Seit zwei Jahren sind sie das Hauptthema der digitalen Welt: Large Language Models (LLMs). Ob beim Beantworten von Fragen, dem Komponieren von Liedern, der Generierung von Code oder der automatisierten Textanalyse – ihre Einsatzmöglichkeiten scheinen nahezu unbegrenzt.

Doch wie grenzenlos sind LLMs wirklich? Und wo kommen sie eigentlich her?

Ein Buch mit 500 Seiten enthält etwa 250.000 Tokens

Zwei technologische Durchbrüche verhalfen in den letzten Jahren zum Erfolg. Large Language Models lesen Texte nicht wie Menschen. Damit die Technologie versteht, was wir wollen, wandelt sie die Texte in so genannte Tokens um. Tokens sind Zahlenfolgen, anhand derer das Sprachmodell Zusammenhänge erkennt und clustert. Diese Tokens können ganze Wörter, Silben oder häufige Zeichenfolgen sein.

Je nach Schriftgröße und -art enthält ein 500-seitiges Buch etwa 250.000 Tokens. Diese Umwandlungstechnik erhöht die Effizienz und macht die Verarbeitung großer Textmengen robuster – insbesondere bei unbekannten oder neuen Wörtern.

Next-Level-Sprachverarbeitung mit Transformer

Frühere Sprachmodelle waren langsam und hatten ein begrenztes Erinnerungsvermögen. Der Transformer-Ansatz, den es seit 2017 gibt, bringt zwei wesentliche Vorteile mit sich:

• Self-Attention: Der Transformer setzt jedes Wort in Beziehung zu allen anderen Wörtern im Text. Dadurch kann das Modell kontextabhängige Bedeutungen besser erfassen.
• Parallele Verarbeitung: Anstatt jedes Wort einzeln zu analysieren, verarbeitet der Transformer den gesamten Satz gleichzeitig. Das führt nicht nur zu einer schnelleren Verarbeitung langer Texte, sondern verbessert auch das Verständnis von Zusammenhängen über längere Passagen hinweg.

Woher weiß ein Large Language Modell so viel?

Ein LLM muss – ähnlich wie ein Mensch – erst „zur Schule“ gehen. Während des Pretrainings liest die KI Milliarden von Texte aus Wikipedia, Büchern, Nachrichtenseiten, Foren und Code-Datenbanken. Jede Information wird analysiert und in einen entsprechenden Kontext eingeordnet.

Über die Methode der Next-Token-Prediction gewinnt das Modell zunehmend Sicherheit in seinen Annahmen. Dabei erhält es unvollständige Sätze und soll das wahrscheinlichste nächste Wort vorhersagen. Beispielsweise wäre bei dem Satz „Die Sonne geht im Westen …“ die wahrscheinlichste Vorhersage „unter“. Je häufiger die KI diesen Prozess erfolgreich wiederholt, desto präziser werden ihre Wahrscheinlichkeitsannahmen.
Fehlannahmen werden durch einen Algorithmus namens Backpropagation korrigiert. Dieser schickt die Fehler eines LLMs rückwärts durch das Netzwerk und korrigiert die Gewichtung der Fehlaussage, um die Vorhersagequalität iterativ zu verbessen. So passt das neuronale Netz seine Vorhersagen kontinuierlich an.

Das abschließende Fine-Tuning ermöglicht es dem Modell, spezifische Anwendungsfälle abzudecken. Dadurch kann es beispielsweise unangemessene oder gefährliche Inhalte filtern, sich auf bestimmte Sprachstile einstellen oder Fachgebiete wie Medizin oder Recht professionell abdecken.

Eine weit verbreitete Methode ist das Reinforcement Learning from Human Feedback (RLHF). Hierbei bewerten Menschen verschiedene KI-Antworten und helfen dem Modell, bessere Ergebnisse zu liefern. Diese Technik wird auch genutzt, um unsere Skills während ihrer Laufzeit kontinuierlich zu verbessern.
So wächst das Wissen der LLM in kürzester Zeit exponentiell.

Die Grenzen und Herausforderungen von LLMs

Trotz ihres Fortschritts unterliegen LLMs einigen Herausforderungen und Limitierungen, die Nutzer kennen sollten:

• Halluzinationen: Da Large Language Modelle auf Wahrscheinlichkeiten und nicht auf echtem Wissen basieren, können sie falsche oder erfundene Inhalte generieren. Eine Lösung hierfür ist die Retrieval-Augmented Generation (RAG), bei der externe, verifizierte Datenquellen zur Faktenprüfung herangezogen werden.
• Vorurteile (Bias): LLMs spiegeln die gesellschaftlichen Vorurteile ihrer Trainingsdaten wider. Beispielsweise könnte ein Modell den Satz „Ein Arzt ist…“ eher mit „männlich“ als mit „kompetent“ vervollständigen. Um Bias zu reduzieren, nutzen Entwickler vielfältigere Trainingsdaten und setzen Methoden wie RLHF ein.
• Eingeschränktes Langzeitgedächtnis: Obwohl die Sprachmodelle den Kontext über lange Textpassagen erfassen können, besitzen sie kein echtes Langzeitgedächtnis. Alle Informationen einer Sitzung sind nach deren Ende verloren.
  Zwei Entwicklungen wirken dieser Schwäche entgegen:
  • Erweiterung des Kontextfensters: Es bestimmt, wie viele Tokens das Modell gleichzeitig speichern und analysieren kann.
  • Memory-Augmented LLMs: Diese speichern Nutzerdaten über mehrere Interaktionen hinweg.
• Hoher Energieverbrauch: Large Language Models sind extrem rechenintensiv. Allein die Anfragen für ChatGPT verbrauchen jährlich 226,82 Millionen kWh – das Doppelte des Energiebedarfs für Bitcoin-Mining. Forschende arbeiten bereits an effizienteren Hardware-Lösungen, um diesen Verbrauch zu senken.

Aktuelle Trends und Forschung: Die Zukunft der Large Language Modelle

Aktuell forscht man an kompakteren Modellen, die leistungsfähig und zugleich ressourcenschonend sind. Ein Beispiel ist Mistral 7B, das mit nur sieben Milliarden Parametern eine Leistung bietet, die mit GPT-3 (175 Milliarden Parameter) vergleichbar ist. Solche Entwicklungen ermöglichen das direkte Ausführen der Modelle direkt auf Smartphones oder Laptops.

Auch das Gedächtnis rückt zunehmend in den Fokus. Künftige Modelle sollen sich langfristig an Nutzer und frühere Konversationen erinnern können. Das ist ein bedeutender Schritt hin zu personalisierten KI-Assistenten.

Ein weiteres Forschungsfeld ist die Multimodalität. Neuere Modelle verarbeiten nicht nur Text, sondern auch Bilder, Videos und Audio, können diese verknüpfen und neu generieren.

Ansätze wie Tree-of-Thoughts und Chain-of-Thoughts verbessern das logische Denken der Modelle. Hierbei rückt die bloße Wahrscheinlichkeitsberechnung in den Hintergrund, während valide Informationen stärker gewichtet werden. Zudem ermöglichen Kombinationen mit Mathematik-Engines wie Wolfram Alpha präzisere Berechnungen in Wissenschaft und Technik.

Der Markt wird derzeit von Closed-Source-Modellen wie ChatGPT dominiert. Doch es zeichnet sich eine Verschiebung zu Open-Source-LLMs ab. Diese bieten mehr Transparenz und Anpassungsmöglichkeiten – bei gleichzeitig geringeren Kosten für Unternehmen und Forschende. Namen wie LLaMA 3, Mistral 7B und Falcon werden in Zukunft eine immer größere Rolle spielen.

Foto von Google DeepMind auf Unsplash

Als Unternehmen, das sich seit Jahrzehnten mit Kundenservicesoftware befasst, haben wir täglich mit dem Begriff „Kunde“ zu tun. Wir wissen, wie wir mit unseren Kunden umgehen wollen und welche Ziele diese mit ihren Kunden verfolgen.

Deshalb haben wir uns zum Ziel gesetzt, diesen Begriff detaillierter zu beleuchten und was man verstehen muss, wenn man gemeinsam vom Kunden spricht.

Wir wühlten uns durch verschiedene Lektüren, sprachen mit Experten und fragten Kundenservicemitarbeiter.

Woraus hat sich „Kunde“ entwickelt?

Laut Wikipedia kommt das Wort „Kunde“ vom althochdeutschen „kundo“, das etwa um 870 nach Christus zum ersten Mal auftaucht. Übersetzt in die heutige Sprache bedeutet das soviel wie „Einheimischer“, „Bekannter“ oder „Kundiger“. Das heißt, die Person war für den Verkäufer in gewisser Weise bekannt. Eine Eigenschaft, die auch heute noch relevant ist, wenn wir herausfinden, welche Zielgruppe wir haben.

Im kommerziellen Sinn taucht der Begriff erstmals im 16. Jahrhundert auf. Kunde ist „wer (regelmäßig) ein Geschäftsangebot wahrnimmt, einen Laden, Dienstleistungsbetrieb (wiederholt) in Anspruch nimmt“ (Pfeifer 1997, S. 744).

Wie wird Kunde definiert?

Hans Heinrich Path definierte im 20. Jahrhundert den Kunden so: „Ein Kunde ist die jeweils wichtigste Person in dem Betrieb. Er ist nicht von uns abhängig, sondern wir von ihm. Er bedeutet keine Unterbrechung unserer Arbeit, sondern ist ihr Inhalt. (…) Ein Kunde ist eine Person, die uns ihre Wünsche mitteilt. Unsere Aufgabe ist es, diese zu seiner Zufriedenheit auszuführen.“

Im Gespräch mit zwei unserer B2B-Kunden erfuhren wir eine ähnliche Definition: „Der Kunde ist eine Person, die den eigenen Lohn zahlt.“ Deshalb bieten sie die bestmögliche Kundenerfahrung an, inklusive Serviceerlebnis.

Der Kunde ist jemand, der kauft?

Einen Unterschied gibt es: Während Path den Kunden als eine Person definiert, die einen Wunsch äußert, gehen unsere Ansprechpartner weiter. Bei ihnen ist der Kunde jemand, der zahlt – den eigenen Lohn. Das heißt, hier ist der Kunde jemand, der bereits eine vertragliche Beziehung mit einem kaufrechtlichen Verhältnis eingegangen ist. Prof. Matthias Gouthier für Marketing und digitale Services von der Uni Koblenz sagt dazu: „Kauf und Nutzung einer Leistung bilden die Kernelemente des Kundenverständnisses.“

Der Kunde im eigenen Lebenszyklus

Für unsere Ansprechpartner aus dem Automotive Ersatzteilbereich haben Kunden einen hohen Wert, weshalb sie alles daran setzen, diese glücklich zu machen. Der Kundenwert kann, je nach Stadium, hoch oder niedrig sein. In diesem Lebenszyklusmodell verorten Unternehmen ihre Kunden, um sie einzuordnen und passende Maßnahmen zu ergreifen.

Nicht-Kunden sind vielleicht noch ahnungslos

Der Lebenszyklus eines Kunden beginnt beim Nicht-Kunden. Dieser hat noch keinen Kontakt zum Unternehmen. Er unterteilt sich in Kunden, die das Unternehmen noch nicht wahrgenommen haben und jene, die das Unternehmen kennen, aber noch nicht interagiert haben.

Diese Form von Kunde muss erst auf das Unternehmen, und im Zweifelsfall auch auf das Bedürfnis, das sie haben, aufmerksam gemacht werden. Mit dem Herausarbeiten einer zum Produkt passenden Zielgruppe, können sich Unternehmen dieser Kundenform sukzessive nähern.

Potenzielle Kunden stehen dem Bestandskunden sehr nahe

Potenzielle Kunden beschäftigen sich eingehender mit dem Unternehmen. Sie waren vielleicht schon auf der Website, haben auf eine Werbeanzeige reagiert oder folgen dem Unternehmen auf den Sozialen Medien. Die Wahrscheinlichkeit, dass sie kaufen, ist höher als in der vorhergehenden Gruppe. An der Stelle lohnt sich das Investment, die Kunden immer wieder auf das Unternehmen aufmerksam zu machen, bis sie ein Kaufinteresse äußern. Nach dem ersten Kauf betreten Sie den Bereich der Neukunden.

Bestandskunden gleichen einer Goldgrube, die gepflegt sein will

Hat der Kunde schon einmal bestellt, wechselt er die Sparte zu den Bestandskunden. Diese Kunden haben den höchsten Wert, der weiter wachsen kann. Je häufiger der Kunde mit dem Unternehmen agiert, desto wertvoller wird er. Sei es, wenn er erneut kauft oder Feedback gibt.

Die Interaktion mit dem Unternehmen ist eine Goldgrube und bedarf besonderer Aufmerksamkeit. Geben die Kunden über Bewertungen oder den Kundenservice Feedback, bieten sich dem Unternehmen zwei große Chancen.

1. Die Servicemitarbeitenden können den Kunden mit ihrer schnellen und individuellen Antwort begeistern. Ein begeisterter Kunde wird leicht zum Fan und macht kostenlos Werbung.
2. Feedback öffnet den Blick von außen auf das Unternehmen. Wenn diese Rückmeldungen genutzt werden, um besser zu werden, gehen sie auf die Wünsche der Kunden ein und beseitigen blinde Flecken.

In dieser Phase entscheidet sich, ob der Kunde bleibt oder geht. Deswegen ist es ratsam, die Kommunikation schnell, effizient und qualitativ hochwertig zu gestalten. Stellst Du Nachbesserungsbedarf fest, melde Dich gerne bei uns und wir schauen gemeinsam, wie wir die Prozesse für Dich und Deine Kunden mit unserer Software unterstützen können.

Verlorene Kunden haben das Interesse verloren

Ist die Kommunikation nicht gut gelaufen, sinkt der Kundenwert. Der Kunde ist enttäuscht und wendet sich ab. Er ist verloren und kommt vermutlich nie wieder zurück.

Das ist schmerzvoll und geschäftsschädigend. Der Rückholprozess ist teuer und langwierig, wenn er überhaupt funktioniert. Deswegen ist es besser, passend auf den Kunden eingehen und ihn so lange wie möglich zu begeistern.

Die Definition passt nicht immer zu jedem Unternehmen

Im Gespräch mit Andreas Schöler, Professor für Dienstleistungsmanagement, Konsumentenpsychologie und Marketing an der Hochschule für angewandtes Management, ist die Standarddefinition richtig, hat aber Tücken. Es gibt je nach Unternehmen Unterschiede. Der Grad zwischen Nicht-Kunden und potenziellen Kunden ist fließend. Auch die Frage, ab wann Kunden nicht mehr aus dem Bereich der verlorenen Kunden zurückzuholen sind, kann man nicht allgemeingültig definieren.

Deshalb ist es wichtig, sich als Unternehmen darüber klar zu sein, worauf man den Fokus legen möchte und wann man welche Grenzen zwischen den Übergängen ziehen will.

Für uns als Dienstleister im Kundenservicesektor ist das Thema ebenfalls sehr wichtig. Wenn wir unsere Kunden genau verstehen, können wir die passende Lösung bieten. Deswegen freuen wir uns immer auf Experten in diesem Gebiet, die ihre aktuellen Erkenntnisse und Forschungen mit uns teilen möchten.

Künstliche Intelligenz (AI) hat sich in der Gesellschaft zu einem geflügelten Wort entwickelt. Doch sie ist mehr als nur ein Schlagwort – sie entpuppt sich zu einer transformativen Kraft, die Branchen revolutioniert und Arbeitsweisen neu definiert. Bei targenio sind wir fest entschlossen, diesen Wandel aktiv mitzugestalten. Deshalb haben wir uns vorgenommen, interessierte Teammitglieder auf dem Weg in Richtung AI zu begleiten.

AI-Workshops: Alle zwei Wochen, freiwillig und praxisorientiert

Jeden zweiten Mittwoch nehmen wir uns freiwillig Zeit, uns mit den neuesten AI-Tools, -Trends und -Technologien auseinanderzusetzen. Diese Sessions haben wir informativ und interaktiv gestaltet. Das Ziel: Unser Team soll die Möglichkeiten von AI nicht nur theoretisch verstehen, sondern praktisch erleben und anwenden können.

Begeisterung wecken und greifbar machen

AI ist disruptiv[1] und kann auf den ersten Blick überwältigend wirken. Deshalb legen wir großen Wert darauf, AI greifbar und verständlich zu machen. In unseren Sessions zeigen wir KI-Tools, die in den Arbeitsalltag integriert werden können, und welche konkreten Vorteile dies für jeden Einzelnen und das gesamte Unternehmen mit sich bringt.

Ein zentraler Bestandteil, um das Team für Künstliche Intelligenz zu begeistern, ist der Wissenstransfer. Implizites Wissen im Unternehmen sichtbar und zugänglich zu machen, ist entscheidend.

Unsere KI-Jams bieten nicht nur eine Plattform für das Kennenlernen neuer Technologien, sondern auch Raum für Innovation. Jeder im Team hat die Möglichkeit, persönliche Interessen einzubringen und an der Lösung konkreter Probleme mitzuwirken.

Wir wollen Begeisterung im Team für Künstliche Intelligenz wecken – und das gelingt uns am besten durch praktische Beispiele und gemeinsame Erlebnisse.

Kickoff-Session und weitere Schritte

Unser Programm begann mit einem Kickoff-Workshop, in der wir alle Wünsche und Erwartungen zusammengefasst haben. Daraus haben wir einen Fahrplan entwickelt, der den Bedürfnissen und Interessen unseres Teams gerecht wird. Von der Auflistung und Nutzung der besten AI-Tools über das Erlernen von Prompting-Techniken bis hin zur Entwicklung von Prototypen – jede Session ist darauf ausgelegt, praktisches Wissen zu vermitteln und die Anwendung im Arbeitsalltag zu fördern.

Teaming with AI – Erfahrungen aus der Unconference

Ein weiterer Bestandteil unserer Workshops sind die externen Events, an denen unsere Teammitglieder bei Interesse teilnehmen können. Dabei lernen sie neue Tools kennen, die Eingang in die Session finden, um alle auf einen neuen Wissensstand zu heben. Darüber hinaus haben sie Möglichkeiten, die Erkenntnisse in ihren persönlichen Workflow einzubinden.

So zog es sechs Mitarbeiterinnen und Mitarbeiter zu einem Unconference-Event in Nürnberg. Unsere Teammitglieder teilten dabei verschiedene Erfahrungen. Beispielsweise nahm Andreas, unser UX-Designer, den ethischen Aspekt, den er kennenlernte als besonders wichtig wahr: „Im ersten Moment erscheint das Konzept „Doing evil for doing good“ in unserem Bereich eher unvorstellbar. Anhand des Beispiels der Vitaltracker wurde mir das dann aber klar. Diese wurden erstmal nur gemacht, damit sich Menschen mehr bewegen. Nun kann es aber sein, dass Krankenkassen Patienten, die eben schlechte Werte haben, ablehnen. Sowas sollten wir unbedingt in unseren Überlegungen beachten.“

Im Hinblick auf den ethischen Aspekt stimmt Nicolas, einer unserer Entwickler, die sich intensiv mit dem Aspekt KI auseinandersetzen, absolut zu. Aber auch der interdisziplinäre Austausch verschaffte ihm einen Blick über den Tellerrand, der ihm neuen Input für seine Arbeit lieferte.

Ein Fazit: Unser Engagement für die unternehmerische Zukunft

Unser Engagement für AI und kontinuierliches Lernen zeigt sich in der positiven Resonanz während der Sessions. Die Begeisterung ist spürbar. Die Bereitschaft, neue Technologien zu erkunden, ebenso. Wir sind überzeugt, dass wir durch diese Initiative nicht nur unsere Arbeitsprozesse verbessern. Wir leisten auch einen wertvollen Beitrag zur persönlichen und beruflichen Entwicklung jedes teilnehmenden Teammitglieds.

Natürlich gibt es auch Zweifel und Bedenken, die ernst genommen werden müssen. Gerade diese versuchen wir mit dem Format der Session zu beseitigen. Deshalb bleiben wir dran – für eine Zukunft, in der AI ein integrales Werkzeug unserer täglichen Arbeit werden soll. Gemeinsam wollen wir den Weg ins KI-Zeitalter gestalten und targenio fit für die Herausforderungen und Chancen von morgen machen.

---

[1] Disruptive Innovationen ersetzen häufig auf tiefgreifende Weise bestehende Technologien oder Geschäftsmodelle. Das kann unter Umständen zu eine Art „Zerstörung“ von Märkten führen.

Schon einmal ganz viel mit meiner vergangenen Woche, die im Zeichen der digitalen Assistenten stand. Denn in der Woche stellte ich fest, wie wichtig es ist, das Thema KI-Assistent voranzutreiben und ihn auf den Markt zu bringen.

Der erste Zwischenhalt meiner Rundreise durch die Republik war die wunderschöne Stadt Düsseldorf. Dort nahm ich im Namen von targenio mit meinem Kollegen Jan Schilling  am KickOff „KI im Service“ des Service Performance Centers als eines von elf Unternehmen teil.

Wir haben viel über die zukünftigen Herausforderungen im Service diskutiert. Mithilfe von KI Assistenten im Sinne von targenio lässt sich in diesem Bereich sehr viel gestalten. Ich freue mich auf die kommenden Termine und darauf, wohin uns die Reise führen wird.

Automation von Service Prozessen mithilfe von KI-Assistenten

Von Düsseldorf führte mich der Weg weiter nach Stuttgart zu einem unserer Kunden in der Automotivebranche.  

Auch hier spielt das Thema KI und Automation der Service Prozesse eine wichtige Rolle. Deshalb realisieren wir für den Kunden zeitnah einen digitalen Assistenten mit Unterstützung von künstlicher Intelligenz. Er soll die Agents bei der Bearbeitung verschiedener Anfragen unterstützen und so zu einer höheren Zufriedenheit auf beiden Seiten führen.

In unserem Büro in Nürnberg angekommen, durfte ich mit Blick auf den digitalen Assistenten die Erfahrungen der Woche in Teamgesprächen diskutieren und zur internen Weiterentwicklung einkippen.

Digitaler Assistent verhindert Punkte in Flensburg

So, und nun steht immer noch die Frage im Raum, was das mit Flensburg zu tun hat?

Ganz einfach: auf meiner Tour de Deutschland war ich so in Gedanken, dass ich meine Geschwindigkeit nicht immer 100%ig im Blick hatte, sondern nur zu 81%.

Dumm bei diesen 19% ist allerdings, dass ich dabei zweimal satt in Radarkontrollen geraten bin – und dabei mindestens einen Punkt einsammelte und mit mindestens 150 € gerne die Länder Niedersachsen und Baden-Württemberg unterstütze.

Sowas ist extrem ärgerlich. Dabei hatte ich diese Woche doch so viele gute Gedanken zum Thema digitaler Assistent. Für solche Fälle wäre es grandios, hätte ich einen Assistenten, der genau nach dem Muster handeln würde, wie unser Team ihn diese Woche bei zwei Terminen vorgestellt hat.

Wie wäre es, wenn ich einen digitalen Assistenten an meiner Seite gehabt hätte, der in solchen Momenten eingreift und mein monetäres sowie Punktekonto vor solchen Ausrutschern schützt?

Drei Schritte zum autonomen Assistenten

Ein Assistent im Sinne von tagenio wäre dazu in der Lage. Am Beispiel eines KI-Fahrassistenten sieht das so aus:

1. Manueller Modus

In der ersten Phase ist der Assistent ausschließlich im datenverarbeitenden Modus. Fahrverhalten und -gewohnheiten werden aufgezeichnet. Dazu gehört die Art und Weise, wie der Fahrer bremst, welche Geschwindigkeiten gefahren werden und wie der Fahrer mit Geschwindigkeitsbegrenzungen umgeht.

2. Kooperativer Modus

Während der zweiten Etappe macht derAssistent erste Vorschläge und übernimmt erste Aufgaben selbständig. Zum Beispiel nimmt er automatisch die vom Fahrer erlernte Geschwindigkeit in bestimmten Situationen ein. Währenddessen fragt er beim Fahrer immer wieder nach, ob die Interpretation korrekt ist.

3. Autonomer Modus

Nach einer intensiven Lernphase ist der Assistent bereit, selbst die Kontrolle zu übernehmen. Der Wagen fährt selbständig so, wie es vom Fahrer im kooperativen Modus bestätigt wurde, und hält sich gleichzeitig an die Gesetzmäßigkeiten des Verkehrs sowie an Witterungsbedingungen. Der Fahrer kann jederzeit eingreifen.

Der KI-Assistent für exzellenten Kundenservice

In meinem Beispiel formt die Orchestrierung von drei angewandten Skills den nerven- und geldbeutelschonenden #KI-Assistenten. Er benötigt die Verkehrszeichenerkennung, den Tempomat und die Erfassung der Fahrverhaltensdaten.

Das Schöne: Der Assistent lässt sich in allen Bereichen mit Kundenservicegedanken anwenden. Wir bei targenio schaffen mit unseren digitalen Assistenten zuverlässige Partner, für die unterschiedlichsten Rollen oder Personas im (Kunden-)Service.

Das Ziel ist eine höhere Kundenzufriedenheit, da die Anfragen effizient, ja teilweise sogar in Echtzeit, mit allen notwendigen Informationen beantwortet werden.

Das Ziel ist eine höhere Kundenzufriedenheit, da die Anfragen effizient, ja teilweise sogar in Echtzeit, mit allen notwendigen Informationen beantwortet werden können.

Du hast Interesse am Austausch zu dem Thema? Mach noch heute einen Termin mit mir aus!

Unser Besuch auf der IAA Mobility wirkt immer noch nach. Mit dem Blick auf die vergangenen Tage, wollen wir, mit dem Gedanken des Kundenservices im Hinterkopf, die Themen der Zukunft verknüpfen und in Korrespondenz zueinander stellen. Wirkte sich C.A.S.E. auf die IAA Mobility aus? Und wenn ja, wie?

Die IAA Mobility als Spiegel der Trends in der Automobilbranche

Auffallend war nicht nur die strategische Trennung der Bereiche B2C und B2B der Messe, womit der VDA e.V. neue Wege in München beschritten hat. Besonders beeindruckend war die starke Präsenz der chinesischen Vertreter auf der Messe. Ebenso wie ihr Selbstbewusstsein, mit dem sie sich und ihre Produkte präsentierten. Mit einer vorsichtigen Zukunftsprognose kann man jetzt schon sehen, dass die in China erfolgreichen Hersteller in fünf Jahren eine ernstzunehmende Konkurrenz für den europäischen Volumenmarkt sein werden. Die Spiele in diesem Hinblick haben also gerade erst begonnen.

Daneben hat die IAA den Megatrend Mobilität in weiten Teilen bestätigt. Der Weg der Shared Mobility scheint gerade noch nicht Fahrt aufzunehmen, wie wir beobachtet haben. Doch autonomes Fahren, Konnektivität und Elektrifizierung waren definitiv Themen, die vom Fachpublikum in verschiedenen Ebenen diskutiert und präsentiert wurden.  

Welche Veränderungen sehen wir im Bereich von C.A.S.E.?

Connectivity

Start-ups drängen mit innovativen Ideen auf den Markt und revolutionieren die Art und Weise, wie wir uns fortbewegen. Insbesondere die Integration von Apps in Autos trägt dazu bei, die Konnektivität auf ein neues Level zu heben.

Das stark wachsende Angebot an Mobilitätsoptionen ebnet den Weg für die nahtlose Mobilität der Zukunft, auch als Seamless Mobility bekannt. Immer mehr Menschen sehnen sich danach, die Komplexität ihres täglichen Pendelns zu reduzieren, das oft den Einsatz verschiedener Mobilitäts-Apps erfordert. Fragen wie „Wo ist mein nächster Geschäftstermin?“ oder „Ist die Straßenbahn schneller als mein eigenes Auto oder sollte ich lieber ein Taxi nehmen?“ gehören der Vergangenheit an. Die Notwendigkeit, mehrere Apps zur Planung einer einzigen Reise zu nutzen, wird zunehmend als unpraktisch und verwirrend empfunden.

Die Lösung dieses Problems liegt in der Bündelung verschiedener Verkehrsdienste in einem einzigen digitalen Mobilitätsangebot. Dies umfasst öffentliche Verkehrsmittel, Mitfahrgelegenheiten, Carsharing, Fahrrad- und E-Scooter-Verleih, Taxidienste, Autovermietungen und vieles mehr. Diese integrierten Lösungen eliminieren zunehmend die Barrieren zwischen den verschiedenen Angeboten und bieten eine nahtlose und bequeme Reiseerfahrung.

Als 2020 in der Zeitgeist-Studie zu Themen der Mobilität Millenials befragt wurden, drückte Tom, 31 Jahre alt, es perfekt aus: „Ich möchte ein Auto, das sich problemlos mit allen meinen digitalen Tools und Geräten synchronisiert – aber natürlich sind mir die Sicherheit meiner Daten und meine Privatsphäre extrem wichtig.“ Diese Balance zwischen Konnektivität und Datenschutz ist entscheidend, um die Zukunft der Mobilität erfolgreich zu gestalten. Die Aussage zeigt aber auch, dass sich das Thema Konnektivität weiter hält und stets voran getrieben wird.

Autonomous

Die Entwicklung in puncto Autonomität geht rasch voran. Immer mehr Fahrzeuge erhalten autonome Fähigkeiten, während die städtische Infrastruktur zunehmend digitale Features integriert. Autonomes Fahren wird zur Realität. Das zeigten zum Beispiel Unternehmen, wie Zeiss, die in Autoscheiben visuelle Assistenten einbauen, die mit künstlicher Intelligenz die Straßen evaluieren und demnach den idealen Weg durch die Straßen navigieren.
Bedenken wir, dass ein Auto im Durchschnitt nur etwa eine Stunde am Tag genutzt wird und die restlichen 23 Stunden ungenutzt verbleiben, kann sich das in einer autonomen Stadt deutlich ändern. Autonome Taxis könnten nahezu kontinuierlich im Sharing-Betrieb unterwegs sein, während sich die Insassen face-to-face unterhalten oder arbeiten könnten. Die Taxen würden nur zum Aufladen der Batterien kurzzeitig auf Ladeplattformen stoppen, wodurch sogar die Vision von Städten ohne Parkplätze Wirklichkeit werden könnte.

Zudem gewinnen autonom agierende Zustellroboter, auch Delivery-Bots genannt, immer mehr an Bedeutung. Schon heute sind Hunderte von ihnen in Nordamerika auf den Bürgersteigen unterwegs, und bald werden Tausende folgen – auch in unseren Breitengraden. Dieser Trend zur autonomen und berührungsfreien Zustellung verändert die Art und Weise, wie Waren und Lieferungen in unseren Städten transportiert werden.

VW geht beispielsweise mit seinem Techpartner Mobileye entschlossen in Richtung autonomes Fahren. Dabei ziehen bereits Cruise und Waymo in San Francisco ihre Runden und haben dabei einen beachtlichen Vorsprung von zwei Jahren. VW verfolgt dabei das Ziel, autonomes Fahren für alle zugänglich zu machen, ganz im Geiste der VW-DNA – das Auto des Volkes.

Sharing

Die Idee des Sharings in der Mobilitätsbranche hat in den letzten Jahren einen Wandel erfahren. Ursprünglich ging man davon aus, dass traditionelle Autos an Bedeutung verlieren würden und stattdessen Mobilitätsdienstleistungen im Vordergrund stehen. Diese Vorstellung hat jedoch durch die Auswirkungen von COVID-19 einen Dämpfer erhalten, da Bedenken bezüglich der Hygiene beim Sharing aufkamen.

Mercedes und BMW haben ihre Träume im Bereich Shared Mobility aus betriebswirtschaftlichen Gründen bereits zurückgestellt, da die Auslastung von Leihfahrzeugen gering war und die Betriebskosten stiegen, insbesondere wenn Manager auf Luxusfahrzeuge bestanden. Stattdessen zeichnet sich der Trend ab, dass individuelle Fortbewegungsmittel wie E-Bikes, E-Roller und Fahrräder an Bedeutung gewinnen, obwohl das Wachstum im Bereich der Mikromobilität nicht so schnell erfolgt, wie erhofft.

Die Zukunft der Mobilität könnte sich in Richtung individueller Fortbewegung mit verschiedenen Verkehrsmitteln entwickeln. Die IAA Mobility zeigte zwar Fahrradstrecken und neue Alternativen, jedoch wird der Sharing-Faktor in diesem Trend weniger betont. Möglicherweise wird der Begriff „Shared“ nicht mehr ausschließlich auf die Mobilität angewendet, sondern auch auf Shared Streets, in denen verschiedene Verkehrsmittel gleichberechtigt nebeneinander existieren. Dies könnte Radfahren, Gehen, soziale Aktivitäten, Parkplätze und lokalen Autoverkehr miteinander verbinden, um einen gemeinsamen öffentlichen Raum zu schaffen.

Electrification

Die Elektrifizierung hat auf der IAA Mobility einen regelrechten Boom erlebt, da fast alle vorgestellten Fahrzeuge auf elektrischen Antrieb setzen. Obwohl Wasserstoff auf der Messe eher eine Randnotiz war, gibt es auch Überlegungen, Elektrizität und Wasserstoff zu kombinieren.
Ein Prototyp von Gumpert namens „Nathalie“ vereint das Beste aus beiden Welten, indem er Methanol statt reinen Wasserstoff als Brennstoff verwendet.

In China glänzt die Automobilindustrie mit Elektro- und Softwarefahrzeugen, während deutsche Hersteller angesichts der langwierigen Transformation unsicher sind. BYD, einer der führenden Akteure auf, setzt dabei auf kostengünstige Teile von chinesischen Lieferanten und beeindruckte mit einem der größten Messestände auf der IAA Mobility, um die Pracht der neuen Technologien zu unterstreichen.

Kundenservice im Wandel

Die Entwicklungen im Bereich von C.A.S.E. (Connected, Autonomous, Shared, Electric) haben tiefgreifende Auswirkungen auf den Kundenservice in der Automobilindustrie. Mit der Integration von Konnektivität und digitalen Dienstleistungen in Fahrzeugen, können Kunden eine nahtlose und personalisierte Erfahrung erwarten. Dies bedeutet, dass Fahrzeuge nicht mehr nur reine Transportmittel sind, sondern auch fahrende Entertainmentzentralen mit Zugang zu einer Vielzahl von digitalen Diensten und Informationen werden – das geht von der Navigation über Unterhaltung bis hin zu sicherheitsrelevanten Funktionen.

Autonome Wartungen

Die Einführung autonomer Fahrfunktionen eröffnet neue Dimensionen für den Kundenservice. Fahrzeuge können selbstständig Wartungsbedarf erkennen und Reparaturtermine vorschlagen, die der Kunde wie selbstverständlich über das Cockpit im Wagen vereinbart.
Zudem könnten autonome Taxis oder Carsharing-Dienste in der Lage sein, Fahrzeuge zu den Kunden zu schicken, wenn diese sie benötigen, die nach der Nutzung automatisch zu Wartungspunkten fahren. Dies ermöglicht einen bequemen und effizienten Service, der die Kundenbindung stärken kann. Hier spricht mal von der „Amazonisierung“ des Kundenservicegedankens in der Automobilindustrie. Ganz nach dem Motto der Einfachheit, schnellen Verfügbarkeit und durchgängigen Erreichbarkeit der Dienste.

Neue Antriebsart sorgt für Wandel im Kundenservice

Der Wandel hin zur Elektrifizierung hat einen bisher ungeahnten Einfluss auf die Arbeitsweise im Kundenservice. Elektrofahrzeuge haben spezielle Anforderungen an die Ladeinfrastruktur. Kunden benötigen Informationen über die Verfügbarkeit von Ladestationen, Ladezeiten und Kosten. Automobilhersteller und Dienstleister müssen hier transparente Lösungen und einen zuverlässigen Kundensupport bieten.

Insgesamt erfordern die Veränderungen im Bereich C.A.S.E. eine verstärkte Fokussierung auf die Kundenorientierung und die Bereitstellung innovativer, nutzerfreundlicher Dienstleistungen.

Der Kundenservice wird zu einem entscheidenden Wettbewerbsfaktor, um Kunden in einer sich schnell verändernden Automobilbranche zu gewinnen und zu binden.

Weitere Quellen

„Den Autobauern droht der gleiche Absturz wie der Solarindustrie“

Die Tops und Flops der IAA