Der deutsche E-Commerce hat 2025 einen Warenumsatz mit Endkunden von 83,1 Milliarden Euro erreicht – ein Plus von 3,2 Prozent gegenüber dem Vorjahr. Einschließlich digitaler Dienstleistungen lag der Gesamtumsatz bei 98,6 Milliarden Euro. Für 2026 erwarten bevh und EHI Retail Institute ein nominales Wachstum von 3,8 Prozent.
Mehr Bestellungen bedeuten mehr Anfragen. In vielen Onlineshops wächst das Anfragevolumen sogar überproportional, weil auch Retouren, Lieferverzögerungen und Rückfragen mitwachsen.
Die naheliegende Reaktion ist heute ein KI-gestützter Chatbot oder ein automatisierter E-Mail-Assistent. Das ist nachvollziehbar – greift aber häufig zu kurz. Denn ein Assistent beantwortet Anfragen schneller. Er verhindert nicht, dass sie entstehen.
Das Problem: Automatisiert wird die Symptombehandlung
Ein Blick in typische Serviceposteingänge im Onlinehandel zeigt ein wiederkehrendes Muster. Ein großer Teil der Anfragen besteht aus wenigen Kategorien:
- „Wo ist meine Bestellung?“
- „Wann wird geliefert?“
- „Wie schicke ich zurück?“
- „Passt Artikel A zu Artikel B?“
- „Warum ist die Rückerstattung noch nicht da?“
Das sind keine Beratungsanfragen. Es sind Informationslücken. Der Kunde fragt nach etwas, das er selbst nicht sehen kann – obwohl die Information im Unternehmen vorhanden ist.
Wird an dieser Stelle ein KI-Assistent eingesetzt, wird dieselbe Anfrage weiterhin gestellt, nur schneller beantwortet. Die Servicekosten sinken vielleicht. Die Ursache bleibt bestehen – und mit wachsendem Umsatz wächst sie mit.
Ursachen: Warum das Anfragevolumen hoch bleibt
Anfragegründe werden nicht kategorisiert
Ohne eine Auswertung, warum Kunden schreiben, lässt sich nicht entscheiden, welche Ursache sich am ehesten beseitigen lässt.
Der Bestellstatus ist für den Kunden nicht sichtbar
Wird nicht proaktiv über Versand, Verzögerung und Zustellung informiert, entsteht die Nachfrage zwangsläufig. Jede nicht gesendete Statusmeldung erzeugt Anfragen.
Produktinformationen sind unvollständig
Fehlende Maße, Kompatibilitätsangaben oder Materialhinweise erzeugen Anfragen vor dem Kauf – und Retouren danach.
Der Retourenprozess ist nicht selbsterklärend
Wenn Kunden nicht ohne Rückfrage erkennen können, wie eine Rücksendung abläuft und wann die Erstattung erfolgt, entstehen zwei Anfragen statt keiner.
KI wird auf einen ungeordneten Prozess gesetzt
Ein Assistent kann nur beantworten, was im System korrekt und aktuell hinterlegt ist. Sind Lieferzeiten unzuverlässig oder Produktdaten lückenhaft, gibt der Assistent lückenhafte Antworten – und erzeugt Rückfragen.
Lösungsansätze: Ursachen senken, dann automatisieren
1. Anfragegründe vier bis sechs Wochen kategorisieren
Wenige, trennscharfe Kategorien genügen. Ziel ist eine belastbare Verteilung, keine perfekte Systematik.
2. Die Kennzahl „Anfragen je 100 Bestellungen“ einführen
Absolute Ticketzahlen wachsen mit dem Umsatz und sagen wenig aus. Die relative Kennzahl zeigt, ob der Prozess besser wird oder nur größer.
3. Die häufigsten Ursachen an der Quelle beseitigen
Typische Hebel sind proaktive Versand- und Verzögerungsbenachrichtigungen mit Sendungsverfolgung, ein sichtbarer Bestellstatus im Kundenkonto, klare Angaben zur Erstattungsdauer und vollständigere Produktdaten bei den auffälligsten Artikeln.
4. Erst danach automatisieren – und gezielt
Was nach der Ursachenbeseitigung übrig bleibt, ist der sinnvolle Automatisierungsbereich. Dann arbeitet die Automatisierung auf einem geordneten Prozess statt auf einem unklaren.
5. Eskalationspfade sauber definieren
Für jeden automatisierten Fall muss klar sein, wann an einen Menschen übergeben wird. Ein Assistent, der Kunden in einer Schleife festhält, erzeugt Beschwerden statt Entlastung.
6. Datenqualität als Voraussetzung behandeln
Vor dem Einsatz eines Assistenten ist zu prüfen, ob Produktdaten, Lieferzeiten und Statusinformationen zuverlässig sind. Ohne diese Grundlage entsteht kein belastbares Ergebnis.
7. Wirkung messen
Nach jeder Maßnahme wird geprüft, ob die betroffene Anfragekategorie tatsächlich zurückgegangen ist – nicht nur, ob die Bearbeitungszeit gesunken ist.
Praxisbeispiel: Ein typischer Fall aus dem Onlinehandel
Das folgende Beispiel ist anonymisiert und beschreibt eine typische Ausgangslage aus einem mittelständischen Onlinehandelsunternehmen.
Ein Händler mit eigenem Shop und Marktplatzanbindung verzeichnete ein stetig wachsendes Anfragevolumen im Kundenservice. Als Antwort wurde ein KI-gestützter Assistent eingeführt, der Standardanfragen automatisch beantwortete.
Die durchschnittliche Antwortzeit sank deutlich. Die Zahl der Anfragen blieb jedoch nahezu unverändert – und stieg mit dem Umsatz weiter.
Anschließend wurden die Anfragen über einige Wochen nach Grund kategorisiert. Dabei zeigte sich, dass ein sehr großer Teil den Lieferstatus betraf. Die Sendungsverfolgung war zwar vorhanden, wurde aber nur auf Nachfrage mitgeteilt und im Kundenkonto nicht prominent angezeigt.
Der Händler stellte daraufhin auf eine automatische Versandbenachrichtigung mit direktem Sendungslink um und ergänzte eine zusätzliche Mitteilung bei Lieferverzögerungen. Die Anfragen in dieser Kategorie gingen spürbar zurück.
Erst danach wurde der Assistent auf die verbliebenen Anfragearten neu ausgerichtet – nun mit deutlich kleinerem, aber klarer abgegrenztem Aufgabenbereich.
Der Assistent hatte eine Frage schnell beantwortet, die gar nicht hätte entstehen müssen.
Fazit
Bei anhaltendem Wachstum im Onlinehandel wächst das Anfragevolumen mit. Automatisierung ist deshalb sinnvoll – aber in der richtigen Reihenfolge.
Wer zuerst auswertet, warum Kunden überhaupt schreiben, und die häufigsten Ursachen an der Quelle beseitigt, reduziert das Volumen dauerhaft. Was danach übrig bleibt, lässt sich mit deutlich geringerem Aufwand und besserer Qualität automatisieren.
Automatisieren Sie nicht die Nachfrage nach einer Information, die Sie auch ungefragt liefern könnten.
Häufige Fragen (FAQ)
Ist ein KI-Assistent im Kundenservice grundsätzlich sinnvoll?
Ja, aber in der richtigen Reihenfolge. Er entfaltet seinen Nutzen auf einem geordneten Prozess mit verlässlichen Daten – nicht als Ersatz für die Ursachenbeseitigung.
Was ist die Kennzahl „Anfragen je 100 Bestellungen“?
Sie setzt das Anfragevolumen ins Verhältnis zur Bestellmenge. Anders als absolute Ticketzahlen zeigt sie, ob der Prozess tatsächlich besser wird.
Wie lange sollte man Anfragegründe erfassen?
Vier bis sechs Wochen reichen in der Regel für eine belastbare Verteilung, wenn saisonale Sondereffekte berücksichtigt werden.
Welche Ursache lässt sich meist am schnellsten beseitigen?
Häufig fehlende oder nicht sichtbare Statusinformationen. Eine proaktive Benachrichtigung ist vergleichsweise einfach umzusetzen und wirkt unmittelbar.
Was passiert, wenn KI auf schlechte Daten trifft?
Der Assistent gibt unvollständige oder falsche Antworten. Das erzeugt Rückfragen und Beschwerden – und beschädigt das Vertrauen in die Automatisierung insgesamt.
Lassen Sie uns gemeinsam prüfen, warum Ihre Kunden überhaupt schreiben
Sie möchten wissen, welche Anfragegründe Ihr Servicevolumen treiben und welche sich beseitigen lassen? Wir unterstützen Sie gerne bei der Analyse – bevor automatisiert wird.
Quellenverzeichnis
- bevh – Bundesverband E-Commerce und Versandhandel Deutschland e. V. (2026): Wachstum im E-Commerce: Lichtblick in der deutschen Wirtschaft. Pressekonferenz vom 22.01.2026. Erhebung: wöchentliche Verbraucherbefragung von insgesamt 40.000 Privatpersonen ab 14 Jahren durch die BEYONDATA GmbH.
- Juran, Joseph M. (1951): Quality Control Handbook. New York: McGraw-Hill. Grundlage der Pareto-Analyse.
- DIN EN ISO 9001:2015: Qualitätsmanagementsysteme – Anforderungen, Abschnitt 9.1 „Überwachung, Messung, Analyse und Bewertung“.
