So misst du den ROI von KI-Chatbots: Die 5 Kennzahlen, die wirklich zählen

Jede Support-Führungskraft bekommt 2026 dieselbe Frage gestellt: „Wie ist der ROI unseres KI-Chatbots?" Die meisten haben keine saubere Antwort. Der Anbieter hat eine Deflection Rate geliefert, das Marketing hat ein Kundenzitat angehängt, und der CFO will eine echte Dollarzahl. Vier Jahre nach Beginn der kommerziellen KI-Chatbot-Ära ist die ROI-Messung immer noch erstaunlich planlos. Dieser Beitrag räumt mit dem Lärm auf und gibt dir fünf Kennzahlen, die zusammen das vollständige Bild ergeben. Keine Zahlen fürs Schaufenster, sondern die Zahlen, die du in einer Vorstandssitzung vertreten würdest.

Metrik 1: Deflection Rate (ehrlich berechnet)

Die Deflection Rate ist der Anteil eingehender Support-Konversationen, die die KI ohne menschliches Eingreifen löst. Sie ist die Kennzahl, die alle zuerst nennen, aber auch die am häufigsten geschönte. Anbieter melden Deflection Rates von 60 bis 80 Prozent, indem sie alles zählen, was der Nutzer nicht ausdrücklich an einen Menschen weitergegeben hat. Das ist falsch.

Die ehrliche Berechnung: Deflection Rate = von der KI gelöste Konversationen, bei denen der Kunde nicht innerhalb von 14 Tagen mit demselben Problem zurückkam / alle von der KI bearbeiteten Konversationen.

Warum das 14-Tage-Fenster wichtig ist: Ein Kunde, der eine wenig hilfreiche KI-Antwort bekommt, eskaliert oft nicht wütend. Er gibt auf und kommt später über einen anderen Kanal zurück (E-Mail, andere Produktseite). Ohne das Rückkehrfenster zählst du ihn als erfolgreich abgefangen, obwohl du ihn in Wahrheit im Stich gelassen hast.

Gesunde Richtwerte nach Branche:

• E-Commerce (Bestellstatus, Retouren, Versand): 40 bis 60 Prozent
• SaaS (Produktsupport): 25 bis 45 Prozent
• Finanzdienstleistungen (Kontofragen): 15 bis 30 Prozent

Liegst du unter diesen Spannen, ist deine Wissensdatenbank dünn oder deine KI schlecht mit Inhalten versorgt. Liegst du darüber, zählst du wahrscheinlich falsch, oder deine Kunden helfen sich ungewöhnlich gern selbst.

Metrik 2: Kosten pro Lösung

Die Kosten pro Lösung machen alles vergleichbar. Mit ihnen stellst du von der KI bearbeitete Tickets direkt neben Tickets, die Menschen bearbeitet haben.

Formel: gesamte KI-Kosten des Zeitraums / von der KI gelöste Konversationen = KI-Kosten pro Lösung. Im Vergleich dazu: Vollkosten der Agenten / von Menschen gelöste Tickets = menschliche Kosten pro Lösung.

In Zahlen von 2026 kostet ein Support-Agent mit allen Kosten (Gehalt, Sozialleistungen, Tools, Gemeinkosten) in entwickelten Märkten zwischen 35 $ und 85 $ pro Stunde. Bei einer durchschnittlichen Bearbeitungszeit von 12 Minuten sind das 7 $ bis 17 $ pro Ticket, das ein Mensch löst.

Ein KI-Chatbot mit einem festen Preis pro Konversation (wie Deskwoot mit 0,03 $ bis 0,07 $ pro zusätzlicher KI-Konversation, je nach Plan) kostet eben genau das: 0,03 $ bis 0,07 $. Bei den direkten Kosten ist die KI damit etwa 100- bis 570-mal günstiger.

Der Vorbehalt: Das gilt nur, wenn die Deflection Rate der KI ehrlich ist (siehe Metrik 1). Ein „abgefangenes" Ticket, aus dem später zwei eskalierte Tickets werden, ist ein Verlust, kein Gewinn. Miss die Kosten pro Lösung immer zusammen mit der Deflection Rate. Keine der beiden Kennzahlen sagt allein etwas aus.

Metrik 3: Eskalationsrate und CSAT-Aufteilung

Die Eskalationsrate ist der Anteil der von der KI bearbeiteten Konversationen, die an einen menschlichen Agenten weitergegeben wurden. Sie ist zum Teil das Gegenstück zur Deflection Rate, erfasst aber etwas Eigenes: Wollen Kunden einen Menschen, weil die KI versagt hat, oder weil die Anfrage von Anfang an außerhalb dessen lag, was die KI leisten soll?

Bewährt hat sich, den CSAT nach Lösungsweg aufzuteilen:

• CSAT bei Tickets, die nur die KI gelöst hat
• CSAT bei Tickets, die erst die KI bearbeitet und dann eskaliert hat
• CSAT bei Tickets, die nur Menschen gelöst haben

Liegt der CSAT der reinen KI-Tickets höchstens 5 Punkte unter dem der reinen Agenten-Tickets, hilft die KI, ohne das Kundenerlebnis zu verschlechtern. Ist die Lücke größer als 10 Punkte, verdeckt deine Deflection Rate einen Schaden.

Der schlimmste Fall, den ich gesehen habe: Ein Bot fing 55 Prozent der Konversationen ab, lag beim CSAT aber 22 Punkte unter dem Agententeam. Unterm Strich standen günstigere Tickets und abgewanderte Kunden. Der ROI war trotz beeindruckender Deflection Rate negativ.

Die Lehre daraus: Zeig deiner Geschäftsführung nie Deflection-Zahlen ohne die CSAT-Aufteilung. Ohne sie ist das Bild unvollständig.

Metrik 4: Einfluss auf die durchschnittliche Bearbeitungszeit

Selbst bei Tickets, die an einen Menschen gehen, sammelt die KI meist schon Kontext: Name des Kunden, eine Zusammenfassung des Problems, erste Lösungsversuche. Ein guter KI-Copilot geht noch weiter und schlägt dem Agenten in Echtzeit Antworten vor.

Miss die durchschnittliche Bearbeitungszeit (AHT) in drei Gruppen:

• AHT vor der Einführung der KI (Ausgangswert)
• AHT nach der Einführung der KI, Tickets nur mit Menschen
• AHT nach der Einführung der KI, Tickets mit KI-Unterstützung (Copilot-Vorschläge genutzt)

Typische Verbesserung: 15 bis 30 Prozent weniger AHT bei Tickets, die Menschen bearbeiten, sobald das Team den Copilot nutzt. Dort steckt oft der größere ROI, nicht in der Deflection Rate.

Der Grund: Die KI fängt die 40 bis 60 Prozent einfachen Tickets ab. Der Copilot hilft bei den anderen 40 bis 60 Prozent, die weiterhin einen Menschen brauchen. Zusammen verstärken sich beide Effekte.

Deskwoot hat den KI-Copilot in jedem Plan dabei, auch im kostenlosen Hacker-Plan. Für die eingesparte Bearbeitungszeit brauchst du also keine eigene ROI-Rechnung für ein Zusatzmodul mit 35 $ pro Platz. Auf der Funktionsseite findest du alle KI-Funktionen, und im umfassenden Leitfaden zum KI-Kundensupport Tipps zur Einrichtung.

Metrik 5: Amortisationsdauer

Die eine Zahl, die dein CFO sehen will: Wie viele Monate dauert es, bis sich die KI selbst bezahlt hat?

Formel: (gesamte Einführungskosten + Softwarekosten pro Jahr) / (monatliche Einsparungen durch abgefangene Tickets + monatliche Einsparungen durch kürzere AHT).

Die Einführungskosten für einen modernen KI-Chatbot sind gering: Artikel für die Wissensdatenbank schreiben oder importieren (meist 5 bis 15 Stunden für die ersten 20 Artikel), die KI mit dem Posteingang verbinden (unter 1 Stunde), Tests im Schattenmodus (1 bis 2 Wochen).

Die monatlichen Einsparungen kommen aus drei Quellen:

1. Abgefangene Tickets, die sonst Agentenstunden gekostet hätten
2. Kürzere AHT bei eskalierten Tickets dank des Copilots
3. Neueinstellungen, die du dir sparst, weil das Team bei wachsendem Volumen nicht im gleichen Maß wachsen muss

Typische Amortisationsdauer für ein Startup, das eine moderne Plattform mit KI im Kern einführt: 1 bis 3 Monate. Bei Migrationen großer Unternehmen mit teurer KI-Abrechnung pro Lösung kann es mehr als 12 Monate dauern, weil die Einsparung pro Konversation gegenüber dem bisherigen Tool (Zendesk plus Fin) kleiner ausfällt.

Mit der Amortisationsdauer solltest du eine Präsentation vor dem Vorstand eröffnen. Deflection Rate und CSAT sind die unterstützenden Daten.

Das Gesamt-Dashboard

So sieht die Übersicht auf einer Folie aus, die du monatlich berichten solltest:

• Deflection Rate (14 Tage): Zielwert 30 bis 55 Prozent
• Kosten pro KI-Lösung: Zielwert unter 0,05 $
• Kosten pro menschlicher Lösung: Marktvergleichswert
• Eskalationsrate: Zielwert unter 25 Prozent
• CSAT (nur KI): Zielwert höchstens 5 Punkte unter dem menschlichen Wert
• AHT-Reduktion: Zielwert 15 bis 30 Prozent
• Amortisationsdauer: Zielwert unter 6 Monaten

Liegt eine Kennzahl außerhalb ihres Zielbereichs, hast du ein konkretes Problem, dem du nachgehen kannst. So wird aus der vagen Diskussion über den „ROI der KI" ein konkretes Dashboard für den Betrieb.

Wo die meisten Teams scheitern

Drei häufige Fehler ruinieren die ROI-Rechnung für die KI in den ersten 90 Tagen.

Fehler eins: Abgefangene Tickets ohne Rückkehrfenster zählen. Kunden, die still abwandern, eskalieren nicht. Dein Dashboard lügt, wenn du nicht erfasst, wie viele Kunden innerhalb von 14 Tagen mit demselben Problem zurückkommen.

Fehler zwei: Den Einfluss auf die AHT ignorieren. Teams starren auf die Deflection Rate und übersehen die 20 Prozent kürzere AHT, die meist die Hälfte der gesamten Einsparungen bringt.

Fehler drei: KI-Abrechnung pro Lösung bei E-Commerce mit hohem Volumen. Bei 0,99 $ pro Lösung frisst eine Woche mit viralem Produktstart die Einsparungen schnell auf. Ein fester Preis pro Konversation ist das richtige Finanzmodell für produktgetriebenes Wachstum. Auf der Deskwoot-Preisseite siehst du, wie ein solches Modell mitwächst.

Fazit

Die meisten ROI-Gespräche über KI-Chatbots versanden in vagen Richtwerten und Zahlen der Anbieter. Diese fünf Kennzahlen schaffen Klarheit. Miss sie, berichte sie monatlich, und die Frage „Funktioniert die KI?" ist keine Meinungsfrage mehr. Die Antwort ist ein Dashboard, das dein CFO absegnet.