Agentic AI in der Energiebranche: Wenn Kundenservice ins Handeln kommt

Ein Kunde öffnet seine Stromrechnung und bleibt an einer Zahl hängen: Der monatliche Abschlag ist deutlich gestiegen. Er schreibt seinem Energieversorger. Was danach passiert, zeigt ziemlich genau, wo der Unterschied zwischen bisheriger Automatisierung und Agentic AI liegt.

Ein klassischer Chatbot kann erklären, wie Abschläge grundsätzlich berechnet werden. Generative AI kann daraus eine individuelle Antwort formulieren. Ein AI Agent kann weitergehen: Er erkennt das Anliegen, prüft Verbrauchs- und Vertragsdaten, berücksichtigt frühere Servicefälle, identifiziert eine mögliche Ursache und stößt – innerhalb definierter Grenzen – die Anpassung des Abschlags an.

Der Unterschied wirkt zunächst klein. Für den Kundenservice ist er fundamental. Die KI beantwortet nicht mehr nur eine Frage. Sie arbeitet auf ein Ergebnis hin.

Genau darin liegt das Potenzial von Agentic AI für Energieversorger. Denn ihr Kundenservice besteht zu einem erheblichen Teil aus datenintensiven Vorgängen, die sich über CRM, Abrechnung, Vertragsverwaltung und weitere Systeme verteilen. Bislang endet Automatisierung häufig dort, wo Informationen zusammengeführt, Situationen bewertet oder mehrere Prozessschritte koordiniert werden müssen. AI Agents verschieben diese Grenze.

Klassische Automatisierung folgt im Kern einer definierten Logik: Wenn A passiert, führe B aus. Das funktioniert zuverlässig, solange Prozesse und Entscheidungspfade eindeutig beschrieben werden können.

Komplexer wird es, wenn Informationen aus verschiedenen Quellen berücksichtigt werden müssen, der weitere Verlauf vom Kontext abhängt oder mehrere mögliche Aktionen zur Auswahl stehen. Hier setzt Agentic AI an.

Agentic AI bezeichnet KI-Systeme, die nicht nur Inhalte erzeugen oder einzelne Aufgaben ausführen, sondern ein definiertes Ziel verfolgen. Dafür können sie Kontext analysieren, Informationen aus unterschiedlichen Quellen zusammenführen, Entscheidungen ableiten und Aktionen in angebundenen Systemen auslösen.

Damit verändert sich die Rolle von AI im Kundenservice. Sie unterstützt nicht mehr nur einzelne Arbeitsschritte. Sie kann Kundenanliegen über mehrere Prozessschritte hinweg bearbeiten.

Der Sprung von Generative AI zu Agentic AI besteht deshalb nicht darin, dass KI bessere Antworten formuliert. Er besteht darin, dass sie aus einer Antwort den nächsten Prozessschritt machen kann.

Zurück zum gestiegenen Abschlag.

Der AI Agent erkennt zunächst, worum es dem Kunden tatsächlich geht. Anschließend analysiert er Verbrauch, Tarif und historische Werte. Er kann prüfen, ob sich der Verbrauch verändert hat, ob eine Preisanpassung erfolgt ist oder ob bereits andere relevante Servicefälle vorliegen.

Aus diesen Informationen entsteht nicht nur eine Erklärung. Der Agent kann mögliche Handlungsoptionen bestimmen und den passenden Folgeprozess initiieren – beispielsweise eine Abschlagsanpassung.

Erst wenn eine menschliche Entscheidung notwendig wird, ein definierter Schwellenwert überschritten ist oder der Fall außerhalb der vorgesehenen Regeln liegt, erfolgt die Übergabe an einen Servicemitarbeiter. Der muss dann nicht von vorne anfangen. Anliegen, Historie und relevante Informationen liegen bereits aufbereitet vor.

Das klingt nach einem einzelnen Servicefall. Tatsächlich verändert sich damit aber die Architektur des Kundenservice.

Bisher sind viele Systeme darauf ausgelegt, Mitarbeiter bei der Bearbeitung eines Vorgangs zu unterstützen. Agentic AI dreht diese Logik teilweise um: Der Prozess läuft zunächst automatisiert und zieht den Menschen dort hinzu, wo seine Entscheidung tatsächlich gebraucht wird.

Die direkten Kontaktpunkte zwischen Kunde und Energieversorger sind vergleichsweise selten. Gerade deshalb haben sie Gewicht.

Eine unerwartet hohe Rechnung. Eine Preisanpassung. Ein Umzug. Zahlungsschwierigkeiten. Eine Beschwerde. Eine Kündigung.

Es sind Situationen, in denen Kunden nicht besonders viel Geduld für die interne Komplexität ihres Versorgers aufbringen. Ob für die Klärung drei Fachsysteme, zwei Abteilungen und eine manuelle Prüfung notwendig sind, ist aus ihrer Perspektive irrelevant. Sie wollen wissen, warum etwas passiert ist – und was jetzt geschieht.

Für Mitarbeiter sieht die Situation häufig anders aus. Sie müssen Informationen recherchieren, den bisherigen Verlauf rekonstruieren, Daten zwischen Systemen abgleichen und administrative Schritte erledigen, bevor sie sich überhaupt mit der eigentlichen Frage beschäftigen können.

AI Agents können diese Arbeitsteilung verändern. Recherche, Datenzusammenführung und standardisierte Prozessschritte lassen sich stärker automatisieren. Menschen kommen dort ins Spiel, wo ein Fall uneindeutig, sensibel oder beratungsintensiv wird.

Damit wird Automatisierung nicht nur schneller. Sie bekommt eine andere Reichweite.

Das größte Missverständnis wäre deshalb, Agentic AI als nächste Generation des Chatbots zu behandeln.

Ein Agent, der zwar intelligent kommunizieren kann, aber keinen Zugriff auf relevante Daten und Funktionen besitzt, bleibt am Ende ein Gesprächspartner. Interessant wird Agentic AI erst, wenn aus Kommunikation Prozessausführung werden kann.

Dafür müssen Agents in die bestehende System- und Prozesslandschaft eingebettet sein.

Genau hier wird beispielsweise die BSI Customer Suite relevant. Als zentrale Kundenschnittstelle bündelt sie Interaktionen, Daten und Touchpoints und verbindet diese mit Marketing-, Sales- und Serviceprozessen. Funktionen und Daten der Plattform können damit sowohl Mitarbeitern als auch AI Agents zur Verfügung stehen.

Eine weitere Grundlage bilden die BSI Elements. Sie bündeln branchenspezifisches Fachwissen in vorkonfigurierten Use Cases, Prozessen und Konfigurationen. Typische Szenarien müssen dadurch nicht bei jedem Energieversorger vollständig neu modelliert werden, sondern können als Ausgangspunkt dienen und an die jeweilige Prozess- und Systemlandschaft angepasst werden.

Spezialisierte Customer Agents lassen sich anschließend in diese Abläufe integrieren. Sie analysieren Informationen, bereiten Entscheidungen vor oder treffen sie innerhalb definierter Grenzen, lösen Aktionen aus und koordinieren weitere Prozessschritte.

Dabei muss nicht jeder Agent maximal autonom arbeiten.

Je nach Risiko, Prozess und regulatorischem Rahmen kann der Autonomiegrad unterschiedlich ausfallen: vom Assistenten für einen Servicemitarbeiter über selbstständig ausgeführte Aktionen bis hin zu Multi-Step Agents, die mehrere Schritte eines Vorgangs koordinieren.

Die interessantere Frage lautet deshalb nicht: Wie autonom kann ein Agent sein?

Sondern: Wie autonom sollte er in diesem konkreten Prozess sein?

Die spannendere Frage ist, welche Arbeit Menschen künftig noch selbst übernehmen sollten.

Müssen Servicemitarbeiter Vertragsinformationen aus mehreren Systemen zusammensuchen? Müssen sie Daten übertragen, Standardprüfungen durchführen oder den bisherigen Kontaktverlauf manuell rekonstruieren?

Wahrscheinlich immer seltener.

Anders sieht es bei komplexen Entscheidungen, Beratung, Verhandlungen oder emotional aufgeladenen Situationen aus. Hier ist menschliches Urteilsvermögen nicht das Problem im Prozess, sondern ein wichtiger Bestandteil davon.

Agentic AI verschiebt deshalb vor allem die Grenze zwischen Maschinen- und Menschenarbeit.

AI Agents übernehmen Recherche-, Analyse- und Prozessschritte. Mitarbeiter bearbeiten Ausnahmen, treffen Entscheidungen außerhalb definierter Grenzen und konzentrieren sich auf Situationen, in denen Erfahrung, Empathie oder Verhandlung gefragt sind.

Gerade in den entscheidenden Momenten einer Kundenbeziehung kann das wichtiger sein als eine weitere Verkürzung der durchschnittlichen Bearbeitungszeit.

Agentic AI wird häufig über sichtbare Interfaces diskutiert: neue Chatbots, Assistenten, Avatare. Für Energieversorger dürfte die größere Veränderung jedoch im Hintergrund stattfinden.

Dort entscheidet sich, ob ein System eine Kundenanfrage nur versteht – oder ob es den dazugehörigen Geschäftsvorfall tatsächlich bearbeiten kann.

Dafür müssen Kundendaten, Kommunikation und Prozesse zusammenspielen. Agenten benötigen klar definierte Handlungsspielräume, Zugriff auf relevante Systeme und ebenso klar definierte Grenzen. Und Unternehmen müssen ihre Prozesse so modellieren, dass nicht die einzelne Tätigkeit, sondern das gewünschte Ergebnis im Mittelpunkt steht.

Damit nähert sich Agentic AI einer Entwicklung an, die bei der Hyperautomatisierung schon länger sichtbar ist: Einzelne automatisierte Schritte reichen nicht mehr. Interessant wird die Technologie dort, wo komplette Anliegen Ende-zu-Ende gedacht werden. Bei crossnative bildet diese Logik auch die Grundlage von HyOS: Daten, Kommunikation und Prozess werden als zusammenhängendes Automatisierungssystem betrachtet.

Für den Kunden ist diese Architektur unsichtbar. Und genau das wäre vermutlich ihr größter Erfolg.

Er schreibt, weil sein Abschlag plötzlich gestiegen ist.

Und statt eine Erklärung, eine Ticketnummer und drei Tage später eine weitere Rückfrage zu bekommen, wird sein Anliegen geklärt.

Agentic AI ermöglicht Energieversorgern, Kundenanliegen nicht nur automatisiert zu beantworten, sondern über mehrere Prozessschritte hinweg zu bearbeiten. AI Agents analysieren Kunden-, Vertrags- und Verbrauchsdaten, leiten Entscheidungen ab und können Aktionen in angebundenen Systemen auslösen. Besonders relevant ist der Ansatz für Rechnungs- und Abschlagsklärung, Umzüge, Beschwerden, Churn Prevention und Forderungsmanagement. Der Autonomiegrad wird abhängig von Prozess, Risiko und Entscheidungsrahmen festgelegt.

Was ist Agentic AI?

Agentic AI bezeichnet KI-Systeme, die nicht nur Inhalte erzeugen, sondern selbstständig auf ein definiertes Ziel hinarbeiten. Sie können Informationen beschaffen, Kontext analysieren, Entscheidungen ableiten und Aktionen ausführen.

Wie unterscheidet sich Agentic AI von Generative AI?

Generative AI erzeugt vor allem Inhalte. Agentic AI verbindet KI mit Handlungsfähigkeit: Ein Agent kann Informationen auswerten, Entscheidungen treffen, Systeme ansteuern und mehrere Prozessschritte koordinieren.

Wie können Energieversorger Agentic AI einsetzen?

Typische Anwendungsfelder sind Rechnungs- und Abschlagsklärung, Umzüge, Beschwerdemanagement, Kündigungsprävention, Forderungsmanagement und proaktive Kundenservices.

Können AI Agents Kundenprozesse vollständig übernehmen?

In klar definierten Prozessen können Agents mehrere Schritte selbstständig ausführen. Bei Ausnahmen, sensiblen Entscheidungen oder überschrittenen Grenzen sollte der Vorgang an einen Mitarbeiter übergeben werden.

Ersetzt Agentic AI Mitarbeiter im Kundenservice?

Vor allem die Aufgabenverteilung verändert sich. Agents können Recherche, Datenzusammenführung und standardisierte Prozessschritte übernehmen, während Mitarbeiter sich stärker auf Beratung, Ausnahmen und komplexe Kundensituationen konzentrieren.