Die meisten Agentforce-Pläne im Service beginnen mit einem Chatbot auf der Website. Das ist der sichtbarste Einstieg und der riskanteste. Jede falsche Antwort landet direkt beim Kunden, und bis das Team merkt, dass etwas schiefläuft, ist der Schaden da.
Es gibt einen Einstieg, bei dem die KI mit keinem Kunden spricht und trotzdem in jedem Vorgang Zeit spart: die Fallannahme. Die KI liest eingehende Anfragen, ordnet sie ein und bereitet den Case vor. Antworten schreibt weiter ein Mensch.
Warum Sie nicht mit dem Kunden-Chatbot anfangen sollten
Ein Chatbot vor dem Kunden braucht drei Dinge gleichzeitig: gute Knowledge-Artikel, eine saubere Übergabe an Menschen und das Vertrauen, dass die KI im Zweifel lieber weiterleitet als rät. Fehlt eines davon, merken es Ihre Kunden zuerst. Welche Erfahrungen es mit kundenseitigem Self-Service gibt, habe ich in Agentforce: Erfahrungen, Tipps und Best Practices beschrieben.
In der Fallannahme ist das anders. Die KI arbeitet im Hintergrund, ein Mensch sieht jedes Ergebnis, bevor der Kunde etwas davon merkt. Fehler kosten ein paar Sekunden Korrektur, keinen Kunden. Und Sie können die Automatisierung jederzeit wieder abschalten.
Bei einem Nutzfahrzeughersteller habe ich genau diesen Weg umgesetzt: eine KI-gestützte Fallannahme mit Agentforce, die eingehende Anfragen klassifiziert und dem richtigen Team zuordnet. Der Kundenkontakt blieb dabei vollständig beim Service-Team.
Der beste erste KI-Agent im Service spricht nicht mit Kunden.
Was KI in der Fallannahme konkret übernimmt
Eine eingehende E-Mail ist Freitext. Bevor jemand sie bearbeiten kann, muss jemand sie lesen, einordnen und die passenden Felder füllen. Genau diese Arbeit kann die KI übernehmen:
- Klassifizieren: Typ, Grund, Produktbereich und Priorität des Anliegens bestimmen.
- Felder vorbefüllen: Auftragsnummer, Seriennummer oder Produkt aus dem Text lesen und in die richtigen Felder schreiben.
- Zusammenfassen: Das Anliegen in zwei Sätzen festhalten, damit niemand eine lange Mail-Kette lesen muss.
- Zuordnen: Den Case an das richtige Team oder die richtige Queue geben. In Salesforce läuft das über Omni-Channel, das ohnehin Voraussetzung für Agentforce ist, siehe die fünf Altlasten in der Service Cloud.
Für das Klassifizieren gibt es in Salesforce zwei grundsätzlich verschiedene Wege:
| Einstein Case Classification | Prompt Builder mit Flow | |
|---|---|---|
| Prinzip | Lernt aus Ihren abgeschlossenen Cases | Sprachmodell ordnet nach Ihren Beschreibungen der Kategorien ein |
| Voraussetzung | Mindestens 400 geschlossene Cases der letzten sechs Monate, besser 1.000 | Klar beschriebene Kategorien, auch ohne lange Historie |
| Felder | Checkbox, Picklist, Lookup | Frei definierbar, das Ergebnis schreibt ein Flow in den Case |
| Schwachstelle | Lernt auch Ihre alten Fehler, etwa zu viel „Sonstiges“ | Nur so gut wie die Beschreibung jeder Kategorie |
Welcher Weg passt, entscheidet vor allem Ihre Historie. Wenn Ihre abgeschlossenen Cases sauber kategorisiert sind, ist das ein Schatz. Wenn nicht, lernt ein prädiktives Modell genau diese Unordnung.
Der Pilot: Umfang, Dauer, Erfolgskriterien
Ein guter Pilot ist klein genug, um in wenigen Wochen ein Ergebnis zu liefern, und groß genug, dass das Ergebnis etwas bedeutet. Diesen Zuschnitt empfehle ich:
- Ein Kanal: meist E-Mail-to-Case, weil dort der meiste Freitext ankommt.
- Ein Team oder Produktbereich: mit genug Volumen, dass sich nach zwei Wochen Muster zeigen.
- Zuerst Vorschläge, dann Automatik: Die KI schlägt vor, der Mensch bestätigt. Erst wenn die Vorschläge zuverlässig passen, speichert sie selbst.
Und drei Erfolgskriterien, die Sie vorher festlegen und danach messen:
- Trefferquote: Welcher Anteil der Vorschläge wird unverändert übernommen?
- Weiterleitungen: Wie oft wechselt ein Case das Team, bevor ihn jemand bearbeitet? Jede Weiterleitung ist verlorene Zeit.
- Zeit bis zur ersten Bearbeitung: Wie lange liegt ein neuer Case, bevor jemand ihn anfasst?
Was vorher stimmen muss
Die KI macht sichtbar, wie gut Ihre Daten sind. Drei Dinge sollten Sie vor dem Pilot prüfen:
- Case-Daten: Wie viele abgeschlossene Cases haben eine korrekte Kategorie? Wenn ein Drittel auf Sonstiges steht, fehlt der KI genau das, woraus sie lernen soll.
- Kategorien: Sind die Werte klar voneinander abgegrenzt? Zwei Kategorien, die Ihr Team selbst verwechselt, wird auch die KI verwechseln.
- Berechtigungen: Welche Felder darf die KI lesen und schreiben? Ein Agent braucht einen eigenen, eng geschnittenen Zugriff, nicht die Rechte eines Admins.
Fünf Fragen, mit denen Sie die KI-Reife Ihrer Org insgesamt einschätzen, finden Sie in Ist Ihr CRM bereit für KI?.
Wo die Grenzen liegen und wann der Mensch übernimmt
Eine gute Fallannahme weiß, wann sie nicht zuständig ist. Diese Fälle gehören ohne Umweg zu einem Menschen:
- Vorschläge mit niedriger Konfidenz. Die Schwelle legen Sie fest, nicht die KI.
- Anliegen, die es in den Trainingsdaten nicht gibt, etwa zu einem neuen Produkt.
- Beschwerden mit rechtlichem Bezug, Eskalationen und wichtige Kunden.
Auch die Kosten setzen eine Grenze, allerdings eine niedrige. Agentforce wird über Flex Credits abgerechnet: Laut Preisseite kosten 100.000 Credits 500 Euro, eine Aktion verbraucht 20 Credits, also rechnerisch zehn Cent. Ein Rechenbeispiel: 2.000 Cases im Monat mit je zwei Aktionen ergeben 4.000 Aktionen, also 80.000 Credits oder 400 Euro. Wie viele Aktionen ein Case tatsächlich braucht, zeigt erst der Pilot.
Wenn der Pilot trägt, geht es an die Einführung in weiteren Teams. Wie Sie das im Mittelstand strukturiert angehen, steht in Agentforce im Mittelstand einführen.
Häufige Fragen
Wie viele Cases braucht Einstein für die Klassifizierung?
Laut Salesforce mindestens 400 geschlossene Cases aus den letzten sechs Monaten, besser 1.000 oder mehr. Die Mindestmenge gilt auch für jedes Feld, das vorhergesagt werden soll.
Spricht die KI in der Fallannahme mit Kunden?
Nein. Sie liest und ordnet ein, die Antwort schreibt weiter Ihr Team. Genau das macht diesen Einstieg risikoarm.
Was passiert, wenn die KI falsch klassifiziert?
Im Vorschlagsmodus korrigiert Ihr Team den Wert, bevor er gespeichert wird. Diese Korrekturen sind die beste Messgröße des Pilots. Erst wenn die Trefferquote stimmt, speichert die KI selbst.
Was kostet der laufende Betrieb?
Agentforce wird über Flex Credits abgerechnet, rechnerisch rund zehn Cent pro Aktion. Bei 2.000 Cases im Monat mit je zwei Aktionen sind das etwa 400 Euro. Die tatsächliche Zahl der Aktionen pro Case zeigt der Pilot.
Wenn Sie die Fallannahme als ersten Agentforce-Use-Case prüfen wollen, mache ich mit Ihnen den Agentforce-for-Service Readiness Check. Ich prüfe Ihre Case-Daten, Kategorien und Berechtigungen und liefere einen Pilotplan mit Umfang, Erfolgskriterien und Aufwand. Vier bis fünf Personentage zum Festpreis nach Scoping, bei Umsetzung voll anrechenbar.
