Ein KI-Agenten-Manager ist die Person, die verantwortet, wie gut Ihr KI-Agent im Kundenservice arbeitet. Manche Teams nennen die Rolle AI Agent Supervisor oder AI Operations Lead. Die Aufgabe: die Konversationen des Agenten prüfen, entscheiden, was sich an Wissen, Anweisungen und Eskalationsregeln ändert, jede Änderung vor dem Release testen, Vorfälle leiten und an die Leitung Kundenservice berichten.
Kurz gesagt
- Der KI-Agenten-Manager verantwortet ein Ergebnis: Der KI-Agent gibt richtige und zulässige Antworten, übergibt im richtigen Moment und wird jeden Monat besser.
- Sechs Aufgaben füllen die Woche: Leistungsprüfung, Änderungen an Wissen und Richtlinien, Tests vor dem Release, Gestaltung der Eskalation, Umgang mit Vorfällen und Reporting.
- Die Rolle funktioniert am besten im Kundenservice, mit Berichtslinie an die Leitung Kundenservice und einer gestrichelten Linie zu dem Team, das die Plattform betreibt.
- Messen Sie die Rolle an korrekten Lösungen, kritischen Fehlern und der Zeit vom Befund bis zur Korrektur, nicht allein an der Containment Rate.
- Beginnen Sie damit, eine starke Teamleitung in Teilzeit weiterzubilden; wechseln Sie zu einer Vollzeitrolle, sobald der Agent Aktionen ausführt oder einen großen Teil des Volumens bearbeitet.
Was macht ein KI-Agenten-Manager?
Ein KI-Agenten-Manager prüft, was der KI-Agent Kunden gesagt hat, findet die Ursache jedes Fehlers und bringt die richtige Korrektur live: einen Wissensartikel, eine geänderte Anweisung, eine Routing- oder Eskalationsregel. Er testet vor jedem Release, leitet Vorfälle, wenn der Agent etwas falsch macht, und berichtet der Führung über die Qualität. Er steuert Ergebnisse, keinen Code.
Der Titel ist noch nicht festgelegt. Intercom und Fin nennen ihn AI Operations Lead, eine Rolle, die „die tägliche KI-Leistung verantwortet“ (Intercom, November 2025). Ada nennt ihn AI Manager, „verantwortlich dafür, KI-Agenten zu coachen und zu optimieren, um die automatisierte Lösung (AR) mit der Zeit zu verbessern“ (Ada, Mai 2025). Andere sagen Bot-Manager oder AI Agent Supervisor; die Arbeit ist dieselbe.
Eine Falle bei der Benennung: In der Softwareentwicklung ist ein „Supervisor Agent“ Software. Databricks zum Beispiel dokumentiert einen Supervisor Agent, der mehrere spezialisierte KI-Agenten koordiniert. In diesem Leitfaden geht es um den Menschen, der dafür geradesteht, was diese Agenten Ihren Kunden sagen.
Warum entsteht die Rolle des KI-Agenten-Managers gerade jetzt?
Die Rolle entsteht, weil sonst niemand den Kreislauf verantwortet. Support Operations steuert Queues, QA bewertet Konversationen, das Wissensmanagement pflegt Artikel und die Entwicklung betreibt die Plattform. Wenn ein KI-Agent tausendmal dieselbe falsche Antwort gibt, besitzt jedes Team ein Stück der Korrektur, aber niemand das Ergebnis.
Der Blueprint von Fin sagt dasselbe: „keine bestehende Rolle“, weder Support Operations noch QA noch die Führungskräfte an der Front, „übernimmt diese Arbeit von selbst“ (Fin, Juli 2026). Praktiker auf Reddit beschreiben die Folge: Wenn niemand dafür zuständig ist, Fehler zu prüfen und die maßgebliche Wissensquelle zu aktualisieren, bleibt der Verbesserungskreislauf stehen (Thread).
Daten zur Belegschaft zeigen in dieselbe Richtung. In einer Gartner-Umfrage unter 321 Führungskräften aus Kundenservice und Support (September bis Oktober 2025) gaben 85 % an, Rollen an der Front um neue Aufgaben und Verantwortlichkeiten zu erweitern, und 75 % verlagern Agents in völlig neue Rollen innerhalb der Serviceorganisation (Gartner, April 2026). Den KI-Agenten zu verantworten, ist einer dieser neuen Jobs, mit oder ohne Titel.
Der Unterschied zur Führung von Menschen ist der Weg zur Korrektur: Eine Teamleitung coacht eine Person, ein KI-Agenten-Manager ändert Inhalte, Anweisungen oder Routing und weist nach, dass die Änderung gewirkt hat. Siehe Menschen coachen vs. KI-Agenten verbessern.
Welche Aufgaben hat ein KI-Agenten-Manager?
Die Aufgaben des KI-Agenten-Managers fallen in sechs Bereiche: die Leistung des Agenten prüfen, sein Wissen und seine Richtlinien ändern, jede Änderung vor dem Release testen, Eskalation und Übergabe gestalten, Vorfälle bearbeiten und berichten. Jeder Bereich hat einen Rhythmus und ein konkretes Ergebnis, sodass sich die Rolle daran messen lässt, was sie liefert, nicht daran, wie beschäftigt sie wirkt.
| Aufgabe | Rhythmus | Ergebnis | Mehr dazu |
|---|---|---|---|
| Leistungsprüfung des Agenten | Wöchentlich lesen, monatlich prüfen | Befunde nach Schaden für den Kunden sortiert, je Intent eine Entscheidung: ausweiten, halten oder einschränken | Performance Review für KI-Agenten |
| Änderungen an Wissen und Richtlinien | Sobald Befunde eingehen | Korrigierte Artikel (mit dem Wissensmanagement), geänderte Anweisungen, ein Änderungsprotokoll | Richtlinien für KI-Agenten |
| Tests vor dem Release | Bei jeder Änderung | Ein Regressionslauf mit bestanden oder nicht bestanden je Testfall, Freigabe dokumentiert | KI-Agenten testen |
| Gestaltung der Eskalation | Monatlich und nach Vorfällen | Übergaberegeln je Intent, was der Mensch mit dem Fall erhält | KI-Agenten-Evaluierung |
| Umgang mit Vorfällen | Bei Auslösung | Ablauf pausiert oder eingeschränkt, betroffene Kunden gelistet, Ursache, Korrektur, Notiz nach dem Vorfall | KI-Agenten-Governance |
| Reporting | Wöchentlich und monatlich | Ein einseitiger Qualitätsbericht für die Leitung Kundenservice | KI-Agenten-Monitoring |
Zwei Bereiche werden oft übersehen. Tests vor dem Release, weil eine geänderte Anweisung innerhalb von Minuten jede Konversation erreicht. Gestaltung der Eskalation, weil die teuersten KI-Fehler oft späte Übergaben sind, bei denen der Kunde einem Menschen ohne Kontext alles noch einmal erzählt.
Welche Entscheidungen trifft der KI-Agenten-Manager?
Der KI-Agenten-Manager trifft die Entscheidungen, die das Verhalten des Agenten ändern: was zuerst korrigiert wird, welche Änderung an Anweisungen oder Routing live geht, ob ein Release die Tests besteht und ob ein fehlerhafter Ablauf pausiert wird. Er empfiehlt, entscheidet aber nicht, welche neuen Intents der Agent übernimmt, über das Budget und über Änderungen an der Richtlinie selbst.
Schriftlich festgehaltene Entscheidungsrechte machen aus einer koordinierenden Person eine verantwortliche:
- Entscheidet allein: Priorität der Korrekturen, Änderungen an Anweisungen und Prompts, Testsets, Go oder No-Go für ein Release, Pausieren eines Ablaufs während eines Vorfalls, Übergaberegeln innerhalb eines freigegebenen Intents.
- Empfiehlt, die Leitung Kundenservice entscheidet: neue Intents oder Kanäle, neue Aktionen (Erstattungen, Kontoänderungen), Wechsel des Anbieters, Budget. Für neue Intents nutzen Sie die Bewertungsregel in Welche Anliegen Sie zuerst automatisieren sollten.
- Wird nur konsultiert: die Richtlinie selbst, die Finanzen, Recht oder die verantwortliche Stelle besitzen; die Kriterien der Scorecard, die die QA-Leitung besitzt.
Die Rollen-Scorecard für KI-Agenten-Manager (zum Kopieren)
Die Rollen-Scorecard unten dient zugleich als Stellenbeschreibung, Bewertungsraster für die Einstellung und Quartalsgespräch: Auftrag, Aufgaben, Entscheidungen, KPIs und Fähigkeiten. Kopieren Sie sie, ersetzen Sie die Teile in eckigen Klammern und stimmen Sie sie mit der Leitung Kundenservice ab, bevor Sie die Stelle ausschreiben oder jemanden benennen.
| Bereich | Inhalt |
|---|---|
| Titel | KI-Agenten-Manager (auch: AI Operations Lead, AI Agent Supervisor) |
| Berichtet an | Leitung Kundenservice oder Leitung Support Operations; gestrichelte Linie zu [Leitung KI oder Plattform-Engineering] |
| Auftrag | Der KI-Agent gibt Kunden richtige und zulässige Antworten, übergibt im richtigen Moment und wird jeden Monat besser |
| Umfang | [Namen der Agenten, Kanäle, Intents, Sprachen] |
| Aufgaben | 1. Wöchentliche Prüfung bewerteter KI-Konversationen. 2. Ursache und Korrektur für jeden kritischen Befund. 3. Regressionstests und Freigabe vor jedem Release. 4. Gestaltung von Eskalation und Übergabe. 5. Leitung bei KI-Vorfällen. 6. Wöchentliches und monatliches Qualitätsreporting |
| Eigene Entscheidungen | Priorität der Korrekturen; Änderungen an Anweisungen, Prompts und Routing; Go oder No-Go für ein Release; Pausieren eines Ablaufs während eines Vorfalls |
| Empfohlene Entscheidungen | Neue Intents und Kanäle; neue Aktionen, die der Agent ausführen darf; Wechsel von Plattform und Anbieter |
| KPIs | Quote korrekter Lösungen; Quote kritischer Fehler; Zeit vom Befund bis zur Korrektur live; Bestehensquote der Regressionstests beim Release; Qualität der Übergaben; Quote der Wiederholungskontakte bei von der KI abgeschlossenen Konversationen |
| Fähigkeiten | Tiefe Erfahrung in Support Operations; Diagnose anhand von Transkripten; strukturiertes Schreiben; Testdesign; grundlegende Datenanalyse; Change Management; Ruhe bei Vorfällen |
| Nicht erforderlich | Produktionscode; Integrationen (das macht die Entwicklung) |
| Erste 90 Tage | Tag 1 bis 30: Ausgangsqualität je Intent, Änderungsprotokoll, Testset für die 5 wichtigsten Intents. Tag 31 bis 60: wöchentliche Prüfung läuft, erster Monatsbericht. Tag 61 bis 90: Vorfall-Playbook abgestimmt, Entscheidungsrechte freigegeben |
| Quartalsgespräch | KPI-Verlauf je Intent, gelieferte Korrekturen, Vorfälle und Zeit bis zum Abschluss, eine Prozessverbesserung |
Die Zeile mit den KPIs bleibt in den meisten Stellenbeschreibungen vage; der Abschnitt zu den KPIs unten zeigt, wie jede gemessen wird.
Welche Fähigkeiten braucht ein KI-Agenten-Manager?
Ein KI-Agenten-Manager braucht zuerst tiefe Erfahrung in Support Operations: Ihre Richtlinien kennen, Ihre Kunden und die Stellen, an denen Konversationen schiefgehen. Dann vier praktische Fähigkeiten: einen Fehler anhand eines Transkripts diagnostizieren, klare Anweisungen und Artikel schreiben, Tests entwerfen und Daten lesen. Programmieren hilft, ist aber nicht erforderlich. Urteilsvermögen und Ruhe unter dem Druck eines Vorfalls zählen mehr.
| Fähigkeit | So prüfen Sie sie im Vorstellungsgespräch |
|---|---|
| Diagnose anhand von Transkripten (Lücke im Wissen, in der Anweisung oder in der Richtlinie?) | Geben Sie 3 fehlgeschlagene Konversationen; fragen Sie nach der Ursache jeder einzelnen |
| Strukturiertes Schreiben, dem ein Modell jedes Mal gleich folgt | Lassen Sie eine vage Anweisung zu Erstattungen neu schreiben |
| Testdesign aus echten Fehlern und Grenzfällen | Fragen Sie nach 5 Testfällen für einen Intent |
| Daten je Intent lesen, im Verhältnis zum Volumen | Zeigen Sie die Scores einer Woche; fragen Sie, was zuerst korrigiert würde und warum |
| Change Management: eine Änderung nach der anderen, protokolliert, umkehrbar | Fragen Sie, wie zwei Korrekturen in derselben Woche live gehen würden |
| Arbeit mit Stakeholdern: die Regel korrigieren lassen, nicht nur den Artikel | Fragen Sie nach einem Fall, in dem der Prozess eines anderen Teams geändert wurde |
Intercom schreibt, der AI Operations Lead werde „oft aus Support Operations befördert“ (Intercom): Wissen über Richtlinien und Kunden lässt sich nicht schnell einstellen, Testdesign und Schreiben lassen sich lernen.
Wo sollte der KI-Agenten-Manager angesiedelt sein: Support Operations, Kundenservice oder IT?
Der KI-Agenten-Manager gehört in den Kundenservice, entweder in Support Operations oder direkt unter die Leitung Kundenservice, mit einer gestrichelten Linie zum KI- oder IT-Team, das die Plattform betreibt. Der Kundenservice verantwortet das Ergebnis beim Kunden und kennt die Richtlinien. Die IT verantwortet Zugriff, Sicherheit und Integrationen. In der IT wird die Rolle zum Plattformjob statt zum Qualitätsjob.
| Einordnung | Vorteile | Nachteile | Passt, wenn |
|---|---|---|---|
| Support Operations | Nah an Queues, Routing und Personaleinsatzplanung; kennt die Richtlinien | Kann ins Tooling abdriften und die Qualität aus dem Blick verlieren | Ein oder zwei Agenten, Support Operations verantwortet bereits den Helpdesk |
| Unter der Leitung Kundenservice | Klare Verantwortung für Ergebnisse beim Kunden; leichter Zugang zu den Verantwortlichen für Richtlinien | Kann gegenüber der Entwicklung zu wenig technisches Gewicht haben | Der KI-Agent bearbeitet einen großen Teil des Volumens oder führt Aktionen aus |
| IT oder KI-Kompetenzzentrum | Stark bei Plattform, Sicherheit und Integrationen | Weit weg von Kunden und Richtlinien; Qualität wird zu „Verfügbarkeit“ | Der Agent ist überwiegend intern, oder der Kundenservice hat keine Operations-Funktion |
Auf Reddit berichten CX-Führungskräfte dasselbe: Neue Titel für Personen, die KI-Agenten verantworten, landen eher im Kundenservice als in der Entwicklung (Thread). Werten Sie das als Signal, nicht als Umfrage.
Wie arbeitet der KI-Agenten-Manager mit QA-Leitung, Wissensmanagement und Teamleitungen zusammen?
Der KI-Agenten-Manager übernimmt Befunde von der QA-Leitung, lässt Inhalte mit dem Wissensmanagement korrigieren und teilt Probleme bei Übergaben mit den Teamleitungen, deren Mitarbeitende übernehmen, was der Agent weitergibt. QA hält die Scorecard unabhängig, das Wissensmanagement besitzt die Artikel, die Teamleitungen führen die Menschen. Der Manager besitzt die Änderungen am Agenten und das Release.
Die RACI-Matrix unten deckt die tägliche Arbeit ab (R = führt aus, A = verantwortlich, C = konsultiert, I = informiert). Die Version auf Unternehmensebene, mit Recht und Sicherheit, steht in KI-Agenten-Governance.
| Tätigkeit | KI-Agenten-Manager | QA-Leitung | Wissensmanagement | Teamleitungen | Support Operations / WFM | KI- oder IT-Entwicklung |
|---|---|---|---|---|---|---|
| Wöchentliche Prüfung bewerteter KI-Konversationen | A, R | R (stellt Befunde vor) | C | I | I | I |
| Kriterien der Scorecard für KI-Konversationen | C | A, R | I | C | ||
| Falschen oder fehlenden Artikel korrigieren | C | I | A, R | I | ||
| Anweisungen, Prompts oder Routing ändern | A, R | C | C | I | C | C |
| Regressionstest und Freigabe des Release | A, R | C (gibt kritische Fälle frei) | C | R (deployt) | ||
| Übergaberegeln und was Menschen erhalten | A, R | C | C | C | C | |
| Rückmeldung zu schlechten Übergaben von der Front | I | I | A, R | I | ||
| KI-Vorfall (pausieren, korrigieren, Notiz nach dem Vorfall) | A, R | C | C | I | C | R |
| Monatlicher Qualitätsbericht | A, R | R (Daten) | I | I | I | I |
Zwei Zeilen brauchen Sorgfalt. Die QA-Leitung besitzt die Scorecard, nicht die Person, deren Änderungen sie beurteilt. Und Teamleitungen sind das Frühwarnsystem: Ihre Mitarbeitenden sehen schlechte Übergaben zuerst, also geben Sie ihnen eine Möglichkeit, eine Konversation mit einem Klick zu melden.
Mit welchen KPIs messen Sie einen KI-Agenten-Manager?
Messen Sie einen KI-Agenten-Manager daran, ob Kunden richtige und zulässige Antworten bekommen haben und ob Fehler schnell behoben werden: Quote korrekter Lösungen, Quote kritischer Fehler, Zeit vom Befund bis zur Korrektur live, Bestehensquote der Regressionstests beim Release, Qualität der Übergaben und Wiederholungskontakte bei von der KI abgeschlossenen Konversationen. Containment allein belohnt einen Agenten, der Kunden von Menschen fernhält, ob richtig oder falsch.
| KPI | So wird er gemessen | Startziel (gegen Ihre eigene Ausgangslage gesetzt) |
|---|---|---|
| Quote korrekter Lösungen | Anteil der KI-Konversationen, die als korrekt gelöst bewertet wurden, je Intent | Steigt von Monat zu Monat bei den 5 wichtigsten Intents |
| Quote kritischer Fehler | Anteil der KI-Konversationen mit einem kritischen Fehler (falsche Richtlinie, unsichere Aktion, verpasste Eskalation) | Sinkt von Monat zu Monat; jedes neue kritische Muster innerhalb der Woche behoben |
| Zeit vom Befund bis zur Korrektur live | Arbeitstage zwischen einem kritischen Befund und der getesteten Korrektur in Produktion | Unter 5 Arbeitstagen für kritische Befunde |
| Bestehensquote der Regressionstests beim Release | Anteil der Testfälle, die vor dem Live-Gang einer Änderung bestanden sind | 100 % bei kritischen Testfällen, sonst kein Release |
| Qualität der Übergaben | Anteil der Übergaben im richtigen Moment, mit beigefügter Fallzusammenfassung | Steigt von Monat zu Monat |
| Quote der Wiederholungskontakte | Kunden, die innerhalb von 7 Tagen nach einer von der KI abgeschlossenen Konversation zum selben Anliegen zurückkommen | Sinkt von Monat zu Monat |
Die Ziele sind unsere vorgeschlagenen Startwerte, keine Branchen-Benchmarks; setzen Sie die Ausgangslage aus einem Monat bewerteter Konversationen. Bei den Kennzahlen für den AI Manager steht bei Ada die Quote automatisierter Lösungen an erster Stelle (Ada); koppeln Sie jede Lösungsquote an eine Prüfung der Richtigkeit, denn gelöst ist nicht immer korrekt.
Wie sieht eine typische Woche eines KI-Agenten-Managers aus?
Eine typische Woche hat einen Rhythmus: montags die bewerteten Konversationen der Vorwoche prüfen, dienstags Ursachen und Korrekturen mit den Verantwortlichen für Inhalte und Richtlinien, mittwochs testen, donnerstags das Release, freitags Reporting und der Verbesserungs-Backlog. Vorfälle durchbrechen den Rhythmus, wenn sie auftreten.
Rechenbeispiel (eine Illustration mit erfundenen Zahlen). Ein KI-Agent bearbeitet 9.000 Konversationen pro Woche. Am Montag sieht der Manager, dass 42 von 1.400 Konversationen zu Erstattungen, also 3,0 %, ein kritisches Kriterium nicht bestanden haben: Der Agent nannte eine Erstattungsfrist von 30 Tagen. Die Richtlinie wurde zum Monatsersten auf 14 Tage geändert, aber der Hilfeartikel wurde nie aktualisiert.
- Dienstag: Das Wissensmanagement aktualisiert den Artikel; der Manager ergänzt eine Anweisung, die Frist zu nennen und auf die Richtlinienseite zu verlinken, und protokolliert beide Änderungen.
- Mittwoch: 30 neue Testfälle aus den Fehlern plus das bestehende Set von 60 Fällen zu Erstattungen. 89 von 90 bestehen; der eine Fehlschlag (ein Kauf vor der Änderung der Richtlinie) bekommt eine eigene Anweisung und besteht im zweiten Lauf.
- Donnerstag: Release, dann liest der Manager die ersten 50 Konversationen zu Erstattungen.
- Folgender Montag: 4 von 1.350 Konversationen zu Erstattungen bestehen dasselbe Kriterium nicht, 0,3 %. Bei der alten Quote von 3,0 % wären es etwa 40 gewesen: rund 36 Kunden pro Woche weniger, denen eine falsche Erstattung zugesagt wird.
Vom Befund bis zur Korrektur live lag die Zeit unter dem Ziel von 5 Tagen. Die Korrektur am Prozess zählt genauso: „KI-Agenten aktualisieren“ steht jetzt in der Checkliste für Richtlinienänderungen.
Sollten Sie einen KI-Agenten-Manager einstellen oder eine Teamleitung weiterbilden?
Bilden Sie eine Teamleitung oder einen Analysten aus Support Operations weiter, wenn Sie einen KI-Agenten betreiben, der Fragen beantwortet, aber keine Aktionen ausführt, und geben Sie dieser Person jede Woche geschützte Stunden. Stellen Sie einen KI-Agenten-Manager in Vollzeit ein oder benennen Sie ihn, sobald der Agent Aktionen ausführt, mehrere Intents mit echtem Volumen abdeckt oder auf mehr als einer Plattform läuft.
Fin schlägt eine ähnliche Staffelung vor: Geben Sie die Kernarbeit am Anfang jemandem, der 5 bis 10 Stunden pro Woche dafür aufwenden kann; zur Vollzeitarbeit wird sie, sobald die KI 50 % bis 70 % des eingehenden Volumens bearbeitet (Fin). Unsere Faustregel ergänzt das Volumen um das Risiko:
| Ihre Situation | Wahl |
|---|---|
| Ein Agent, nur Antworten, eine Handvoll Intents | Teamleitung weiterbilden, wöchentlich geschützte Stunden |
| Der Agent führt Aktionen aus (Erstattungen, Kündigungen, Kontoänderungen) | Verantwortliche Person in Vollzeit, unabhängig vom Volumen |
| Zwei oder mehr von: mehrere Intents mit echtem Volumen, regulierte Themen, mehrere Sprachen | Verantwortliche Person in Vollzeit |
| Mehr als ein KI-Agent oder eine Plattform | Verantwortliche Person in Vollzeit, plus eine zweite Person in QA oder Wissensmanagement |
Die weitergebildete Teamleitung kennt die Richtlinien und die Kunden; das Risiko ist die Zeit. Wenn die KI-Arbeit immer gegen die Queue verliert, stoppt die Prüfung und der Agent driftet ab. Schützen Sie also die Stunden und wechseln Sie in dem Monat zur Vollzeitrolle, in dem das passiert. Das KI-Reifegradmodell für den Kundenservice zeigt, in welcher Stufe dieser Schritt meist fällig wird.
Wann Sie keinen eigenen KI-Agenten-Manager brauchen
Wenn Ihr KI-Agent ein paar hundert Konversationen im Monat aus Ihrem Hilfecenter beantwortet und keine Aktionen ausführt, ist eine eigene Rolle mehr, als Sie brauchen: Benennen Sie eine verantwortliche Person, geben Sie ihr zwei Stunden pro Woche, um Konversationen zu lesen und Artikel zu korrigieren, und prüfen Sie monatlich.
Die Rolle ersetzt auch nicht das Team, das den Agenten baut. Wenn niemand Änderungen ausrollen kann, produziert ein KI-Agenten-Manager Befunde, die nie live gehen.
Wo Kaizo ins Spiel kommt
Der Montag des KI-Agenten-Managers hängt von bewerteten Konversationen ab, nicht von einer handverlesenen Stichprobe. Kaizo prüft jede Supportkonversation, ob von Menschen oder KI, anhand Ihres eigenen Bewertungsrasters und zeigt Ihnen, was zu korrigieren ist: AutoPilot bewertet jede Konversation, sobald sie gelöst ist, und verknüpft jeden Score mit dem Beleg in der Konversation. Sehen Sie sich die QA für KI-Agenten an, oder buchen Sie eine Demo, um es an Ihren eigenen Konversationen zu sehen.
So starten Sie diese Woche
Sie können die Rolle diese Woche aufsetzen, ohne Neueinstellung und ohne neues Tool. Fünf Schritte machen aus „jemand schaut sich den Bot an“ eine verantwortliche Person mit Entscheidungen und Zahlen.
- Benennen Sie eine verantwortliche Person je KI-Agent und an wen sie berichtet.
- Kopieren Sie die Rollen-Scorecard, füllen Sie Umfang und Entscheidungsrechte aus und stimmen Sie sie mit der Leitung Kundenservice ab.
- Bewerten Sie die KI-Konversationen der letzten Woche für Ihren wichtigsten Intent und listen Sie die 3 wichtigsten Befunde auf.
- Beginnen Sie ein Änderungsprotokoll und ein Testset, das aus diesen Befunden aufgebaut ist.
- Planen Sie eine wöchentliche Prüfung von 30 Minuten mit der QA-Leitung und dem Wissensmanagement ein, dazu einen monatlichen Bericht an die Führung.
Nach dem ersten Monat führen Sie die monatliche Prüfung mit der Vorlage für das Performance Review für KI-Agenten durch.
Häufig gestellte Fragen
Was ist ein AI Supervisor im Kundenservice?
Im Kundenservice ist ein AI Supervisor meist ein Mensch: der KI-Agenten-Manager, der die Konversationen eines KI-Agenten prüft, korrigiert, was er falsch macht, und entscheidet, wann er übergibt. In der Softwareentwicklung bezeichnet „Supervisor Agent“ Software, die mehrere KI-Agenten koordiniert. Klären Sie also, was gemeint ist, bevor Sie eine Stelle ausschreiben.
Ist AIOps dasselbe wie AI Ops im Kundenservice?
Nein. AIOps bedeutet meist, KI für den IT-Betrieb einzusetzen, etwa um Störungen in der Infrastruktur zu erkennen. AI Ops im Kundenservice bedeutet, den KI-Agenten zu betreiben, der mit Kunden spricht: seine Qualität, sein Wissen, seine Tests und seine Eskalation. Job, Team und KPIs unterscheiden sich.
Wem gehört das Budget für den KI-Agenten, dem Kundenservice oder der IT?
Das ist unterschiedlich, und es ist ein häufiger Reibungspunkt. Ein praktikables Muster: Der Kundenservice besitzt das Budget für Ergebnisse und Nutzung des KI-Agenten, weil er für Qualität und Einsparungen geradesteht, und die IT besitzt die Kosten für Plattform, Sicherheit und Integration. So oder so sollte der KI-Agenten-Manager die Kosten pro gelöster Konversation sehen.
Kann ein KI-Agenten-Manager mehrere KI-Agenten betreuen?
Ja, solange die Agenten Plattform, Richtlinien und Team teilen. Jede zusätzliche Plattform bringt einen eigenen Release-Prozess, eigene Logs und ein eigenes Testset, und jede neue Art von Aktion bringt Risiko. Ab diesem Punkt ergänzen Sie eine zweite Person in QA oder Wissensmanagement, bevor die Prüfung von wöchentlich zu gelegentlich abrutscht.
Was sollten Sie einem KI-Agenten-Manager zahlen?
Es gibt noch keinen verlässlichen öffentlichen Gehaltsbenchmark, weil die Rolle viele Namen hat. Orientieren Sie sich an der Gehaltsspanne Ihrer Leitung Support Operations oder einer erfahrenen QA-Leitung, aus denen die meisten Kandidaten kommen, und gehen Sie nach oben, wenn der Agent Aktionen mit finanziellem oder Compliance-Risiko ausführt.
