Effizienter Kundensupport entsteht, wenn Mitarbeiter nicht länger in Postfächern, Tickets und persönlichen Notizen nach Antworten suchen müssen. Ein Company Brain verbindet Kundenhistorie, Produktwissen, Lösungswege und Erfahrungswerte im jeweiligen Fallkontext. Dadurch sinken Suchaufwand und Bearbeitungszeit, während Antworten verlässlicher, Übergaben besser und Supportkosten steuerbarer werden.
Warum entscheidet Wissen stärker über den Support als ein weiteres Tool?
Viele mittelständische Unternehmen verfügen bereits über ein Ticketsystem, ein CRM, eine zentrale Dateiablage, gemeinsame Postfächer und vielleicht sogar ein Kundenportal. Trotzdem benötigen Servicemitarbeiter regelmäßig mehrere Anläufe, um eine Anfrage vollständig zu beantworten. Das Problem liegt dann selten in einem fehlenden Kommunikationskanal. Es liegt darin, dass die benötigten Informationen über verschiedene Systeme, Dokumente und Personen verteilt sind.
Ein Ticket enthält beispielsweise die aktuelle Störungsmeldung, aber nicht die frühere Sondervereinbarung mit dem Kunden. Im CRM steht der letzte Vertriebsauftrag, während ein technischer Hinweis nur im E-Mail-Postfach eines Servicetechnikers auffindbar ist. Die passende Lösung wurde bereits bei einem ähnlichen Kunden eingesetzt, jedoch nie als wiederverwendbares Wissen dokumentiert. Der Support beginnt deshalb erneut mit Recherche, Rückfragen und interner Abstimmung.
Für den Kunden wirkt dieser Ablauf langsam und widersprüchlich. Für das Unternehmen ist er teuer. Erfahrene Mitarbeiter werden ständig zu wiederkehrenden Fällen hinzugezogen, neue Kollegen benötigen lange für die Einarbeitung und bei Schichtwechseln oder Urlaubsvertretungen entstehen unnötige Übergabeverluste.
Unternehmenswissen schneller nutzbar machen
Das KrambergAI Unternehmensgedächtnis macht verstreutes Wissen aus Dokumenten, Projekten, Prozessen und internen Quellen strukturierter auffindbar und bereitet Antworten mit nachvollziehbarem Kontext vor.
Praxisnah eingeführt · Quellenbasiert nutzbar · Made in Germany
Ein Kundensupport mit Wissenssystem setzt genau an dieser Stelle an. Das System ersetzt nicht automatisch die vorhandenen Anwendungen. Es verbindet deren Inhalte so, dass Mitarbeiter im konkreten Vorgang nicht mehr selbst rekonstruieren müssen, wo eine relevante Information abgelegt wurde.
Wo verliert der Mittelstand im Support Zeit und Marge?
Zeitverluste im Kundendienst sind selten auf den eigentlichen Kundenkontakt beschränkt. Sie entstehen vor allem zwischen den sichtbaren Arbeitsschritten: beim Suchen nach einer Montageanleitung, beim Abgleich einer Seriennummer, bei der Rückfrage an den Vertrieb, beim Lesen alter E-Mail-Verläufe oder beim Warten auf einen Kollegen, der den Kunden seit Jahren betreut.
Besonders deutlich wird das bei technischen Produkten und erklärungsbedürftigen Dienstleistungen. Ein Maschinenbauer muss möglicherweise berücksichtigen, welche Baugruppe ursprünglich geliefert, später umgebaut und zuletzt gewartet wurde. Ein Softwareanbieter benötigt Informationen zur eingesetzten Version, zur Systemkonfiguration, zu bekannten Fehlerbildern und zu kundenspezifischen Erweiterungen. Ein technischer Großhändler muss Verfügbarkeit, Alternativartikel, Gewährleistungsstatus und frühere Reklamationen zusammenführen.
Das Ticketsystem bildet den Fall ab, kennt aber nicht zwingend alle Zusammenhänge. Das ERP verwaltet Aufträge und Artikel, enthält jedoch selten die vollständige Lösungshistorie. Im CRM liegen Ansprechpartner und Verkaufschancen, während Wartungsberichte, Gesprächsnotizen und Fotos an anderen Stellen gespeichert werden.
Genau hier wird Wissensmanagement zu einem operativen Thema. Es geht nicht darum, möglichst viele Dokumente zu sammeln. Entscheidend ist, welche Information in welcher Situation benötigt wird und wie zuverlässig sie einem berechtigten Mitarbeiter bereitgestellt werden kann.
Was unterscheidet eine Dokumentenablage von einem Company Brain?
Eine klassische Wissensdatenbank verlangt häufig, dass Mitarbeiter bereits wissen, wonach sie suchen. Sie müssen den richtigen Begriff verwenden, den passenden Ordner kennen oder einen Artikel aus einer langen Trefferliste auswählen. Ein Company Brain arbeitet stärker mit Zusammenhängen. Es bezieht etwa Produkt, Kunde, Vertrag, Fehlerbild, Bearbeitungsstatus und frühere Fälle in die Suche ein.
Die Unterschiede zeigen sich im laufenden Supportprozess:
| Merkmal | Dateiablage oder Wiki | Ticketsystem | Company Brain |
|---|---|---|---|
| Hauptaufgabe | Dokumente und Artikel speichern | Anfragen erfassen und bearbeiten | Wissen aus mehreren Quellen fallbezogen bereitstellen |
| Suchlogik | Ordner, Titel und Stichwörter | Ticketnummer, Status und Kategorie | Bedeutung, Kundenkontext, Produkt und Vorgang |
| Erfahrungswissen | Meist manuell dokumentiert | Häufig in Kommentaren eingeschlossen | Aus gelösten Fällen auffindbar und wiederverwendbar |
| Kundenhistorie | Nur indirekt vorhanden | Auf einzelne Tickets verteilt | Mit Verträgen, Produkten und früheren Lösungen verbunden |
| Pflege | Separate redaktionelle Aufgabe | Bestandteil der Fallbearbeitung | Rückmeldungen aus der Nutzung fließen in die Pflege ein |
| Einsatz im Alltag | Nachschlagewerk | Arbeitssteuerung | Assistenz direkt im Bearbeitungsschritt |
Das Ticketsystem bleibt dabei das führende System für Status, Verantwortlichkeit, SLA und Kommunikation. Das Company Brain bildet eine zusätzliche Wissens- und Kontextebene. Es kann passende Lösungswege vorschlagen, ähnliche Fälle anzeigen, relevante Vertragsinformationen bereitstellen oder auf fehlende Angaben hinweisen.
Damit entsteht keine weitere isolierte Anwendung. Richtig umgesetzt verbindet das Wissenssystem vorhandene Systeme und macht deren Inhalte im Arbeitsablauf nutzbar.
Wie greift ein Wissenssystem in den laufenden Supportprozess ein?
Der Nutzen zeigt sich am besten an einem typischen Servicefall. Ein Kunde meldet, dass eine Anlage nach einem Austausch nicht mehr wie erwartet startet. Die Meldung erreicht den Support per E-Mail und wird als Ticket erfasst.
Ohne Wissenssystem beginnt der Mitarbeiter mit der manuellen Recherche. Er sucht den Auftrag im ERP, prüft die Kundenakte im CRM, öffnet technische Unterlagen, liest ältere Tickets und fragt gegebenenfalls den zuständigen Servicetechniker. Erst danach kann er beurteilen, ob es sich um einen bekannten Zustand, einen Bedienfehler, eine fehlerhafte Konfiguration oder einen neuen Defekt handelt.
Ein Company Brain erkennt aus der Anfrage das betroffene Produkt, den Kunden und das Fehlerbild. Es stellt die zuletzt verbaute Komponente, den Wartungsverlauf, vergleichbare Fälle, freigegebene Prüfschritte und mögliche Eskalationswege zusammen. Der Mitarbeiter erhält keine beliebige Textantwort, sondern einen Arbeitskontext, den er fachlich prüfen und für die weitere Bearbeitung verwenden kann.
Besonders wertvoll ist dabei die Verbindung von strukturierten und unstrukturierten Informationen. Artikelnummern, Vertragsarten oder Ticketstatus sind strukturiert. E-Mails, Gesprächsnotizen, Einsatzberichte und Freitextkommentare sind es häufig nicht. Erst wenn beide Informationsarten gemeinsam ausgewertet werden, entsteht ein brauchbares Bild des Kundenfalls.
Welche Informationen gehören in ein Support-Company-Brain?
Ein wirkungsvolles Wissenssystem beginnt nicht mit dem Import aller verfügbaren Dateien. Es beginnt mit den Fragen, die im Support regelmäßig gestellt werden. Daraus ergibt sich, welche Datenquellen und Wissensarten tatsächlich benötigt werden.
Zum Kern gehören Produktbeschreibungen, Bedienungs- und Wartungsunterlagen, bekannte Fehlerbilder, freigegebene Lösungswege, Ersatzteilinformationen, Vertragsbedingungen und Eskalationsregeln. Hinzu kommen Kundendaten, installierte Produkte, frühere Servicefälle, individuelle Vereinbarungen sowie Erfahrungswerte aus Innen- und Außendienst.
Auch negative Erkenntnisse sind wertvoll. Ein dokumentierter Lösungsversuch, der bei einer bestimmten Konfiguration nicht funktioniert hat, verhindert unnötige Wiederholungen. Gleiches gilt für typische Fehldiagnosen, häufig fehlende Kundendaten oder Fälle, bei denen eine scheinbar einfache Maßnahme später zu Folgeschäden geführt hat.
Aus der Praxis zeigt sich, dass besonders kurze, fallnahe Wissenseinheiten gut genutzt werden. Ein umfangreiches Handbuch bleibt wichtig, beantwortet aber nicht immer die konkrete Frage eines Mitarbeiters. Ein strukturierter Lösungseintrag mit Symptomen, Geltungsbereich, Prüfschritten, Ausschlusskriterien und Eskalationshinweis lässt sich dagegen direkt im Ticket verwenden.
Warum erwarten Kunden einen vollständigen Fallkontext?
Kunden unterscheiden nicht zwischen Vertrieb, Innendienst, technischem Support und Buchhaltung. Aus ihrer Sicht sprechen sie mit demselben Unternehmen. Sie erwarten deshalb, dass bekannte Informationen nicht bei jedem Kontakt erneut abgefragt werden.
Nach den von Zendesk veröffentlichten Kundendienstdaten erwarten 70 Prozent der Kunden, dass die jeweilige Kontaktperson den vollständigen Kontext ihrer Situation kennt.
Für mittelständische Anbieter ist diese Erwartung anspruchsvoll, weil Kundenbeziehungen häufig über Jahre gewachsen sind. Sonderkonditionen, technische Umbauten, frühere Kulanzentscheidungen oder informelle Absprachen verteilen sich über viele Vorgänge. Verlassen diese Informationen nie das persönliche Postfach eines Mitarbeiters, kann das Unternehmen sie in späteren Situationen nicht zuverlässig nutzen.
Ein Company Brain stellt den Kontext nicht nur für eine schnellere Antwort bereit. Es verhindert auch, dass verschiedene Mitarbeiter gegensätzliche Aussagen treffen, bereits ausgeschlossene Maßnahmen erneut empfehlen oder einen Kunden trotz bekannter Vorgeschichte wie einen unbekannten Erstkontakt behandeln.
Wie verändert sich die Arbeit der Supportmitarbeiter?
Ein Wissenssystem nimmt dem Support nicht die fachliche Verantwortung ab. Es verschiebt den Schwerpunkt der Tätigkeit. Statt einen großen Teil der Bearbeitungszeit für Informationssuche und interne Rückfragen aufzuwenden, können Mitarbeiter den Fall früher bewerten, geeignete Maßnahmen auswählen und mit dem Kunden eine belastbare Lösung abstimmen.
Das ist besonders für weniger erfahrene Kollegen wichtig. Sie müssen nicht jedes Produktdetail auswendig kennen oder bei jeder Abweichung einen Senior-Mitarbeiter unterbrechen. Das System kann ihnen vergleichbare Fälle, freigegebene Arbeitsschritte und relevante Einschränkungen bereitstellen. Die endgültige Entscheidung verbleibt dennoch beim zuständigen Mitarbeiter, insbesondere bei sicherheitskritischen, finanziell bedeutenden oder vertraglich sensiblen Vorgängen.
Erfahrene Spezialisten profitieren ebenfalls. Ihr Wissen wird nicht mehr ausschließlich durch spontane Rückfragen abgerufen. Sie können ihre Erfahrung in wiederverwendbare Lösungsbausteine, Prüflogiken und Eskalationsregeln überführen. Dadurch bleibt ihr Beitrag im Unternehmen nutzbar, ohne dass sie jeden Standardfall persönlich begleiten müssen.
Gleichzeitig verändert sich die Rolle der Dokumentation. Ein gelöster Fall ist nicht mehr nur abgeschlossen. Er wird darauf geprüft, ob daraus neues Wissen entstanden ist, ein vorhandener Eintrag ergänzt werden sollte oder ein wiederkehrendes Problem auf eine Schwäche im Produkt oder Prozess hinweist.
Welche Anwendungsfälle liefern im Mittelstand besonders schnell Nutzen?
Ein naheliegender Anwendungsfall ist die Unterstützung bei wiederkehrenden technischen Störungen. Das Wissenssystem verknüpft die Beschreibung des Kunden mit bekannten Fehlerbildern, betroffenen Produktvarianten und bereits erfolgreichen Lösungswegen. Dadurch kann der Servicemitarbeiter früher entscheiden, ob eine telefonische Anleitung ausreicht oder ein Vor-Ort-Einsatz notwendig ist.
Ein weiterer Anwendungsfall betrifft Reklamationen und Gewährleistung. Hier müssen Bestelldaten, Lieferumfang, Vertragsbedingungen, frühere Beanstandungen, Fotos und technische Bewertungen zusammengeführt werden. Ein Company Brain kann diese Informationen fallbezogen bereitstellen und darauf hinweisen, welche Unterlagen für die weitere Prüfung noch fehlen.
Auch Ersatzteil- und Zubehöranfragen eignen sich gut. Kunden kennen häufig nicht die exakte Artikelnummer, sondern beschreiben eine Komponente anhand ihrer Funktion oder eines Fotos. Das Wissenssystem kann technische Dokumentation, Stücklisten, frühere Bestellungen und Produktnachfolger verbinden, bevor ein Mitarbeiter die Empfehlung prüft.
Im Software- und IT-Support liegt der Nutzen oft bei bekannten Störungen, Konfigurationsabweichungen und versionsabhängigen Lösungen. Statt einen allgemeinen Artikel anzuzeigen, kann das System berücksichtigen, welche Version, Schnittstelle oder Betriebsumgebung beim Kunden tatsächlich vorhanden ist.
Warum scheitert Self-Service häufig an der Wissensbasis?
Viele Unternehmen richten ein Kundenportal oder einen Chatbot ein und erwarten, dass dadurch sofort weniger Tickets entstehen. In der Praxis verlagert sich das Problem jedoch häufig nur auf einen neuen Kanal. Sind die hinterlegten Informationen unvollständig, veraltet oder schlecht auffindbar, erhält der Kunde keine brauchbare Lösung und kontaktiert anschließend doch den Support.
Der Aufwand auf Kundenseite ist bereits heute erheblich. In einer Untersuchung von Coveo berichteten 84 Prozent der befragten Kunden von mittlerem oder hohem Aufwand bei der Suche nach Informationen oder Unterstützung. 53 Prozent nannten Schwierigkeiten bei der Suche als größte Frustration im Self-Service.
Self-Service funktioniert deshalb nicht allein durch eine Suchmaske oder einen Chatbot. Er benötigt geprüfte Inhalte, verständliche Lösungswege, eine geeignete Suchlogik und einen einfachen Übergang zum persönlichen Support. Erkennt das System, dass ein Fall individuell, sicherheitsrelevant oder nicht ausreichend dokumentiert ist, muss es die Anfrage mit dem bereits erfassten Kontext an einen Mitarbeiter übergeben.
Ein gutes Wissenssystem verhindert damit nicht jeden Kontakt. Es sorgt dafür, dass einfache Anliegen selbstständig gelöst werden können und komplexe Fälle mit besseren Vorinformationen beim Support eintreffen.
Was läuft bei der Einführung üblicherweise falsch?
Ein häufiger Fehler besteht darin, sämtliche Dateien, E-Mails und Ticketverläufe ungeprüft in ein neues System zu übertragen. Dadurch wächst zwar die Datenmenge, aber nicht automatisch der Nutzen. Doppelte Dokumente, widersprüchliche Aussagen, veraltete Preislisten und nicht mehr gültige Anweisungen erscheinen dann gleichberechtigt neben freigegebenen Informationen.
Ebenso problematisch ist eine Einführung, die ausschließlich als IT-Projekt behandelt wird. Technische Anbindungen sind notwendig, beantworten aber nicht, welche Quelle bei einem Widerspruch maßgeblich ist, wer einen Lösungseintrag freigibt oder wann ein Dokument aus dem Bestand entfernt werden muss. Diese Entscheidungen benötigen fachliche Verantwortliche aus Support, Produktmanagement, Service und gegebenenfalls Vertrieb.
Auch eine zu frühe Automatisierung kann scheitern. Wenn ein Unternehmen noch keine belastbaren Kategorien, Eskalationswege oder Freigaberegeln besitzt, automatisiert es mitunter einen uneinheitlichen Prozess. Das Ergebnis sind schnell erzeugte, aber fachlich unzuverlässige Antworten.
Ein weiterer Fehler ist die Trennung von Wissenspflege und Fallbearbeitung. Muss ein Mitarbeiter nach Abschluss eines Tickets ein zusätzliches Redaktionssystem öffnen und umfangreiche Formulare ausfüllen, wird die Pflege im Tagesgeschäft häufig verschoben. Erfolgreicher ist ein Ansatz, bei dem Wissen während der Bearbeitung gesucht, ergänzt, bewertet und wiederverwendet wird.
Wie bleibt das Wissen fachlich belastbar und aktuell?
Wissen benötigt einen Lebenszyklus. Jeder relevante Eintrag sollte einen fachlichen Eigentümer, einen Geltungsbereich, einen Bearbeitungsstatus und einen nachvollziehbaren Aktualisierungsstand besitzen. Das gilt besonders für technische Anweisungen, Vertragsauskünfte, sicherheitsrelevante Informationen und Aussagen mit finanziellen Folgen.
Nicht jeder Inhalt benötigt dieselbe Freigabe. Eine interne Arbeitshypothese kann für erfahrene Spezialisten nützlich sein, darf aber nicht automatisch als Kundenantwort erscheinen. Ein geprüfter Standardprozess kann breiter eingesetzt werden. Das Berechtigungskonzept muss diese Unterschiede abbilden.
Wertvoll sind außerdem Rückmeldungen aus der Nutzung. Wenn Mitarbeiter einen Wissenseintrag häufig öffnen, aber selten verwenden, kann die Beschreibung unpassend oder der Inhalt überholt sein. Werden bestimmte Lösungen regelmäßig ergänzt, sollte daraus eine neue Version entstehen. Häufen sich Fälle ohne passende Treffer, zeigt das eine Wissenslücke.
Auch Quellenangaben sind wichtig. Ein Mitarbeiter sollte erkennen können, ob eine Aussage aus einer freigegebenen technischen Dokumentation, einem früheren Ticket, einer Vertragsregel oder einer persönlichen Notiz stammt. Das erleichtert die fachliche Bewertung und verhindert, dass Vermutungen wie verbindliche Vorgaben behandelt werden.
Wie werden Datenschutz und Zugriffsrechte berücksichtigt?
Ein Company Brain darf nicht bedeuten, dass jeder Mitarbeiter Zugriff auf sämtliche Kundeninformationen erhält. Die Berechtigungen sollten sich an Rollen, Zuständigkeiten, Mandanten, Standorten und Datenarten orientieren. Ein Servicemitarbeiter benötigt möglicherweise technische Historien, aber keine vollständigen Zahlungsdaten. Ein externer Partner darf nur die Informationen sehen, die für seinen Einsatz notwendig sind.
Personenbezogene Daten, vertrauliche Vertragsinhalte und Kommunikationsverläufe benötigen definierte Aufbewahrungs- und Löschregeln. Bei der Anbindung von E-Mail-Postfächern sollte geprüft werden, welche Nachrichten tatsächlich für den Support relevant sind und welche Inhalte nicht in die Wissensbasis übernommen werden dürfen.
Zusätzlich sollte dokumentiert werden, welche Quellen das System verwendet, welche Antwort ein Mitarbeiter übernommen oder verändert hat und welche Version eines Wissenseintrags zum jeweiligen Zeitpunkt galt. Solche Protokolle unterstützen nicht nur Datenschutz und Compliance, sondern auch die spätere Analyse von Fehlentscheidungen.
Welche Kennzahlen zeigen den wirtschaftlichen Nutzen?
Der Erfolg eines Wissenssystems lässt sich nicht allein an der Zahl gespeicherter Artikel messen. Eine große Wissensbasis kann trotzdem wenig Wirkung entfalten, wenn sie im Arbeitsablauf nicht genutzt wird.
Aussagekräftiger sind operative Kennzahlen wie Erstlösungsquote, durchschnittliche Lösungszeit, Wiedereröffnungsquote, Eskalationsquote, Zahl der internen Weiterleitungen und Suchaufwand je Fall. Hinzu kommen die Nutzung empfohlener Wissenseinträge, der Anteil erfolgreich gelöster Self-Service-Anfragen sowie die Zeit bis zur produktiven Mitarbeit neuer Kollegen.
Auch qualitative Beobachtungen sind relevant. Wiederholen Kunden ihre Vorgeschichte seltener? Erhalten sie über verschiedene Kanäle vergleichbare Aussagen? Müssen Spezialisten weniger Standardfragen beantworten? Werden aus häufigen Supportfällen Verbesserungen für Produkt, Anleitung oder Auftragsabwicklung abgeleitet?
Die Einführung künstlicher Intelligenz allein ist dabei noch kein Beleg für Reife. Im Customer Service Transformation Report von Intercom gaben nur 10 Prozent der Befragten an, KI bereits vollständig in den Supportbetrieb integriert und skaliert zu haben. Entscheidend ist daher nicht, ob ein Unternehmen eine KI-Funktion aktiviert hat, sondern ob Wissen, Prozesse und Verantwortlichkeiten zusammenwirken.
Den richtigen KI-Bedarf im Unternehmen erkennen
Die KI-Bedarfsermittlung zeigt, wo KI in Ihrem Unternehmen sinnvoll eingesetzt werden kann, welche Prozesse geeignet sind und welche nächsten Schritte realistisch umsetzbar sind.
Strukturiert analysiert · Praxisnah bewertet · Made in Germany
Wie gelingt der Einstieg ohne überdimensioniertes Projekt?
Ein sinnvoller Einstieg beginnt mit einem begrenzten, häufig auftretenden Fallbereich. Geeignet sind beispielsweise wiederkehrende technische Störungen, Ersatzteilanfragen, Reklamationen oder Fragen zu einer bestimmten Produktgruppe. Für diesen Bereich werden die wichtigsten Informationsquellen, beteiligten Rollen und typischen Bearbeitungsschritte erfasst.
Danach sollte untersucht werden, wo Mitarbeiter heute Zeit verlieren. Welche Informationen müssen sie regelmäßig in mehreren Systemen suchen? Welche Fragen werden an dieselben Experten weitergegeben? Welche Antworten unterscheiden sich je nach Bearbeiter? Welche gelösten Fälle wären für andere Kollegen wertvoll?
Auf dieser Grundlage entsteht ein erster Wissensbestand aus realen Supportfällen. Dieser wird mit den vorhandenen Kunden-, Produkt- und Vertragsinformationen verbunden und direkt im Arbeitsablauf getestet. Rückmeldungen der Mitarbeiter zeigen, welche Inhalte fehlen, welche Treffer nicht passen und welche Freigaben benötigt werden.
Erst wenn dieser begrenzte Anwendungsfall im Tagesgeschäft funktioniert, sollte das System auf weitere Produkte, Teams und Kanäle ausgeweitet werden. So entsteht ein Company Brain nicht als einmaliges Dokumentationsprojekt, sondern als lernende Arbeitsgrundlage für den Kundenservice.
KrambergAI (https://krambergai.com/) unterstützt mittelständische Unternehmen dabei, vorhandene Wissensquellen, Supportprozesse und Kundenkontexte zu einem praxistauglichen Company Brain zu verbinden. Im Mittelpunkt stehen dabei nicht möglichst viele Funktionen, sondern konkrete Entlastung im Servicealltag, nachvollziehbare Zuständigkeiten und eine Architektur, die mit den Anforderungen des Unternehmens wachsen kann.
Interessante Links
- Consortium for Service Innovation: KCS-v6-Praxisleitfaden für wissenszentrierten Service
https://library.serviceinnovation.org/KCS/KCS_v6/KCS_v6_Practices_Guide - International Organization for Standardization: ISO/DIS 30401 – Anforderungen an Wissensmanagementsysteme
https://www.iso.org/standard/89436.html - Atlassian: Bewährte Vorgehensweisen für Self-Service-Wissensdatenbanken
https://www.atlassian.com/itsm/knowledge-management/self-service-success
Quellen der verwendeten Kennzahlen
- Zendesk: 92 Customer Service Statistics You Need to Know in 2026
https://www.zendesk.com/blog/customer-service/satisfaction/customer-service-statistics/ - Coveo: CX Relevance Report Reveals 84% of Customers Struggle to Get Relevant Help
https://ir.coveo.com/en/news-events/press-releases/detail/430/coveo-cx-relevance-report-reveals-84-of-customers-struggle - Intercom: 2026 Customer Service Transformation Report
https://www.intercom.com/customer-transformation-report
FAQ
Was ist ein Wissenssystem im Kundensupport?
Ein Wissenssystem verbindet Produktinformationen, Kundenhistorien, gelöste Fälle, Prozessregeln und Erfahrungswissen. Mitarbeiter erhalten dadurch passende Informationen direkt im jeweiligen Supportvorgang. Anders als eine reine Dateiablage berücksichtigt das System den Zusammenhang einer Anfrage, etwa den Kunden, das betroffene Produkt, den Vertrag, frühere Störungen und bereits durchgeführte Maßnahmen.
Worin unterscheidet sich ein Company Brain von einer Wissensdatenbank?
Eine Wissensdatenbank speichert vor allem Artikel und Dokumente. Ein Company Brain verbindet zusätzlich Inhalte aus Tickets, CRM, ERP, E-Mails, Serviceberichten und weiteren Systemen. Es stellt Wissen fallbezogen bereit, berücksichtigt Berechtigungen und kann ähnliche Vorgänge auffinden. Dadurch wird vorhandenes Wissen nicht nur archiviert, sondern unmittelbar im Arbeitsprozess nutzbar.
Ersetzt ein Wissenssystem das vorhandene Ticketsystem?
In der Regel nicht. Das Ticketsystem bleibt für Eingang, Status, SLA, Zuständigkeit, Kommunikation und Abschluss einer Anfrage verantwortlich. Das Wissenssystem ergänzt es um relevante Kunden-, Produkt- und Lösungskontexte. Mitarbeiter bearbeiten den Fall weiterhin im gewohnten System, erhalten dort jedoch zusätzliche Informationen, Prüfschritte und Hinweise aus anderen freigegebenen Quellen.
Welche Datenquellen sollten zuerst angebunden werden?
Priorität haben Quellen, die für häufige Supportfälle benötigt werden. Dazu gehören meist gelöste Tickets, Produktdokumentationen, Kunden- und Vertragsdaten, bekannte Fehlerbilder sowie Wartungs- oder Einsatzberichte. Nicht jede Datei muss sofort eingebunden werden. Ein begrenzter Bestand mit hoher fachlicher Relevanz liefert häufig schneller Nutzen als ein unkontrollierter Import sämtlicher Unternehmensdaten.
Wie schützt ein Company Brain vertrauliche Kundendaten?
Der Zugriff wird anhand von Rollen, Zuständigkeiten, Datenarten und organisatorischen Einheiten gesteuert. Zusätzlich benötigt das System Aufbewahrungsregeln, Löschprozesse, Protokollierung und eine Trennung zwischen internen sowie kundenfähigen Informationen. Mitarbeiter sollten nur die Inhalte sehen, die sie für den jeweiligen Vorgang benötigen. Besonders sensible Daten dürfen nicht pauschal in Suchergebnisse oder Antwortvorschläge einfließen.
Wie werden veraltete oder falsche Antworten vermieden?
Wissenseinträge benötigen fachliche Eigentümer, Versionsstände, Freigabestatus und Überprüfungstermine. Das System sollte außerdem anzeigen, aus welcher Quelle eine Aussage stammt. Rückmeldungen aus gelösten Fällen helfen dabei, ungeeignete Inhalte zu erkennen. Kritische Antworten sollten weiterhin von einem zuständigen Mitarbeiter geprüft werden, bevor sie an Kunden gesendet oder als verbindliche Anweisung verwendet werden.
Für welche mittelständischen Unternehmen lohnt sich ein Wissenssystem?
Besonders sinnvoll ist es für Unternehmen mit erklärungsbedürftigen Produkten, technischen Dienstleistungen, wiederkehrenden Supportfällen oder starkem Erfahrungswissen einzelner Mitarbeiter. Dazu gehören Maschinenbau, technischer Handel, Softwareanbieter, Handwerks- und Serviceunternehmen sowie Betreiber komplexer Anlagen. Der Nutzen steigt, wenn Informationen heute über mehrere Systeme, Standorte oder Abteilungen verteilt sind.
Wie unterstützt ein Wissenssystem die Einarbeitung neuer Mitarbeiter?
Neue Mitarbeiter können auf dokumentierte Lösungswege, ähnliche Fälle, Produktinformationen und Eskalationsregeln zugreifen. Sie sind dadurch weniger auf spontane Rückfragen bei erfahrenen Kollegen angewiesen. Gleichzeitig lernen sie anhand realer Vorgänge, welche Informationen für eine Entscheidung relevant sind. Das ersetzt keine fachliche Schulung, verkürzt jedoch den Weg zur selbstständigen Bearbeitung typischer Kundenanfragen.
Kann ein Company Brain auch den Kunden-Self-Service verbessern?
Ja. Geprüfte Wissensinhalte können über ein Kundenportal, eine Suche oder einen digitalen Assistenten bereitgestellt werden. Das System sollte dabei nur Informationen ausspielen, die für externe Nutzer freigegeben sind. Kann eine Anfrage nicht zuverlässig beantwortet werden, sollte sie samt bisherigem Kontext an einen Mitarbeiter übergeben werden, ohne dass der Kunde seine Angaben erneut eingeben muss.
Wie lässt sich der Erfolg eines Wissenssystems messen?
Geeignete Kennzahlen sind Lösungszeit, Erstlösungsquote, Eskalationen, interne Weiterleitungen, wiedereröffnete Tickets und der Suchaufwand der Mitarbeiter. Zusätzlich sollte geprüft werden, wie häufig vorgeschlagene Wissensinhalte tatsächlich verwendet werden und ob Self-Service-Anfragen erfolgreich enden. Auch weniger Rückfragen an Spezialisten und eine schnellere Einarbeitung neuer Kollegen zeigen einen wirtschaftlichen Effekt.
