Der Zahlungsdienstleister Klarna ist zum Standardbeispiel der KI-Agenten-Debatte geworden – meist in einer von zwei verkürzten Lesarten: als Beleg dafür, dass KI ganze Abteilungen ersetzt, oder als Beleg dafür, dass KI im Kundenservice gescheitert ist. Beide Lesarten sind falsch. Der Fall lohnt einen genauen Blick, weil er in zwei Akten zeigt, wie viel agentische KI heute leistet, wo ihre Grenzen liegen und wie gutes Management mit beidem umgeht.

2024: der spektakuläre Start

Im Februar 2024 meldete Klarna, sein KI-Assistent auf Basis von OpenAI-Technologie habe im ersten Monat den Großteil des Kundenservice-Chataufkommens übernommen. Die Zahlen aus der Klarna-Pressemitteilung vom 27. Februar 2024:

  • 2,3 Millionen Konversationen – rund zwei Drittel aller Kundenservice-Chats
  • Arbeitsvolumen rechnerisch äquivalent zu 700 Vollzeitkräften
  • Lösungszeit unter 2 Minuten statt zuvor 11 Minuten
  • 25 Prozent weniger Wiederholungsanfragen; Kundenzufriedenheit auf Augenhöhe mit menschlichen Mitarbeitern
  • Verfügbar in 23 Märkten und über 35 Sprachen, rund um die Uhr
  • Erwartete Ergebnisverbesserung 2024: rund 40 Millionen US-Dollar

Die 700-Vollzeitkräfte-Zahl richtig lesen

Wichtig für die korrekte Lesart: Die Zahl 700 beschreibt ein Arbeitsvolumen, keine Entlassungswelle. Die verbreitete Formulierung, Klarna habe „700 Mitarbeiter durch KI ersetzt“, gibt die Quelle nicht her. Wer den Fall als Personalabbau-Geschichte erzählt, verfehlt den eigentlichen Punkt: Es geht um die Frage, welchen Anteil eines Serviceprozesses ein KI-System übernehmen kann – und zu welchem Preis in der Qualität.

2025: die Kurskorrektur

Gut ein Jahr später folgte die zweite Hälfte der Geschichte. Im Mai 2025 berichtete Bloomberg, dass Klarna wieder verstärkt menschliche Kundenbetreuer einsetzt – unter anderem über einen flexiblen Remote-Pool – und dass Kunden künftig immer die Option haben sollen, einen Menschen zu erreichen. CEO Sebastian Siemiatkowski begründete die Korrektur bemerkenswert offen: Wo die Kosten der zu dominierende Bewertungsfaktor bei der Organisation gewesen seien, sei am Ende die Qualität niedriger ausgefallen – so seine Aussage gegenüber Bloomberg.

Ebenso wichtig ist, was nicht geschah: Klarna schaffte den KI-Assistenten nicht ab. Es handelt sich um eine Rebalancierung hin zu einem hybriden Modell – KI für Standardfälle, Menschen für komplexe und sensible Anliegen –, nicht um eine Abkehr von der Technologie.

Warum Klarna in ein größeres Muster passt

Die Klarna-Geschichte deckt sich mit dem, was kontrollierte Studien zur KI-Produktivität zeigen. Brynjolfsson, Li und Raymond untersuchten 5 179 Kundensupport-Mitarbeiter eines Fortune-500-Softwareanbieters: Ein GenAI-Assistent steigerte die gelösten Anliegen pro Stunde im Schnitt um 15 Prozent – mit den größten Gewinnen bei Berufseinsteigern, die schneller und besser wurden, während die erfahrensten Kräfte kaum profitierten. Dell’Acqua et al. ließen 758 BCG-Beraterinnen und -Berater mit GPT-4 arbeiten: Bei Aufgaben innerhalb der KI-Fähigkeitsgrenze waren sie 25,1 Prozent schneller und lieferten über 40 Prozent höhere Qualität – bei einer Aufgabe außerhalb der Grenze sank die Wahrscheinlichkeit einer korrekten Lösung dagegen um 19 Prozentpunkte. Die Autoren prägten dafür das Bild der „Jagged Frontier“, der gezackten Fähigkeitsgrenze: KI ist bei klar umrissenen Standardaufgaben stark, bei scheinbar ähnlichen Aufgaben außerhalb ihrer Fähigkeitsgrenze aber überraschend schwach – und die Grenze verläuft nicht entlang des menschlichen Schwierigkeitsempfindens. Genau dort – bei komplexen, sensiblen oder untypischen Kundenanliegen – braucht es den Menschen als Sicherheitsnetz. Klarnas Korrektur ist damit kein Sonderfall, sondern die betriebswirtschaftliche Konsequenz einer Grenze, die sich empirisch immer wieder zeigt: Standardfälle innerhalb der Grenze lassen sich hervorragend automatisieren, alles außerhalb kostet Qualität – und damit am Ende Kunden.

Drei Lehren für den Mittelstand

  1. Qualität als KPI von Tag 1. Wer nur Kosten und Automatisierungsquote misst, optimiert am Kunden vorbei. Kundenzufriedenheit, Lösungsquote und Folgekontakte gehören von Anfang an ins Messsystem – nicht erst, wenn die Beschwerden kommen. Klarnas CEO benannte selbst, dass die Kosten als dominierendes Bewertungskriterium zu Lasten der Qualität gingen.
  2. Die Mensch-Option offenhalten. Ein Eskalationspfad zu einem echten Menschen ist kein Eingeständnis der Schwäche, sondern Teil des Serviceversprechens – und ein Sicherheitsnetz für die Fälle außerhalb der Fähigkeitsgrenze. Klarna hat diese Option 2025 explizit zum Standard erklärt.
  3. Automatisierungsgrad als Stellhebel begreifen. Der richtige Anteil zwischen Agent und Mensch ist kein Endzustand, sondern wird anhand von Qualitäts- und Kostendaten laufend nachjustiert. Klarna korrigierte in beide Richtungen – erst stark Richtung Automatisierung, dann zurück Richtung Mensch. Das ist kein Scheitern, sondern gutes Management.

Was das für Ihr erstes Agentenprojekt bedeutet

Für mittelständische Unternehmen, die KI-Agenten im Kundensupport einführen wollen, lässt sich aus dem Fall eine konkrete Betriebsempfehlung ableiten: Der Agent klassifiziert Anfragen, erstellt Antwortentwürfe, fasst Fälle zusammen und leitet sie weiter – zunächst im Modus „Entwurf mit Freigabe“. Standardfälle werden erst nach nachgewiesener Bewährung automatisch beantwortet, und die Mensch-Option bleibt immer erreichbar. Autonomie wird erhöht, wenn die Messdaten es rechtfertigen, nicht wenn die Demo beeindruckt.

Voraussetzung dafür ist, dass es überhaupt Messdaten gibt. Erheben Sie vor dem Start eine Baseline – Bearbeitungszeit, Kosten pro Fall, Lösungsquote, Kundenzufriedenheit – und definieren Sie Ziel-KPIs, gegen die der Pilot antritt. Ohne Baseline bleibt jeder spätere „Erfolg“ anfechtbar, und ohne Qualitätskennzahlen wiederholen Sie den Klarna-Fehler: eine Steuerung, in der die Kosten das dominierende Bewertungskriterium sind. Die wöchentliche Auswertung von Qualität, Korrekturquote und Kosten liefert dann die Grundlage, um den Automatisierungsgrad in beide Richtungen nachzujustieren – genau der Stellhebel, den Klarna erst im zweiten Anlauf bewusst bedient hat.

Das Ziel ist nicht maximale Automatisierung in minimaler Zeit, sondern beherrschte Autonomie: so viel Agent wie nachweislich nützlich, so viel Mensch wie nötig. Klarna hat diese Balance öffentlich vorexerziert – inklusive der Korrektur. Wer die beiden Akte der Geschichte kennt, kann die Fehlentwicklung überspringen und direkt mit dem hybriden Modell starten: Qualitäts-KPIs von Anfang an, Eskalationspfad zum Menschen, Automatisierungsgrad als laufend justierter Stellhebel.

Dieser Artikel ist die 80/20-Version des Themas. Die vollständige Analyse – inklusive Marktzahlen, Studienlage, Architektur und einem Reifegrad-Modell für die Einführung – finden Sie im Whitepaper „KI-Agenten im Unternehmen“.