KI-gestützter Kundenservice und Churn-Prävention bei Energieversorgern
Die Rekord-Wechselrate setzt Versorger unter Druck. KI verspricht Entlastung an zwei Stellen. Schnellerer Service, wenn der Kunde anruft. Frühere Warnsignale, bevor er kündigt. Dieser Beitrag zeigt, was heute wirklich funktioniert, wie Churn-Score und Kundenwert die Bindung steuern und warum automatisiertes Scoring ohne Blick auf DSGVO und EU AI Act zum Risiko wird.
Der deutsche Strommarkt ist so wettbewerbsintensiv wie nie. 2024 wechselten laut Bundesnetzagentur 7,1 Millionen Stromkunden ihren Anbieter. Plus 18 Prozent, die höchste Zahl seit Marktöffnung, Wechselquote rund 14 Prozent. KI setzt dort an, wo Masse und Standardanfragen die Teams binden. In einem von PwC dokumentierten Fall sank die durchschnittliche Bearbeitungszeit um rund 50 Prozent, die Zahl wartender Tickets um bis zu 90 Prozent. EnBW hob die automatische Kategorisierung von 48 auf 64 Prozent. Für die Bindung zählen zwei Größen. Der Churn-Score als Kündigungswahrscheinlichkeit. Der Kundenwert als Deckungsbeitrag über die Vertragsdauer. Zusammen lenken sie die Aufmerksamkeit auf Kunden, die wechselgefährdet und wertvoll zugleich sind. Rechtsfreier Raum ist das Scoring nicht: Nach dem SCHUFA-Urteil fällt es unter Artikel 22 DSGVO, ab dem 2. August 2026 greifen die Hochrisiko-Pflichten des EU AI Act. Und wer schlecht automatisiert, treibt genau die Abwanderung, die er verhindern will. 38 Prozent der Kunden sind mit dem Service unzufrieden. Der Einstieg gelingt schrittweise, mit menschlicher Freigabe und Datenschutz-Folgenabschätzung von Anfang an.
Warum die Rekord-Wechselrate Versorger unter Zugzwang setzt
Der Wettbewerb im Strommarkt hat einen neuen Höchststand erreicht. 2024 wechselten 7,1 Millionen Stromkunden ihren Anbieter. 18 Prozent mehr als im Vorjahr, so viele wie nie seit der Marktöffnung. Das meldet die Bundesnetzagentur in ihrem Monitoringbericht 2025. Dazu kamen 3,3 Millionen Kunden, die ihren Vertrag beim eigenen Lieferanten anpassten, oft erst nach einer Wechseldrohung. Der Druck ist real.
Warum das für Versorger unbequem ist? Weil Halten und Gewinnen beide teurer geworden sind. Neukunden locken 2026 mit Tarifen, die rund 20 Prozent unter Vorjahr liegen. Wer einen Bestandskunden verliert, muss ihn zu Akquisekosten zurückkaufen, die der ausgezahlte Deckungsbeitrag selten deckt. Der schnelle Wechsel ist auch technisch einfacher geworden, wie der Lieferantenwechsel in 24 Stunden zeigt.
Zwei Hebel entscheiden jetzt über die Bindung: der Kontakt, wenn der Kunde anruft, und die Ansprache, bevor er kündigt. An beiden setzt KI an. Wichtig ist die Reihenfolge. Erst der Service, dann das Scoring. Ein perfektes Churn-Modell nützt wenig, wenn der Kunde nach 20 Minuten Warteschleife ohnehin geht.
Wo KI im Kundenservice heute konkret hilft
KI wirkt dort, wo Masse und Standardanfragen die Teams binden. Sprachmodelle lesen eingehende Anfragen, sortieren sie nach Thema und Dringlichkeit, schlagen Antworten vor, übernehmen einfache Vorgänge. Abschlagsplan ändern. Bankverbindung aktualisieren. Zählerstand melden. Nichts davon ist spektakulär, aber es macht einen Großteil des Volumens aus.
Die Zahlen aus der Praxis sind deutlich. In einem von PwC dokumentierten Fall sank die durchschnittliche Bearbeitungszeit um rund 50 Prozent, die Zahl wartender Service-Tickets fiel um bis zu 90 Prozent. Bei EnBW stieg die Trefferquote der automatischen Kategorisierung von 48 auf 64 Prozent, was doppelte Bearbeitung sparte. Klingt nach viel. Der ehrliche Zusatz: Der Einstieg deckt meist nur wenige Kategorien ab, der Rest bleibt vorerst beim Menschen.
Der realistische Modus heißt Agent-Assistenz, nicht Voll-Automatisierung. Die KI bereitet vor, der Mensch entscheidet. Das ist keine Bescheidenheit, sondern Risikomanagement, weil ein selbstständig falsch antwortender Bot teurer ist als eine Minute Wartezeit. Wie breit KI in der Branche ankommt, ordnet der Überblick zu den KI-Trends bei Energieversorgern ein.
Churn-Prävention: vom Bauchgefühl zum Score
Kundenbindung wird datengetrieben. Zwei Größen steuern das. Der Churn-Score schätzt, wie wahrscheinlich ein Kunde kündigt. Der Kundenwert sagt, was er über die Vertragsdauer einbringt. Einzeln sagt keine der beiden Zahlen viel. Erst zusammen werden sie brauchbar, weil sie die Aufmerksamkeit dorthin lenken, wo sie sich rechnet: auf Kunden, die wechselgefährdet und wertvoll zugleich sind.
Ziel ist die Ansprache vor der Kündigung, nicht die Rückhol-Aktion danach. Wer erst reagiert, wenn das Kündigungsschreiben da ist, verhandelt aus der schwächeren Position. Und zahlt meist drauf. Ein früh erkannter, wertvoller Kunde bekommt dagegen ein passendes Angebot, oder einfach besseren Service, bevor er überhaupt den Preisvergleich öffnet. Prävention statt Schadensbegrenzung. Das ist der ganze Unterschied.
Deutsche und EU-Perspektive: Scoring ist regulierungspflichtig
Automatisiertes Kundenscoring ist kein rechtsfreier Raum. Der Europäische Gerichtshof hat im SCHUFA-Urteil klargestellt, dass ein Scoring-Verfahren unter Artikel 22 DSGVO fällt, sobald es eine nachgelagerte Entscheidung maßgeblich prägt. Ein Churn-Score, der automatisch über Rabatte oder Kündigungsangebote entscheidet, gehört genau in diese Kategorie. Betroffene haben dann Anspruch auf menschliches Eingreifen, auf Darlegung ihres Standpunkts und auf Anfechtung.
Die Zahlen zeigen, dass Verbraucher heute mehr Möglichkeiten denn je haben, den für sie passenden Tarif auszuwählen.
Dazu kommt der EU AI Act. Ab dem 2. August 2026 greifen seine Hochrisiko-Pflichten, und Systeme, die über den Zugang zu wesentlichen Leistungen mitentscheiden, können darunter fallen. Für Versorger heißt das: Transparenz über die Datenbasis, eine Datenschutz-Folgenabschätzung und eine dokumentierte menschliche Kontrolle werden zur Pflicht, nicht zur Kür. Die genaue Einordnung liefert die KI-Regulatorik für Energieversorger, die Details zu den Fristen der EU-AI-Act-Anforderungen an KI in der Energieinfrastruktur.
Herausforderungen und Risiken
KI im Kundenservice ist kein Selbstläufer. Sie kann die Bindung stärken oder genau das Gegenteil bewirken. Beide Seiten gehören auf den Tisch.
Ein Punkt wird leicht übersehen. Reine Kostenlogik kippt schnell ins Gegenteil. Wer unrentable Kunden systematisch schlechter behandelt, spart kurzfristig und verliert langfristig, weil schlechter Service messbar Kündigungen auslöst. 38 Prozent Unzufriedenheit mit dem Service sind kein Randwert. Das ist ein Warnsignal. Servicequalität ist der Bindungshebel, nicht nur ein Kostenposten.
Was Versorger jetzt tun sollten
Der Einstieg gelingt schrittweise, und regelkonform. Kein Big Bang. Diese vier Schritte ordnen Service und Scoring so, dass die Bindung steigt und die Compliance stimmt.
-
Mit klar abgegrenzten Anwendungsfällen starten
Nimm die häufigsten Standardanfragen und die automatische Kategorisierung zuerst. Dort ist das Volumen groß und das Risiko klein. Miss die Bearbeitungszeit vorher und nachher, damit der Nutzen belegbar ist.
-
Datengrundlage und Datenqualität klären
Ein Churn-Modell ist nur so gut wie die Daten dahinter. Räume Altbestände im CRM auf, definiere die Signale sauber und prüfe sie auf Verzerrungen. Ohne diese Basis produziert das Modell teure Fehlalarme.
-
Scoring mit menschlicher Freigabe koppeln
Lass die KI vorschlagen, aber den Menschen über Angebot oder Kündigungsdialog entscheiden. Das erfüllt Artikel 22 DSGVO und verhindert, dass ein Modellfehler direkt beim Kunden landet. Dokumentiere, wer die automatische Entscheidung übersteuern darf.
-
Compliance vor dem Rollout einordnen
Führe die Datenschutz-Folgenabschätzung durch und ordne das System nach EU AI Act ein, bevor es live geht. Parallel lohnt der Blick auf breitere Bindungshebel wie die steuerbaren Tarifmodelle 2026, die an einem anderen Punkt ansetzen.
KI hält keine Kunden. Menschen halten Kunden, KI macht sie schneller und trifft sie früher. Wer den Service zuerst entlastet, das Scoring mit menschlicher Freigabe koppelt und die DSGVO von Anfang an mitdenkt, senkt die Abwanderung, ohne das Vertrauen zu verspielen.
Weiterführende Informationen
Häufig gestellte Fragen
KI klassifiziert und priorisiert eingehende Anfragen, schlägt Antworten vor und übernimmt einfache Vorgänge wie Abschlagsänderung oder Zählerstandmeldung. In einem von PwC dokumentierten Fall sank die durchschnittliche Bearbeitungszeit um rund 50 Prozent und die Zahl wartender Tickets um bis zu 90 Prozent. Der Effekt liegt in kürzeren Wartezeiten und weniger Rückstau, nicht im Ersetzen der Mitarbeitenden.
Der Churn-Score ist die von einem Modell geschätzte Wahrscheinlichkeit, dass ein Kunde kündigt. Zusammen mit dem Kundenwert, dem Deckungsbeitrag über die Vertragsdauer, bildet er die Grundlage der Churn-Prävention. Versorger lenken damit Bindungsmaßnahmen auf Kunden, die zugleich wechselgefährdet und wertvoll sind, statt Rabatte breit zu streuen.
2024 wechselten laut Bundesnetzagentur 7,1 Millionen Stromkunden ihren Anbieter, ein Plus von 18 Prozent gegenüber dem Vorjahr und die höchste Zahl seit Marktöffnung. Die Wechselquote lag bei rund 14 Prozent. Zusätzlich passten 3,3 Millionen Kunden ihren Vertrag beim bisherigen Lieferanten an.
Automatisiertes Scoring fällt unter Artikel 22 DSGVO, sobald es nachgelagerte Entscheidungen maßgeblich prägt. Das hat der Europäische Gerichtshof im SCHUFA-Urteil klargestellt. Betroffene haben Anspruch auf menschliches Eingreifen, auf Darlegung ihres Standpunkts und auf Anfechtung. Ab dem 2. August 2026 greifen zusätzlich die Hochrisiko-Pflichten des EU AI Act.
Sinnvoll ist ein schrittweiser Start mit klar abgegrenzten Anwendungsfällen wie Standardanfragen und automatischer Kategorisierung. Churn-Modelle sollten mit menschlicher Freigabe gekoppelt werden, nicht vollautomatisch entscheiden. Vor dem Rollout gehören eine Datenschutz-Folgenabschätzung und die Einordnung nach EU AI Act dazu. Servicequalität bleibt der eigentliche Bindungshebel.