AI in Customer Service 2025

Künstliche Intelligenz revolutioniert den Kundenservice und verändert die Art und Weise, wie Unternehmen mit ihren Kunden interagieren. Von intelligenten Chatbots über automatisierte E-Mail-Antworten bis hin zu prädiktiven Analysen – AI-Technologien ermöglichen es Unternehmen, schnelleren, personalisierten und effizienteren Support rund um die Uhr anzubieten. Diese Transformation führt nicht nur zu höherer Kundenzufriedenheit, sondern auch zu erheblichen Kosteneinsparungen und einer Entlastung menschlicher Servicemitarbeiter, die sich auf komplexere Anliegen konzentrieren können.

Inhaltsverzeichnis

Was ist AI im Kundenservice?

Künstliche Intelligenz im Kundenservice bezeichnet den Einsatz von Machine Learning, Natural Language Processing und automatisierten Systemen, um Kundenanfragen zu bearbeiten, Probleme zu lösen und personalisierte Serviceerlebnisse zu schaffen. Diese Technologien analysieren große Datenmengen, erkennen Muster und lernen kontinuierlich aus Interaktionen, um die Servicequalität stetig zu verbessern.

Im Jahr 2024 nutzen bereits 73% der Unternehmen weltweit AI-gestützte Kundenservice-Lösungen, und dieser Trend beschleunigt sich weiter. Die Technologie hat sich von einfachen regelbasierten Chatbots zu hochentwickelten KI-Systemen entwickelt, die komplexe Anfragen verstehen, Emotionen erkennen und kontextbezogene Lösungen anbieten können.

24/7

Verfügbarkeit ohne Unterbrechung

80%

Reduktion der Wartezeiten

65%

Kosteneinsparung im Support

90%

Genauigkeit bei Standardanfragen

Kernkomponenten von AI im Kundenservice

Natural Language Processing (NLP)

Natural Language Processing bildet das Herzstück moderner AI-Kundenservice-Systeme. Diese Technologie ermöglicht es Computern, menschliche Sprache zu verstehen, zu interpretieren und darauf zu reagieren. NLP-Systeme können heute nicht nur den wortwörtlichen Inhalt erfassen, sondern auch Kontext, Stimmung und Intention des Kunden erkennen.

Moderne NLP-Modelle wie GPT-4 und BERT erreichen eine Sprachverständnisgenauigkeit von über 95% bei gängigen Kundenanfragen. Sie können mehrere Sprachen gleichzeitig verarbeiten, Dialekte verstehen und sogar umgangssprachliche Ausdrücke korrekt interpretieren.

Machine Learning Algorithmen

Machine Learning ermöglicht es AI-Systemen, aus jeder Interaktion zu lernen und sich kontinuierlich zu verbessern. Durch die Analyse von Millionen von Kundeninteraktionen können diese Systeme Muster erkennen, häufige Probleme identifizieren und optimale Lösungswege vorschlagen.

Supervised Learning

Trainiert mit gekennzeichneten Datensätzen vergangener Kundeninteraktionen, um bekannte Probleme automatisch zu klassifizieren und passende Lösungen vorzuschlagen. Erreicht eine Klassifizierungsgenauigkeit von bis zu 92%.

Reinforcement Learning

Lernt durch Feedback-Schleifen und optimiert kontinuierlich die Antwortqualität basierend auf Kundenzufriedenheit und Lösungserfolg. Verbessert die Performance um durchschnittlich 15% pro Quartal.

Deep Learning

Neuronale Netzwerke mit mehreren Schichten verarbeiten komplexe Anfragen und erkennen subtile Zusammenhänge in Kundenanliegen. Besonders effektiv bei der Sentiment-Analyse mit 88% Genauigkeit.

Sentiment-Analyse

Die Fähigkeit, Emotionen und Stimmungen von Kunden zu erkennen, ist entscheidend für exzellenten Service. AI-Systeme analysieren Wortwahl, Satzstruktur, Satzzeichen und sogar Emojis, um den emotionalen Zustand des Kunden zu bewerten. Bei negativer Stimmung können Anfragen automatisch an menschliche Mitarbeiter eskaliert oder mit besonderer Priorität behandelt werden.

Hauptanwendungsbereiche im Kundenservice

Intelligente Chatbots und virtuelle Assistenten

Chatbots haben sich von einfachen FAQ-Bots zu intelligenten Konversationspartnern entwickelt. Moderne AI-Chatbots können komplexe mehrstufige Dialoge führen, Kontext über mehrere Nachrichten hinweg behalten und personalisierte Empfehlungen basierend auf der Kundenhistorie geben.

Praxisbeispiel: E-Commerce

Ein führender Online-Händler implementierte 2024 einen AI-Chatbot, der 78% aller Kundenanfragen selbstständig bearbeitet. Der Bot hilft bei Bestellverfolgung, Produktempfehlungen, Rücksendungen und technischen Fragen. Die durchschnittliche Lösungszeit sank von 8 Minuten auf 90 Sekunden, während die Kundenzufriedenheit um 23% stieg.

Automatisierte E-Mail-Bearbeitung

AI-Systeme können eingehende E-Mails automatisch kategorisieren, priorisieren und in vielen Fällen sogar selbstständig beantworten. Sie erkennen die Art der Anfrage, extrahieren relevante Informationen und generieren kontextgerechte Antworten in der passenden Tonalität.

Funktionsweise der automatisierten E-Mail-Bearbeitung

1. Eingangsanalyse

Die AI analysiert Betreff, Inhalt und Absenderinformationen, um die Anfragekategorie zu bestimmen. Erkennungsrate: 94% bei Standard-Serviceanfragen.

2. Kontextextraktion

Relevante Daten wie Auftragsnummern, Produktbezeichnungen oder Problembeschreibungen werden automatisch identifiziert und mit CRM-Systemen abgeglichen.

3. Antwortgenerierung

Basierend auf Wissensdatenbanken und früheren erfolgreichen Lösungen wird eine personalisierte Antwort erstellt, die den Markenton des Unternehmens widerspiegelt.

4. Qualitätskontrolle

Ein Konfidenzwert bewertet die Antwortqualität. Bei hoher Sicherheit (>85%) erfolgt automatischer Versand, ansonsten Weiterleitung an menschliche Mitarbeiter.

Voice-Assistenten und Telefonie-AI

Sprachbasierte AI-Systeme revolutionieren den telefonischen Kundenservice. Sie können Anrufe entgegennehmen, Anliegen verstehen und entweder selbst lösen oder intelligent an die richtige Abteilung weiterleiten. Moderne Systeme erreichen eine Spracherkennung von 96% Genauigkeit auch bei verschiedenen Akzenten und Hintergrundgeräuschen.

Predictive Customer Service

Durch die Analyse von Nutzungsmustern und historischen Daten kann AI potenzielle Probleme vorhersagen, bevor sie auftreten. Unternehmen können proaktiv auf Kunden zugehen und Lösungen anbieten, bevor der Kunde überhaupt ein Problem bemerkt hat.

Proaktiver Service in der Praxis

Telekommunikationsanbieter nutzen AI, um Netzwerkprobleme vorherzusagen und betroffene Kunden automatisch zu informieren, bevor diese sich beschweren. Dies reduziert Supportanfragen um 35% und erhöht die Kundenloyalität erheblich. Versicherungen identifizieren potenzielle Schadensfälle und kontaktieren Kunden präventiv mit Sicherheitstipps.

Vorteile von AI im Kundenservice

Kosteneffizienz

Unternehmen sparen durchschnittlich 30-40% der Kundenservice-Kosten durch AI-Automatisierung. Ein AI-Bot kann gleichzeitig tausende Anfragen bearbeiten, während die Kosten pro Interaktion um bis zu 70% sinken.

Skalierbarkeit

AI-Systeme können problemlos mit steigendem Anfragevolumen umgehen, ohne zusätzliche Personalressourcen. Besonders wertvoll während Spitzenzeiten wie Feiertagen oder Produktlaunches.

Konsistente Servicequalität

AI liefert gleichbleibend hochwertige Antworten ohne Qualitätsschwankungen durch Ermüdung oder Stimmungsschwankungen. Jeder Kunde erhält dieselbe exzellente Betreuung.

Mehrsprachiger Support

Moderne AI-Systeme unterstützen über 100 Sprachen ohne zusätzliche Personalkosten. Automatische Übersetzung erfolgt in Echtzeit mit 92% Genauigkeit.

Datenbasierte Insights

AI analysiert alle Interaktionen und liefert wertvolle Erkenntnisse über Kundenbedürfnisse, häufige Probleme und Verbesserungspotenziale. Diese Daten fließen direkt in Produktentwicklung und Strategieplanung ein.

Mitarbeiterentlastung

Durch Übernahme repetitiver Standardanfragen können sich menschliche Mitarbeiter auf komplexe Fälle konzentrieren, die Empathie und kreatives Problemlösen erfordern. Dies erhöht die Mitarbeiterzufriedenheit um durchschnittlich 28%.

Implementierung von AI im Kundenservice

Strategische Planung

Eine erfolgreiche AI-Integration beginnt mit einer klaren Strategie. Unternehmen müssen zunächst ihre Kundenservice-Prozesse analysieren, Schmerzpunkte identifizieren und realistische Ziele definieren. Wichtige Fragen umfassen: Welche Anfragen sind am häufigsten? Wo entstehen die längsten Wartezeiten? Welche Prozesse eignen sich am besten für Automatisierung?

Technologie-Auswahl

Der Markt bietet eine Vielzahl von AI-Kundenservice-Lösungen, von Standardprodukten bis zu maßgeschneiderten Entwicklungen. Entscheidende Faktoren bei der Auswahl sind:

Kriterium	Beschreibung	Bedeutung
Integration	Kompatibilität mit bestehenden CRM-, ERP- und Ticketing-Systemen	Kritisch für nahtlose Arbeitsabläufe
Anpassbarkeit	Möglichkeit zur Individualisierung an Unternehmenssprache und -prozesse	Hoch für Markenidentität
Skalierbarkeit	Fähigkeit zur Bewältigung wachsender Anfragevolumen	Essenziell für langfristigen Erfolg
Datenschutz	DSGVO-Konformität und sichere Datenverarbeitung	Rechtlich verpflichtend
Analysetools	Umfassende Reporting- und Insight-Funktionen	Wichtig für kontinuierliche Optimierung

Datenaufbereitung und Training

AI-Systeme benötigen qualitativ hochwertige Trainingsdaten, um effektiv zu arbeiten. Unternehmen sollten historische Kundeninteraktionen sammeln, anonymisieren und kategorisieren. Ein typisches Trainingsdataset umfasst mindestens 10.000 kategorisierte Kundeninteraktionen für grundlegende Funktionalität, idealerweise jedoch 50.000+ für optimale Performance.

Trainings-Phasen

Phase 1: Initial Training (2-4 Wochen)

Das System lernt grundlegende Muster aus historischen Daten. Genauigkeit liegt anfangs bei etwa 70-75%. Intensive Überwachung und manuelle Korrekturen sind erforderlich.

Phase 2: Supervised Learning (4-8 Wochen)

Menschliche Experten überprüfen und korrigieren AI-Antworten. Das System lernt aus Feedback und verbessert sich auf 80-85% Genauigkeit. Schrittweise Erhöhung des Automatisierungsgrads.

Phase 3: Produktivbetrieb mit Monitoring (fortlaufend)

Das System arbeitet weitgehend autonom, wird aber kontinuierlich überwacht. Genauigkeit steigt auf 90%+. Regelmäßige Updates mit neuen Daten halten das System aktuell.

Phase 4: Optimierung und Expansion (3-6 Monate)

Basierend auf Performance-Daten werden neue Anwendungsfälle identifiziert und integriert. Das System wird auf zusätzliche Kanäle oder Sprachen ausgeweitet.

Change Management und Mitarbeiter-Training

Die Einführung von AI im Kundenservice erfordert kulturellen Wandel. Mitarbeiter müssen verstehen, dass AI sie unterstützt, nicht ersetzt. Erfolgreiche Implementierungen beinhalten umfassende Schulungsprogramme, die Mitarbeitern zeigen, wie sie mit AI-Systemen zusammenarbeiten und deren Output überwachen und verbessern können.

Herausforderungen und Lösungsansätze

Komplexe Anfragen

Problem: AI stößt bei hochkomplexen oder emotionalen Situationen an Grenzen.

Lösung: Implementierung intelligenter Eskalationsmechanismen, die Anfragen nahtlos an menschliche Experten übergeben, wenn die Konfidenz unter einen Schwellenwert fällt.

Datenschutz und Ethik

Problem: Sensible Kundendaten müssen geschützt werden, Bias in Algorithmen vermieden werden.

Lösung: Strikte DSGVO-Compliance, Daten-Anonymisierung, regelmäßige Bias-Audits und transparente AI-Entscheidungen mit Erklärbarkeit.

Akzeptanz bei Kunden

Problem: Manche Kunden bevorzugen menschlichen Kontakt und lehnen AI ab.

Lösung: Transparente Kommunikation über AI-Nutzung, jederzeit verfügbare Option zum Wechsel zu menschlichen Mitarbeitern, hybride Ansätze.

Initiale Investitionskosten

Problem: Implementierung erfordert signifikante Anfangsinvestitionen von 50.000€ bis 500.000€.

Lösung: Schrittweise Einführung beginnend mit High-Impact-Bereichen, ROI-Tracking, Cloud-basierte Lösungen mit niedrigeren Einstiegskosten.

Systemintegration

Problem: Legacy-Systeme erschweren die Integration moderner AI-Lösungen.

Lösung: API-basierte Middleware-Lösungen, schrittweise Modernisierung der IT-Infrastruktur, Zusammenarbeit mit erfahrenen Integrationspartnern.

Kontinuierliche Wartung

Problem: AI-Systeme benötigen regelmäßige Updates und Re-Training.

Lösung: Etablierung dedizierter AI-Operations-Teams, automatisierte Monitoring-Tools, regelmäßige Qualitätschecks und Feedback-Loops.

Best Practices für erfolgreiche AI-Integration

Start mit Pilotprojekten

Beginnen Sie mit einem klar definierten Anwendungsfall, der schnelle Erfolge verspricht. Typische Einstiegspunkte sind FAQ-Beantwortung, Bestellstatusanfragen oder Terminvereinbarungen. Nach erfolgreicher Implementierung können Sie schrittweise weitere Bereiche automatisieren.

Hybride Ansätze bevorzugen

Die effektivsten Kundenservice-Modelle kombinieren AI-Automatisierung mit menschlicher Expertise. AI übernimmt Routineaufgaben und Erstklassifizierung, während komplexe Fälle nahtlos an qualifizierte Mitarbeiter übergeben werden. Diese Kombination maximiert Effizienz und Kundenzufriedenheit.

Erfolgsformel: AI + Mensch

Führende Unternehmen setzen auf das 70/30-Modell: 70% der Anfragen werden vollständig von AI bearbeitet, 30% erfordern menschliche Intervention. Mitarbeiter werden durch AI-Vorschläge und Kontextinformationen unterstützt, was ihre Effizienz um 45% steigert. Das Ergebnis: 92% Kundenzufriedenheit bei 60% niedrigeren Kosten.

Kontinuierliches Monitoring und Optimierung

Implementieren Sie umfassende KPI-Tracking-Systeme, die folgende Metriken überwachen:

Automatisierungsrate: Anteil der vollständig von AI gelösten Anfragen (Ziel: >70%)
First Contact Resolution: Prozentsatz der beim ersten Kontakt gelösten Probleme (Ziel: >85%)
Customer Satisfaction Score (CSAT): Durchschnittliche Kundenzufriedenheit (Ziel: >4.5/5)
Average Handling Time: Durchschnittliche Bearbeitungszeit (Zielreduktion: >50%)
Eskalationsrate: Häufigkeit der Weiterleitung an menschliche Mitarbeiter (Ziel: <30%)
AI Confidence Score: Durchschnittliche Sicherheit der AI bei Antworten (Ziel: >85%)

Personalisierung maximieren

Nutzen Sie AI, um jeden Kundenkontakt zu personalisieren. Durch Integration mit CRM-Systemen kann AI auf Kaufhistorie, Präferenzen und frühere Interaktionen zugreifen. Kunden erwarten 2024 hochgradig personalisierte Erlebnisse – 76% sind frustriert, wenn diese fehlen.

Transparenz und Vertrauen aufbauen

Kommunizieren Sie offen über den Einsatz von AI. Kunden sollten wissen, wann sie mit einem Bot interagieren, und jederzeit die Möglichkeit haben, zu einem menschlichen Mitarbeiter zu wechseln. Transparenz erhöht die Akzeptanz um durchschnittlich 34%.

Zukunftstrends im AI-Kundenservice

Emotionale Intelligenz

Die nächste Generation von AI-Systemen wird emotionale Nuancen noch besser verstehen. Fortschritte in Affective Computing ermöglichen es AI, Frustration, Zufriedenheit oder Verwirrung zu erkennen und entsprechend zu reagieren. Bis 2026 werden voraussichtlich 85% der Kundeninteraktionen emotionale AI-Komponenten enthalten.

Multimodale AI

Zukünftige Systeme werden nahtlos zwischen Text, Sprache, Bild und Video wechseln. Kunden können Produktprobleme fotografieren, und AI analysiert das Bild, identifiziert das Problem und schlägt Lösungen vor. Diese multimodalen Fähigkeiten werden die Problemlösungsrate um weitere 25% erhöhen.

Hyper-Personalisierung

Durch Integration mit IoT-Geräten und erweiterten Datenanalysen wird AI kontextbezogenen Service in Echtzeit bieten. Ihr Smart-Home-System meldet ein Problem, und bevor Sie es bemerken, hat AI bereits einen Techniker terminiert und Ersatzteile bestellt.

Autonome Problemlösung

AI-Systeme werden zunehmend befähigt, nicht nur zu kommunizieren, sondern auch Aktionen durchzuführen. Automatische Rückerstattungen, Lieferumplanungen oder Account-Anpassungen erfolgen ohne menschliches Eingreifen, sobald definierte Bedingungen erfüllt sind.

Ausblick 2025-2027

Gartner prognostiziert, dass bis 2027 Chatbots zum primären Kundenservice-Kanal für 25% aller Unternehmen werden. Die globalen Investitionen in AI-Kundenservice-Technologien werden 15 Milliarden Dollar übersteigen. Gleichzeitig wird die Rolle menschlicher Servicemitarbeiter sich zu „AI-Supervisoren“ und „Complex-Case-Specialists“ wandeln, mit durchschnittlich 35% höheren Gehältern.

ROI und Business Case

Kostenanalyse

Die durchschnittliche Implementierung einer AI-Kundenservice-Lösung kostet für mittelständische Unternehmen zwischen 80.000€ und 250.000€ initial, plus 15.000€ bis 50.000€ jährliche Betriebskosten. Der ROI wird typischerweise innerhalb von 12-18 Monaten erreicht durch:

Reduktion der Personalkosten um 30-40%
Erhöhung der Mitarbeiterproduktivität um 35-50%
Senkung der durchschnittlichen Kontaktkosten von 8€ auf 2€
Reduktion der Kundenabwanderung um 10-15%
Steigerung der Kundenzufriedenheit um 20-30%

Messbare Erfolge

Unternehmen, die AI erfolgreich im Kundenservice implementiert haben, berichten von beeindruckenden Ergebnissen. Ein führender Telekommunikationsanbieter reduzierte die durchschnittliche Antwortzeit von 6 Minuten auf 15 Sekunden. Ein Online-Retailer steigerte seine Kundenzufriedenheit von 72% auf 91% innerhalb von 9 Monaten nach AI-Einführung. Eine Versicherung konnte die Bearbeitungszeit für Schadensmeldungen um 75% reduzieren.

Fazit

Künstliche Intelligenz transformiert den Kundenservice fundamental und bietet Unternehmen die Möglichkeit, exzellenten Service zu skalieren, Kosten zu senken und gleichzeitig die Kundenzufriedenheit zu steigern. Die Technologie hat sich von experimentellen Pilotprojekten zu geschäftskritischen Systemen entwickelt, die Millionen von Kundeninteraktionen täglich bewältigen.

Der Schlüssel zum Erfolg liegt in der intelligenten Kombination von AI-Automatisierung und menschlicher Expertise. Unternehmen, die AI als Ergänzung statt Ersatz für menschliche Mitarbeiter verstehen, erzielen die besten Ergebnisse. Die kontinuierliche Weiterentwicklung von NLP, Machine Learning und emotionaler AI verspricht noch leistungsfähigere Systeme in den kommenden Jahren.

Für Unternehmen ist die Frage nicht mehr, ob sie AI im Kundenservice einsetzen sollten, sondern wie schnell sie diese Transformation umsetzen können. Die Wettbewerbsvorteile sind zu signifikant, und die Kundenerwartungen zu hoch, um auf diese Technologie zu verzichten. Wer jetzt investiert und lernt, wird in der zunehmend digitalisierten Servicelandschaft führend sein.

Was ist AI im Kundenservice und wie funktioniert sie?

AI im Kundenservice bezeichnet den Einsatz von Künstlicher Intelligenz zur automatisierten Bearbeitung von Kundenanfragen durch Chatbots, E-Mail-Automatisierung und Voice-Assistenten. Die Technologie nutzt Natural Language Processing und Machine Learning, um Kundenanliegen zu verstehen, zu kategorisieren und passende Lösungen anzubieten. Moderne Systeme erreichen eine Genauigkeit von über 90% bei Standardanfragen und lernen kontinuierlich aus jeder Interaktion.

Welche Vorteile bietet AI im Kundenservice für Unternehmen?

AI im Kundenservice ermöglicht 24/7-Verfügbarkeit, reduziert Kosten um 30-40% und verkürzt Wartezeiten um bis zu 80%. Unternehmen profitieren von skalierbarem Support ohne zusätzliche Personalkosten, konsistenter Servicequalität und wertvollen Datenanalysen. Zudem werden menschliche Mitarbeiter von repetitiven Aufgaben entlastet und können sich auf komplexe Fälle konzentrieren, was die Mitarbeiterzufriedenheit um durchschnittlich 28% erhöht.

Wie lange dauert die Implementierung von AI im Kundenservice?

Die Implementierung einer AI-Kundenservice-Lösung dauert typischerweise 3-6 Monate von der Planung bis zum Produktivbetrieb. Das initiale Training benötigt 2-4 Wochen, gefolgt von 4-8 Wochen Supervised Learning. Der ROI wird üblicherweise nach 12-18 Monaten erreicht. Wichtig ist eine schrittweise Einführung mit Pilotprojekten, bevor das System auf alle Servicekanäle ausgeweitet wird.

Ersetzt AI menschliche Kundenservice-Mitarbeiter vollständig?

Nein, AI ersetzt menschliche Mitarbeiter nicht vollständig, sondern ergänzt sie optimal. Erfolgreiche Modelle folgen dem 70/30-Ansatz: 70% der Routineanfragen werden von AI bearbeitet, während 30% komplexe Fälle menschliche Expertise erfordern. AI übernimmt repetitive Aufgaben, während Mitarbeiter sich auf empathische Beratung und kreative Problemlösung konzentrieren können. Diese Kombination maximiert sowohl Effizienz als auch Kundenzufriedenheit.

Welche Herausforderungen gibt es bei AI im Kundenservice?

Hauptherausforderungen sind die Bewältigung hochkomplexer emotionaler Anfragen, Datenschutz-Compliance nach DSGVO und die initiale Investition von 50.000€ bis 500.000€. Zudem erfordert die Integration in Legacy-Systeme technisches Know-how und kontinuierliche Wartung. Die Kundenakzeptanz kann anfangs niedrig sein, weshalb transparente Kommunikation und jederzeit verfügbare menschliche Alternativen wichtig sind. Regelmäßige Bias-Audits sichern faire und ethische AI-Entscheidungen.

Letzte Bearbeitung am Samstag, 8. November 2025 – 8:24 Uhr von Alex, Experte bei SEO NW für künstliche Intelligenz.

KI Agentur & SEO Agentur für nachhaltige Suchmaschinenoptimierung

Als spezialisierte KI Agentur und SEO Agentur optimieren wir Ihre Website für maximale Sichtbarkeit im lokalen und überregionalen Ranking. Unsere KI-gestützte SEO Agentur arbeitet ausschließlich mit White Hat Strategien für nachhaltige Erfolge in der Suchmaschinenoptimierung (SEO). Durch intelligente KI-Analysen und professionelle Marketing-Optimierung bringen wir Sie zu einem besseren Ranking in Google, Bing und weiteren Suchmaschinen – für mehr Traffic, Kunden und Umsatz.

Unsere KI Agentur kombiniert modernste Technologie mit bewährten SEO-Methoden. Profitieren Sie von Local SEO und KI-optimierten Strategien für Ihr Unternehmen. In unserem Online-Marketing-Lexikon finden Sie umfassende Informationen zur Suchmaschinenoptimierung und aktuellen KI-Trends im SEO-Bereich.

Jetzt Kontakt aufnehmen