Wenn die KI nicht versteht: Kollaboration als Lösung

Digitale Assistenzsysteme – ob Chatbots, Service-KI oder andere dialogorientierte Tools – gelten seit Jahren als grosses Versprechen für effizientere Interaktionen zwischen Unternehmen und Kundschaft. Sie sind rund um die Uhr verfügbar, skalierbar und schnell. Doch in der Realität zeigt sich immer wieder, wie fragil diese Interaktionen sein können: Missverständnisse zwischen Mensch und KI gehören zu den häufigsten Momenten, in denen digitale Kommunikation ins Stocken gerät. Die Schweiz befindet sich mitten in der KI-Adoption – rund 60 Prozent der Bevölkerung nutzen bereits KI-Tools wie ChatGPT [1] – doch der Kundennutzen bleibt oft hinter den Erwartungen zurück. Laut einer Marktstudie [2] empfinden rund 80 Prozent der Kund:innen die Interaktion mit Chatbots als anstrengend, fast drei Viertel halten sie sogar für Zeitverschwendung.

Missverständnisse sind dabei kein Spezialfall technischer Schwäche, sondern ein strukturelles Phänomen. Sprache ist komplex, Anliegen sind vielfältig, und auch moderne KI-Systeme interpretieren nicht immer eindeutig. Die entscheidende Frage lautet deshalb nicht, wie man Fehler vollständig vermeiden kann, sondern wie Mensch und KI gemeinsam damit umgehen. Genau hier setzt unser neuer Forschungsartikel Overcoming Breakdowns in Customer-Chatbot Interaction: Design and Impact of Collaborative Repair Strategies an. Er zeigt, wie viel Potenzial entsteht, wenn Mensch und KI sich nicht in einer Konfrontation gegenüberstehen, sondern aktiv zusammenarbeiten – und Missverständnisse gemeinsam beheben.

In vielen digitalen Dialogen läuft die Behebung von Missverständnissen noch nach starren, einseitigen Mustern ab. Die Kundschaft wird gebeten, ihre Frage erneut zu formulieren – häufig ohne nachvollziehbare Hinweise, wie das gelingen kann und nur mit einem generischen «Das habe ich nicht verstanden.» Oder die KI liefert eine Antwort, die nur entfernt mit dem ursprünglichen Anliegen zusammenhängt.

In beiden Fällen trägt eine Seite die gesamte Last: Entweder soll der Mensch erraten, was die KI verstehen kann, oder die KI spekuliert, was der Mensch gemeint haben könnte. Die Studie zeigt, dass dieses Ratespiel Interaktionen unnötig erschwert. Manche Kunden brechen Gespräche nach einem Missverständnis sofort ab; andere versuchen es auf eigene Faust – oft ohne Erfolg. Für Unternehmen sind das verlorene Kontaktmomente in einem Self-Service-Angebot, obwohl viele Anliegen eigentlich lösbar wären.

Um diese Blockaden aufzubrechen, muss ein Perspektivwechsel vollzogen werden: Weg von einer Kommunikation, die Fehler auf eine Seite abwälzt, hin zu einer echten Human–AI Collaboration. Die Grundlage bildet ein Konzept aus der Kommunikationsforschung, die Theory of Least Collaborative Effort. Sie beschreibt, dass Verständigung am besten gelingt, wenn beide Gesprächsbeteiligte nicht nur versuchen, ihren eigenen Aufwand zu minimieren, sondern den gemeinsamen Aufwand für sich selbst und ihr Gegenüber.

Übertragen auf KI bedeutet das: Systeme sollten Fehler nicht verschleiern oder die Kundschaft allein lassen, sondern transparent machen, was sie nicht verstanden haben, und nachvollziehbare Hinweise geben, wie ein Anliegen klarer formuliert werden kann. Statt einer Standardfloskel gibt die KI einen diagnostischen Hinweis, etwa: «Ich habe Schwierigkeiten mit sehr langen Sätzen. Könntest du dein Anliegen bitte in kurzen Stichpunkten wiederholen?» So bleibt die Kontrolle weiterhin beim Menschen, aber die KI liefert die notwendige Orientierungshilfe und schafft Verständnis bei Kundinnen, um den Dialog wieder auf Kurs zu bringen. Gleichzeitig bedeutet dies aber auch, dass Kunden bereit sein müssen, der KI beim Verständnis zu helfen und ihr eine weitere Chance zu geben.

Wie sich dieses Prinzip in der Praxis umsetzen lässt, zeigte ein gemeinsames Forschungsprojekt mit einem führenden europäischen Versicherer. Ausgangspunkt war die Frage, in welchen Situationen Mensch und KI besonders leicht aneinander vorbeikommunizieren. Dafür wurden mehr als 20'000 echte Chatverläufe analysiert, aus denen 5668 Nachrichten herausgefiltert wurden, die zu einem Missverständnis geführt hatten. Die Auswertung machte deutlich, dass Missverständnisse vor allem dann entstanden, wenn Anfragen entweder ungewöhnlich lang oder sehr knapp formuliert waren, stark vom typischen Sprachgebrauch abwichen oder so kryptisch ausfielen, dass sich keine klare Intention erkennen liess.

Für diese Fälle wurden spezifische Reparaturstrategien (Hilfestellungen) und erklärende Hinweise entwickelt, die die KI situativ ausspielen kann. Nach Tests in Online-Experimenten folgte die Integration in den Live-Betrieb mittels eines Machine-Learning-Modells, das Nachrichten in Echtzeit klassifizierte und bei Missverständnissen die passende Hilfestellung wählte: Von niedrigschwelligen Hinweisen bis zur Eskalation an menschliche Mitarbeitende, wenn mehrere Versuche scheiterten.

Ob dieser Ansatz tatsächlich wirkt, wurde in einem umfangreichen Live-A/B-Test überprüft, bei dem der kollaborative Ansatz mit der Standardversion des bisherigen Chatbots verglichen wurde. Mehr als 4300 reale Interaktionen wurden ausgewertet, davon 1352 mit mindestens einem Missverständnis im Gespräch. Die Ergebnisse zeigen deutlich, wie stark Human–AI Collaboration die Interaktion verbessert:

 

Metrik	Veränderung
Lösungsquote nach Missverständnis	+18 %
Anteil sofortiger Abbrüche nach Fehler	-19 %
Kundenzufriedenheit (auf 5-Sterne-Skala)	+0,54 Punkte

Was Unternehmen aus diesen Ergebnissen lernen können

Handlungsempfehlungen

1. Fehlermuster systematisch analysieren: Identifizieren Sie, an welchen Stellen und warum die Kommunikation zwischen Kunden und Ihrem KI-System heute scheitert. Nutzen Sie dafür Chat-Protokolle und Kundenfeedback.
2. Collaborative Repair Strategies entwickeln: Ersetzen Sie generische Fehlermeldungen durch spezifische, diagnostische Hinweise. Geben Sie den Nutzenden Orientierung, wie sie ihr Anliegen präzisieren können.
3. Transparenz als Prinzip verankern: Gestalten Sie KI-Interaktionen so, dass die Fähigkeiten und Grenzen des Systems für die Nutzenden nachvollziehbar sind. Dies stärkt das Vertrauen und schafft eine Basis für echte Zusammenarbeit.
4. Eskalationspfade definieren: Legen Sie fest, wann und wie ein Gespräch an menschliche Mitarbeitende eskaliert werden sollte, wenn die KI trotz Hilfestellung nicht weiterkommt.
5. Erfolg neu definieren: Messen Sie nicht nur die Effizienz (z. B. Anzahl bearbeiteter Anfragen), sondern auch die Qualität der Interaktion, die Lösungsquote nach Missverständnissen und die Kundenzufriedenheit.

Fazit: Die Zukunft gehört der kollaborativen KI

Quellen

Die Autoren 

 

 

Über elaboratum suisse

elaboratum suisse denkt Digitalberatung neu. Die mehr als 80 Mitarbeitenden von elaboratum helfen Unternehmen, Menschen zu verstehen und Digitalisierung so einzusetzen, dass langfristige und vertrauensvolle Beziehungen entstehen. www.elaboratum.com