KI-Agenten für den industriellen Kundenservice

nVent, ein weltweit führender Anbieter von Lösungen für elektrischer Schutz- und Verbindungstechnik mit 11.000 Mitarbeitern, hat ein umfangreiches Portfolio aus Tausenden spezifischen Produkten. Diese Größenordnung schafft ein kommunikationsintensives Umfeld, in dem Kundenserviceteams täglich extreme technische Komplexität bewältigen müssen.

Bisher führte das Serviceteam von nVent zur Beantwortung von Anfragen eine manuelle Datenrecherche über fragmentierte Systeme hinweg durch. Dabei mussten ERP- und weitere Systeme abgeglichen werden, um die erforderlichen Daten zusammenzutragen. Dieser manuelle Prozess führte zu erheblichen Antwortverzögerungen, einer von der individuellen Mitarbeitererfahrung abhängigen, uneinheitlichen Qualität sowie einem hohen Risiko des Verlusts von institutionellem Wissen durch Personalfluktuation.

Die technische Umsetzung stand vor drei zentralen Hürden. Erstens waren kritische Daten in isolierten Silos gefangen, darunter CRM, ERP und Data-Warehouse, was eine Lösung erforderte, die zu Echtzeit-Synchronisation und intelligentem Abgleich in der Lage ist. Zweitens musste das System hohen betrieblichen Anforderungen genügen und sich nahtlos in die bestehenden CRM-Workflows eines globalen Teams von Kundenservice-Mitarbeitern einfügen, während es die Leistung auch bei Spitzenlasten von über 1.000 Anfragen pro Tag aufrechterhält. Schließlich galt für das Projekt eine Null-Toleranz-Politik gegenüber Halluzinationen. In einem industriellen Kontext sind erfundene technische Daten ein kritisches Risiko, weshalb die Lösung eine technische Garantie dafür erforderte, dass jede generierte Aussage durch eine verifizierte interne Quelle gestützt ist.

Das Herzstück der nVent SKI Lösung ist eine ausgereifte, LLM-basierte Orchestrierungsschicht, die den mehrstufigen analytischen Prozess eines menschlichen technischen Experten nachbilden soll. Diese Architektur geht über einfache Chatbots hinaus, indem sie ein spezialisiertes Multi-Agenten-System einsetzt, das jede Kundenanfrage als komplexe Aufgabe behandelt.

Wenn eine unstrukturierte Anfrage über das CRM in das System gelangt, klassifiziert ein zentraler KI-Orchestrator unmittelbar die Absicht und leitet die Aufgabe an eine Reihe spezialisierter Agenten weiter, von denen jeder über "Expertise" in einer bestimmten Datendomäne verfügt.

• Der Categorization Agent führt zunächst eine tiefgehende linguistische Analyse der Absicht des Kunden durch. Auf Basis dieser Klassifizierung lösen Agenten in Echtzeit den Datenabruf aus dem ERP aus, um präzise Statusaktualisierungen bereitzustellen.

• Gleichzeitig navigiert ein weiterer Agent durch die komplexen internen DAM/PIM-Systeme. Er nutzt ein spezifisch angepasstes Retrieval-Augmented-Generation-Framework (RAG), um verschiedene technische Dokumente zu durchsuchen.

• Schließlich aggregiert ein Synthesis Agent diese unterschiedlichen Datenpunkte, die von technischen Spezifikationen bis hin zu Echtzeit-Logistik reichen, zu einem stimmigen, professionellen Antwortentwurf. Dieser Entwurf wird gezielt auf den spezifischen Tonfall und den bisherigen Kommunikationsstil des zugewiesenen Customer-Care-Mitarbeiters abgestimmt und sorgt so für Markenkonsistenz.

Um den strengen Anforderungen von nVent an die industrielle Zuverlässigkeit gerecht zu werden, setzt die Architektur eine strikte Daten-Verankerungs-Richtlinie durch. Jede generierte Aussage wird automatisch mit einer konkreten Quellenangabe verknüpft und bietet so 100 % Nachvollziehbarkeit bis zum Quelldokument oder Datenbankeintrag. Bevor der Entwurf dem Customer-Care-Mitarbeiter vorgelegt wird, führt eine nachgelagerte LLM-as-a-Judge-Komponente eine automatisierte Qualitätsprüfung durch. Dieser Prüfer überprüft die Antwort auf faktische Genauigkeit anhand der abgerufenen Daten und stellt sicher, dass der Tonfall den Unternehmensrichtlinien entspricht. Dieser mehrschichtige Verifizierungsprozess eliminiert Halluzinationen wirksam und ermöglicht es schließlich allen Kundenservice-Mitarbeitern, generierten E-Mail-Entwürfen mit hoher Sicherheit zu vertrauen und diese freizugeben.

Die Pilotimplementierung der agentischen KI-Lösungen von nVent zeigt klar das Potenzial, die Kundenserviceabteilung in eine hochwirksame, auf Kundenerlebnis ausgerichtete Organisation zu verwandeln.

• Schwellenwert eingehender Kunden-E-Mails, die für eine automatische, quellenbasierte Antwortgenerierung infrage kommen, wird erreicht.

• Zur Sicherung der Qualität während der Pilotphase sind die Mitarbeiter derzeit verpflichtet, alle generierten Antworten zu prüfen und die enthaltenen Quellenangaben zu verifizieren.

• Die Automatisierung von Recherche- und Schreibaufgaben soll eine Reduzierung der Bearbeitungszeit für Erstentwürfe um 95 % erreichen, abhängig vom Erreichen einer vollständigen semantischen Standardisierung.

• Strikte Daten-Verankerung gewährleistet 100 % Nachvollziehbarkeit und quellenbasierte Antworten und eliminiert Halluzinationen.

• Die erste Welle wurde für ein europäisches Team ausgerollt und etabliert damit das Modell für die globale Skalierung auf alle Customer-Support-Mitarbeiter sowie für die Sicherung institutionellen Wissens.

Die Lösung basiert auf einem modernen, cloud-nativen Stack, der vollständig innerhalb der AWS-Umgebung von nVent betrieben wird, um strenge Sicherheitsanforderungen zu erfüllen. Wir setzten Python und FastAPI ein, um modulare Microservices zu erstellen, die über LangGraph und LangChain orchestriert werden. Die Systemarchitektur folgt den Prinzipien der hexagonalen Architektur und des Domain-Driven Design (DDD), damit die Plattform wartbar und von externer Infrastruktur entkoppelt bleibt. Für das Deployment setzten wir Docker-Container auf AWS Fargate für serverlose Skalierung ein, wobei Snowflake als zentrales Daten-Rückgrat dient. Ein fortschrittliches Monitoring wird durch Langfuse bereitgestellt, das eine granulare Nachverfolgung von Prompts und eine kontinuierliche Qualitätskontrolle ermöglicht.