Anfang Juli war die Redaktion von CallCenterProfi zu Gast auf der NiCE World 2026 in London. Im Mittelpunkt stand die Frage, wie sich das Lösungsportfolio des Unternehmens durch die Integration von Cognigy verändert und welche Rolle Agentic AI künftig im Kundenservice spielen soll. Auf dem Rundgang durch die Ausstellung nahmen wir die aktuellen Produkte, Plattformkomponenten und Anwendungsszenarien genauer unter die Lupe und sprachen mit verschiedenen Experten über die neue operative Architektur für das Contact Center.

Einer von ihnen war Sebastian Glock, Director of Product Marketing & Technology Evangelist bei NiCE Cognigy. Im Interview erklärt er, warum AI Agents mehr leisten sollen als einzelne Aufgaben zu automatisieren, weshalb Governance zum entscheidenden Wettbewerbsfaktor wird und warum Autonomie ohne wirksame Kontrolle für Unternehmen zum Risiko werden kann. Mit ihm sprachen wir über Chancen, Grenzen und Governance von Agentic AI im Kundenservice und warum echte Autonomie nur mit Transparenz, klaren Regeln und wirksamer Kontrolle verantwortungsvoll skalieren kann.

CallCenterProfi: NiCE spricht von einer einheitlichen Agentic-AI-Plattform. Was unterscheidet diesen Ansatz konkret von klassischen Contact-Center-Lösungen mit zusätzlich integrierten KI-Funktionen?

Sebastian Glock: Der Unterschied beginnt bei der Architektur, hört dort aber nicht auf. Bei klassischer Contact-Center-Software mit ergänzten KI-Funktionen entscheidet ein Mensch oder ein starrer Prozess, wann die KI zum Einsatz kommt. Sie beantwortet eine Frage, übernimmt aber nicht die Verantwortung für den gesamten Vorgang. Eine native Agentic-AI-Plattform dreht dieses Prinzip um: Der AI Agent versteht das Anliegen, plant selbstständig die notwendigen Schritte und stößt sie in den angebundenen Systemen an, beispielsweise eine Buchung, eine Rückerstattung oder eine Vertragsänderung. An einen Menschen wird übergeben, wenn Urteilsvermögen oder Empathie gefragt sind.

Mindestens ebenso wichtig ist die Breite der Architektur. Es bringt wenig, nativ agentisch zu arbeiten, wenn am Ende nur ein kleiner Ausschnitt der tatsächlichen Anforderungen abgedeckt wird. Deshalb braucht es einen Funktionsumfang, der sämtliche Aspekte von KI im Kundenservice - von Sprache und Wissen bis zu Orchestrierung und Governance - umfasst. Gleichzeitig muss die Plattform offen bleiben: für unterschiedliche Sprachmodelle, vorhandene Systeme und Technologien, die ein Unternehmen bereits im Einsatz hat. Diese Kombination aus Tiefe, Breite und Offenheit lässt sich nicht nachträglich zusammensetzen. Sie muss von Anfang an Teil der Architektur sein.

CallCenterProfi: Auf dem Rundgang über die NiCE World haben wir gesehen, wie AI Agents, menschliche Agents, Copilot-Funktionen, Workforce Management und Governance stärker zusammenwachsen. Ist genau diese Verbindung der entscheidende Punkt, also nicht einzelne KI-Funktionen, sondern eine neue operative Architektur für den Kundenservice?

Sebastian Glock: Genau das ist der entscheidende Punkt. Einzelne KI-Funktionen lassen sich wie Bausteine zusammensuchen: ein Copilot hier, ein Automatisierungs-Case dort. Das Problem beginnt, sobald menschliche und virtuelle Agents nach unterschiedlichen Regeln bewertet, gecoacht und gesteuert werden. Dann entstehen zwei Wahrheiten innerhalb desselben Contact Centers. Der Kunde nimmt diesen Bruch wahr, auch wenn er die dahinterliegenden Systeme nicht kennt.

Was auf der NiCE World gezeigt wurde, ist deshalb kein weiteres Modul, sondern ein gemeinsames Betriebsmodell: dieselben Qualitätsstandards, dieselben Coaching-Erkenntnisse und dieselbe Steuerungslogik und zwar unabhängig davon, ob eine Anfrage von einem Menschen oder einem AI Agent bearbeitet wird. Die Orchestrierungsebene, die Agentic Engagement Plane, entscheidet dabei fortlaufend, wer für ein Anliegen der richtige Ansprechpartner ist: ein menschlicher Agent, ein AI Agent oder zunehmend auch der persönliche KI-Assistent auf Kundenseite. Darin liegt der eigentliche Bruch mit der bisherigen Contact-Center-Logik.

CallCenterProfi: Wenn AI Agents nicht mehr nur antworten, sondern Prozesse auslösen sowie Entscheidungen vorbereiten oder selbst treffen: Wie stellen Sie sicher, dass diese Entscheidungen - gerade bei sensiblen Kundenanliegen - transparent, nachvollziehbar und regelkonform bleiben?

Sebastian Glock: Nachvollziehbarkeit beginnt nicht erst bei der nachträglichen Kontrolle, sondern bereits beim Aufbau des Agenten. Jede Aktion muss protokolliert und erklärbar sein. Das betrifft nicht nur das Ergebnis, sondern auch den Weg dorthin: Welche Informationen wurden herangezogen? Welche Regel hat gegriffen? Warum wurde eskaliert, oder warum nicht? Ohne eine solche Dokumentation lässt sich Automatisierung bei Vertragsänderungen, Schadenfällen oder vergleichbaren Vorgängen kaum verantwortungsvoll einsetzen.

Der zweite Baustein sind klar definierte Grenzen. Diese sollten nicht ausschließlich an starre Zahlen oder Schwellenwerte geknüpft sein, sondern an frei definierbare Regeln: Was ist innerhalb eines Prozesses besonders relevant? Wann sind menschliches Urteilsvermögen oder Empathie zwingend erforderlich und gilt das unabhängig davon, ob die KI die Aufgabe technisch lösen könnte? Diese Flexibilität ist entscheidend, denn starre Schwellenwerte passen selten zur Realität eines Kundengesprächs. Hinzu kommt die regulatorische Perspektive: Der AI Act stellt Anforderungen an die Transparenz von KI-Systemen und ihren Entscheidungen. Wer diese Anforderungen von Anfang an berücksichtigt, schafft nicht nur regulatorische Sicherheit, sondern stärkt auch das Vertrauen der Kunden.

CallCenterProfi: Der aktuelle OpenAI-Hugging-Face-Fall hat gezeigt, wie kritisch es werden kann, wenn autonome KI-Systeme Werkzeuge, Zugriffsrechte und Handlungsspielräume erhalten. Was ist aus Ihrer Sicht die wichtigste Lehre daraus für Unternehmen, die Agentic AI im Kundenservice einsetzen wollen?

Sebastian Glock: Der Fall lässt sich nicht eins zu eins auf den Kundenservice übertragen. Das sollte man klar voneinander trennen. Es ging um Modelle in einer stark kontrollierten Testumgebung, die gezielt für Cybersicherheitsbewertungen entwickelt worden waren, also für genau jene Fähigkeiten, die dort schließlich außerhalb der vorgesehenen Grenzen eingesetzt wurden. Ein AI Agent, wie er heute im Contact Center arbeitet, verfügt weder über dieselben Werkzeuge noch über denselben Auftrag. Beide Welten sollten deshalb nicht vermischt werden.

Trotzdem enthält der Fall eine wichtige Lehre für jeden, der Agentic AI produktiv einsetzt: Ein System, das ein Ziel verfolgen darf und Zugriff auf Werkzeuge besitzt, wird diesen Handlungsspielraum möglicherweise auch dort nutzen, wo dies ursprünglich nicht vorgesehen war. Nicht aus böser Absicht, sondern weil genau darin die Aufgabe eines agentischen Systems besteht, einen Weg zum vorgegebenen Ziel zu finden.

Existieren die Grenzen lediglich auf dem Papier, stellt sich daher weniger die Frage, ob sie überschritten werden, sondern wann. Für den Kundenservice bedeutet das: Kontrollmechanismen müssen von Grund auf in die Architektur eingebaut und dürfen nicht erst nachträglich ergänzt werden. Ein AI Agent, der Rückerstattungen veranlassen oder Vertragsdaten verändern kann, erfordert dieselbe Disziplin, die auch bei kritischer IT-Infrastruktur angewendet wird. Nicht weil Kundenservice grundsätzlich hochriskant wäre, sondern weil dort reale Zahlungen, Verträge und persönliche Daten verarbeitet werden.

CallCenterProfi: NiCE Guardian AI soll als Governance Layer in Echtzeit menschliche und KI-basierte Aktionen überwachen, Compliance Guardrails anwenden, Risiken erkennen und die Performance kontinuierlich verbessern. Was passiert konkret, wenn Guardian AI erkennt, dass ein AI Agent oder ein menschlicher Agent eine riskante oder regelwidrige Aktion ausführen könnte?

Sebastian Glock: Guardian AI arbeitet nicht nachgelagert, sondern begleitet die Prozesse als Kontrollinstanz in Echtzeit. Das System beobachtet sowohl menschliche als auch KI-basierte Aktionen: am Telefon, im Chat und im Backend. Erkennt Guardian AI, dass eine Aktion gegen eine Regel verstoßen könnte, wird sie noch vor der Ausführung gestoppt oder einem Menschen zur Freigabe vorgelegt. Das kann beispielsweise eine Rückerstattung oberhalb des erlaubten Betrags oder eine Änderung sensibler Kundendaten ohne vollständige Verifizierung betreffen. Die Kontrolle erfolgt also nicht erst Wochen später im Rahmen einer stichprobenartigen Qualitätssicherung.

Dabei ist Guardian AI kein reiner Blocker. Jede erkannte Grenzsituation fließt in die weitere Bewertung und Optimierung des Agenten ein: Wo müssen Regeln geschärft werden? An welcher Stelle wird zu häufig eskaliert und wo möglicherweise zu selten? Governance wird damit zu einem Instrument, das den laufenden Betrieb kontinuierlich verbessert, statt ihn lediglich abzusichern.

CallCenterProfi: Wird Governance damit zum eigentlichen Schlüsselthema bei Agentic AI? Anders gefragt: Entscheidet sich der Wettbewerb im Contact Center künftig weniger daran, welcher Anbieter am meisten automatisieren kann, sondern stärker daran, wer Automatisierung am sichersten und kontrollierbarsten umsetzt?

Sebastian Glock: Ich glaube, dass dies der Fall sein wird und ehrlich gesagt sollte es auch so sein. Der reine Automatisierungsgrad ist mittlerweile zu einer austauschbaren Kennzahl geworden. Nahezu jeder Anbieter kann hohe Quoten präsentieren, wenn man ihm ausreichend Handlungsspielraum gibt.

Gartner geht davon aus, dass mehr als 40 Prozent der Agentic-AI-Projekte bis 2027 wieder eingestellt werden. Häufig nicht, weil die Automatisierung grundsätzlich nicht funktioniert, sondern weil Unternehmen sie nicht ausreichend kontrollieren können. Der Wettbewerb verschiebt sich deshalb von der Frage „Wie viel traut sich die KI zu?“ hin zu „Wie kontrolliert lässt sich diese Technologie skalieren?“. Autonomie ohne Kontrolle ist kein Fortschritt, sondern ein Risiko mit gutem Marketing. Wer das früh verstanden hat, bietet heute nicht nur stärker automatisierte, sondern vor allem vertrauenswürdigere Systeme an. Genau darin wird am Ende der entscheidende Unterschied im Markt liegen.