Conversation Design: Chatbots, die nicht nerven

Du hast für einen Kunden einen Chatbot aufgesetzt. Die Wissensbasis ist sauber gepflegt, die Antworten sind fachlich korrekt, technisch läuft alles rund. Trotzdem kommt nach vier Wochen die ernüchterte Rückmeldung: „Die Leute nutzen das Ding kaum, und wer es nutzt, ruft am Ende doch an." Der Bot ist nicht kaputt. Er ist nur schlecht im Gespräch.

Das ist der blinde Fleck vieler Chatbot-Projekte. Es wird viel über Modelle, Wissensbasen und Datenschutz gesprochen – aber selten über das, was am Ende über Erfolg oder Frust entscheidet: das Gesprächsdesign. Und die Stimmung bei den Nutzern ist angespannt. Laut einer Analyse der California Management Review von 2026 berichten zwischen 53 und 77 Prozent der Befragten von schlechten oder frustrierenden Chatbot-Erfahrungen. Wer für Kunden Bots baut, muss dieses Frustpotenzial ernst nehmen – denn ein nerviger Bot schadet der Marke mehr, als gar kein Bot es täte.

Conversation Design: warum Kunden-Chatbots scheitern

Conversation Design ist die bewusste Gestaltung dessen, wie ein Bot Gespräche führt: wie er sich vorstellt, wie er auf Unklarheiten reagiert, was er tut, wenn er nicht weiterweiß, und wie er den Nutzer wieder loslässt. Es ist der Unterschied zwischen einem Werkzeug, das hilft, und einer Sackgasse, die Menschen in die Warteschleife treibt.

Dieselbe Analyse benennt fünf wiederkehrende Frustquellen, und sie klingen wie ein Protokoll gescheiterter Bot-Gespräche. Der Bot versteht die Anfrage nicht und antwortet lang, generisch und wiederholt sich. Er kann komplexe Probleme nicht lösen – nur rund 14 Prozent der Serviceanliegen werden vollständig per Self-Service geklärt. Er sperrt Nutzer in einen „Chatbot-Loop" ein, aus dem sie keinen menschlichen Ansprechpartner erreichen. Er täuscht auf plumpe Weise Menschlichkeit vor. Und er personalisiert nicht, sondern verlangt dieselben Angaben immer wieder aufs Neue.

Auffällig ist: Keiner dieser Punkte ist ein Modellproblem. Sie sind allesamt Designentscheidungen – oder das Fehlen solcher Entscheidungen. Genau deshalb ist Conversation Design eine Agenturleistung, kein Feature, das man einschaltet.

Erwartungsmanagement: sag, was der Bot kann

Der häufigste Fehler passiert in den ersten zwei Sätzen. Ein Bot, der sich als allwissender „digitaler Assistent" präsentiert, weckt Erwartungen, die er zwangsläufig enttäuscht. Besser ist die ehrliche, konkrete Ansage: Was kann dieser Bot, und was nicht?

„Hallo, ich beantworte Fragen zu Öffnungszeiten, Produkten und Bestellungen. Bei allem anderen verbinde ich dich mit einem Menschen." Ein solcher Einstieg leistet mehr, als er scheint. Er begrenzt das Themenfeld, in dem der Nutzer überhaupt fragt, und senkt so die Quote der Anfragen, die der Bot nicht bedienen kann. Er signalisiert Kompetenz durch Fokus statt durch Allmachtsversprechen. Und er nennt gleich zu Beginn den Notausgang zum Menschen – das nimmt Druck aus dem ganzen Gespräch.

Zum Erwartungsmanagement gehört auch die Transparenz darüber, dass man mit einer KI spricht. Das ist nicht nur guter Stil, sondern seit dem 2. August 2026 in der EU rechtliche Pflicht: Chatbots müssen sich als KI zu erkennen geben. Was das im Detail für Kundenprojekte bedeutet, haben wir in unserem Beitrag zur KI-Kennzeichnungspflicht aufgeschlüsselt.

Der Fallback entscheidet über den Ruf des Bots

Kein Bot beantwortet jede Frage. Die Frage ist nicht ob, sondern wie er mit seinen Grenzen umgeht. Der Fallback – die Reaktion auf eine Anfrage, die der Bot nicht bedienen kann – ist die vielleicht wichtigste Designentscheidung überhaupt.

Ein schlechter Fallback antwortet mit „Das habe ich leider nicht verstanden" und lässt den Nutzer im Regen stehen, oft in einer Schleife derselben Rückfrage. Ein guter Fallback erkennt die Grenze, sagt es klar und bietet sofort einen Weg nach vorn: eine Umformulierung, eine passende Seite oder die Übergabe an einen Menschen. Entscheidend ist, dass eine nicht beantwortbare Frage nie in einer Sackgasse endet.

Hier liegt auch ein oft übersehener Qualitätsvorteil. Ein Bot, der bei fehlender Information ehrlich „Das kann ich dir nicht sicher beantworten, ich hole dir jemanden dazu" sagt, ist einem Bot, der irgendetwas Plausibles erfindet, in jeder Hinsicht überlegen. Erfundene Antworten – Halluzinationen – zerstören Vertrauen und können, wie Gerichte inzwischen klarstellen, den Betreiber sogar in die Haftung bringen. Ein Bot, der nur antwortet, was er in den hinterlegten Inhalten belegen kann, und ansonsten sauber übergibt, ist deshalb kein eingeschränkter Bot, sondern ein professioneller. Diese Beleg-Pflicht ist der Kern dessen, wie ein System wie Ragnova arbeitet – und ein Prinzip, das jedes Bot-Projekt übernehmen sollte.

Die Übergabe an den Menschen: Pflichtausgang, kein Notausgang

Zwischen 70 und 80 Prozent der Kunden bevorzugen laut der genannten Analyse die Interaktion mit einem Menschen, sobald es komplizierter wird. Das ist keine Niederlage für den Bot, sondern seine eigentliche Stärke: Er nimmt dem Menschen die einfachen, wiederkehrenden Fragen ab und leitet die kniffligen weiter. Eine reibungslose Übergabe an einen menschlichen Mitarbeiter (im Fachjargon „Human Handover") ist damit kein Sonderfall, sondern fester Bestandteil eines guten Gesprächsflusses.

Gute Übergaben teilen drei Merkmale. Sie kommen rechtzeitig – nicht erst nach dem fünften missglückten Versuch, sondern sobald der Bot merkt, dass er nicht weiterhilft, oder der Nutzer ausdrücklich einen Menschen will. Sie sind kontextreich: Der übernehmende Mitarbeiter sieht den bisherigen Gesprächsverlauf und die bereits genannten Daten, sodass der Kunde nicht alles wiederholen muss. Und sie sind ehrlich terminiert: Ist gerade niemand erreichbar, gibt der Bot eine realistische Erwartung („Ein Mitarbeiter meldet sich bis morgen 12 Uhr") oder nimmt strukturiert die Kontaktdaten auf, statt Verfügbarkeit vorzutäuschen.

Für dich als Agentur ist die Übergabelogik ein Thema, das du beim Kunden früh klären musst: Wer übernimmt, über welchen Kanal, zu welchen Zeiten? Ein Bot ist nur so gut wie der menschliche Prozess dahinter. Klärt ihr das nicht, baust du einen technisch perfekten Bot, der ins Leere übergibt.

Ein Beispiel aus dem Alltag

Wie viel das Design ausmacht, zeigt ein Vergleich desselben Anliegens. Ein Nutzer fragt: „Kann ich meine Bestellung noch ändern?"

Die schlechte Variante: „Das habe ich leider nicht verstanden. Bitte formuliere deine Frage anders." Der Nutzer versucht es zweimal neu, bekommt dieselbe Rückfrage, gibt auf und ruft genervt an – oder eben nicht.

Die gute Variante: „Das hängt vom Status deiner Bestellung ab. Sag mir kurz deine Bestellnummer, dann schaue ich nach. Falls die Bestellung schon im Versand ist, verbinde ich dich direkt mit einem Mitarbeiter, der noch eingreifen kann." Der Bot fasst das Anliegen zusammen, holt gezielt die eine fehlende Information und benennt schon den Weg für den Fall, dass er selbst nicht mehr helfen kann.

Der Unterschied liegt nicht im Sprachmodell, sondern in vorab durchdachten Gesprächspfaden: Was fragt der Bot bei diesem Anliegen nach? Ab welchem Punkt übergibt er? Genau diese Pfade für die häufigsten Anliegen des Kunden vorab zu entwerfen – statt zu hoffen, dass die KI es schon richten wird – ist der handwerkliche Kern von Conversation Design. Es lohnt sich, die zehn bis fünfzehn häufigsten Fragen eines Kundenbetriebs zu sammeln und für jede einen sauberen Pfad zu bauen. Das deckt in der Praxis den Löwenanteil der Gespräche ab.

Ton, Länge und das Ende des Gesprächs

Jenseits der großen Weichenstellungen entscheiden viele kleine Dinge über das Gefühl im Gespräch. Der Ton sollte zur Marke des Kunden passen und menschlich klingen, ohne vorzutäuschen, ein Mensch zu sein – authentische Freundlichkeit schlägt aufgesetzte Kumpelhaftigkeit. Antworten sollten kurz und konkret sein; die von der Analyse kritisierten „langen, generischen, repetitiven" Textblöcke sind ein Hauptärgernis. Statt einer Textwand ist oft die Rückfrage besser: Meinst du A oder B?

Auch das Ende verdient Aufmerksamkeit. Ein guter Bot schließt ein gelöstes Anliegen ab, fragt knapp nach, ob noch etwas offen ist, und lässt den Nutzer dann in Ruhe. Dieses saubere Abschließen ist zugleich die Grundlage für die Erfolgsmessung: Nur wenn du erhebst, welche Gespräche gelöst wurden und welche in Frust oder Abbruch endeten, kannst du das Design gezielt verbessern. Welche Kennzahlen dafür wirklich taugen, zeigt unser Beitrag zu den Chatbot-KPIs, die zählen.

Fazit

Ein Chatbot scheitert selten an der Technik und fast immer am Gespräch. Conversation Design – Erwartungsmanagement, ein sauberer Fallback, eine rechtzeitige und kontextreiche Übergabe an den Menschen sowie ein passender Ton – ist die Leistung, die einen hilfreichen Bot von einer Frustmaschine trennt. Für kleine Agenturen ist das eine gute Nachricht: Es ist kein KI-Spezialwissen nötig, um es besser zu machen als die 53 bis 77 Prozent frustrierender Bots da draußen, sondern durchdachtes Handwerk. Wer den Bot ehrlich seine Grenzen benennen und Menschen die schwierigen Fälle übernehmen lässt, baut kein schwächeres System – sondern eines, dem Nutzer vertrauen.