
Technologie-Führungskraft sagt, dass Führungskräfte zu stark automatisieren, statt schlechtes Produktdesign zu beheben

Shankar Sahai
Leiter für Kundenerfahrung bei UpendNow.com

Shankar Sahai erklärt, warum Führungskräfte im Bereich Kundenerfahrung schlechtes Produktdesign und unübersichtliche Daten beheben sollten, bevor sie KI einsetzen, um Probleme in der Kundenreise zu automatisieren.
Shankar Sahai
Leiter für Kundenerfahrung bei UpendNow.com

Key Takeaways
KI-Forschung: KI verkürzt die Dauer qualitativer Forschung von Wochen auf Minuten, indem sie spezifische Nutzungshindernisse in Echtzeit sichtbar macht.
Menschliches Urteilsvermögen: Menschen müssen den Branchenkontext interpretieren, Kundenreisen neu gestalten und sensible Entscheidungen zur Wiederherstellung des Serviceerlebnisses treffen.
Kontextbezogene Unterstützung: KI stattet Supportmitarbeitende mit dem vollständigen Sitzungskontext aus und ermöglicht dadurch schnellere, relevantere Hilfe, ohne Kunden in Bots festzuhalten.
Design zuerst: Besseres Produktdesign ist oft wirkungsvoller als Personalisierung, wenn Nutzer einfachere Abläufe, klarere Benutzeroberflächen und eine schnellere Suche benötigen.
Datengrundlage: Erfolgreiche KI-Pilotprojekte erfordern bereinigte, vereinheitlichte Daten. Andernfalls verstärkt die Automatisierung Widersprüche, Rauschen und Fehlentscheidungen.
Shankar Sahai ist CXO bei UpendNow.com, einer Plattform für die Orchestrierung der KI-Produktion, die die Erstellung von Videos, Filmen und Werbeanzeigen optimiert. Sein Schwerpunkt liegt darauf, zu verhindern, dass das Unternehmen teure Dinge entwickelt, die niemand möchte. Und das erreicht er mit KI.
Wir haben uns mit Shankar zusammengesetzt, um zu erfahren, was er automatisiert – und wo Design die Automatisierung übertrumpft.
Sicherstellen, dass das menschliche Erlebnis den Versprechen des Vorstands entspricht

Hallo zusammen, ich bin Shankar Sahai und Chief Experience Officer bei UpendNow.com.
Wenn ich meine tägliche Arbeit in einem einzigen Satz zusammenfassen müsste, wäre es dieser: Ich verhindere, dass Unternehmen unglaublich teure Dinge entwickeln, die niemand möchte oder zu bedienen weiß. Die meiste Zeit verbringe ich an der chaotischen Schnittstelle von Produktentwicklung, Kundenforschung und Betriebsstrategie.
Bei UpendNow arbeiten wir intensiv im B2B-Bereich und helfen Unternehmen dabei, umfangreiche digitale Transformationen zu bewältigen und fehlerhafte Kundenreisen zu verbessern. Wenn wir von „Skalierung“ sprechen, geht es weniger darum, eine enorme Menge an Support-Tickets zu zählen – auch wenn wir davon viele sehen –, sondern vielmehr darum, massive betriebliche Komplexität zu bewältigen. Wir untersuchen Ökosysteme mit mehreren Kanälen, in denen Kunden innerhalb derselben Woche zwischen einem Webportal, einer mobilen App, dem direkten Support und einem Vertriebsmitarbeiter wechseln können und dabei erwarten, dass sich das Unternehmen auf magische Weise an jede Interaktion erinnert.
Als CXO helfe ich Führungsteams dabei, CX nicht länger nur als Kostenstelle für einen „Supportschalter“ zu betrachten, sondern als zentralen Geschäftsmotor. Wir übernehmen die aufwendige Arbeit – von tiefgehender Nutzerforschung über Workflow-Automatisierung bis hin zu agilen Transformationen –, um sicherzustellen, dass das menschliche Erlebnis den großen Versprechen aus dem Vorstand entspricht.
More Articles
- Technologie-CCO sagt: Führungskräfte für Kundenerfahrung konzentrieren sich zu stark auf KI-Ergebnisse, während die Kundenerfahrung verkümmert
- Technikvorstand für Kundenangelegenheiten: CX-Führungskräfte konzentrieren sich zu stark auf KI-Ergebnisse, während das Kundenerlebnis verkümmert
- CX-Vordenker erklärt, wie CX mithilfe von KI einen Platz am Entscheidungstisch gewinnt
Wie KI in die qualitative Nutzerforschung eingebettet werden kann
Wir haben eine interne KI-Pipeline entwickelt, die Rohdaten aus Gesprächen automatisch in Echtzeit aufnimmt, kategorisiert und hinsichtlich der Stimmung analysiert … Dadurch entfiel das Rätselraten. Unsere Zeit bis zur Erkenntnis sank von drei Wochen auf wenige Minuten. Tatsächlich haben wir kürzlich innerhalb von 48 Stunden nach dem Start einen gravierenden UX-Fehler in einem neuen Portal entdeckt, ihn sofort behoben und einen massiven Anstieg der Support-Tickets verhindert.

Unsere größte Veränderung bestand nicht darin, einen auffälligen Chatbot für Kunden zu installieren. Stattdessen haben wir KI tief in unsere qualitative Nutzerforschung und die Analyse nach Interaktionen eingebettet.
Wir hatten eine gewaltige Menge unstrukturierter Daten – Tausende Stunden an Nutzerinterviews, Support-Transkriptionen und offenem Feedback. Früher dauerte es Wochen, diese Daten manuell nach verwertbaren Erkenntnissen zu durchsuchen. Bis wir die Reibungspunkte erfasst hatten, waren die Daten bereits veraltet.
Wir haben eine interne KI-Pipeline entwickelt, die Rohdaten aus Gesprächen automatisch in Echtzeit aufnimmt, kategorisiert und hinsichtlich der Stimmung analysiert. Statt nur „glücklich oder traurig“ zu markieren, erkennt sie konkrete Verhaltensbarrieren – etwa, an welcher Stelle ein Nutzer durch die Begriffe in der Benutzeroberfläche verwirrt wird oder einen Onboarding-Workflow abbricht.
Bei den Werkzeugen verwenden wir die Whisper API von OpenAI für die Transkription von Audio- und Videodateien. Für Analyse und Kategorisierung nutzen wir Claude (3.5 Sonnet) von Anthropic.
Dadurch entfiel das Rätselraten. Wir ersetzten Vermutungen im Vorstand durch belastbare Daten. Jetzt verfügen wir über ein Live-Dashboard, das genau zeigt, warum und an welchen Stellen Nutzer Schwierigkeiten haben. Außerdem wurde die Geschwindigkeit erhöht. Unsere Zeit bis zur Erkenntnis sank von drei Wochen auf wenige Minuten. Tatsächlich haben wir kürzlich innerhalb von 48 Stunden nach dem Start einen gravierenden UX-Fehler in einem neuen Portal entdeckt, ihn sofort behoben und einen massiven Anstieg der Support-Tickets verhindert.
Ein persönlicher, KI-gestützter CX-Workflow
Unsere gesamte Welt bei UpendNow.com dreht sich um Solt OS, unsere Plattform, die Filmemachern und Werbeagenturen hilft, den Albtraum der Vorproduktion zu automatisieren – ein unübersichtliches Drehbuch wird in Storyboards, Aufnahmelisten und Budgets verwandelt. Da das Filmemachen so visuell und unübersichtlich ist, funktioniert ein standardmäßiger Support-Ticket-Workflow bei uns nicht. Wenn ein Regisseur bei der Erstellung eines Videos zur Vorvisualisierung feststeckt und die Konsistenz der Figuren immer wieder verloren geht, möchte er keinen allgemeinen IT-Helpdesk.
Mittlerweile bewältigen wir das nahtlos. Hier ist der Workflow.
Sobald ein Kreativer ein Problem meldet oder nicht weiterkommt, liest unsere interne KI nicht einfach nur seine Textbeschwerde; sie erfasst den gesamten Kontext seiner kreativen Sitzung. Sie untersucht das hochgeladene Drehbuch, die verwendeten Prompts und die fehlgeschlagenen Storyboards.
Anschließend übernimmt die KI die aufwendige analytische Arbeit. Sie diagnostiziert den genauen kreativen Reibungspunkt – beispielsweise erkennt sie, dass der Filmemacher eine nicht standardkonforme Szenenüberschrift verwendet hat, die die Standortverfolgung des Systems verwirrte.
Dann übergibt das System alles an eines unserer menschlichen Teammitglieder, statt den Nutzer warten zu lassen oder ihn mit einem Bot sprechen zu lassen. Die Übergabe erfolgt jedoch zusammen mit einem vollständigen Spickzettel. Der menschliche Mitarbeiter öffnet den Fall und sieht sofort, welche Szenennummern sich wiederholen, worin der Formatierungsfehler besteht und wie eine vorformulierte Lösung aussieht.
Der Filmemacher erhält eine schnelle, tiefgreifend kontextbezogene Antwort von einem Menschen, der seine filmische Sprache versteht, und wir sorgen dafür, dass sein kreativer Schwung nicht verloren geht. Um den Kreislauf zu schließen, protokolliert die KI diesen spezifischen Formatierungsfehler automatisch in unserem Entwicklungs-Backlog, damit wir die Benutzeroberfläche des Produkts anpassen und verhindern können, dass er beim nächsten Regisseur erneut auftritt.
Und zu keinem Zeitpunkt bleibt der Kunde in einem Gespräch mit einem Bot stecken oder muss einem Supportmitarbeiter komplexen Kreativjargon erklären.
Wie KI CX-Entscheidungen unterstützt, während Menschen die Strategie bestimmen

Shankar teilt mit
…wir automatisieren keine menschlichen Beziehungen. Wir setzen KI ein, um analytische Routinearbeit zu erledigen, damit unser Team Zeit hat, sich auf die hochwertige, zutiefst menschliche Arbeit des Beziehungsaufbaus und der Lösung komplexer Probleme zu konzentrieren.
Wir folgen einer strikten Faustregel: KI kümmert sich um das „Was“ und das „Wo“, aber Menschen verantworten das „Warum“ und das „Wie“.
Hier sind einige Beispiele dafür, was KI gut erledigt:
- Priorisierung von Problemen und Erkennen von Trends: KI durchsucht Tausende eingehender Supporttranskripte und Nutzersitzungen in Echtzeit. Sie markiert sofort Anomalien – etwa einen plötzlichen Anstieg um 15 % bei Nutzern, die auf einer Zahlungsseite nicht weiterkommen –, lange bevor ein menschlicher Manager das Muster bemerkt. Dafür verwenden wir PostHog.
- Analyse von Reibungspunkten entlang der Kundenreise: KI analysiert das Nutzerverhalten auf unseren Plattformen und zeigt genau, wo Abbrüche auftreten. Dadurch entfällt das Rätselraten. Derzeit stellen wir unsere Toolausstattung auf FullStory (StoryAI und API) um.
Auf menschlicher Seite:
- Neugestaltung der Kundenreise und Strategie: KI kann mir sagen, wo Nutzer abspringen, aber ihr fehlen der geschäftliche Kontext und das kreative Einfühlungsvermögen, um die Erfahrung neu zu gestalten. Die Behebung einer fehlerhaften B2B-Kundenreise erfordert funktionsübergreifende Abstimmungen, Kompromisse in der Entwicklung und ein tiefes Verständnis menschlichen Verhaltens. KI kann nicht in einem Raum sitzen und drei verschiedene Abteilungen dazu bringen, sich auf eine Lösung zu einigen.
- Servicewiederherstellung und Eskalation: Wenn ein Systemausfall den Betrieb eines wichtigen Kunden beeinträchtigt und ihn wütend macht, möchte er keine perfekt formulierte KI-Entschuldigung. Die Bewältigung kritischer Situationen erfordert echte menschliche Empathie, Verantwortungsübernahme und die Befugnis, Regeln zu beugen, um die Angelegenheit in Ordnung zu bringen.
Mit anderen Worten: Wir automatisieren keine menschlichen Beziehungen. Wir setzen KI ein, um analytische Routinearbeit zu erledigen, damit unser Team Zeit hat, sich auf die hochwertige, zutiefst menschliche Arbeit des Beziehungsaufbaus und der Lösung komplexer Probleme zu konzentrieren.
Wie KI mit branchenspezifischem Kontext zu kämpfen hat

Shankar teilt mit
Blindes Vertrauen in das automatisierte Dashboard ohne menschliche Plausibilitätsprüfung hätte dazu geführt, dass wir wochenlang einwandfreien Code umgeschrieben hätten. KI erkennt Muster, hat aber große Schwierigkeiten mit tiefgreifendem, branchenspezifischem Kontext.
Die Integration von KI in unsere qualitative Datenanalyse und die Priorisierung von Problemen hat unser Arbeitstempo grundlegend verändert.
Unser Team verbrachte früher Wochen damit, Daten manuell zu markieren, um systemische UX-Mängel oder Engpässe beim Onboarding in verschiedenen Kundenkonten zu erkennen. Heute markiert KI diese wiederkehrenden Reibungsmuster nahezu sofort. Wenn wir diese Probleme schneller erkennen, können wir Fehler beheben und verwirrende Abläufe korrigieren, bevor sie zu einer Flut von Kundenbeschwerden führen. Dadurch haben sich unsere Produkt- und Forschungsteams grundlegend von mühsamer Dateneingabe in Tabellenkalkulationen wegbewegt und können sich auf die Entwicklung von Lösungen konzentrieren.
Aber der Weg verlief nicht durchgehend reibungslos. Unser größtes Problem waren analytisches Rauschen und ein Mangel an echtem Kontext.
Anfangs verließen wir uns zu stark auf die Fähigkeit der KI, Stimmungen und Trends zu markieren. Wir stellten einen starken Anstieg negativer Stimmungsmarkierungen rund um eine neu veröffentlichte Funktion fest. Das Team wollte das Update beinahe zurücknehmen. Eine eingehende menschliche Analyse zeigte jedoch, dass die KI den branchenspezifischen Jargon und das technische Dampfablassen unserer Power-User völlig falsch interpretiert hatte. Sie waren nicht wegen der Funktion verärgert, sondern sprachen lediglich leidenschaftlich über ihre eigenen komplexen Arbeitsabläufe.
Blindes Vertrauen in das automatisierte Dashboard ohne menschliche Plausibilitätsprüfung hätte dazu geführt, dass wir wochenlang einwandfreien Code umgeschrieben hätten. KI erkennt Muster, hat aber große Schwierigkeiten mit tiefgreifendem, branchenspezifischem Kontext.
Warum Produktdesign wichtiger sein kann als ausgefeilte KI
Kontextbezogene Hyperpersonalisierung ist ein weiterer Bereich, in dem KI hinter den Erwartungen zurückbleibt.
Das Versprechen lautete, dass KI das frühere Verhalten eines B2B-Kunden, seine aktuelle Produktnutzung und seine Supporthistorie nahtlos analysieren könnte, um das Onboarding oder die Dashboard-Erfahrung in Echtzeit dynamisch anzupassen. Wir erwarteten, dass es sich intuitiv anfühlen würde – wie ein digitaler Concierge, der genau voraussieht, was ein Nutzer als Nächstes benötigt. Stattdessen wirkte es meist aufdringlich oder irrelevant.
In einer komplexen B2B-Technologieumgebung ändert sich die Nutzerabsicht von Stunde zu Stunde radikal. Ein Nutzer meldet sich möglicherweise an, um eine schnelle, wiederkehrende Verwaltungsaufgabe zu erledigen, doch die KI – die anhand übergreifender Kontotrends hilfreich sein möchte – überfrachtet seine Ansicht mit Empfehlungen für eine fortgeschrittene Funktion, die ihn gerade überhaupt nicht interessiert. Dadurch wurde die kognitive Belastung erhöht, statt sie zu verringern.
Wir erkannten, dass Nutzer beim Navigieren auf einer Plattform nicht möchten, dass KI errät, was sie als Nächstes tun wollen. Sie möchten ein übersichtliches UI-Design, vorhersehbare Abläufe und eine blitzschnelle Suchfunktion. Wir hatten erwartet, dass KI ein Problem der Nutzererfahrung lösen würde, das letztlich ein besseres, einfacheres Produktdesign erforderte.
Warum Datenqualität vor dem Start von KI-Pilotprojekten entscheidend ist

Ich wünschte, ich hätte früher gewusst, wie sehr unsere eigenen unaufgeräumten internen Daten anfangs alles durcheinanderbringen würden.
Wenn man KI-Anbietern zuhört, erwecken sie den Eindruck, man müsse dieses magische Tool nur anschließen, und schon spucke es sofort brillante, für Menschen aufbereitete Erkenntnisse aus. Doch in Wirklichkeit ist Ihre KI nur so gut wie die Daten, mit denen Sie sie füttern.
Vor unserem ersten Pilotprojekt hatten wir jahrelanges Kundenfeedback, alte Nutzerforschung und Supportprotokolle, die über verschiedene Silos verstreut waren. Ein Teil davon war veraltet, manches widersprach sich schlichtweg, und vieles fehlte der spezifische Filmproduktionskontext unserer Arbeit bei UpendNow.
Da wir diese Datengrundlage nicht zuerst bereinigten, verbrachte die KI die ersten Wochen damit, bizarre Trends zu halluzinieren und viel analytisches Rauschen zu erzeugen, dessen Widerlegung mein Team viel Zeit kostete.
Wenn ich es noch einmal machen könnte, würde ich deutlich weniger Zeit darauf verwenden, auffällige KI-Funktionen zu bewerten, und viel mehr Zeit darauf, unsere interne Datenarchitektur zu bereinigen, bevor wir das System einschalten. Man muss zuerst die Grundlage in Ordnung bringen, sonst automatisiert man lediglich das Chaos.
Der Bereich, auf den sich alle CX-Führungskräfte konzentrieren sollten
Der eine Bereich, den jetzt alle grundlegend neu gestalten müssen, ist die Abbildung der Kundenreise … Wenn Sie nicht neu gestalten, wie Sie die Kundenreise abbilden und betrachten, werden Sie KI dazu einsetzen, einzelne, isolierte Kontaktpunkte zu optimieren, während Sie völlig übersehen, dass das Gesamterlebnis nicht funktioniert. Wir müssen aufhören, die Vergangenheit abzubilden, und anfangen, die Gegenwart zu orchestrieren.

Der eine Bereich, den jetzt alle grundlegend neu gestalten müssen, ist die Abbildung der Kundenreise.
Historisch war die Abbildung der Kundenreise eine statische Angelegenheit für den Sitzungsraum. Die Beteiligten saßen in einem Raum mit Haftnotizen, bildeten einen idealisierten Verlauf ab, packten ihn in eine PDF-Datei, und dann sah sich ein Jahr lang niemand mehr das Ergebnis an. Sie stellt dar, was wir hoffen, dass der Kunde tut, nicht die Realität.
In einer durch KI erweiterten Welt ist dieser Ansatz überholt.
Führungskräfte sollten Kundenreisen aktiv neu gestalten, sodass sie dynamisch und in Echtzeit sind und mit aktuellen Daten gespeist werden. Da KI-Tools jetzt unstrukturierte Daten – etwa Live-Nutzersitzungen, Supportanrufe und Abbruchpunkte – in Echtzeit verarbeiten können, sollte Ihre Abbildung der Kundenreise kein Dokument sein. Sie sollte ein lebendiges Software-Dashboard sein, das sich ständig weiterentwickelt.
Statt zu raten, wo Reibung entsteht, sollte Ihr System Ihnen aktiv mitteilen: „Hey, gerade stoßen Filmemacher aus Boutique-Agenturen beim dritten Schritt der Einarbeitung aufgrund einer Verzögerung der Benutzeroberfläche auf ein Hindernis.“ Wenn Sie nicht neu gestalten, wie Sie die Kundenreise abbilden und betrachten, werden Sie KI dazu einsetzen, einzelne, isolierte Kontaktpunkte zu optimieren, während Sie völlig übersehen, dass das Gesamterlebnis nicht funktioniert. Wir müssen aufhören, die Vergangenheit abzubilden, und anfangen, die Gegenwart zu orchestrieren.
Schlechtes Design lässt sich nicht wegautomatisieren

Mein Rat ist einfach: Hören Sie auf, schlechtes Design wegautomatisieren zu wollen.
Derzeit sind CX-Führungskräfte einer gewaltigen Versuchung ausgesetzt, KI auf jeden einzelnen Reibungspunkt in der Kundenreise anzusetzen, weil das schnell und günstig erscheint. Wenn Ihre Einarbeitung verwirrend ist, setzen Sie einen KI-Assistenten ein. Wenn Ihre Dokumentation ein Durcheinander ist, bauen Sie einen KI-Suchbot. Doch damit kleben Sie lediglich ein Hightech-Pflaster auf einen fehlerhaften Prozess. Sie setzen KI ein, um Kunden dabei zu helfen, eine Komplexität zu bewältigen, die von vornherein nicht existieren sollte.
Bevor Sie ein weiteres KI-Tool kaufen oder einen weiteren automatisierten Workflow einführen, setzen Sie alles auf null. Betrachten Sie Ihr Kernprodukt und Ihre zentrale Leistungserbringung. Beheben Sie zunächst die grundlegenden Fehler der Benutzererfahrung, bereinigen Sie die unübersichtlichen Datenpipelines und vereinfachen Sie die Kundenreise.
Folgen Sie uns
Sie können Shankar Sahais Arbeit auf LinkedIn und X verfolgen.
Weitere Experteninterviews folgen auf The CX Lead!


