen B2B und B2C ist dabei erheblich. Ein Geschäftskunde, der Palettenware bestellt, akzeptiert keinen Bot für Vertragsfragen. Ein Privatkunde, der ein T-Shirt sucht, mag ihn. Je höher der Bestellwert und je komplexer der Kaufprozess, desto eher wird menschliche Beratung erwartet.
Die drei Sünden, mit denen Händler ihre Bots sabotieren
Sünde eins: Der Bot soll alles können. Händler rollen KI-Assistenten für den gesamten Kundenservice aus. Sie werden mit Retouren, Produktfragen, technischen Problemen und Beschwerden konfrontiert. Das überfordert das Modell. Statt fünf gut beherrschter Aufgaben gibt es fünfzig halbherzige Antworten.
Die zweite Sünde: Der Bot hat keine Macht. Er darf Informationen ausgeben, aber nichts ändern. Kunden merken schnell, dass der Assistent nur vorschlagen, nicht handeln kann. Ein Bot, der eine Lieferadresse nicht korrigieren oder eine Bestellung nicht stornieren darf, wird zur Zumutung.
Drittens: Der Bot ersetzt statt zu entlasten. Statt den menschlichen Service von Routine zu befreien, wird er als preiswerter Ersatz positioniert. Die Folge sind längere Wartezeiten für komplexe Fälle und frustrierte Kunden, die sich durch Menüs quälen.
Ein guter Kundenservice-Bot ist kein Mitarbeiterersatz. Er ist ein Filter, der die einfachen Fälle abfängt, damit die Mitarbeiter die schwierigen besser bearbeiten können.
Wann lohnt sich ein KI-Bot im Shop?
Der Business Case für KI-Bots ist nicht automatisch. Er entsteht erst, wenn drei Bedingungen erfüllt sind: hohes Anfragevolumen bei wiederkehrenden Fragen, gut strukturierte Daten und ein klarer Übergang zum Menschen. Ein Shop mit 50 Anfragen pro Tag gewinnt wenig durch Automatisierung. Ein Shop mit 5.000 täglichen Statusanfragen schon.
Auch die Kostenstruktur entscheidet. Lizenzen für KI-Bot-Plattformen, Integration in Shopware, Shopify oder Salesforce sowie laufendes Training sind teurer als einmalig eingerichtete FAQ-Seiten. Wer den Bot als billigen Shortcut sieht, wird enttäuscht. Wer ihn als Teil einer durchdachten Service-Architektur versteht, kann echte Effizienzgewinne erzielen.
Jüngere Kunden akzeptieren Chatbots eher als ältere. Menschen über 50 greifen in der Regel schneller zur Telefonnummer oder zum Kontaktformular. Wer eine breite, altersspezifisch gemischte Kundschaft bedient, muss den Bot optional anbieten — nicht erzwingen.
Ausblick: Der Bot, der wirklich verkauft
Die nächste Generation von KI-Assistenten wird nicht besser werden, weil das Sprachmodell größer ist, sondern weil sie tiefer in den Shop integriert sind. Sie werden nicht nur antworten, sondern Produkte reservieren, Rabatte innerhalb definierter Spielregeln gewähren und Retouren selbst anstoßen. Der maßgebliche Unterschied liegt dann nicht mehr in der Antwortqualität, sondern in der Handlungsfähigkeit.
Bis dahin bleibt die Lage paradox: Die Technologie ist reif genug für den Masseneinsatz, doch die meisten Implementierungen sind es nicht. Händler, die jetzt investieren, sollten nicht den perfekten Dialog suchen, sondern den perfekten Übergang. Der beste Bot ist derjenige, der den Kunden schnell wieder losswird — entweder mit einer Lösung oder mit einem kompetenten Menschen.