Vordenker

Die klügste KI-Entscheidung könnte sein, die Nachricht nicht zu senden

Derek Slager
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Wichtige PunkteDie Optimierung auf Klicks belohnt das Versenden von mehr Nachrichten, selbst wenn…
Mehr anzeigen
  • Die Optimierung auf Klicks belohnt das Versenden von mehr Nachrichten, selbst wenn Zurückhaltung die Kundenbeziehung besser schützen würde.
  • Eine gut geschriebene Werbebotschaft, die versendet wird, während eine Rückerstattung ungelöst ist, ist ein Entscheidungsfehler, den besserer Inhalt nicht beheben kann.
  • Die menschliche Prüfung sollte sich auf mehrdeutigen Kontext und folgenschwere Handlungen konzentrieren statt auf routinemäßige Richtlinienfälle.

Generative KI hat es deutlich günstiger gemacht, personalisierte Nachrichten zu verfassen. Sie hat es jedoch nicht einfacher gemacht zu entscheiden, ob eine Nachricht überhaupt gesendet werden sollte.

Diese Unterscheidung ist wichtig, da KI immer mehr Entscheidungen rund um die Interaktionen mit Kunden übernimmt. Ein System kann ein passendes Angebot erstellen und vorhersagen, dass jemand darauf klicken wird – und trotzdem die falsche Entscheidung treffen. Vielleicht wartet der Kunde auf eine Rückerstattung. Vielleicht hat er eine ungelöste Beschwerde. Vielleicht hat er das Produkt bereits unter einer anderen E-Mail-Adresse gekauft.

Bessere Texte lösen keines dieser Probleme. Das System braucht ein besseres Verständnis des Kunden, ein Ziel, das widerspiegelt, worauf es dem Unternehmen tatsächlich ankommt, und klare Grenzen für sein Handeln.

Was soll das System optimieren?

Versendete Nachrichten, Öffnungen und Klicks lassen sich leicht zählen. Das macht sie zu nützlichen Betriebskennzahlen, aber auch zu verlockenden Ersatzgrößen für das, was ein Unternehmen tatsächlich erreichen möchte: dass Kunden den Wert der Beziehung erkennen und immer wiederkommen.

Ein KI-System, das auf möglichst viele Klicks optimiert ist und nur wenigen Einschränkungen hinsichtlich der Kontaktfrequenz unterliegt, kann zu dem Schluss kommen, dass mehr Nachrichten seine Bewertung verbessern. Jede weitere Nachricht kann für sich genommen vernünftig erscheinen. Über verschiedene Kampagnen und Kanäle hinweg kann dieselbe Person jedoch viel häufiger von der Marke hören, als irgendjemand beabsichtigt hatte.

Die Kosten zeigen sich außerhalb der Kennzahl, auf die optimiert wird. In der Verbraucherumfrage von Validity zu den Feiertagen 2026 gaben ein Drittel der Befragten an, dass allein die Menge der Feiertags-E-Mails ausreichte, um sie zum Abbestellen zu bewegen. Daraus geht nicht hervor, dass KI die Überlastung verursacht hat. Es zeigt vielmehr, dass mehr Aktivität zulasten der Kundenbeziehung gehen kann.

Eine Abmeldung ist sichtbar. Der Frust, der ihr vorausging, ist es oft nicht. Wenn das System heute für einen Klick belohnt wird, aber keine Nachteile dafür hat, dass ein Kunde im nächsten Monat vielleicht nicht wiederkommt, gibt es kaum einen Grund, diesen Zielkonflikt zu berücksichtigen.

Auch Zurückhaltung ist eine Entscheidung

Stellen Sie sich einen Kunden vor, der letzte Woche eine Bestellung zurückgeschickt hat und noch immer auf die Rückerstattung wartet. Ein Marketingsystem erkennt einen kürzlichen Käufer mit hoher Wahrscheinlichkeit, auf eine Nachricht zu reagieren, und plant eine Werbe-E-Mail ein. Aus Sicht des Kunden verlangt die Marke weiteres Geld, bevor sie ihm zurückgibt, was sie ihm schuldet.

Die Rücksendung ist möglicherweise im Bestellsystem erfasst, der Erstattungsstatus in einem Kundenservice-Tool und der Kauf in einem Marketingprofil. Diese Datensätze sind womöglich nicht einmal derselben Person zugeordnet. Das Modell kann genau wie vorgesehen funktionieren und trotzdem auf Grundlage eines unvollständigen Bildes des Kunden entscheiden.

Wenn diese Datensätze verknüpft werden, ändert sich, was das System wissen kann. Das ändert nicht automatisch, was es tun wird. Der Entscheidungsprozess muss auch eine ausstehende Rückerstattung berücksichtigen und zulassen, dass eine Werbeaktion zurückgehalten wird. Andernfalls haben Sie dem System mehr Informationen gegeben, ohne das Verhalten zu ändern, für das es belohnt wird.

Deshalb müssen Kundenkontext und Ziele gemeinsam gestaltet werden. Der Kontext erklärt, was gerade geschieht. Das Ziel und die Entscheidungsregeln bestimmen, was als Nächstes geschehen sollte. Eine Rücksendung allein bedeutet nicht, dass die gesamte Kommunikation eingestellt werden sollte. Vielleicht benötigt der Kunde eine Information zum Stand der Rückerstattung. Es ist wichtig, zwischen einer hilfreichen Servicenachricht und einer weiteren Werbeaktion zu unterscheiden.

Eine schlecht formulierte E-Mail ist ein inhaltliches Problem. Eine gut formulierte E-Mail, die gesendet wird, während der Kunde auf sein Geld wartet, ist ein Entscheidungsproblem. Das zweite lässt sich nicht dadurch lösen, dass man das erste besser bewältigt.

Eine Anmeldung ist nicht dasselbe wie Loyalität

Treueprogramme bringen eine weitere Variante desselben Problems mit sich. Wenn mehr Anmeldungen als Erfolg gelten, kann ein System lernen, Menschen mit einem Rabatt zu gewinnen. Die Zahl der Anmeldungen steigt. Ob diese Kunden auch ohne einen weiteren Rabatt wiederkommen, ist eine andere Frage.

Die relevanten Fragen lassen sich nicht so schnell beantworten. Kommen die Mitglieder wieder? Sind ihre Käufe nach Abzug der Anreizkosten profitabel? Verändert das Programm ihr Verhalten, oder belohnt es hauptsächlich Käufe, die sie ohnehin getätigt hätten?

Um diese Fragen zu beantworten, müssen Aktivitäten im Treueprogramm über einen längeren Zeitraum mit der Kauf- und Servicehistorie verknüpft werden. Außerdem braucht es einen Vergleich, mit dem sich die Wirkung des Programms von Verhaltensweisen abgrenzen lässt, die ohnehin wahrscheinlich gewesen wären. Eine größere Mitgliederzahl allein gibt darüber keinen Aufschluss.

Menschliche Aufsicht muss die Entscheidung beeinflussen

Menschen sind dafür verantwortlich, zu entscheiden, worauf das System optimieren soll. Bei Kundenbindung, Marge und Kundenaufwand gibt es Zielkonflikte, für die die Unternehmensleitung Verantwortung übernehmen muss. Ein Modell kann dabei helfen, diese abzuwägen. Die Verantwortung für die Entscheidung kann es jedoch nicht übernehmen.

Dasselbe gilt für die Handlungsgrenzen. Eine hilfreiche Einstiegsfrage lautet: Wie schwer wäre es, diese Handlung rückgängig zu machen? Eine Werbenachricht zur Prüfung zurückzuhalten hat andere Folgen, als einen Preis zu ändern, eine Gutschrift auszustellen oder eine Reservierung zu stornieren. Die möglichen Folgen, die Berechtigungen des Kunden und die Zuverlässigkeit des verfügbaren Kontexts sollten bestimmen, was automatisch ausgeführt werden kann und wofür eine Genehmigung erforderlich ist.

Eine noch offene Rückerstattung muss nicht jedes Mal zu einem Vorgang für eine manuelle Prüfung werden. Ist die Richtlinie eindeutig, kann eine Regel die Werbeaktion zurückhalten, während die Kommunikation des Kundenservice weiterläuft. Eine menschliche Prüfung ist dort angebracht, wo der Kontext mehrdeutig ist, die Regeln einander widersprechen oder die Folgen die Befugnisse des Systems überschreiten. Fehlen die Informationen, die für diese Unterscheidung nötig sind, braucht das System eine festgelegte Ausweichlösung, statt die Erlaubnis zu erhalten, zu raten.

Prüfende benötigen mehr als nur einen Konfidenzwert. Sie müssen sehen können, welche Kundendatensätze in die Empfehlung eingeflossen sind, wie aktuell diese Datensätze sind, was das System erreichen soll und welche Einschränkungen gelten. Eine mit großer Sicherheit ausgesprochene Empfehlung, die auf veralteten oder nicht passenden Datensätzen beruht, ist trotzdem eine schlechte Empfehlung.

Manuelle Übersteuerungen sollten als Erkenntnisse dienen. Wenn Menschen wiederholt dieselbe Art von Werbeaktion stoppen, sollte festgehalten werden, warum. Das Muster kann auf fehlende Servicedaten, ein Identitätsproblem oder ein Ziel hinweisen, das falsches Verhalten belohnt. Dieses Muster zu beheben ist wertvoller, als jemanden auf unbestimmte Zeit immer wieder denselben Fehler entdecken zu lassen.

Messen, ob Zurückhaltung hilft

Teams können mit einer einzelnen Entscheidung beginnen, statt zu versuchen, alle Kundeninteraktionen auf einmal neu zu gestalten. Nehmen Sie den Versand einer Werbenachricht, ermitteln Sie, welchen Kontext er voraussetzt, und legen Sie fest, unter welchen Bedingungen er zurückgehalten werden sollte. Erforderliche Servicenachrichten sollten von dieser Unterdrückungsregel ausgenommen bleiben.

Prüfen Sie dann, ob die Änderung hilft. Vergleichen Sie bei infrage kommenden Werbenachrichten das bisherige Vorgehen mit einer Richtlinie, nach der sie unter festgelegten Bedingungen zurückgehalten werden. Erfassen Sie Wiederholungskäufe, Kundenbindung, Beschwerden und Gewinnspanne über einen Zeitraum, der zum Kaufzyklus passt. Versendungen und Klicks helfen weiterhin zu erklären, was passiert ist, sollten aber nicht das abschließende Urteil sein.

Der Test kann zeigen, dass weniger Werbeaktionen die Kundenbeziehung schützen. Er kann auch zeigen, dass eine bestimmte Einschränkung zu weit gefasst ist. Beides sind nützliche Ergebnisse. Schweigen sollte ebenso wenig automatisch als unproblematisch gelten wie das Versenden. Beides sind Entscheidungen, deren Folgen messbar sind.

Nichts davon macht die technische Arbeit überflüssig. Kundendatensätze müssen der richtigen Person zugeordnet werden. Aktuelle Ereignisse müssen den Entscheidungsprozess rechtzeitig erreichen, um noch relevant zu sein. Berechtigungen müssen die Handlung einschränken, und Teams brauchen eine Aufzeichnung darüber, was passiert ist und warum. Ein besseres Ziel kann fehlenden Kontext nicht ausgleichen, ebenso wenig wie ein besserer Kontext das falsche Ziel wettmachen kann.

Die Kundenbeziehung in den Mittelpunkt stellen

Die Frage für Führungskräfte ist einfach: Was gilt in Ihrem System als gute Entscheidung? Lautet die Antwort „ein Klick“, erfüllt es womöglich seine Aufgabe und verschlechtert zugleich das Kundenerlebnis.

Ein verlässlicher Kundenkontext bietet Menschen und KI eine solidere Grundlage für die Entscheidung, was zu tun ist. Klare Ziele und Kontrollmechanismen bestimmen, wie dieses Verständnis genutzt wird. Das Ergebnis sollte ein System sein, das erklären kann, warum eine Nachricht gerade jetzt sinnvoll ist, erkennt, wann sie es nicht ist, und aus den folgenden Ereignissen lernt.

Manchmal ist die klügste Entscheidung, die ein KI-System treffen kann, überhaupt nichts zu senden.

Derek Slager ist Mitbegründer und Co-CEO von Amperity, wo er die Transformation mit KI als oberster Priorität des Unternehmens in Bezug auf Produkt und Betrieb leitet. Er war Mitbegründer von Amperity, um Marketern und Analysten Kundendaten zu liefern, denen sie vertrauen können, und baute die patentierte Identitätsabgleichslösung und Echtzeit-Profil-Architektur hinter Amperitys vertrauenswürdigem Kundenkontext auf. Zuvor war er Teil des Gründungsteams bei Appature und hatte Führungsrollen im Bereich Ingenieurwesen in großen verteilten Systemen und Sicherheit.