# Reklamationen mit KI-Agenten: Fiege spart 70 % Aufwand

> Autor: Chris Jon Graf (KI-Stratege & CEO)
> Aktualisiert: 2026-11-16
> URL: https://ki-outsourcing.ch/ratgeber/reklamationen-mit-ki-agenten-fiege-spart-70-aufwand

## Zusammenfassung

Ja, Reklamationen lassen sich mit KI-Agenten automatisieren. Fiege belegt es im Produktivbetrieb: über 70 % der Carrier Claims erledigt der Agent eigenständig, bis zu 11'000 Fälle pro Monat. Der Lehrwert für dein Unternehmen: Abbruchkriterium zuerst, Sonderfälle einplanen, Human-in-the-loop einbauen.

Kann ein KI-Agent Reklamationen wirklich eigenständig bearbeiten? Ja, unter einer Bedingung: Der Prozess muss klar eingegrenzt sein. Der europäische Logistikdienstleister Fiege, eines der grössten Logistikunternehmen in Europa, betreibt seit über einem Jahr den Agenten Carrier Claims AI im Produktivbetrieb. Er übernimmt mehr als 70 % der eingehenden Schadens-, Verlust- und Verspätungsmeldungen, bis zu 11'000 Fälle pro Monat. Das ist kein Pilot, sondern operativer Alltag.

Carrier Claims sind Meldungen zwischen Versendern, Spediteuren und Empfängern rund um Transporte. Die Meldungen kommen als E-Mails mit Scans, Fotos und PDF-Anhängen, verteilen sich auf 20 bis 50 europäische Paketdienstleister und laufen in mehreren Landessprachen auf. Genau solche unstrukturierten Eingänge sind der natürliche Arbeitsbereich eines KI-Agenten. Einen Einblick in den Prozess gibt das [Carrier Claims Management](https://www.fiege.com/de/digital/carrier-claims-management) von Fiege.

**70 %** — Aufwandsreduktion, die Fiege mit dem KI-Agenten erreicht hat

**bis zu 11'000** — Fälle pro Monat

## Warum mehr Personal keine Lösung war

Vor der Automatisierung waren bis zu 14 Mitarbeitende fast ausschliesslich mit der Bearbeitung beschäftigt. Jeder Fall band sie 15 bis 25 Minuten. Der Haken: Bei vielen Erstattungen deckt der Betrag die Personalkosten nicht. Die B2B-Haftung in Italien liegt teils bei 1 Euro pro Kilo. Ein verlorenes Designer-Shirt für mehrere Hundert Euro kostet manuell mehr, als die Erstattung je einbringt. Mehr Personal hätte das Problem also nur mitwachsen lassen.

## Lektion 1: Das Abbruchkriterium steht vor der ersten Zeile Code

Fiege hat die Wirtschaftlichkeitsrechnung nicht nach dem Projekt gemacht, sondern davor. Die Vorgabe lautete: mindestens 70 % Aufwandsreduktion, sonst lohnt sich das Vorhaben nicht. Dieses klare Kriterium hat jede Designentscheidung geprägt. Wenn du ähnlich vorgehen willst, prüfst du zuerst, welche Prozesse sich wirklich lohnen, etwa mit unserer [Machbarkeitsmatrix](/ratgeber/ki-agenten-welche-prozesse-lohnen-sich-wirklich-die-machbarkeitsmatrix).

> **So setzt du das Abbruchkriterium**
>
> Miss den heutigen Aufwand pro Fall, rechne die Personalkosten gegen die Erstattungen und definiere einen messbaren Schwellenwert. Erst danach beginnt die technische Umsetzung.

## Lektion 2: Die letzten 30 % sind der eigentliche Aufwand

Nach rund neun Monaten Entwicklung lag die Automatisierungsquote über 70 %, teils übertroffen. Fiege nennt eine Klärungsquote von 98 %. Doch der Weg dorthin war ungleich verteilt: Die letzten 30 % der Fälle, meist mehrsprachige Sonderfälle der Carrier, kosteten die meiste Feinarbeit. Wenn du einen KI-Agenten planst, reservierst du das Budget nicht für das Grundmuster, sondern für die Sonderfälle. Was das bedeutet, zeigt unser Artikel zu KI-Agenten im Betrieb.

Der entscheidende Moment war der Seitenwechsel des erfahrensten Sachbearbeiters. Er übersetzte sein stilles Wissen in konkrete Vorgaben, auf Basis von etwa 2'000 historischen Fällen. Genau darin liegt der Unterschied zwischen einer generischen Chat-Lösung und einem echten KI-Agenten: Das Prozesswissen steckt im System, nicht nur im Modell.

## Lektion 3: Human-in-the-loop ist ein Konstruktionsprinzip

Der Agent beantwortet einen Fall nur dann selbst, wenn er sich sicher genug ist. In allen anderen Fällen legt er die Reklamation einem Menschen vor. Das ist kein Sicherheitsnetz, das man nachrüstet, sondern eine grundlegende Designentscheidung. Diese Entscheidung hält die Fehlerquote niedrig und schafft Vertrauen bei den Mitarbeitenden.

## Was du aus dem Fall Fiege mitnimmst

Der Fall ist ein belastbarer Beleg dafür, dass KI-Agenten im Backoffice keine Spielerei sind, sondern ein messbares Geschäftsmodell. Die Zahlen im Produktivbetrieb sind konsistent und bestätigen das Muster, das wir in den [ersten belastbaren Zahlen aus Europa](/ratgeber/ki-agenten-produktivbetrieb-erste-belastbare-zahlen-aus-europa) beschreiben.

| | |
| --- | --- |
| **Fälle pro Monat** | bis zu 11'000 |
| **Paketdienstleister** | 20 bis 50 europäische Carrier |
| **Aufwand vorher** | bis zu 14 Mitarbeitende, 15 bis 25 Minuten pro Fall |
| **Automatisierungsquote** | über 70 %, teils übertroffen |
| **Klärungsquote** | 98 % |
| **Entlastete Mitarbeitende** | 10 in andere Aufgaben versetzt |

## Die Technik: Kein Chatbot, sondern ein orchestrierter Prozess

Hinter Carrier Claims AI steckt eine Kombination aus Azure Functions und Services sowie ein DSGVO-konform betriebenes OpenAI-Modell in einer Sandbox mit getemplateten Antworten. Entscheidend ist die Architektur: Es ist nicht ein einzelnes Modell, das auf Anhieb alles kann, sondern ein klar abgegrenzter Geschäftsprozess mit Regeln, Schnittstellen und Übergaben an Menschen. Dasselbe Muster zeigt sich bei [Auftragsabwicklung mit KI-Agenten](/ratgeber/auftragsabwicklung-mit-ki-agenten-das-muster-hinter-96-automatisierung).

Für Schweizer Unternehmen ist vor allem die Datenfrage relevant. Die DSGVO-konforme Sandbox von Fiege lässt sich auf revDSG übersetzen: Datenexport in Drittländer braucht vertragliche und technische Schutzmassnahmen. Das ist kein Hindernis, gehört aber von Anfang an auf die Agenda.

## Dein erster Schritt

Nimm dir einen wiederkehrenden Prozess vor, miss den aktuellen Aufwand und definiere das Abbruchkriterium. Die Frage ist nicht, ob ein KI-Agent das kann, sondern ob es sich für deinen Betrieb rechnet. Wie du KI als Chefsache verankerst und nicht als reines IT-Projekt behandelst, zeigt der [Schweizer KI-Podcast](https://www.ki-podcast.ch/ki-im-mittelstand-management-thema-nicht-it-projekt).

## Häufige Fragen

### Was ist ein Carrier Claim?

Carrier Claims sind Schadens-, Verlust- und Verspätungsmeldungen rund um Transporte, die zwischen Versendern, Spediteuren und Empfängern ausgetauscht werden. Bei Fiege kommen sie als E-Mails mit Scans, Fotos und PDF-Anhängen, in mehreren Sprachen und von 20 bis 50 Paketdienstleistern.

### Wie viel Aufwand hat Fiege mit dem KI-Agenten gespart?

Über 70 % der Bearbeitung. Der Agent verarbeitet bis zu 11'000 Fälle pro Monat, mit einer Klärungsquote von 98 %. Zehn Mitarbeitende wurden in andere Aufgabenfelder versetzt.

### Warum sind die letzten 30 % der Fälle so aufwendig?

Die Fälle bestehen aus mehrsprachigen Sonderfällen der Carrier, die sich nicht mit Standardregeln abdecken lassen. Fiege hat das Wissen des erfahrensten Sachbearbeiters in Vorgaben übersetzt, gestützt auf rund 2'000 historische Fälle.

### Brauchst du für so einen KI-Agenten ein eigenes Data-Science-Team?

Nein. Fiege zeigt, dass ein klar abgegrenzter Prozess mit einem DSGVO-konform betriebenen Modell reicht. Der Aufwand liegt in der Prozessdefinition und in der Übersetzung von Fachwissen, nicht im Modelltraining.

### Ist Human-in-the-loop ein Widerspruch zur Automatisierung?

Nein. Der Agent löst nur Fälle, bei denen er sich sicher genug ist. Alles andere legt er einem Menschen vor. So bleibt die Fehlerquote niedrig und die Verantwortung klar.

## Quellen

- [t3n — KI-Agent im Kundenservice: 70 % weniger Aufwand bei Reklamationen (Ralf Theil, 11.11.2026)](https://t3n.de/news/1-metadaten-slug-ki-agent-sachbearbeitung-reklamation-fiege-1735371/)
- [Fiege — Carrier Claims Management (offiziell)](https://www.fiege.com/de/digital/carrier-claims-management)
- [die-logistik.de — KI übernimmt Reklamationen: Wie Fiege seine Logistik effizienter macht](https://www.die-logistik.de/13/609/ki-uebernimmt-reklamationen-wie-fiege-seine-logistik-effizienter-macht/)
- [t3n PRO — Use Case: 70 % weniger Aufwand bei Logistik-Reklamationen](https://pro.t3n.de/use-cases/Fiege/)
