Chatbot Beispiele im Unternehmen: 5 KI-Lösungen aus der Praxis

Ein Chatbot ist selten nur ein Chatbot. Bei einigen octonomy-Kunden hat er einen Namen bekommen, eine Rolle im Team, manchmal sogar Fans unter den Mitarbeitenden. Aus einfachen Frage-Antwort-Fenstern sind digitale Kolleginnen und Kollegen geworden, die Anfragen verstehen, Prozesse anstoßen und ganze Teams spürbar entlasten. Der Unterschied zu früher liegt dabei selten im Aussehen des Chatfensters, sondern darin, wie viel das System dahinter tatsächlich eigenständig zu Ende bringt.

Wie schnell sich das durchgesetzt hat, zeigen aktuelle Zahlen. Mehr als die Hälfte der deutschen Unternehmen setzt inzwischen Künstliche Intelligenz ein, laut ifo Institut ein Anteil von 54,5 Prozent im Mai 2026, deutlich mehr als im Jahr zuvor. Am weitesten verbreitet ist der Einsatz in Industrie und Dienstleistungen, wie die folgende Grafik zeigt.

Wo genau kommt diese KI zum Einsatz? Der Bitkom-Studienbericht „Künstliche Intelligenz in Deutschland“ liefert dazu Zahlen für 2025: am häufigsten im Kundenkontakt. Erst mit deutlichem Abstand folgen Marketing und Kommunikation, danach Forschung und Entwicklung sowie interne Prozesse wie Controlling oder Personalabteilung.

In der Praxis heißt das meistens: ein Chatbot, der Anfragen entgegennimmt, Informationen liefert und einfache Prozesse anstößt. Wie das im Detail aussieht, unterscheidet sich von Unternehmen zu Unternehmen erheblich, je nachdem, welches Problem im Kundenkontakt eigentlich gelöst werden soll.

Wir haben deshalb eine Sammlung vorbereitet: alle Chatbots, die aktuell bei unseren Kunden im Einsatz sind, wo sie laufen, warum sie eingeführt wurden und wie sie den jeweiligen Unternehmen im Alltag helfen. Los geht es bei einem Handelsverbund, der über 100 Jahre alt ist.

ANWR

Die ANWR GROUP zählt zu den erfolgreichsten und umsatzstärksten Handelskooperationen für den Schuh-, Sport- und Lederwarenhandel in Europa. Der Verbund ist 1919 in Mainhausen gegründet worden und heute in 19 europäischen Ländern aktiv, mit 4.300 angeschlossenen Händlern, rund 9.000 Filialen und 1.400 eigenen Mitarbeitenden. Zur Gruppe gehören Handelsmarken wie SPORT 2000 und Goldkrone, zwei eigene Banken sowie Immobilien- und Beteiligungsgesellschaften.

Mehr als 100 Jahre Firmengeschichte hinterlassen Spuren. Bei der ANWR GROUP ist daraus ein Serviceangebot gewachsen, das inzwischen kaum noch jemand vollständig überblickt. Angeschlossene Händler, oft kleine Betriebe mit dem Alltag auf der Verkaufsfläche, wussten häufig gar nicht, wo sie welchen Service herbekommen.
Auf den E-Commerce-Portalen der Gruppe, darunter schuhe.de, sport2000.de und bagmondo.de, kam ein zweites Problem hinzu: Bis zu 70 Prozent der Kundenanfragen dort waren repetitiv, dieselben Fragen zum Paketstatus oder zur Retoure, dutzende Mal am Tag. Besonders in Spitzenzeiten wie dem Black Friday waren die Service Level kaum zu halten, und nach Feierabend gab es schlicht keine Antworten mehr.

Die Antwort darauf heißt ANNI, kurz für ANWR Netzwerkintelligenz, die personalisierte Händler-KI der Gruppe. Sie beantwortet Fragen zum ANWR-Serviceangebot, teilt Best Practices aus dem Netzwerk und liefert Branchendaten, zugeschnitten auf die eigenen Unternehmensdaten des jeweiligen Händlers.
Für den Endkundenservice auf den E-Commerce-Portalen kamen ein Chatbot und ein automatisierter OpsAgent hinzu, der eingehende Tickets liest und einen Teil davon direkt selbst löst.

Was ANNI von einer klassischen Wissensdatenbank abhebt: Sie weiß beim Öffnen des Chats bereits, ob gerade ein Schuh-, Sport- oder Lederwarenhändler anfragt, wie viele Filialen er betreibt und wo sie liegen, über eine direkte Schnittstelle zu den ANWR-Stammdaten.

Händler nutzen sie heute entlang des gesamten Mitarbeiterlebenszyklus, etwa für Stellenausschreibungen und Onboarding-Checklisten, für Fragen zur Limitplanung, um Stellenanzeigen direkt aus dem Chat auf mehreren Portalen zu veröffentlichen, und für Umsatzanalysen auf Basis angebundener Kassendaten.
Gestartet ist das Projekt mit einem eng begrenzten Anwendungsfall zum Thema Mitarbeiterbindung, aufgebaut als gemeinsames Vorhaben von IT und Fachbereich. Von dort aus wuchsen Schritt für Schritt weitere Themen und Schnittstellen hinzu. Heute laufen ANNI, Chatbot und OpsAgent auf derselben technischen Basis, die ANWR intern den ANWR AI Hub nennt.

Ein Fünftel der angeschlossenen Händler nutzt ANNI heute aktiv, mit steigender Tendenz.
Auf den E-Commerce-Portalen löst der Chatbot 75 Prozent aller Anfragen direkt im Chat, ohne dass ein Mitarbeiter eingreift, der OpsAgent bearbeitet rund ein Drittel aller eingehenden Tickets vollautomatisch.
Von der Entscheidung bis zum Go-Live vergingen drei Monate, den Return on Investment erreichte die ANWR GROUP nach eigenen Angaben innerhalb von sechs bis neun Monaten.

BORA

BORA baut Kochfelder mit einer Idee, die zunächst nach Understatement klingt: Dunst nicht nach oben abziehen, sondern direkt am Entstehungsort nach unten absaugen. Leiser, geruchsärmer, und mittlerweile so prägend, dass BORA selbst zum Gattungsbegriff für diese Technologie geworden ist. Das Unternehmen sitzt im Inntal nahe Kufstein und beschäftigt rund 850 Mitarbeitende, etwa 120 davon in Service und Kundendienst.

BORA wächst, und zwar schnell. Bis Ende des Jahres sollen rund 1.000 Menschen für das Unternehmen arbeiten. Bei linearem Wachstum hätte der technische Kundendienst seine Kapazität verdoppeln bis vervierfachen müssen, ausgerechnet in einer Region, in der Fachkräfte ohnehin rar sind.

Zu jedem der 24 Produkte gehören mehr als 100 Seiten Dokumentation, und neue Callcenter-Mitarbeitende brauchten bislang drei bis sechs Monate, um wirklich sicher zu sein. Hinzu kommt: Servicepartner in Frankreich oder Italien betreuen oft mehrere Marken gleichzeitig, sprechen selten Englisch, und das Wissen lag bislang nur auf Deutsch vor.

BORA hat seinen internen KI-Assistenten Gregario genannt. Der Name kommt aus dem Radsport: der Wasserträger, der immer da ist, immer schnell, immer zur Stelle. Genau diese Rolle übernimmt Gregario im Callcenter, gefüttert mit Dokumenten aus SharePoint und Pimcore.

Seit Januar steht auf derselben Wissensbasis zusätzlich ein Chatbot auf der BORA-Homepage für Endkunden bereit. Er hat dort den alten, komplett manuell gepflegten Chatbot mit starrer Baumstruktur abgelöst.

Vor allem neue Mitarbeitende greifen täglich auf Gregario zurück, weil sie die Standardantworten noch nicht im Kopf haben. Erfahrene Kolleginnen und Kollegen brauchen ihn seltener, genau wie gedacht: Gregario übernimmt die Routine, damit sich das Team auf Fälle konzentrieren kann, die wirklich Erfahrung verlangen. Ein dritter Agent für Servicetechniker und -partner in ganz Europa, jeweils in der eigenen Landessprache, ist bereits in Arbeit.

Viermal so viel Traffic wie der alte Chatbot, das ist die erste Zahl, die bei BORA hängen bleibt.
Im Callcenter sank der Kapazitätsbedarf um 10 bis 15 Prozent, der Net Promoter Score blieb bei 80 stabil, ein Wert, den BORA schon ab 40 als sehr gut einstuft. Neue Mitarbeitende sind zudem deutlich schneller einsatzbereit.

hepster

hepster hat sich auf Embedded Insurance spezialisiert, Versicherungen, die sich per API direkt in digitale Kaufprozesse integrieren lassen, in Bereichen wie Mobility, Electronics, Pets, Travel und Luxury Goods.

Je mehr Produkte und Partner hepster gewinnt, desto vielfältiger werden die Anfragen im Kundenservice, und desto größer der Druck: schnell, korrekt, sauber dokumentiert. Klassische Chatbots kamen hier schnell an ihre Grenzen. Vertragsfragen, Reklamationen und Schadensfälle brauchen jeweils eigene Prüfschritte, die sich nicht mit vorgefertigten Antworten abhaken lassen.

Zwei Agenten teilen sich seither die Arbeit, erreichbar über Chat, E-Mail und Kontaktformular, überall dort, wo Kundinnen und Kunden Fragen zu Vertrag, Tarif oder Dokumenten haben. heppyChat übernimmt Support über Chat und Ticketing, heppyClaimy bereitet parallel die Schadenbearbeitung vor. Bei uns heißt die Lösung lieber virtuelles Expertenteam als Chatbot, im Benchmark-Report The State of Agentic AI Accuracy 2026 tragen die beiden aber genau diese Namen.

heppyChat bringt Anfragen möglichst bis zum Ende durch, inklusive Rückmeldung an den Kunden. heppyClaimy prüft bei Schäden die formellen Kriterien, liest Dokumente aus und legt komplexere Fälle dem Team mit einer fertigen Entscheidungsvorlage vor.

Die Hälfte weniger Supportaufwand im Kundensupport, und das ohne Abstriche bei der Qualität.

EMONS SPEDITION

Die Emons Spedition transportiert seit 1928 Güter über Straße, Schiene, Luft und See, ein familiengeführtes Unternehmen aus Köln mit tausenden Mitarbeitenden in Depots über ganz Deutschland.

Wer bei Emons wissen wollte, welche Höchstmenge für eine bestimmte UN-Nummer gilt, musste sich durch mehr als 20 Handbücher mit tausenden Seiten kämpfen, von Gefahrgutvorschriften bis Fahreranweisungen. Zuerst das richtige Handbuch finden, dann die passende Tabelle, dann die aktuelle Version sicherstellen, bis zu 15 Minuten pro Anfrage, und bei komplexen Nummernbereichen fehleranfällig.

Erschwerend kam die internationale Belegschaft hinzu: Informationen, die nur auf Deutsch vorlagen, erreichten längst nicht alle gleich gut.

Emons hat seinem internen Wissenssystem den Namen EmonsGPT gegeben und stellt es direkt im Intranet bereit, als Chat-Widget in Tonalität und Corporate Design des Unternehmens, zugänglich für die gesamte, international aufgestellte Belegschaft. Wir selbst führen es offiziell als internes Expertensystem, nicht als Chatbot.

Das System denkt in Zusammenhängen. Fragt jemand, wie mit beschädigtem Gefahrgut umzugehen ist, zieht EmonsGPT die passenden Passagen aus Gefahrgut und Fahrerhandbuch zusammen und liefert die vollständige Antwort in einem Schritt, mit Kapitel und Versionsnummer der Quelle. Rund 100 Sprachen deckt es ab, damit Kolleginnen und Kollegen in jedem Depot dieselbe verlässliche Antwort bekommen, egal in welcher Sprache sie fragen.

Über 95 Prozent Antwortqualität, per Ground-Truth-Testing geprüft, und live nach drei Wochen. Aus 15 Minuten Aktenwälzen wurde eine Antwort in Sekunden, inklusive genauer Quellenangabe.

ALUCA

ALUCA baut seit 1993 Fahrzeugeinrichtungen aus Aluminium, mit Sitz in Rosengarten in Baden-Württemberg und Tochtergesellschaften in den Niederlanden, Großbritannien und Frankreich. Die Unternehmensgruppe beschäftigt über 200 Mitarbeitende, dazu kommen Vertriebsstandorte in Berlin, Braunschweig und Olpe.

Über eigenen Vertrieb und ein Partnernetzwerk exportiert ALUCA in mehr als 20 europäische Länder, und genau dieses Wachstum brachte den Support an seine Grenzen. 35 Anrufe und 26 E-Mails am Tag banden rund 270 Minuten Kapazität, fast 28 Prozent der Arbeitszeit von zwei Mitarbeitenden im Produktmanagement, Zeit, die eigentlich in die Weiterentwicklung der Produkte fließen sollte.

Anders als ANNI, Gregario oder heppyChat trägt der Support-Chatbot von ALUCA keinen eigenen Namen. Als Chatbot-Widget im Corporate Design des Unternehmens ist er für Partner und ausgewählte Kunden zugänglich, im Hintergrund arbeitet er mit einer vergleichbaren Agenten-Architektur.
Mehrere spezialisierte Agenten teilen sich die Themen: Fehlerbehebung, Garantiefälle, Beschwerden, Terminplanung, Ersatzteile, koordiniert von einem Supervisor-Agenten. Was der Chatbot nicht beantworten kann, leitet er automatisch mit Kontext an den ALUCA-Kundensupport weiter.

Der Rollout lief in vier klar abgegrenzten Phasen. Zuerst entstand die Wissensbasis direkt aus dem laufenden Betrieb, Mitarbeitende erfassten Wissen per Text oder Spracheingabe, die automatisch transkribiert wurde. Erst danach ging der interne KI-Agent für die Mitarbeitenden live, begleitet von einem Feedback-System, das neue Erkenntnisse laufend in die Wissensbasis zurückspielte. Erst in Phase drei öffnete sich der Support nach außen, über die Chatbot-Schnittstelle für Partner und ausgewählte Kunden.

Für 2026 und 2027 ist eine vierte Phase geplant: die Anbindung an aluCLICK, den hauseigenen Konfigurator für Fahrzeugeinrichtungen. Kunden sollen darüber künftig direkt im Chat individuelle Konfigurationen zusammenstellen und automatisch ein Angebot erhalten, ein Schritt vom reinen Support hin zum automatisierten Vertriebsprozess. Neue Märkte und Produktlinien lassen sich auf diese Weise anbinden, ohne den Support-Aufwand proportional mitwachsen zu lassen.