KI im Kundenservice funktioniert bei den Fragen, die du ohnehin jeden Tag gleich beantwortest — wo ist meine Bestellung, wie schicke ich etwas zurück, liefert ihr nach Österreich. Sie funktioniert nicht bei denen, die eine Entscheidung über dein Geld verlangen. Für einen Shopify-Shop auf WhatsApp lautet die ehrliche Aufteilung: automatisiere die Antworten, die sich nie ändern, lass einen Menschen den Rest machen — und zähle vorher nach, was wie viel ist.
- 80 % der häufigen Serviceanfragen soll agentische KI laut Gartner bis 2029 eigenständig lösen — das tragende Wort im Satz ist häufig (Gartner, 2025).
- 3 US-Dollar pro gelöstem Fall erwartet Gartner für generative KI bis 2030 — mehr als viele ausgelagerte menschliche Agents kosten (Gartner, 2026).
- 3 regelbasierte Automations — Keywords, Conversation Starter, Default Reply — decken in Keaz die meisten Wiederholungsfragen ab, ganz ohne Modell.
Was löst KI im Kundenservice wirklich?
Ohne Marketing bleiben drei verschiedene Dinge übrig, die als eines verkauft werden. Eine Abfangschicht, die antwortet, bevor ein Mensch die Nachricht sieht. Eine Entwurfsschicht, die eine Antwort schreibt, die jemand freigibt. Und eine agentische Schicht, die handelt — die Erstattung auslöst, die Adresse ändert, das Abo kündigt.
Nur die dritte ist wirklich neu — und am weitesten davon entfernt, verlässlich zu sein. Gartner prognostiziert, dass agentische KI bis 2029 80 % der häufigen Serviceanfragen ohne menschliches Eingreifen löst (Gartner, 2025, abgerufen am 2026-09-28). Häufig trägt diesen Satz. Ein Shop mit 400 Bestellungen im Monat hat vielleicht acht Fragetypen, die sich wiederholen — und einen langen Rest, der sich nie wiederholt.
Fang also mit Zählen an, nicht mit Kaufen. Nimm einen Monat Inbox-Verläufe und sortiere sie nach der ersten Nachricht der Kundin. Wenn deine fünf häufigsten Fragetypen mehr als die Hälfte des Volumens ausmachen, hast du ein Automatisierungsproblem — und Automatisierung ist deutlich günstiger als Intelligenz.
Welche Fragen automatisierst du zuerst?
Automatisiere eine Frage, wenn die Antwort jedes Mal identisch ist und eine falsche Antwort wenig kostet. Das ist eine engere Menge, als die meisten Anbieter nahelegen — und genau dort schlägt eine feste Regel ein Modell.
- Bestellstatus. Die Kundin will einen Tracking-Link, kein Gespräch.
- Retouren und Umtausch. Die Regel plus Link zum Formular.
- Lieferländer und Lieferzeiten.
- Abmeldung und Datenauskunft. Nicht optional: In Keaz sind die Keywords Widerruf, Stop und Datenschutz in jedem Account eingebaut und lassen sich nicht löschen.
- Öffnungszeiten und der Weg zu einem Menschen.
In Keaz laufen diese als Keyword-Automations: Ein Kontakt schickt ein hinterlegtes Trigger-Wort, die gespeicherte Antwort geht raus. Alles ohne passendes Keyword fällt auf den Default Reply zurück. Ein Keyword gewinnt immer, beide antworten also nie auf dieselbe Nachricht. Kein Modell, keine Halluzinationsfläche — und die Antwort ist die, die du geschrieben hast. Die größere Frage, was überhaupt in eine Automation gehört, klärt unser Leitfaden zum Kundenservice automatisieren.
Wo hört KI im Kundenservice auf zu funktionieren?
An drei Stellen, zuverlässig.
Alles, was Geld bewegt. Eine Erstattung, ein Rabatt, eine Kulanz bei beschädigter Ware. Das Modell kennt deine Marge nicht, und eine falsche Antwort ist hier keine schlechte Antwort — sie ist ein Kostenposten.
Alles, wo falsch richtig klingt. Inhaltsstoffe, Größenberatung, Kompatibilität, alles mit Compliance-Bezug. Eine flüssig formulierte Falschauskunft im Beauty-Shop ist im besten Fall eine Retoure.
Alles, was bereits eskaliert ist. Gartner erwartet, dass regulatorischer Druck auf das Recht, einen Menschen zu erreichen, das Volumen der betreuten Kontakte bis 2028 um 30 % erhöht (Gartner, 2026, abgerufen am 2026-09-28). Wer einen Menschen will, findet einen. Die einzige Variable ist, ob dein Setup diesen Weg kurz oder lang macht.
Die Arbeitsregel: automatisiere die Antwort, nie die Entscheidung. Ein Chatbot, der fünf Fragetypen sauber löst, ist mehr wert als einer, der vierzig versucht und dir eine zweite Supportschlange über sich selbst beschert.
Wie passt KI in das 24-Stunden-Fenster von WhatsApp?
WhatsApp ist kein Kanal, in den du schreiben kannst, wann du willst — und das begrenzt jedes automatisierte Setup darauf.
Das Kundenservice-Fenster öffnet sich, wenn die Kundin dir schreibt, und es startet mit jeder ihrer Nachrichten neu. Solange es offen ist, kannst du normale Nicht-Template-Nachrichten senden, und Meta berechnet dafür nichts. Sobald es schließt, geht nur noch ein freigegebenes Template raus — und Templates werden nach Kategorie abgerechnet (Meta, WhatsApp Business Platform Pricing-Dokumentation, abgerufen am 2026-09-28).
Eine automatische Antwort ist also kostenlos, wenn sie im Fenster landet — und unmöglich außerhalb. Das prägt das Design stärker als jede Modellwahl: Die Automation muss antworten, solange die Kundin noch im Gespräch ist, nicht vier Stunden später. Der Conversation Starter von Keaz existiert für den anderen Fall — einen bereits geschlossenen Chat wieder zu öffnen.
Die Mechanik des Fensters, die Template-Kategorien und die aktuellen Preise stehen auf unserer Seite mit den WhatsApp-Fakten, die wir gegen Metas eigene Dokumentation pflegen statt gegen Erinnerung.
Was kostet der Betrieb wirklich?
Zwei Kostenblöcke — und Shops planen meist nur einen davon ein.
Das Abo ist sichtbar. Die Kosten pro gelöstem Fall sind es nicht. Gartner prognostiziert, dass generative KI bis 2030 mehr als 3 US-Dollar pro gelöstem Fall kostet — mehr als viele ausgelagerte menschliche Agents im B2C — getrieben von Rechenzentrumskosten, dem Wechsel der KI-Anbieter von subventioniertem Wachstum zu Profitabilität und komplexeren Fällen, die mehr Tokens verbrauchen (Gartner, 2026, abgerufen am 2026-09-28). Die Zusammenfassung ihres Analysten ist direkter als die Schlagzeile: Vollautomatisierung wird für die meisten Organisationen unbezahlbar teuer.
Für einen Shop in der Größenordnung unserer Leserinnen ist das kein Argument gegen Automatisierung. Es ist ein Argument dafür, die günstige, deterministische Hälfte zu automatisieren — und nicht pro Token dafür zu zahlen, dass jemand wo ist meine Bestellung fragt.
Eine Klarstellung, weil Schlagzeilen das vermischen: Metas eigene Preisregel für AI Provider gilt für Anbieter allgemeiner KI-Assistenten auf WhatsApp, nicht für einen Händler, der seinen eigenen Support automatisiert. Metas Dokumentation stellt ausdrücklich fest, dass sich daran für andere Unternehmen nichts ändert — auch nicht bei Nicht-Template-Nachrichten im offenen Fenster (Meta, WhatsApp Business Platform, abgerufen am 2026-09-28). Wenn du einen Shop betreibst, betrifft dich diese Regel nicht.
Häufige Fehler
- Die agentische Stufe kaufen, bevor die Fragen gezählt sind. Ein Monat Verlaufsexport zeigt meist, dass die fünf häufigsten Typen das Volumen tragen. Dafür reichen Regeln.
- Alles beantworten lassen. Abdeckung ist nicht das Ziel. Eine schmale Automation, die immer richtig liegt, schlägt eine breite, die meistens richtig liegt.
- Kein sichtbarer Ausgang zum Menschen. Ist der Weg zu einer Person versteckt, akzeptieren Kundinnen den Bot nicht — sie wiederholen sich, und der Verlauf wird länger.
- Abgefangene statt gelöster Fälle messen. Eine abgefangene Nachricht, die morgen wiederkommt, war nicht gelöst. Zähle beendete Verläufe, nicht absorbierte Nachrichten.
- Antworten automatisieren, die Abmeldung nicht. Der Einwilligungspfad ist der eine Weg, der ohne Menschen funktionieren muss — jedes Mal, in jeder Sprache.
- Den Kanal ersetzen statt den Aufwand. WhatsApp ergänzt E-Mail, Automatisierung ergänzt einen Menschen. Als glatter Ersatz funktioniert beides nicht.
KI im Kundenservice ist ein Sortierproblem, bevor sie ein Technologieproblem ist. Sortiere deine Inbox in Fragen mit genau einer richtigen Antwort und Fragen, die eine Entscheidung brauchen. Automatisiere die erste Gruppe mit Regeln, die du kontrollierst, und lass einen Menschen die zweite übernehmen. Diese Reihenfolge gilt unabhängig davon, was du am Ende kaufst — und sie sagt dir, wie viel du überhaupt brauchst. Die Automations und Flows in Keaz sind für die erste Gruppe gebaut.
Du willst die Umsatzseite derselben Frage sehen, bevor du etwas ausgibst? Lass die Keaz-Prognose mit deinen eigenen Shop-Daten laufen.
Häufige Fragen
Lohnt sich KI im Kundenservice für einen kleinen Shopify-Shop?
Funktioniert KI im Kundenservice auf WhatsApp?
Ersetzt KI den Kundenservice-Mitarbeitenden?
Was ist der Unterschied zwischen einem Chatbot und KI im Kundenservice?
Berechnet Meta Geld für KI-Nachrichten auf WhatsApp?
Nils Spölgen
Founder bei Keaz. Serial Founder im Chat-Marketing — hat aus einer lokalen Agency Keaz gemacht, die WhatsApp-Marketing-Plattform für Shopify. MVP bootstrapped, Funding geholt und auf 200+ Merchants in DACH skaliert. Schreibt über Flows, Opt-in & DSGVO, Klaviyo und realistische Umsatz-Benchmarks — und rechnet lieber konservativ als beeindruckend. Profil ansehen



