Kurzantwort

KI im Kundenservice ist in Deutschland rechtssicher einsetzbar, wenn Unternehmen den Use Case eng zuschneiden, Rechtsgrundlage und AVV sauber festlegen, KI-Agenten enger begrenzen als einfache Chatbots, Transparenz nach Art. 50 AI Act umsetzen und den Bot vor dem Rollout und danach regelmäßig auditieren.

• Starten Sie mit wenig sensibler Support-Automatisierung und nicht mit vollautomatisierten Entscheidungen.
• Prüfen Sie vor dem Rollout Rechtsgrundlage, Datenschutzhinweise, Aufbewahrung, Hosting, Transfers und Vendor Terms.
• KI-Agenten mit Handlungsspielraum brauchen engere Grenzen, Logging und Eskalationsregeln als einfache FAQ-Chatbots.
• Bauen Sie Human Handoff, Beschwerdeprozesse und Governance auf und auditieren Sie den Bot regelmäßig.

KI im Kundenservice ist in Deutschland grundsätzlich möglich, aber keine reine Toolfrage. Unternehmen können Chatbots, Ticket-Zusammenfassungen, Call-Transkripte und Agent-Assist-Funktionen oft einsetzen, wenn der Datenumfang begrenzt bleibt, eine belastbare DSGVO-Struktur gewählt wird, Vendor-Verträge und Transferlogik geprüft sind und Kunden bei sensiblen, strittigen oder ergebnisrelevanten Fällen schnell einen Menschen erreichen.

Für die meisten Unternehmen ist ein Einstieg über wenig riskante Support-Automatisierung am sinnvollsten: FAQ-Chat, Ticket-Triage, Knowledge-Base-Vorschläge, Zusammenfassungen und Assistenz für Support-Mitarbeiter. Schwieriger wird es, wenn Beschwerden automatisiert bearbeitet, Anrufe breit analysiert, Rückerstattungen beeinflusst oder große Mengen identifizierbarer Kundendaten ohne klare Leitplanken verarbeitet werden.

Vor dem Rollout sollten Support, Legal und Datenschutz typischerweise klären:

• welche Kundendaten in den KI-Workflow gelangen,
• welche DSGVO-Rechtsgrundlage und welchen Datenschutzhinweis der Prozess trägt,
• ob der Anbieter einen belastbaren AVV nach Art. 28 DSGVO bietet,
• wo Hosting und Unterauftragsverarbeiter sitzen,
• ob Trainingsnutzung deaktiviert oder vertraglich begrenzt ist,
• und wann zwingend eine menschliche Eskalation greifen muss.

Dürfen Unternehmen KI im Support rechtssicher einsetzen?

In vielen Fällen ja. Ob der Einsatz rechtssicher ist, hängt aber vom konkreten Anwendungsfall ab und nicht vom Produktnamen.

In der Praxis geht es oft um:

1. Chatbots im Kundenservice,
2. Ticket-Klassifizierung und Priorisierung,
3. Entwürfe für Support-Antworten,
4. Transkription und Zusammenfassung von Calls,
5. Qualitätssicherung von Kundengesprächen,
6. Agent-Assist während laufender Kundeninteraktionen.

Diese Use Cases lassen sich häufig vertreten, wenn sie in ein klares Betriebsmodell eingebettet sind. Maßgeblich sind regelmäßig:

• Art. 5 und Art. 6 DSGVO für Datenminimierung, Zweckbindung und Rechtsgrundlage,
• Art. 13 und Art. 14 DSGVO für Transparenz gegenüber Kunden,
• Art. 28 DSGVO für Auftragsverarbeitung,
• Kapitel V DSGVO für Drittlandtransfers,
• Art. 22 DSGVO, sobald automatisierte Entscheidungen mit rechtlicher oder ähnlich erheblicher Wirkung drohen,
• sowie der EU AI Act, insbesondere Art. 50 zu Transparenzpflichten bei direkter Interaktion mit natürlichen Personen.

Die Fristen des AI Act sind für die Planung wichtig. Die Europäische Kommission nennt 1. August 2024 als Inkrafttreten, 2. Februar 2025 für Verbote und AI-Literacy-Pflichten sowie 2. August 2026 als Startpunkt für die Transparenzpflichten aus Art. 50 AI Act. Support-Teams sollten die Disclosure-Logik deshalb schon jetzt in das Design aufnehmen.

Wenn in Ihrem Kundenservice KI-generierte Stimme eingesetzt wird, finden Sie in unserer ElevenLabs-DSGVO-Anleitung die anbieterspezifischen Fragen zu AVV beziehungsweise DPA, EU Data Residency, Retention, Sprachdaten und Due Diligence fuer Deutschland.

Wenn Sie angrenzende Systeme vergleichen möchten, helfen unsere Guides zu AI Chatbots, AI Voice Assistants, Intercom AI, Zendesk AI, und HubSpot AI bei typischen Datenflüssen und Freigabefragen. Branchenspezifische Anforderungen für KI im Kundendienst finden Sie außerdem in unseren Leitfäden zu den Compliance-Anforderungen im Einzelhandel und E-Commerce sowie den KI-Act-Pflichten in der Hotellerie und Gastronomie. Einen strukturierten Überblick über alle EU-AI-Act-Compliance-Anforderungen bietet unser Compliance-Hub.

Chatbots, Ticket-Zusammenfassungen, Call-Analysen und Agent-Assist: Was ist rechtlich relevant?

Das rechtliche Risikoprofil hängt davon ab, was das System mit dem Kundendialog macht und welche Folgen daraus entstehen.

Ein Support-Chatbot, der Versandfragen aus einer Wissensdatenbank beantwortet, ist etwas anderes als ein Workflow, der:

• die Glaubwürdigkeit von Kunden bewertet,
• Beschwerdeergebnisse vorschlägt,
• Leistungserbringung oder Erstattungen beeinflusst,
• Emotionen oder Stimmungen in Gesprächen auswertet,
• oder Entscheidungen zu Kündigung, Sperrung oder Kulanz vorbereitet.

Der AI Act Service Desk der Europäischen Kommission erläutert zu Art. 50, dass Personen bei direkter Interaktion mit KI darüber informiert werden müssen, dass sie mit einem KI-System interagieren, sofern dies nicht ohnehin offensichtlich ist. Diese Information muss klar und spätestens beim ersten Kontakt erfolgen. Für Kundenservice bedeutet das: klare Disclosure im Kontaktkanal, nicht versteckte Hinweise im Kleingedruckten.

Auch die Checkliste des Hamburgischen Beauftragten für Datenschutz und Informationsfreiheit für LLM-Chatbots ist für Support-Teams praxisnah. Sie hebt interne Nutzungsregeln, die Einbindung des Datenschutzbeauftragten, die Vermeidung ungeregelter Personendaten-Eingaben, den Widerspruch gegen Trainingsnutzung, die Prüfung von Ergebnissen auf Richtigkeit und Diskriminierung sowie das Verbot automatisierter Endentscheidungen ohne Beachtung von Art. 22 DSGVO hervor.

Praktisch steigt das Risiko also immer dann, wenn KI von assistierender Support-Technologie zu entscheidungsprägenden Infrastrukturbausteinen wird. Entwürfe, Zusammenfassungen und Vorschläge sind leichter zu vertreten als automatisierte Ergebnisse mit konkreter Wirkung für den Kunden.

KI-Agenten im Kundenservice: DSGVO-Anforderungen

Ein KI-Agent unterscheidet sich rechtlich von einem einfachen Chatbot: Er führt nicht nur Gespräche, sondern führt eigenständig Aktionen aus — legt Tickets an, fragt CRM- und Bestandsdaten ab, veranlasst Erstattungen oder ändert Kundeneinträge. Genau dieser Handlungsspielraum macht DSGVO-Compliance anspruchsvoller, denn der Agent verarbeitet nicht nur Daten, sondern wirkt mit jeder Aktion auf Kunden aus.

Für einen KI-Agenten mit DSGVO-Compliance im Kundenservice sollten Unternehmen vor dem Live-Betrieb festlegen:

1. Aktionsberechtigungen: Welche Aktionen darf der Agent eigenständig ausführen, welche nur vorbereiten und welche bleiben explizit dem Menschen vorbehalten?
2. Datenzugriff nach dem Need-to-know-Prinzip: Der Agent erhält Zugriff auf Kundenkonten, Bestellungen oder Zahlungsinformationen nur im Umfang, den der Use Case wirklich braucht (Datenminimierung, Art. 5 Abs. 1 lit. c DSGVO).
3. Vollständiges Logging: Jede Aktion des Agenten wird nachvollziehbar protokolliert — Grundlage für Betroffenenanfragen, Fehleranalyse und Rechenschaftspflicht nach Art. 5 Abs. 2 und Art. 24 DSGVO.
4. Genehmigungsschwellen: Aktionen mit Wirkung auf Vertragsverhältnisse — Erstattungen, Gutschriften, Vertragsänderungen — laufen mindestens ab einer definierten Wertgrenze über eine menschliche Freigabe.
5. Transparenz: Auch ein handelnder Agent ist KI im Sinne von Art. 50 AI Act; Kunden müssen spätestens beim ersten Kontakt erfahren, dass sie mit einem KI-System interagieren.
6. Eskalationslogik: Der Agent erkennt Situationen, in denen er stoppt — Streitfälle, sensible Daten, unklare Sachlage, ausdrücklicher Wunsch nach menschlichem Kontakt.

Die Transparenzpflichten aus Artikel 50 des EU AI Act gelten seit dem 2. August 2026. Bei der Beschaffung und Verhandlung von Agent-Plattformen sollten diese Anforderungen direkt einfließen: Unsere Anleitung zur DSGVO-konformen KI-Beschaffung führt durch Vendor-Auswahl, AVV-Verhandlung und Freigabeprozess.

Rechtsgrundlagen, Transparenz und Aufbewahrung von Kundendaten

Für KI im Kundenservice gibt es keine pauschal richtige Rechtsgrundlage. Viele Unternehmen prüfen zunächst Art. 6 Abs. 1 lit. f DSGVO als berechtigtes Interesse, etwa bei allgemeinen Support-Prozessen, Ticketbearbeitung und Serviceverbesserung. In anderen Fällen kann Art. 6 Abs. 1 lit. b DSGVO näherliegen, wenn die Verarbeitung für die vertragliche Leistungserbringung erforderlich ist. Entscheidend ist der konkrete Workflow und die Erwartung der Betroffenen.

Geprüft werden sollte insbesondere:

1. welche Kategorien von Kundendaten im Tool oder im nachgelagerten Workflow verarbeitet werden,
2. ob die Nutzung für die Vertragserfüllung erforderlich ist oder eher über ein Interessenabwägungskonzept läuft,
3. ob besondere Kategorien personenbezogener Daten oder Beschwerdeinhalte betroffen sind,
4. wie lange Prompts, Transkripte, Zusammenfassungen und Outputs gespeichert werden,
5. ob Ihre Kundentransparenz den KI-Einsatz realistisch abbildet.

In Deutschland liegt die Schwäche oft nicht in der abstrakten Rechtsgrundlage, sondern in der Lücke zwischen Datenschutzhinweis und tatsächlichem Support-Prozess. Wenn Chatbot, Transkriptionslogik oder AI-Zusammenfassung im Hinweis nicht sauber beschrieben sind, wird die Transparenz schnell angreifbar.

Deshalb sollten Unternehmen prüfen, ob sie anpassen müssen:

• externe Datenschutzhinweise,
• Hinweise im Support-Kanal,
• Aufbewahrungsfristen,
• Skripte für Beschwerden und Eskalationen,
• interne Regeln dazu, welche Inhalte Mitarbeiter in KI-Tools eingeben dürfen.

Als Grundsatz empfiehlt sich ein enger Start. Beginnen Sie nicht mit einem unbegrenzten Zugriff auf Support-Historien, wenn intern noch nicht geklärt ist, welche Daten überhaupt in den KI-Workflow gehören.

Zwei Dokumentationspflichten werden in der Praxis oft übersehen:

• Verzeichnis von Verarbeitungstätigkeiten (Art. 30 DSGVO): Führen Sie KI-gestützten Kundenservice als eigene Verarbeitungstätigkeit im VVT — mit Anbieter, Zweck, Datenkategorien, Empfängern, Drittlandübermittlungen und Speicherfristen.
• Datenschutz-Folgenabschätzung (DSFA, Art. 35 DSGVO): Eine DSFA ist regelmäßig erforderlich bei systematischer und umfangreicher Verarbeitung mit erheblicher Wirkung, großflächigem Profiling von Kunden oder besonderen Kategorien personenbezogener Daten. Dokumentieren Sie Ihre Einschätzung auch dann, wenn Sie zu dem Ergebnis kommen, dass keine DSFA nötig ist.

Vendor-Due-Diligence: AVV, Subprozessoren und Hosting-Fragen

Bei KI im Kundenservice entscheidet die Vendor-Prüfung oft darüber, ob die Compliance-Dokumentation belastbar ist oder nicht.

Mindestens folgende Punkte sollten geprüft werden:

• der AVV / DPA und ob er die konkret genutzten KI-Support-Funktionen wirklich erfasst,
• die Liste der Unterauftragsverarbeiter und deren Änderungslogik,
• Hosting-Standorte und Support-Zugriffe,
• Transfermechanismen für Verarbeitung außerhalb der EU,
• Zusagen zu Löschung und Aufbewahrung,
• Sicherheitsmaßnahmen und Berechtigungskonzepte,
• ob Kundendaten standardmäßig zum Modelltraining genutzt werden oder ausgeschlossen werden können,
• und ob Audit-, Logging- und Incident-Regeln zum Risikoprofil passen.

Das ist besonders relevant bei Plattformen wie Intercom AI, Zendesk AI, oder HubSpot AI, weil diese oft nahe an Ticket-Historien, CRM-Daten, Makros und Kundendokumentation sitzen. Die Prüfung sollte daher das gesamte Betriebsmodell abbilden und nicht nur das AI-Add-on isoliert betrachten.

Wenn ein Anbieter erklärt, Kundendaten nicht zum Training zu verwenden, sollten Sie das als aktuelle Vendor-Zusage behandeln. Prüfen Sie die Aussage bei Beschaffung und Verlängerung erneut. Wenn sich Funktionsumfang oder Terms ändern, muss die Bewertung nachgezogen werden.

Wann Support-KI unter dem AI Act vertiefte Prüfung braucht

Nicht jede KI im Kundenservice fällt automatisch in die Annex-III-Hochrisikokategorien. Das bedeutet aber nicht, dass jeder Einsatz unkritisch ist.

Vertiefte Prüfung ist typischerweise nötig, wenn die Support-KI:

• den Zugang zu Leistungen materiell beeinflusst,
• Rückerstattungen, Kündigungen oder Beschwerdeergebnisse prägt,
• biometrische Kategorisierung oder Emotionserkennung einsetzt,
• mit vulnerablen Personen arbeitet,
• besondere Kategorien personenbezogener Daten verarbeitet,
• oder in eine Profiling- oder Fairness-Problematik hineinläuft.

Operativ ist es sinnvoll, gewöhnliche Support-Automatisierung strikt von Fällen zu trennen, die Rechte, Chancen oder sensible Ergebnisse für natürliche Personen betreffen.

Die folgende Matrix hilft bei der internen Freigabe:

Support-KI-Use-Case	Typisches Risikoniveau	Praktische Einordnung
FAQ-Chatbot mit klarer Disclosure	Niedrig	Meist mit Datenschutzhinweis, AVV und Eskalationslogik beherrschbar
Ticket-Zusammenfassungen für menschliche Bearbeitung	Niedrig bis mittel	Aufbewahrung, Rechte und Trainingsnutzung prüfen
Vorschläge für Support-Antworten	Mittel	Qualitätskontrolle und Kundenauswirkungen bewerten
Analyse von Call-Transkripten für QA	Mittel bis hoch	Rechtsgrundlage, Transparenz, Aufbewahrung und Sensitivität prüfen
Beschwerde-Triage mit Einfluss auf Ergebnisse	Hoch	Vertiefte Prüfung, stärkere Aufsicht und dokumentierte Leitplanken nötig
Automatisierte Ablehnung, Sperrung oder rechtsnahe Entscheidungen	Ohne Einzelfallprüfung vermeiden	Kann Art. 22 DSGVO und weitergehende AI-Act-Prüfungen auslösen

Sobald ein System rechtliche oder ähnlich erhebliche Wirkungen auf natürliche Personen haben kann, reicht eine Standard-Beschaffungsprüfung regelmäßig nicht mehr aus. Dann muss die gesamte Entscheidungsarchitektur überprüft werden.

KI-Kundenservice-Bot auditieren: Prüffragen und Ablauf

Ein Audit des KI-Kundenservice-Bots ist kein einmaliger Vorgang. Sinnvoll ist ein Rhythmus aus drei Prüfanlässen: vor dem ersten Rollout, bei jeder größeren Funktions- oder Terms-Änderung des Anbieters und regelmäßig im Betrieb — etwa halbjährlich oder zum Vertragsende. Rechtliche Basis ist die Rechenschaftspflicht nach Art. 5 Abs. 2 und Art. 24 DSGVO: Sie müssen nachweisen können, dass die Verarbeitung den eigenen Vorgaben entspricht.

Ein praxistauglicher Bot-Audit läuft in dieser Reihenfolge:

1. Use-Case-Abgleich: Deckt der tatsächliche Betrieb noch die dokumentierten Use Cases ab? Sind neue Funktionen ohne Freigabe dazugekommen?
2. AVV-Abdeckung: Erfasst der AVV die aktuell genutzten KI-Funktionen, Datenkategorien und Unterauftragsverarbeiter — oder nur die ursprünglich beschafften?
3. Trainings- und Konfigurationseinstellungen: Ist die Trainingsnutzung von Kundendaten weiterhin deaktiviert? Haben Feature-Updates Standardeinstellungen zurückgesetzt?
4. Aufbewahrung und Löschung: Laufen Retention-Zeiträume für Protokolle, Transkripte und Zusammenfassungen wie dokumentiert, und greift die Löschung technisch?
5. Disclosure-Check: Wird die KI-Kennzeichnung im Kundekanal tatsächlich gerendert — in Chat, E-Mail und Telefonflüssen — und nicht nur in der Datenschutzerklärung?
6. Eskalationstests: Führen definierte Trigger (Beschwerde, sensible Daten, Widerspruch) nachweislich zu einem menschlichen Bearbeiter?
7. Output-Qualität: Stichprobenartige Prüfung auf Halluzinationen, diskriminierende Muster und Fehlleistungen bei randständigen Formulierungen.
8. Logging und Incident-Pfade: Werden Aktionen vollständig protokolliert, und ist der Meldeprozess für Vorfälle an Datenschutzbeauftragte und Vendor Management verdrahtet?

Dokumentieren Sie jedes Audit mit Datum, Prüfer, Befunden und nachgezogenen Maßnahmen. Die Checkliste eignet sich auch als Anhang zum Verzeichnis von Verarbeitungstätigkeiten. Für die Erstprüfung einzelner Anbieter liefert unsere DSGVO-Checkliste für KI-Tools die vendor-spezifischen Prüfpunkte, und die Fragen zu Transfers und Subprozessoren vertieft unser Guide zur DSGVO-konformen KI-Beschaffung.

Human Handoff, Beschwerdeprozesse und Governance-Leitplanken

Die wirksamste Compliance-Maßnahme ist oft nicht vertraglich, sondern prozessual.

Unternehmen sollten vorab definieren, wann die KI stoppt und ein Mensch übernimmt. Typische Eskalationstrigger sind:

• Kundenbeschwerden,
• Rückerstattungsstreitigkeiten,
• Kündigungen oder Kontosperren,
• Hinweise auf Gesundheit, Kinder oder andere sensible Daten,
• Diskriminierungs- oder Fairnessfragen,
• unklare oder halluzinierte Outputs,
• und jeder ausdrückliche Wunsch nach menschlicher Prüfung.

Hier treffen Support-KI, DSGVO und Governance direkt aufeinander. Die Hamburger Datenschutz-Checkliste warnt vor automatisierten Endentscheidungen und davor, dass Beschäftigte faktisch an intransparente KI-Vorschläge gebunden werden. Auf Kundenservice übertragen heißt das: echte menschliche Bewertung statt bloßer Abzeichnung eines bereits vorgeprägten Ergebnisses.

Sinnvolle Governance-Leitplanken sind unter anderem:

• definierte erlaubte und verbotene Use Cases,
• Vorgaben dazu, welche Daten nie eingegeben werden dürfen,
• dokumentierte Eskalationsregeln,
• regelmäßige Qualitätsprüfung der Outputs,
• klare Lösch- und Aufbewahrungslogik,
• und eindeutige Zuständigkeiten zwischen Support, Datenschutz, Legal und Vendor Management.

Wenn der Rollout zusätzlich Mitarbeiterprozesse, Leistungstransparenz oder Überwachungswahrnehmungen betrifft, kommen neben Datenschutz und AI Act auch arbeitsrechtliche Fragen hinzu. Unsere Expertise-Seite zeigt, wie Compound Law Datenschutz, Arbeitsrecht, Commercial und AI Compliance für Unternehmen in Deutschland zusammendenkt.

Praktische Checkliste für Support-, Legal- und Privacy-Teams

Vor einer breiten Aktivierung von KI im Kundenservice sollten Teams in Deutschland typischerweise diese Punkte abhaken:

1. Genaue Support-Use-Cases definieren und sensible oder rechtsnahe Szenarien aus der ersten Ausbaustufe herausnehmen.
2. Erfassen, welche Kundendaten, Ticketinhalte, Call-Daten und CRM-Felder in das Tool gelangen.
3. Für jeden Workflow die DSGVO-Rechtsgrundlage festlegen und dokumentieren.
4. Datenschutzhinweise und Kanal-Disclosure aktualisieren, wo nötig.
5. AVV, Unterauftragsverarbeiter, Hosting, Transfers, Löschung und Trainingseinstellungen prüfen.
6. Rechte und Datenzugriffe auf das tatsächlich Erforderliche begrenzen.
7. Eine klare KI-Offenlegung im ersten Kundenkontakt vorsehen, wenn Art. 50 AI Act einschlägig ist.
8. Human-Handoff-Regeln für Beschwerden, Eskalationen, strittige Ergebnisse und sensible Daten festlegen.
9. Output-Qualität, Halluzinationsrisiken und diskriminierende Muster vor dem breiten Rollout testen.
10. Die Freigabe in KI-Governance, Vendor Management und internen Richtlinien dokumentieren.

Wobei Compound Law unterstützt

Compound Law unterstützt Unternehmen in Deutschland und der DACH-Region bei KI-Rollouts im Kundenservice an der Schnittstelle von Datenschutz, Commercial, Arbeitsrecht und AI Act.

Typische Mandate sind:

• Prüfung von AVV und Vendor Terms,
• Analyse von Transfers und Unterauftragsverarbeitern,
• Gestaltung von Datenschutzhinweisen und KI-Disclosure,
• Use-Case-Matrizen für Support-KI,
• Governance für Beschwerden und menschliche Eskalation,
• und Rollout-Begleitung für Legal, Datenschutz, Procurement und Operations.

Konkrete Sachverhalte brauchen weiterhin individuelle Rechtsberatung. Ein Guide wie dieser strukturiert die Prüfung, ersetzt aber keine einzelfallbezogene Bewertung des Tools, der Vertragslage, der Datenflüsse und der tatsächlichen Kundenauswirkungen.

FAQ

Dürfen wir einen Chatbot im Kundenservice in Deutschland einsetzen?

Meist ja, wenn der Chatbot klar begrenzt ist, Kunden transparent informiert werden und Datenschutzhinweise, Vendor Terms und Eskalationsprozesse zum tatsächlichen Einsatz passen.

Dürfen Kundengespräche zum Training eines KI-Modells genutzt werden?

Das sollte niemals pauschal unterstellt werden. Prüfen Sie die aktuellen Vendor Terms, deaktivieren Sie Trainingsnutzung soweit möglich und legen Sie intern fest, ob Live-Kundendialoge überhaupt in trainingsnahe Prozesse gelangen dürfen.

Brauchen wir für Support-KI immer einen AVV oder DPA?

Wenn ein Anbieter personenbezogene Kundendaten im Auftrag verarbeitet, ist eine Prüfung nach Art. 28 DSGVO regelmäßig erforderlich. Entscheidend ist nicht nur, dass ein AVV existiert, sondern dass er den konkreten KI-Workflow abdeckt.

Sind AI-generierte Call-Transkripte und Zusammenfassungen zulässig?

Oft ja, aber mit höherem Prüfbedarf als ein einfacher FAQ-Chat. In Gesprächsinhalten stecken oft sensible Informationen, Beschwerdethemen und QA-Bezüge, weshalb Rechtsgrundlage, Transparenz, Aufbewahrung und Zugriffsrechte besonders wichtig sind.

Wann sollte ein Mensch den Fall von der KI übernehmen?

Spätestens bei Beschwerden, Rückerstattungen, Sperrungen, sensiblen Daten oder strittigen Ergebnissen sollte ein Mensch übernehmen. Solche Fälle gehören nicht in einen vollständig automatisierten Support-Flow ohne vertiefte rechtliche Prüfung.