Reklamationsgründe mit KI für das QM auswerten

Das Problem

Reklamationen kommen per Mail, Telefon, Formular und Brief. Jede wird bearbeitet, entschuldigt und erledigt. Aber niemand hat den Überblick: Welche Gründe kommen am häufigsten? Was kostet uns am meisten? Wo liegt das eigentliche Problem?

Ohne Auswertung entscheidet der Eindruck: Die laute Kundin, die letzte Beschwerde oder der Fall, den die Chefin gerade auf dem Tisch hat, bekommt Aufmerksamkeit, nicht das häufigste Problem. Dabei steckt in Reklamationen wertvolles Wissen über Produkt, Verpackung, Lieferung und Information.

Die Texte sind unstrukturiert, in verschiedenen Formulierungen und manchmal emotional. Das Sortieren ist mühsam. KI kann Texte lesen, zusammenfassen und in Kategorien einordnen, was die Vorarbeit deutlich abkürzt, solange Sie die Ergebnisse prüfen.

So lösen Sie es mit KI – Schritt für Schritt

1. Sammeln Sie die Reklamationen an einem Ort. Eine Tabelle mit Datum, Kanal, Produkt oder Leistung, Kurzbeschreibung des Anliegens, Ergebnis (Ersatz, Gutschrift, abgelehnt) und Kosten, soweit bekannt. Je einheitlicher, desto besser.
2. Schützen Sie Daten. Entfernen Sie Namen, Adressen, Kontaktdaten und Bestellnummern, bevor Sie Texte in ein KI-Werkzeug geben. Verwenden Sie Kürzel. Nutzen Sie nur freigegebene Werkzeuge. Hinweise: Kundendaten anonymisieren.
3. Legen Sie Kategorien fest. Fünf bis zehn Gründe genügen, zum Beispiel Produktmangel, Transportschaden, Lieferverzug, falsche Lieferung, unklare Beschreibung, Servicefehler, Rechnungsfehler. Eine Kategorie «Sonstiges» fängt Unklares auf.
4. Lassen Sie die KI vorsortieren. Bitten Sie sie, jede Reklamation einer Kategorie zuzuordnen und bei Unsicherheit «unklar» zu schreiben. Geben Sie drei Beispiele pro Kategorie mit.
5. Prüfen Sie die Zuordnung stichprobenartig. Kontrollieren Sie 20 bis 30 Fälle. Passt die Zuordnung? Wenn nicht, schärfen Sie die Kategorienbeschreibung und wiederholen Sie.
6. Zählen und gewichten Sie. Wie oft kommt jede Kategorie vor, und was kostet sie? Eine einfache Rangliste nach Häufigkeit und Kosten zeigt, wo sich Aufwand lohnt. Das entspricht dem bekannten Prinzip, dass wenige Ursachen oft viele Fälle erklären.
7. Gehen Sie den Top-Themen nach. Wählen Sie ein bis drei Gründe und untersuchen Sie sie mit der Fehlerursachenanalyse. Planen Sie Massnahmen und prüfen Sie später, ob die Reklamationen abnehmen.

Vorlage zum Kopieren

Geben Sie nur anonymisierte Texte ein, ohne Namen und Kontaktdaten:

Ich werte Reklamationen eines Schweizer KMU der Branche [Branche] aus.
Kategorien: [Liste mit Kurzbeschreibung, z. B. Produktmangel, Transportschaden, Lieferverzug, falsche Lieferung,
unklare Produktinformation, Servicefehler, Rechnungsfehler, Sonstiges].
Ordne jede der folgenden anonymisierten Reklamationen genau einer Kategorie zu und gib eine Kurzbegründung
in höchstens zehn Wörtern. Wenn eine Zuordnung unsicher ist, schreibe «unklar».
Gib das Ergebnis als Tabelle: Nr. | Kategorie | Begründung.
Fasse danach die Häufigkeit je Kategorie zusammen und nenne Auffälligkeiten nur,
wenn sie auf mindestens fünf Fällen beruhen. Erfinde keine Ursachen und keine Zahlen.

Reklamationen:
[Nr. und anonymisierter Text]

Prüfen Sie 20 bis 30 Zuordnungen von Hand und korrigieren Sie die Kategorien, wenn nötig.

Rangliste der Gründe

Worauf Sie achten müssen

• Datenschutz. Reklamationen enthalten Personendaten. Verwenden Sie anonymisierte Texte und einen freigegebenen Dienst. Prüfen Sie, ob Sie Texte überhaupt an einen KI-Dienst weitergeben dürfen, und klären Sie das im Einzelfall mit Ihrer Datenschutzverantwortlichen.
• Kategorien sind eine Vereinfachung. Hinter «Produktmangel» können verschiedene Ursachen stecken. Für die Analyse braucht es einen zweiten Blick auf die Einzelfälle.
• Fehlzuordnungen. KI kann Texte falsch einordnen, besonders bei ironischen oder knappen Meldungen. Stichproben sind nötig.
• Nicht jede Reklamation ist berechtigt. Wer nur zählt, vermischt berechtigte und unberechtigte Fälle. Notieren Sie das Ergebnis der Prüfung mit.
• Kleine Zahlen vorsichtig deuten. Bei wenigen Fällen sind Muster unsicher. Siehe Kleine Stichproben auswerten. Auch Vertrags- und Garantiefragen klären Sie im Einzelfall fachlich.

Reklamationen und Kundenfeedback

Reklamationen zeigen nur, was Menschen störte und ausgesprochen wurde. Weitere Hinweise liefern Bewertungen, Umfragen und Gespräche. Wie Sie daraus Themen ableiten, beschreibt Kundenfeedback: Themen erkennen. Und wie Sie auf einzelne Beschwerden antworten, zeigt Beschwerden mit KI beantworten.

Ein Beispiel aus der Praxis

Ein erfundenes Beispiel: Ein Onlinehandel für Haushaltsartikel im Kanton Zürich erhält jede Woche rund 40 Reklamationen. Frau Müller aus dem Kundendienst bearbeitet sie, vermutet aber keinen bestimmten Schwerpunkt.

Vorher hätte sie auf ihr Gefühl vertraut. Nachher anonymisiert sie die Texte eines Quartals, lässt sie von der KI in sieben Kategorien einordnen, prüft 30 Fälle von Hand und zählt. Der grösste Anteil betrifft nicht das Produkt, sondern Transportschäden bei einem Artikel mit schwacher Verpackung. Der Betrieb ändert die Verpackung und beobachtet die Zahl im Folgequartal.

So hilft Ihnen Alpasana

Die KI-Praxiskurse von absofort behandeln unter anderem Vertrieb, Kundenservice und FAQ, Excel, Datenverständnis und Dashboards sowie den verantwortungsvollen Umgang mit KI bei Arbeitsaufgaben. Sie üben, Texte zu strukturieren, Auswertungen nachzurechnen und Ergebnisse kritisch zu prüfen.

Ein KI-Lerncoach begleitet das Lernen, und mit Praxisaufgaben erarbeiten Sie einen verifizierbaren Abschluss. Die Entscheidung, welche Probleme Sie zuerst angehen, trifft Ihr Betrieb.

Häufige Fragen

Wie viele Kategorien sind sinnvoll?

Fünf bis zehn. Weniger sind zu grob, mehr verwirren. Prüfen Sie nach den ersten Auswertungen, ob Kategorien zusammengelegt oder geteilt werden sollten.

Darf ich Kundentexte an eine KI geben?

Nur anonymisiert und im Rahmen Ihrer Datenschutzregeln. Fragen Sie im Zweifel Ihre Datenschutzverantwortliche. Weitere Hinweise: Kundendaten anonymisieren.

Wie oft sollte ich auswerten?

Quartalsweise genügt für viele Betriebe. Bei hohem Volumen oder neuen Produkten häufiger. Wichtig ist, dass aus der Auswertung Massnahmen folgen.