Fallstudie: KI-Kundensupport mit OpenClaw-Agenten

Novaris Technologies hatte ein Kundensupportproblem, das jedes wachsende SaaS-Unternehmen kennt: Das Volumen seiner Supporttickets wuchs schneller als sein Umsatz. Im Jahr 2023 bearbeiteten sie mit einem sechsköpfigen Support-Team 2.400 Support-Tickets pro Monat. Bis Ende 2024 war das Volumen auf 5.800 Tickets pro Monat gestiegen – ein Anstieg um 142 %, der auf Produktwachstum und geografische Expansion zurückzuführen ist –, während das Team auf nur acht Personen angewachsen war.

Die Rechnung war brutal. Um 5.800 Tickets pro Monat in der von seinen Unternehmenskunden erwarteten Qualität zu bearbeiten, benötigte Novaris entweder 14 Supportmitarbeiter (Verdoppelung der Mitarbeiterzahl und Supportkosten) oder einen grundlegend anderen Ansatz für die Funktionsweise des Supports.

Sie wählten den anderen Ansatz. Diese Fallstudie dokumentiert die sechswöchige Bereitstellung des OpenClaw AI-Agenten, die ECOSIRE für Novaris durchgeführt hat, und deckt die Implementierungsarchitektur, die aufgetretenen Herausforderungen und die Ergebnisse sowohl drei Monate als auch neun Monate nach der Bereitstellung ab.

Wichtige Erkenntnisse

• OpenClaw-Agenten bearbeiten 84 % der Novaris-Support-Tickets autonom (gegenüber 0 % vor der Bereitstellung)
• Der Personalbestand des Support-Teams bleibt bei 8, während mehr als 5.800 Tickets/Monat bearbeitet werden (gegenüber 14 ohne KI erforderlich)
• Die durchschnittliche Zeit bis zur ersten Reaktion sank von 4,2 Stunden auf 8 Minuten
• Der Kundenzufriedenheitswert verbesserte sich von 3,8 auf 4,4 von 5,0
• Die Supportkosten pro Ticket sanken von 28 $ auf 11 $ (Reduzierung um 61 %). – Menschliche Agenten konzentrieren sich jetzt ausschließlich auf komplexe, beziehungssensible Themen
• Die KI-Agenten bearbeiten Tickets gleichzeitig in Englisch, Arabisch und Urdu

---

Hintergrund: Novaris Technologies

Novaris Technologies ist ein in Karatschi ansässiges SaaS-Unternehmen, das cloudbasierte ERP-Software für mittelständische Unternehmen in Südasien und im Nahen Osten bereitstellt. Das 2019 gegründete Unternehmen war bis Ende 2024 auf 3.200 zahlende Kunden angewachsen, wobei es sich bei der Mehrheit um kleine und mittlere Unternehmen handelte, die die Plattform für Buchhaltung, Inventar und Personalverwaltung nutzten.

Die Kundensupportfunktion von Novaris betreute einen vielfältigen Kundenstamm: 60 % englischsprachige, 25 % arabischsprachige und 15 % urdusprachige Kunden, verteilt auf acht Länder. Das Support-Team kümmerte sich um alles, von grundlegenden Fragen zur Vorgehensweise (Wie erstelle ich einen Umsatzsteuerbericht?) über komplexe Datenprobleme (Warum ist meine Bestandsbewertung nach einer negativen Anpassung falsch?) bis hin zu Integrationsproblemen (die Bankabstimmung stimmt nicht mit der Abrechnung überein).

Bis Mitte 2024 stieg die durchschnittliche Erstreaktionszeit des Supportteams auf 4,2 Stunden. Die Kundenzufriedenheitswerte sanken von 4,1 auf 3,8. Zwei Unternehmenskunden hatten in ihren Gesprächen zur Vertragsverlängerung die Supportqualität angehoben. Die Skalierung mit der Mitarbeiterzahl war sowohl teuer als auch schwierig – qualifizierte SaaS-Supportmitarbeiter mit Arabischkenntnissen in Karatschi waren wirklich schwer zu finden.

---

Warum OpenClaw

Novaris evaluierte drei KI-Supportoptionen, bevor es ECOSIRE engagierte: die Bereitstellung eines Chatbots direkt auf seinem Support-Portal, die Entwicklung einer benutzerdefinierten Lösung unter Verwendung der OpenAI-API intern und die Beauftragung von ECOSIRE mit der Bereitstellung von OpenClaw-Agenten.

Chatbot-Einschränkungen: Standard-Chatbots für den Kundensupport – auch die KI-gestützten – eignen sich gut für Fragen im FAQ-Stil mit deterministischen Antworten. Sie schlagen bei Abfragen fehl, die ein Verständnis des Systemkontexts, Überlegungen zu kundenspezifischen Daten oder die Durchführung mehrstufiger Maßnahmen erfordern (z. B. Überprüfung einer Transaktion, Identifizierung der Grundursache und Erläuterung der Fehlerbehebung). Die Support-Warteschlange von Novaris war überwiegend die zweite Art von Anfrage, nicht die erste.

Benutzerdefinierter interner Build: Novaris verfügte über interne Entwicklungskapazitäten, aber der Aufbau eines zuverlässigen KI-Unterstützungssystems von Grund auf erfordert umfangreiche Fachkenntnisse in den Bereichen Prompt Engineering, abrufgestützte Generierung, Orchestrierung von Tool-Aufrufen, Fehlerbehandlung und menschliche Eskalationslogik. Die interne Schätzung betrug sechs Monate und einen engagierten Entwickler – mehr Zeit und Risiko als die Bereitstellung einer speziell entwickelten Lösung.

OpenClaw-Agenten: OpenClaw wurde speziell für die Automatisierung von Geschäftsprozessen mit KI-Agenten entwickelt. Es bietet einen Rahmen für die Verbindung von KI-Schlussfolgerungsfunktionen mit Geschäftssystem-APIs (Novaris‘ eigene API, ihr Odoo-Supportmodul, ihr Dokumentationssystem), die Definition von Eskalationsbedingungen, die Verwaltung des Konversationskontexts über Multi-Turn-Interaktionen hinweg und die Überwachung der Agentenleistung. Der Zeitrahmen für die Bereitstellung betrug sechs Wochen statt sechs Monate, und das Team von ECOSIRE hatte bereits zuvor ähnliche Integrationen erstellt.

---

Die OpenClaw-Architektur für Novaris

Die OpenClaw-Bereitstellung für Novaris umfasste drei verschiedene Agententypen, die jeweils auf unterschiedliche Kategorien von Supportanfragen spezialisiert waren.

Agent 1: Abwicklungsagent Behandelt einfache Anleitungs- und Konfigurationsfragen, die vollständig anhand der Dokumentation und Systemdaten gelöst werden können. Der Abwicklungsagent hat Zugriff auf:

• Vollständige Produktdokumentation von Novaris (indiziert in einer Vektordatenbank zur semantischen Suche)
• Die Kontodaten des Kunden über die API von Novaris (Abonnementstufe, konfigurierte Module, letzte Aktivität)
• Eine kuratierte Wissensdatenbank mit allgemeinen Support-Lösungen, die auf historischen Ticketdaten basiert

Wenn ein Ticket eintrifft, bestimmt der Lösungsagent, ob es mit den verfügbaren Informationen gelöst werden kann. Wenn ja, erstellt es eine Antwort, vergleicht die Antwort mit einer Qualitätsrubrik und sendet sie. Wenn die Qualitätsprüfung fehlschlägt (die Antwort ist unvollständig, widerspricht der Dokumentation oder enthält Unsicherheiten), wird das Ticket mit dem Antwortentwurf und der Kontextzusammenfassung an einen menschlichen Agenten weitergeleitet.

Agent 2: Diagnoseagent Behandelt technische Probleme, die eine Untersuchung der spezifischen Daten oder Konfigurationen des Kunden erfordern. Der Diagnostic Agent verfügt über zusätzlichen API-Zugriff:

• Kundenkontodaten auf Datensatzebene (nicht nur aggregierte Kennzahlen)
• Prüfprotokolle für aktuelle Benutzeraktionen im Kundenkonto
• Fehlerprotokolle der Novaris-Plattform, die dem Mandanten des Kunden zugeordnet sind

Der Diagnostic Agent folgt einem strukturierten Diagnose-Workflow: Reproduzieren Sie das Problem in einer Testumgebung, identifizieren Sie die Grundursache in den Daten oder der Konfiguration des Kunden und bieten Sie eine Lösung mit Schritt-für-Schritt-Anweisungen an. Ungefähr 60 % der Diagnostic Agent-Fälle lösen sich autonom. Die restlichen 40 % werden an menschliche Agenten weitergeleitet, die eine vollständige Diagnosezusammenfassung erhalten, was die menschliche Lösungszeit erheblich verkürzt.

Agent 3: Eskalationskoordinator Löst keine Tickets auf, sondern verwaltet die Übergabe von Tickets, die menschliches Urteilsvermögen erfordern, von der KI an menschliche Agenten. Wenn ein Ticket eskaliert, geht der Eskalationskoordinator wie folgt vor:

• Verfasst eine strukturierte Fallzusammenfassung (Problemtyp, Auswirkungen auf den Kunden, Diagnoseergebnisse, Lösungsversuche, empfohlene nächste Schritte)
• Weist das Ticket dem entsprechenden menschlichen Agenten zu, basierend auf dessen Fachgebiet und aktueller Warteschlangentiefe
• Legt Kundenerwartungen über eine automatisierte Bestätigung mit einer geschätzten Reaktionszeit fest
• Überwacht das eskalierte Ticket und benachrichtigt den menschlichen Agenten, wenn die Reaktionszeit das SLA überschreitet

---

Implementierungsprozess

Die sechswöchige Implementierung war so strukturiert, dass sie schnell abläuft und gleichzeitig die Qualitätsstandards einhält, die der Unternehmenssupport erfordert.

Woche 1: Aufbau einer Wissensdatenbank

Bevor Agenten eingesetzt werden konnten, musste die Wissensdatenbank vorhanden sein. Das Team von ECOSIRE arbeitete mit dem Produktmanager und dem leitenden Supportmitarbeiter von Novaris zusammen, um die gesamte Produktdokumentation zu indizieren, Lösungsmuster aus historischen Tickets aus drei Monaten zu extrahieren und eine strukturierte Wissensdatenbank aufzubauen, die die Mitarbeiter zuverlässig abfragen konnten.

Die historische Ticketanalyse war aufschlussreich: 71 % aller Tickets fielen in eine von zwölf Ausgabekategorien. Der Resolution Agent wurde für die direkte Bearbeitung von acht dieser Kategorien (insgesamt 52 % des Ticketvolumens) konfiguriert. Der Diagnoseagent wurde für die Verarbeitung von drei zusätzlichen Kategorien (insgesamt 28 % des Ticketvolumens) mit Diagnoseunterstützung konfiguriert. Die verbleibende Kategorie (komplexe Integrationsprobleme) wurde immer an menschliche Agenten weitergeleitet.

Woche 2: API-Integration

Der Entwickler von ECOSIRE baute die API-Integrationsschicht zwischen OpenClaw und dem Supportsystem von Novaris (Odoo Helpdesk), der Kunden-API von Novaris und der Plattformprotokollierungsinfrastruktur von Novaris auf. Die Integration erforderte sorgfältige Beachtung der Autorisierung: OpenClaw-Agenten benötigten Lesezugriff auf Kundendaten, aber keinen Schreibzugriff außer auf den Support-Ticket-Datensatz selbst (um Antworten zu posten und den Status zu aktualisieren).

Wochen 3–4: Agentenentwicklung und -optimierung

Das KI-Team von ECOSIRE entwickelte die Agentenaufforderungen, Diagnose-Workflows und Eskalationsentscheidungslogik. Jeder Agent wurde anhand von 200 echten historischen Tickets (anonymisiert) getestet, um die Genauigkeit zu messen. Die anfängliche Genauigkeit des Resolution Agent lag bei 76 % – zu niedrig für den Produktionseinsatz. Zwei Wochen schneller Entwicklung, Erweiterung der Wissensdatenbank und Verfeinerung der Rubriken steigerten die Genauigkeit auf 91 %, womit die Produktionsschwelle erreicht wurde.

Woche 5: Testen des Schattenmodus

Bevor Agenten auf echte Kunden antworteten, liefen sie im Schattenmodus: Sie verarbeiteten echte Tickets parallel mit menschlichen Agenten und generierten Antworten, die von Menschen überprüft, aber nicht an Kunden gesendet wurden. Durch Tests im Schattenmodus wurde die Agentenleistung im Live-Verkehr validiert und Randfälle identifiziert, die durch die historischen Tickettests nicht abgedeckt wurden.

Der Schattenmodus offenbarte eine systematische Lücke: Der Resolution Agent stellte gelegentlich veraltete Anleitungen bereit, die auf einer alten Dokumentationsversion basierten, die in der Wissensdatenbank nicht vollständig ersetzt worden war. Das Team von ECOSIRE identifizierte und korrigierte die veraltete Dokumentation und das Problem trat in der Produktion nicht auf.

Woche 6: Abgestufter Rollout

Der Rollout wurde nach Ticketkategorien gestaffelt: Der Resolution Agent ging zunächst für die beiden Problemkategorien mit der höchsten Vertrauenswürdigkeit in Betrieb, wurde fünf Tage lang überwacht und dann auf alle acht Kategorien ausgeweitet. Der Diagnostic Agent ging in Woche 7 nach dem gleichen Muster in Betrieb. Innerhalb von vier Wochen nach dem ersten Produktionseinsatz konnten beide Agenten den gesamten Umfang bewältigen.

---

Erfahrung menschlicher Agenten

Eine Sorge, die das Support-Team von Novaris vor der Einführung hatte, war, dass OpenClaw ihre Rollen entwerten würde – komplexe Tickets würden dadurch stärker automatisiert und die Möglichkeit zur Entwicklung von Fachwissen entfallen. Die tatsächliche Erfahrung war das Gegenteil.

Vor OpenClaw verbrachte das Support-Team etwa 60 % seiner Zeit mit der Bearbeitung routinemäßiger How-to-Fragen. Das waren keine interessanten Tickets. Es handelte sich um repetitive Aufgaben mit geringer Qualifikation, die das Team bewältigen musste, weil es keine Alternative gab. Die Agenten haben diese 60 % der Warteschlange beseitigt.

Nach OpenClaw bearbeitet das menschliche Team nur noch die Tickets, die echtes Fachwissen erfordern: komplexe Probleme bei der Multisystemintegration, Datenwiederherstellungssituationen, Architekturberatung für Unternehmenskunden und beziehungskritische Gespräche mit Kunden, die erhebliche Frustrationen verspüren. Die Einschätzung der eigenen Arbeitsqualität durch das Team verbesserte sich deutlich – es leistete interessantere Arbeit mit größerer Wirkung.

ECOSIRE schulte das Support-Team darin, wie man die Fallzusammenfassungen des Eskalationskoordinators effektiv nutzt: wie man die Diagnoseergebnisse liest, wie man auf den Lösungsversuchen aufbaut, anstatt bei Null anzufangen, und wie man ECOSIRE Feedback gibt, wenn die Agentenzusammenfassungen ungenau oder unvollständig waren. Die Feedbackschleife erwies sich als wesentlich für die kontinuierliche Verbesserung der Agentenqualität.

---

Ergebnisse nach 3 Monaten und 9 Monaten

Mehrere Ergebnisse verdienen einen besonderen Kommentar.

CSAT-Verbesserung: Die Verbesserung von 3,8 auf 4,4 überraschte das Managementteam von Novaris. Man hatte erwartet, dass KI-gesteuerte Tickets bei der Zufriedenheit schlechter abschneiden würden als menschlich bearbeitete Tickets. Das Gegenteil geschah: Kunden schätzten die Reaktionszeit von 8 Minuten mehr als es ihnen wichtig war, ob die Antwort von einem Menschen oder einer KI kam, solange die Antwort korrekt war und ihr Problem löste. Umfragen nach der Interaktion zeigten, dass die Zufriedenheit mit der Lösungszeit und der Lösungsgenauigkeit korrelierte, nicht mit dem Agententyp.

Mehrsprachige Qualität: Die Agenten beherrschen Englisch, Arabisch und Urdu als Muttersprache. Die Qualität der arabischen Antworten war anfangs am schwankendsten – die Wissensbasis war hauptsächlich auf Englisch aufgebaut und stützte sich bei arabischen Antworten auf KI-Übersetzungen. ECOSIRE arbeitete mit Novaris zusammen, um in den ersten drei Monaten arabischsprachige Dokumentations- und Lösungsmuster zur Wissensdatenbank hinzuzufügen, wodurch die arabischen Ticketzufriedenheitswerte im vierten Monat mit denen der englischen gleichkamen.

Management-Eskalationen: Der Rückgang der Management-Eskalationen um 87 % spiegelt eine strukturelle Verbesserung bei der Bearbeitung schwieriger Tickets wider. Vor OpenClaw wandten sich frustrierte Kunden, die über den Standardsupport keine Lösung finden konnten, an das Management, um Druck auszuüben. Die dramatische Verbesserung der Erstreaktionszeit und der Lösungsrate beseitigte die Frustration, die diese Eskalationen verursachte.

---

Häufig gestellte Fragen

Wie geht OpenClaw mit einem Kunden um, der offensichtlich verärgert ist und eine menschliche Note braucht?

OpenClaw-Agenten sind mit Stimmungserkennung konfiguriert. Wenn ein Ticket oder eine Gesprächsrunde eine starke negative Stimmung erkennen lässt – direkte Frustrationsbekundungen, Stornierungsdrohungen oder explizite Bitten um menschliche Hilfe – eskaliert der Agent sofort zu einem menschlichen Agenten mit einer Prioritätsmarkierung. Der Agent versucht nicht, die emotionale Komponente aufzulösen; es geht sauber und schnell von der Hand. Beim Einsatz von Novaris eskalieren etwa 3 % der Tickets aus Stimmungsgründen sofort, ohne dass ein eigenständiger Lösungsversuch erfolgt.

Was passiert, wenn die KI eine falsche Antwort gibt?

Die Agenten sind so konzipiert, dass sie kalibriert und nicht übermütig sind. Wenn der Resolution Agent den zum autonomen Senden einer Antwort erforderlichen Konfidenzschwellenwert nicht erreichen kann, eskaliert er statt zu raten. Wenn ein Agent eine falsche Antwort gibt (was, wenn auch selten, vorkommt), markiert das Überwachungssystem von Novaris das Ticket, wenn der Kunde antwortet und angibt, dass das Problem nicht gelöst wurde. Das Ticket wird mit einer Qualitätsmarkierung erneut in die Warteschlange gestellt, von einem menschlichen Agenten überprüft und das falsche Antwortmuster für die erneute Schulung des Agenten dokumentiert. Die kontinuierliche Feedbackschleife ist für die langfristige Aufrechterhaltung der Agentenqualität von entscheidender Bedeutung.

Wie lange dauert die Bereitstellung von OpenClaw für ein neues Unternehmen?

Der Zeitrahmen hängt von der Komplexität des Produkts und der Qualität der vorhandenen Dokumentation ab. Für ein SaaS-Produkt mit guter Dokumentation (wie das von Novaris) sind sechs bis acht Wochen typisch. Für Unternehmen mit schlechter Dokumentation oder hochkomplexen Produkten kann die Aufbauphase der Wissensdatenbank den Zeitrahmen auf zwölf bis sechzehn Wochen verlängern. Das ECOSIRE-Pre-Sales-Team bewertet die Dokumentationsqualität und die Produktkomplexität während der Entdeckungsphase und erstellt vor der Beauftragung eine realistische Zeitschätzung.

Erfordert OpenClaw nach der Bereitstellung eine fortlaufende Verwaltung?

Ja, aber der Verwaltungsaufwand ist im Vergleich zum gelieferten Wert gering. ECOSIRE empfiehlt einen monatlichen Überprüfungsprozess: Probenahme gelöster Tickets zur Qualitätsvalidierung, Überprüfung von Eskalationsmustern auf Anzeichen dafür, dass die Agentenkonfiguration aktualisiert werden muss, und Verarbeitung des Feedbacks menschlicher Agenten, die Muster in den an sie eskalierten Tickets erkennen. Der Supportplan von ECOSIRE für OpenClaw-Bereitstellungen umfasst vierteljährliche Sitzungen zur Agentenoptimierung als Teil des Standardangebots.

Kann OpenClaw in unsere bestehende Helpdesk-Plattform integriert werden?

OpenClaw lässt sich über die API in Zendesk, Freshdesk, Intercom, HubSpot Service Hub, Odoo Helpdesk und andere wichtige Helpdesk-Plattformen integrieren. Für Plattformen ohne vorgefertigte Integrationen kann das Entwicklungsteam von ECOSIRE benutzerdefinierte Integrationen erstellen. Der Integrationspunkt ist normalerweise der Webhook zur Ticketerstellung (löst die Verarbeitung durch den Agenten aus, wenn ein neues Ticket eintrifft) und die Ticket-Antwort-API (ermöglicht dem Agenten, Antworten zu posten und den Ticketstatus zu aktualisieren).

---

Nächste Schritte

Wenn Ihr Support-Team den gleichen Volumendruck verspürt wie Novaris, bietet die OpenClaw-Praxis von ECOSIRE eine kostenlose Bewertung des Support-Betriebs an: Analyse Ihres aktuellen Ticketvolumens, Kategorisierung der Tickettypen nach Automatisierungspotenzial und Abschätzung der spezifischen Auswirkungen, die eine OpenClaw-Bereitstellung für Ihren Betrieb haben könnte.

Besuchen Sie /services/openclaw, um mehr über die OpenClaw AI-Agentenplattform zu erfahren und eine Bewertung anzufordern.