Ki-Integration

Filiale und Onlineshop, zwei Länder, ein Kundenservice. Wie ein Handelsunternehmen wiederkehrende Anfragen mit KI-Agenten in Zendesk bearbeitet.

Ein Handelsunternehmen mit Filialen und Onlineshop in Deutschland und Österreich betreut seinen Kundenservice in Zendesk. cleanercode hat dort KI-Agenten für wiederkehrende Anliegen aufgebaut, von der Stornierung über Rücksendungen bis zur Sendungsverfolgung. Jedes dieser Anliegen ist dokumentiert, an Beispieltickets geprüft und ging erst nach Freigabe durch den Kunden live.

6
Anliegen live und vom Kunden abgenommen
18.700
echte Tickets analysiert und einem Anliegen zugeordnet, rund gerechnet
Jahr
2026
Kunde
Nicht genannt
Industrie
Handel
Dienstleistung
Ki-Integration
Lokation
Deutschland und Österreich
Tech-Stack
Zendesk Suite Enterprise
Zendesk AI Agents
Middleware (Eigenentwicklung)
TypeScript
Bun
Docker
JSON API

Ausgangslage

Das Unternehmen betreibt Filialen und einen Onlineshop in Deutschland und Österreich. Der Kundenservice für beide Kanäle läuft in Zendesk, mit eigenen Abläufen, eigenen Fristen und eigenen Regeln je Land. Viele Anfragen wiederholen sich, von der Stornierung über die Rücksendung bis zur Frage, wo das Paket gerade ist. Andere kommen in der Filiale an, haben mit einer Bestellung nichts zu tun und müssen schnell an die richtige Stelle.

Lösung

Für jedes Anliegen haben wir den Ablauf gemeinsam mit dem Fachbereich festgelegt und dokumentiert. Der KI-Agent erkennt das Land, prüft Fristen, unterscheidet zwischen Lieferung nach Hause und Abholung in der Filiale und gibt an einen Menschen ab, sobald ein Fall komplex wird oder die Bestellnummer fehlt.

Zwischen März und Juli 2026 hat unsere Ticket-Analyse rund 18.700 Tickets einem Anliegen zugeordnet. Zum Start erkannte sie 35 Prozent der Tickets sicher, nach zehn Tagen Kalibrierung über 90 Prozent, im Schnitt über den ganzen Zeitraum 82 Prozent. Daran sieht das Team, welches Anliegen wie viel Volumen hat und wo sich der nächste Ausbau lohnt.

Wenn Zendesk allein nicht reicht, bauen wir dazu

Bei der Sendungsverfolgung hat der Standard nicht gereicht, um wirklich gute Antworten zu geben. Die beiden angebundenen Versanddienstleister liefern ihre Daten in völlig unterschiedlichen Formaten, einer davon als XML mit eigener Statuslogik. Wir haben deshalb eine eigene Middleware gebaut. Sie übersetzt beide Quellen in ein einheitliches Format und erkennt selbst, ob ein Paket zugestellt, noch unterwegs, beim Nachbarn abgegeben, an einer Abholstation hinterlegt, auf dem Rückweg oder beschädigt ist. Der KI-Agent fragt damit eine saubere Schnittstelle ab statt zwei widersprüchlicher, und die Logik liegt dort, wo man sie testen und pflegen kann.

So gehen wir an Zendesk-Implementierungen heran. Wo die Werkzeuge von Zendesk reichen, nutzen wir sie. Wo es für eine wirklich gute Antwort mehr braucht, bauen wir das Zusatzsystem dazu.

14 Tage
Rückgabefrist, die der KI-Agent je Bestellung selbst prüft
6
Sendungszustände, die unsere Middleware selbst erkennt

Abnahme mit echten Tickets

Ein Anliegen geht bei uns erst live, wenn es geprüft ist. Neue Abläufe sammeln zuerst Tickets als interne Notiz, damit das Team sieht, was der KI-Agent schreiben würde. Für jeden Zweig eines Ablaufs gibt es Beispieltickets, innerhalb und außerhalb der Frist, mit und ohne Bestellnummer, für beide Länder. Der Kunde prüft sie, gibt frei, und erst dann antwortet der KI-Agent direkt.

Was das für euch heißt

Hier hat sich gezeigt, wie viel an den Details hängt, an Fristen, Ländern, Sonderfällen und an Systemen, die ihre Daten nicht so liefern, wie ein KI-Agent sie braucht. Deshalb beginnt die Zusammenarbeit bei uns mit dem Potenzial-Check. Vier Wochen lang laufen eure echten Tickets durch unsere Analyse. Am Ende habt ihr die Liste eurer Anliegen mit ihren Anteilen, eine Einschätzung, was sich je Anliegen automatisieren lässt, und einen Fahrplan in der richtigen Reihenfolge.

Potenzial-Check anfragen

2 Länder

Deutschland und Österreich haben eigene Fristen und Abläufe. Der KI-Agent erkennt das Land und wendet die passenden Regeln an.

Quelle: cleanercode Projektauswertung

35 → 82 %

Erkennungsquote unserer Ticket-Analyse. Zum Start ordnete sie 35 Prozent der Tickets sicher einem Anliegen zu, nach zehn Tagen Kalibrierung über 90 Prozent. Im Schnitt über alle rund 18.700 Tickets lag sie bei 82 Prozent.

Quelle: cleanercode Projektauswertung

Hast du ein Projekt im Kopf?
Lass uns zusammenarbeiten.

Kontakt
Handybildschirm zeigt einen Bericht von Cleanercode mit Titel 'AI Report Mai 2026', Beschreibung der Analyse von KI-gestütztem Support, und eine Übersicht mit der Zahl 229, die den abgeschlossenen Support darstellt, mit Buttons 'Absenden' und 'Abbrechen'.