Die erste Welle der KI-Integration in Plattformen für Customer Communications Management (CCM) und Customer Experience Management (CXM) konzentrierte sich auf generative Funktionen: Inhaltsvorschläge, Vorlagenentwürfe, Übersetzungsunterstützung und automatische Zusammenfassungen. Die meisten Anbieter bieten diese Funktionen heute an. Sie sind zu Mindestanforderungen geworden, nicht zu Alleinstellungsmerkmalen.
Die relevanteren Entwicklungen sind die Fähigkeiten, die große Unternehmen in regulierten Branchen von Anbietern zunehmend einfordern. Sie operieren auf einer anderen Ebene: der Agentic AI.
Generative KI vs. Agentic AI: Der entscheidende Unterschied
Der Unterschied bei Agentic AI vs. Generative AI betrifft nicht die Leistungsstärke beider Systeme, sondern die Art der Aufgaben, die sie erfüllen können.
Eine generative KI-Funktion erzeugt als Reaktion auf eine einzige Anweisung ein Dokument, einen Absatz oder eine Vorlagenvariante. Sie erfüllt eine einzelne Aufgabe und hält dann an.
Eine Agentic-AI-Fähigkeit erhält ein übergeordnetes Ziel: keinen einzelnen auszuführenden Vorgang. Dieses Ziel kann zum Beispiel die Migration eines gesamten Vorlagenkatalogs von einer Legacy-Plattform sein oder die Identifizierung der Ursachen, warum ein bestimmter Kommunikationsprozess bei Zehntausenden von Kundendatensätzen scheitert.
Ausgehend von diesem Ziel erstellt ein Agentic-AI-System eine geordnete Abfolge von Operationen, führt diese über mehrere Plattformkomponenten hinweg aus und erstattet Bericht über das Ergebnis. Und das innerhalb klar definierter Governance-Grenzen, die festlegen, welche Operationen der Agent autonom ausführen darf und welche die Genehmigung einer Person erfordern.
Warum dieser Unterschied bei der Plattformauswahl zählt
Für Organisationen in regulierten Branchen ist autonomes Handeln kein Wert an sich. Es wird erst dann wertvoll, wenn es mit überprüfbarer Aufsicht verknüpft ist. Die eigentliche Bewertungsfrage für fortschrittliche Plattformen lautet: Können sie handeln und über ihr Handeln Rechenschaft ablegen, und ist diese Rechenschaftspflicht in die Plattformarchitektur eingebaut und nicht nachträglich ergänzt worden?
Wo Agentic AI konkreten Mehrwert schafft
Die am unmittelbarsten einsetzbare agentische Fähigkeit betrifft das Template-Design und die Konfiguration von Kommunikationsprozessen. In herkömmlicher Customer Communication Management Software ist die Vorlagenerstellung eine Aufgabe für Spezialisten. Sie erfordert die Beherrschung zweier Elemente: der Sprache, mit der die Plattform Dokumente erstellt, sowie der Regeln, die jedes Dokumentfeld dem entsprechenden Datensatz aus den Unternehmenssystemen zuordnen, etwa Kundenname, Rechnungsbetrag oder Fälligkeitsdatum. Ohne diese Kompetenzen ist die Erstellung einer funktionsfähigen Vorlage nicht möglich.
Daraus entsteht ein Engpass. Jede regulatorische Aktualisierung, jede Produktänderung, jede Kampagne, die eine neue Vorlage benötigt, muss von einer kleinen Gruppe technischer Spezialisten bearbeitet werden. Die Verzögerungen und Kosten sind eine direkte Folge.
Von der Beschreibung in Alltagssprache zur produktionsreifen Vorlage
Agentische Tools reduzieren die Abhängigkeit vom Fachpersonal. Ein nicht spezialisierter Nutzer kann Zweck, Aufbau und benötigte Datenfelder einer Vorlage in einfacher Sprache beschreiben. Der Agent verarbeitet diese Beschreibung und erstellt einen Vorlagenvorschlag, den ein menschlicher Mitarbeitender prüfen und freigeben muss, bevor das System die endgültige, produktionsreife Version erzeugt.
Dieselbe Logik gilt für die Gestaltung von Kommunikationsprozessen: Ein Nutzer beschreibt das Prozessziel in einfacher Sprache und erhält vom Agenten einen Ablaufvorschlag, den er vor der Aktivierung genehmigt.
Multi-Agenten-Orchestrierung und die Rolle des Koordinators
Eine CCM-Plattform, die in Unternehmensgrößenordnungen arbeitet, kann sich nicht auf einen einzigen Agenten stützen. Der funktionale Umfang einer modernen Plattform deckt Vorlagen, Daten, Prozesse, Kanäle, Kundenanalysen und normkonforme Archivierung ab. Dieser Umfang ist zu breit, als dass ein einziges System ihn konsistent über alle Domänen hinweg abdecken könnte. Die architektonische Lösung besteht darin, die Arbeit auf mehrere spezialisierte Agenten zu verteilen, die jeweils für ihren Bereich zuständig sind und von einer zentralen Komponente koordiniert werden, die eingehende Anfragen entgegennimmt und an den zuständigen Agenten weiterleitet.
Diese Koordinationsschicht ermöglicht es, Operationen, die mehrere Domänen übergreifen, wie eine einzige überwachte Abfolge zu verwalten. Sie bietet außerdem einen kontrollierten Zugangspunkt für alle KI-Operationen: einheitliche Aktivitätsprotokollierung, konsequente Durchsetzung von Berechtigungen und menschliche Kontrolle über alle Agenten-Aktionen.
Für IT-Governance-Teams ist die Architektur der KI-Agenten-Koordinationsschicht ein substanzielles Auswahlkriterium. Plattformen, die KI als eine Reihe voneinander getrennter Funktionen ohne gemeinsame Koordinationsschicht präsentieren, erzeugen Fragmentierung und blinde Flecken.
Prädiktive Intelligenz: Vor der Kommunikation, nicht danach
Die markantesten Fähigkeiten fortschrittlicher Plattformen sind prädiktiver Natur. Sie operieren auf der Basis der Kommunikationshistorie und der Kundeninteraktionen, um aufzuzeigen, was kommuniziert werden soll, an wen, über welchen Kanal und wann, anstatt lediglich eine bereits getroffene Entscheidung zu formulieren.
Drei Kategorien prädiktiver Intelligenz sind für große Unternehmen in regulierten Branchen besonders relevant:
- Anomalieerkennung in Daten und Abrechnung: identifiziert Fehler und Inkonsistenzen vor dem Versand.
- Engagement-Scoring über alle Kanäle: verfolgt, wie häufig ein Kunde Kommunikation über verschiedene Kanäle öffnet, liest und darauf reagiert. Dieser laufend aktualisierte Wert ermöglicht es der Plattform, die digitale Kanalpräferenz des Kunden vorherzusagen und das Abwanderungsrisiko präziser zu beurteilen.
- Churn-Vorhersage: basiert auf der Analyse der historischen Daten jedes Kunden. Mit diesem Signal kann die Organisation Kundenbindungsmaßnahmen einleiten, bevor die Abwanderung tatsächlich eintritt.
In Umgebungen mit hohem Vertragsvolumen wie Versorgungsunternehmen, Telekommunikation und Versicherung ist der wirtschaftliche Wert dieser Modelle messbar: Er zeigt sich direkt in den Verlängerungsquoten.
Was der AI Act von Agentic AI verlangt
Der EU AI Act klassifiziert KI-Systeme nach Risikoniveau. Für CCM-Plattformen fallen typische Einsatzbereiche von Agentic AI in die Kategorie mit begrenztem Risiko: die Personalisierung von Finanzkommunikation, die Automatisierung von Versicherungsverlängerungsdokumenten und die kanalspezifische Auswahl für wesentliche regulatorische Mitteilungen. Diese Kategorie ist mit expliziten Anforderungen an Transparenz und Aufsicht verbunden.
Ergebnisse müssen überprüfbar sein. Die Entscheidungslogik muss dokumentiert und einsehbar sein. Mechanismen zur menschlichen Intervention müssen effektiv aktiv sein, nicht nur nominal vorhanden. Und die gesamte Verarbeitung muss innerhalb der europäischen Gerichtsbarkeit bleiben. Ohne diese Infrastruktur erfüllt die Plattform die Anforderungen nicht.
Governance und Bewertungskriterien
KI-Fähigkeiten sollten nicht allein nach funktionaler Leistung bewertet werden. Die Governance-Architektur, die sie trägt, ist gleichermaßen entscheidend. In der Praxis lässt sich die Bewertung auf einige nicht verhandelbare Anforderungen reduzieren.
Ergebnisse von Agentic AI müssen überprüfbar und die Entscheidungslogik dokumentiert und einsehbar sein. Human-in-the-Loop-Kontrollmechanismen müssen durch die Plattformarchitektur selbst erzwungen werden, nicht allein davon abhängen, wie Nutzer in der Handhabung geschult wurden. Die Datenverarbeitung muss innerhalb der Grenzen der Europäischen Union bleiben. Und für jede durch KI generierte oder beeinflusste Kommunikation muss ein einseh- und abrufbarer digitaler Prüfpfad existieren, der die verwendeten Daten, die Modellversion und das angewandte Entscheidungskriterium dokumentiert.
Genau diese Anforderungen unterscheiden Plattformen, die für einen dauerhaften Betrieb in regulierten Märkten konzipiert wurden, von solchen, die KI lediglich als zusätzliche Schicht über einer bestehenden Architektur hinzugefügt haben, ohne die vom AI Act geforderte Governance-Infrastruktur zu besitzen.
FAQ
Was ist generative KI und was unterscheidet sie von Agentic AI?
Generative KI erzeugt Inhalte als Reaktion auf eine einzige Anweisung. Agentic AI erhält ein übergeordnetes Ziel, unterteilt es in eine Abfolge von Operationen und führt diese innerhalb definierter Governance-Grenzen aus.
Welche Vorteile bietet Agentic KI beim Template-Design?
Sie ermöglicht es einem nicht spezialisierten Nutzer, die Vorlage in einfacher Sprache zu beschreiben. Der Agent erstellt einen Entwurf, den ein Mitarbeitender vor der Freigabe genehmigt. Damit wird der Engpass beseitigt, der durch den Bedarf an spezifischem technischen Fachwissen entsteht.
Warum wird eine Koordinatorkomponente für mehrere KI-Agenten benötigt?
Der Umfang einer CCM-Plattform ist zu groß für einen einzigen Agenten. Eine zentrale Komponente koordiniert die spezialisierten Agenten und gewährleistet einheitliche Protokollierung, konsistente Berechtigungen und menschliche Aufsicht.
Was verlangt der AI Act von Agentic AI?
Typische Einsatzbereiche fallen in die Kategorie mit begrenztem Risiko und unterliegen Anforderungen an Transparenz und Aufsicht: überprüfbare Ergebnisse, dokumentierte Entscheidungslogik, aktive menschliche Kontrollmechanismen und eine Datenverarbeitung, die ausschließlich innerhalb der europäischen Gerichtsbarkeit stattfindet.
