Vergleich: Eigenentwicklung von KI-Kundenservice vs. SaaS-Lösung

Kosten für KI-basierte Kundenservice-Lösungen (SaaS) – Ein Überblick

Die größte Herausforderung bei der Vergleich von SaaS-Angeboten liegt in den unterschiedlichen Abrechnungsmodellen: Einige berechnen pro „erfolgreich gelöstem Gespräch“, andere nach Sitzplatzmonaten, wieder andere nach Paketpreisen. Ein direkter Preisvergleich ist daher nicht aussagekräftig. Um einen Vergleich zu ermöglichen, muss man den Preis in „der Anzahl der Gespräche pro Monat“ umrechnen. Die folgenden Preisspannen sind die offiziell von den Anbietern veröffentlichten Bereiche (bitte die aktuellsten Preise des jeweiligen Anbieters verwenden):

• Intercom Fin: Ab einer Lösung von etwa 0,99 USD pro Gespräch
• Zendesk KI-Agent: Abhängig von dem gewählten Abonnementmodell beginnen die Kosten in der Regel bei 50 USD pro Sitzung pro Monat.
• Salesforce Einstein: Große Unterschiede zwischen den verschiedenen Angebotsvarianten

Die Kostenstruktur für die Entwicklung und den Betrieb eines eigenen KI-basierten Kundenservice

Die Kosten für eine selbst entwickelte Lösung lassen sich in drei Bereiche unterteilen, die sich grundlegend unterscheiden: Die Entwicklungskosten sind einmalig, die API-Gebühren hängen vom Nutzungsgrad ab, und die Wartungskosten hängen davon ab, ob Sie diese selbst übernehmen oder an ein externes Unternehmen auslagern. Der Vorteil dieser Aufteilung ist, dass jeder Bereich unabhängig entschieden werden kann – beispielsweise kann die Wartung zunächst ausgelagert werden, und erst später wieder selbst übernommen werden. Nehmen wir als Beispiel die öffentlichen Angebote von Falcon:

• Entwicklung von Falcon MVP: Einmaliger Aufwand von 25.000–37.500 TWD
• Kosten für AI API: 5.000–30.000 € pro Monat (Die Kosten basieren auf dem tatsächlichen Nutzungsaufwand und werden zu den ursprünglichen Preisen berechnet).
• Wartungskosten für Falcon: 2.500–7.500 TWD pro Monat (optional: monatliche Pauschale oder Abrechnung nach Arbeitsstunden)

Wie berechnet man die Gesamtkosten über drei Jahre?

Bei der Gegenüberstellung der beiden Optionen wird empfohlen, die gleiche Formel für beide einmal zu berechnen, wobei Ihre eigenen Zahlen eingegeben werden: Gesamtkosten für SaaS über 3 Jahre = (Monatsgebühr oder Kosten pro Lösung × Ihre monatliche Gesprächsmenge) × 36 Monate + Installationskosten; Gesamtkosten für Eigenentwicklung über 3 Jahre = einmalige Entwicklungskosten + (API-Monatsgebühr + Wartungskosten) × 36 Monate. Zwei wichtige Hinweise: Erstens ist die Gesprächsmenge der entscheidende Faktor – bei geringer Gesprächsmenge ist SaaS fast immer günstiger, während bei hoher Gesprächsmenge die fixen Kosten der Eigenentwicklung aufgeteilt werden. Zweitens können sich die Preise für SaaS je nach Tarif ändern, ebenso wie die Preise für die API bei der Eigenentwicklung. Um eine zuverlässige Aussage zu erhalten, sollten Sie Bereiche anstelle einzelner Zahlen verwenden. Wir erklären unseren Kunden die Berechnung dieser Formel im Detail, anstatt nur zu sagen: „Langfristig ist es günstiger“.

Wann sollte man SaaS (Software as a Service) wählen?

Um ehrlich zu sein, ist SaaS in vielen Situationen eine sinnvollere Wahl, und wir würden dies auch empfehlen:

• Benötigt sofortige Verfügbarkeit (SaaS normalerweise innerhalb von 1 Woche, bei eigener Einrichtung 3-4 Wochen)
• Das Team verfügt nicht über IT-Personal, um die Systeme zu warten.
• Der Kundenservice-Prozess ist standardisiert und erfordert keine umfangreichen Anpassungen.
• Die Anzahl der Kunden ist noch gering, und die Anzahl der Gespräche pro Monat liegt unter 1.000.

Unter welchen Umständen ist der Eigenbau wirtschaftlicher?

Umgekehrt überwiegen die durch Eigenbau erzeugten langfristigen Kosten und die Flexibilität oft, wenn folgende Bedingungen erfüllt sind:

• Hoher Gesprächsaufwand (geringe Eigenkosten)
• Muss mit internen Systemen/Datenbanken verbunden werden.
• Es gibt regulatorische Anforderungen (insbesondere in Branchen wie Finanzen und Gesundheitswesen).
• Ich möchte vermeiden, dass ich langfristig an Lizenzgebühren gebunden bin.

Die Kosten für den Wechsel von einem SaaS-Modell zu einer eigenen Lösung (oder umgekehrt)

Viele Unternehmen verfolgen den praktischen Ansatz, zunächst eine SaaS-Lösung zur Validierung und zum Testen einzusetzen, bevor sie eine eigene Lösung entwickeln. Dieser Ansatz ist praktikabel, aber der Umstieg ist nicht kostenlos. Bei der Planung sollten die vier folgenden Kosten berücksichtigt werden: 1. Übertragbarkeit des Wissens: Gut organisierte Frage-Antwort- und Dokumente sind wertvolle Assets. Bei der Auswahl einer SaaS-Lösung sollte daher zunächst sichergestellt werden, dass sie vollständig exportiert werden können und dass das Format universell ist. 2. Gesprächsverlauf: Der Gesprächsverlauf ist Material für Schulung und Optimierung. Vor dem Export sollten die Einschränkungen abgeklärt werden. 3. Prozess-Reintegration: Die ursprünglichen Prozesse, die in der SaaS-Lösung verarbeitet wurden (z. B. Benachrichtigungen, Weiterleitung an Mitarbeiter, Arbeitsaufträge), müssen neu eingerichtet werden. 4. Parallelbetrieb: Während der Umstellungsphase laufen sowohl die neue als auch die alte System parallel, was zu doppelten Kosten führt. Der Umstieg von einer eigenen Lösung auf eine SaaS-Lösung ist in der Regel kostengünstiger, da die Daten bereits vorhanden sind. Dies ist auch der Grund, warum wir "Datenhoheit des Kunden" als Standardanforderung festgelegt haben.

Wie misst man den Erfolg nach der Einführung? – Die wichtigsten Kennzahlen

Viele Unternehmen beurteilen nach der Einführung von KI-basierter Kundenservice-Software lediglich, ob die KI „intelligenter“ geworden ist, und versuchen dann, den weiterhin zu tätigen Investitionen zu rechtfertigen. Es ist ratsam, von Anfang an klare, messbare Ziele festzulegen: Dazu gehören beispielsweise die Automatisierungsrate (wie viele Gespräche werden ohne Weiterleitung an einen menschlichen Mitarbeiter beendet), die durchschnittliche Antwortzeit, die Kundenzufriedenheit (CSAT) sowie Veränderungen in den Personalkosten oder der durchschnittlichen Bearbeitungszeit. Es ist wichtig, ehrlich zu sein: Die Bereiche, in denen diese Kennzahlen sinnvoll sind, variieren stark je nach Branche, Komplexität des Problems und dem Reifegrad der Wissensdatenbank. Es ist nicht sinnvoll, sich auf pauschale Aussagen wie „80% der Fälle werden automatisch gelöst“ zu stützen. Unser Ansatz ist, zunächst eine Basislinie vor der Einführung zu erstellen und diese dann mit den Ergebnissen nach der Einführung zu vergleichen. So können wir die tatsächlichen Auswirkungen objektiv bewerten und diskutieren, anstatt voneinander abweichende Aussagen zu treffen.

Häufige Fallstricke bei der Einführung von KI-basierter Kundenservice-Lösungen

Die Implementierung scheitert oft nicht an mangelnder Rechenleistung, sondern an folgenden Punkten: Erstens ist die Wissensdatenbank zu unordentlich: Dokumente sind durcheinander, Inhalte sind veraltet, und das KI-System erhält fehlerhafte Daten, was zu falschen Ergebnissen führt („Müll rein, Müll raus“). Zweitens ist die Erwartungshaltung falsch: Man erwartet, dass die KI menschliche Arbeit vollständig ersetzen kann, und verliert den Glauben, wenn sie nicht in der Lage ist, eine Frage zu beantworten – die richtige Vorgehensweise wäre, einen Mechanismus zur Überprüfung der Antworten zu entwickeln, der als Sicherheitsnetz dient. Drittens führt eine sofortige Inbetriebnahme zu Problemen: Wenn niemand regelmäßig die falschen Antworten überprüft und die Inhalte aktualisiert, sinkt die Genauigkeit immer weiter. Viertens werden unrealistische Erwartungen durch optimistische Rhetorik verstärkt, und die notwendigen Zeitaufwände für die Vorbereitung und Wartung werden unterschätzt. Wir möchten Ihnen diese Punkte lieber bereits in der Angebotsphase klar kommunizieren, anstatt, dass Sie erst nach der Inbetriebnahme feststellen, dass es zu großen Unterschieden kommt.