Kosten senken mit KI-Agenten ist unmöglich ... oder doch?

Der Artikel diskutiert reale Beispiele, wie KI Betriebskosten senkt, und beleuchtet sowohl Erfolge als auch Fallstricke. Klarna ersetzte über 700 Support-Mitarbeiter durch KI von OpenAI, wodurch die Reaktionszeit um ein Drittel verkürzt und Probleme fünfmal schneller gelöst wurden. Allerdings stieg die Kundenabwanderung um 15 Prozent und die Verluste wuchsen, was eine Rückkehr zu menschlichen Agenten und später ein Hybridmodell erzwang. Swisscom implementierte erfolgreich eine Multi-Agenten-Architektur mit Rasa CALM und Amazon Bedrock AgentCore, wodurch sich die automatisierten Lösungen verdoppelten und die Betriebskosten um 50 Prozent sanken – allerdings ist der Aufbau komplex und kostspielig. OneDigital sparte durch paradox.ai jährlich bis zu 170.000 US-Dollar bei der Personalplanung, doch Kritiker merken an, dass die Einsparungen übertrieben sind, da die Mitarbeiter weiterbeschäftigt blieben und das Bewerbermanagementsystem jährlich zwischen 30.000 und 100.000 US-Dollar kostet. Duolingo verfolgte einen KI-First-Ansatz und steigerte den Umsatz im ersten Quartal 2026 auf 292 Millionen US-Dollar, musste jedoch einräumen, dass mindestens 20 Prozent der KI-generierten Inhalte unbrauchbar waren und interne Kennzahlen die KI-Nutzung irreführend belohnten. Zu den Empfehlungen gehören der Einstieg mit einfachen Anwendungsfällen, die Bewertung qualitativer Kennzahlen, die Erfassung realer Einsparungen und die Verwendung einer menschlichen Überprüfung im Prozess.