AH: Herr Bijganath, künstliche Intelligenz soll im Autohaus Prozesse vereinfachen. In der Praxis wird sie bislang oft nur für Texte oder E-Mails eingesetzt. Woran liegt das?
S. Bijganath: Ich denke, es liegt daran, dass viele KI als Werkzeug für einzelne Aufgaben sehen. Eine E-Mail zu schreiben, dauert vielleicht fünf Minuten. Wenn ich mir diese Zeit spare, habe ich zwar etwas optimiert, aber keinen echten Mehrwert geschaffen. Relevant wird KI erst dann, wenn sie regelmäßig anfallende Arbeit selbstständig übernimmt und dadurch Prozesse spürbar entlastet.
AH: Dann genügt es wohl auch nicht, eine KI einfach zu installieren?
S. Bijganath: Man kann sich das gut wie das Onboarding eines neuen Mitarbeiters vorstellen. Am ersten Tag bekommt er Zugang zu IT-Systemen wie dem Ticketsystem oder einem ERP. Ferner erhält er Zugriff auf Dokumentationen und weiteres internes Wissen. Und er lernt, wie im Unternehmen gearbeitet wird, also wie man mit Kunden spricht oder wann eskaliert wird. Genau diese drei Elemente braucht auch ein KI-Agent, um wie ein menschlicher Mitarbeiter agieren zu können.
AH: Wo kommt KI konkret im Alltag zum Einsatz?
S. Bijganath: Vor allem bei repetitiven Tätigkeiten. Dazu zählen Kundenanfragen, Telefonate, Terminvereinbarungen oder Reklamationen. Hinzu kommt die Datenarbeit. Viele Unternehmen arbeiten mit sehr komplexen Excel-Strukturen. Das sind mehrere Dateien mit 15 oder 20 Reitern, die aufeinander verweisen. Status wird über Farben wie Grün, Gelb oder Rot abgebildet. Das ist keine Ausnahme, sondern schlicht und einfach die Realität im Mittelstand.
"Relevant wird KI erst dann, wenn sie regelmäßig anfallende Arbeit selbstständig übernimmt und dadurch Prozesse spürbar entlastet."
Sushel Bijganath,
Geschäftsführer von Octonomy
AH: Häufig heißt es, diese Daten seien zu unstrukturiert für KI.
S. Bijganath: Das wird überschätzt und solche Aussagen blockieren ein Unternehmen eher in seinem Bestreben. Unser Ansatz bei Octonomy war von Anfang an, KI so zu entwickeln, dass sie auch bei unstrukturierten Daten einsetzbar ist. Denn eigentlich ist das Grundprinzip immer das Gleiche: Solange es ein Mensch versteht, kann man es auch einer KI erklären. Die Kosten, um alle Daten vorab zu bereinigen, wären für viele mittelständische Unternehmen so hoch, dass sie den Use Case am Ende nicht rechtfertigten.
AH: Ein sensibler Bereich im Autohaus ist die Telefonie. Was kann KI hier leisten?
S. Bijganath: Voice-KI kann heute Anrufe annehmen und sofort reagieren, auch außerhalb der Öffnungszeiten. Ein Kunde bekommt auch am Sonntagabend um 20 Uhr eine Antwort. In vielen Fällen kann die KI direkt helfen, in anderen wird an einen Menschen weitergeleitet.
AH: Und wie reagieren Kunden darauf?
S. Bijganath: Unsere Erfahrung ist, dass die Kundenzufriedenheit dadurch nicht sinkt. Im schlechtesten Fall bleibt sie stabil, häufig steigt sie sogar. Der Kunde ist zufrieden, wenn er sofort eine Antwort bekommt.
AH: Viele Autohäuser fürchten falsche Antworten oder Halluzinationen. Warum treten diese auf?
S. Bijganath: Sprachmodelle sind darauf trainiert, immer zu antworten. Sie versuchen, die bestmögliche Antwort zu geben, und klingen dabei sehr überzeugend, auch wenn die Antwort nicht korrekt ist. Gerade bei komplexem Wissen ist das ein großes Problem und einer der Hauptgründe, warum KI-Projekte scheitern.
AH: Wie lässt sich dieses Risiko am besten in der Praxis begrenzen?
S. Bijganath: Es braucht zusätzliche Logik rund um das Modell, insbesondere bei Tabellen, Stücklisten oder technischen Dokumenten. Außerdem muss eine KI sagen dürfen, dass sie sich nicht sicher ist. Wenn diese Regeln fehlen, kann keine echte Automation stattfinden.
AH: Im Autohandel werden Voicebots gerne für Standardtermine wie Reifenwechsel genutzt. Was kann KI darüber hinaus?
S. Bijganath: Termine sind nicht immer nur Tag und Uhrzeit. Wir haben vor Kurzem ein solches Projekt mit einem Uniklinikum umgesetzt. Bisher mussten Patienten teilweise 45 Minuten in der Warteschleife ausharren. Das Problem bei solchen Anrufen ist, dass es neben organisatorischen ja auch um zusätzliche medizinische Daten wie Alter und Versicherungsstatus geht, die geklärt werden müssen. Dazu kommen weitere Fragen des Anrufers, zum Beispiel welcher Standort am nächstgelegensten ist und sogar, wie die aktuelle Parksituation vor Ort ist. All das sind Themen, die man perfekt heute über eine KI beantworten kann, und zwar korrekt und genau in dem Moment, wenn der Kunde anruft.
AH: Was bedeutet das übertragen auf die Serviceprozesse im Autohaus?
S. Bijganath: Auch hier geht es selten nur um den reinen Kalender. Es geht um das konkrete Anliegen, um Ersatzteile, um freie Ressourcen und um Zuständigkeiten. Eine KI kann diese Informationen vorab erfassen und strukturieren, bevor ein Mensch übernimmt. Natürlich müssen die technischen Voraussetzungen wie Datenverfügbarkeit und Schnittstellen zu den betroffenen Systemen vorhanden sein.
"Das Grundprinzip ist immer das gleiche: Solange es ein Mensch versteht, kann man es auch einer künstlichen Intelligenz erklären."
Sushel Bijganath,
Geschäftsführer von Octonomy
AH: Ein weiterer Use Case ist die Priorisierung von Anfragen.
S. Bijganath: Wir schauen immer auf den ROI, den Return On Investment. Unsere Leitplanke ist ein Payback innerhalb von zwölf Monaten. Den eigentlichen ROI sehen wir häufig schon nach drei bis sechs Monaten. Im Autohaus reicht es daher oft, wenn durch bessere Priorisierung ein paar Fahrzeuge mehr jedes Jahr verkauft werden und weniger Anfragen verloren gehen.
AH: Mit welchen Investitionen müssen Betriebe rechnen?
S. Bijganath: Das ist von Fall zu Fall natürlich sehr verschieden. Aber generell halte ich eine gute End-to-End-Prozessautomation mit eingelerntem Wissen für unter 30.000 Euro pro Jahr für extrem ambitioniert. Wer 30, 50 oder sogar 70 Prozent der Arbeit in einem Prozess einsparen will, wird das nicht mit einfachen KI-Standardabos bei Open AI oder Google erreichen.
AH: Vielen Dank für das Gespräch!
