Wie Klarna seinen Support mit disziplinierter Prompt-Arbeit neu aufgestellt hat

Anfang 2024 gab Klarna bekannt, dass sein auf OpenAI-Technologie basierender KI-Assistent die Arbeit von rund 700 Vollzeitkräften im Kundenservice übernimmt. Nach Angaben des Unternehmens führte der Assistent im ersten Monat des vollen Betriebs 2,3 Millionen Gespräche und deckte damit zwei Drittel aller Kundenservice-Chats ab. Diese Zahlen kamen direkt von Klarna, also gelten die Vorbehalte, die für jede Mitteilung aus Anbieternähe gelten. Trotzdem war die operative Verschiebung real und sichtbar genug, dass unabhängige Beobachter das Ausmaß der Veränderung in der Personalstruktur bestätigten. Ausschlaggebend war nicht das Modell selbst. Mehrere Unternehmen hatten Zugang zu denselben Basismodellen und erzielten deutlich weniger brauchbare Ergebnisse. Der Unterschied lag darin, wie die Teams von Klarna ihre Prompts geschrieben und strukturiert haben.

Was Klarna tatsächlich gemacht hat

Die Engineering- und Operations-Teams von Klarna haben vor dem Rollout viel Zeit darauf verwendet, genau zu definieren, was der Assistent tun soll und was nicht. Das ist der Schritt, den die meisten Organisationen überspringen oder unterinvestieren, und dort entstand die Prompt-Architektur.

Das erste Muster war ein eng gefasstes Role Scoping. Der System-Prompt forderte das Modell nicht auf, „Kunden zu helfen“. ErErThe ratio of interactions (likes, comments, shares) to reach for a given piece of content, used to gauge how well audiences respond relative to how many people saw it.Vollständige Definition ansehen → definierte eine konkrete Agenten-PersonaPersonaA semi-fictional, research-based representation of your ideal customer: their goals, frustrations, behaviours and decision criteria.Vollständige Definition ansehen → mit expliziten Verhaltensgrenzen: Der Assistent bearbeitet Rückerstattungsanfragen, Fragen zu Zahlungsplänen und Bestellreklamationen. Er gibt keine Finanzberatung, diskutiert keine Produkte von Wettbewerbern und spekuliert nicht über Kontoentscheidungen außerhalb seines Datenzugriffs. Diese Art negativer Spezifikation, also die Festlegung, was das Modell nicht versuchen darf, ist am Ende genauso wichtig wie die positiven Anweisungen. Modelle ohne negative Constraints driften in überzeugend klingende Antworten in Bereichen ab, in denen sie keine verlässlichen Informationen haben.

Das zweite Muster war Context Injection auf Prompt-Ebene. Jedes Gespräch begann mit einem strukturierten Block nutzerspezifischer Daten aus Klarnas internen Systemen: Kontostatus, jüngste Transaktionshistorie, offene Reklamationen. Das Modell sollte sich diese Details nicht merken oder herleiten. Sie standen direkt im Prompt, einheitlich formatiert und explizit gelabelt. Man nennt das manchmal Grounded PromptingPromptingPrompt engineering is the practice of designing and refining text inputs to guide large language models toward accurate, relevant, and reliable outputs.Vollständige Definition ansehen →: Das Modell arbeitet mit den Fakten, die es bekommt, nicht mit Allgemeinwissen oder Schlussfolgerungen.

Das dritte Muster waren Vorgaben zum Output-Format. Klarna legte Bandbreiten für die Antwortlänge fest, verlangte in jeder Antwort einen konkreten nächsten Schritt und verbot vage Formulierungen wie „es kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnte möglich sein, dass“ oder „Sie könnten in Erwägung ziehen“. Diese Vorgaben reduzierten das sprachliche Füllmaterial, das LLMs gern produzieren, und machten die Antworten für bereits genervte Kunden schneller lesbar.

Das vierte Muster war das Auslösen von Eskalationen. Statt das Modell entscheiden zu lassen, wann eine Situation zu komplex wird, enthielt der Prompt explizite Bedingungen: Wenn der Kunde bestimmte emotionale Marker verwendet, wenn der Streitwert einen Schwellenwert überschreitet, wenn es um eine regulatorische Beschwerde geht, sofort an einen menschlichen Agenten weiterleiten. Das ist eine strukturierte Entscheidungsregel in der Prompt-Logik, keine Ermessensfrage, die dem Modell überlassen bleibt.

Die Ergebnisse

Klarna berichtete von 25 Prozent weniger Wiederholungskontakten bei Fällen, die der KI-Assistent bearbeitete, verglichen mit entsprechenden Fällen menschlicher Bearbeitung, und die durchschnittliche Lösungszeit sank von 11 Minuten auf unter 2 Minuten. Beide Zahlen stammen aus Klarnas eigenen Pressematerialien vom Februar 2024 und sind als selbst berichtete Daten zu lesen. Das Unternehmen gab außerdem an, der Assistent erreiche Kundenzufriedenheitswerte auf dem Niveau menschlicher Agenten, auch wenn die Methodik dieses Vergleichs nicht vollständig offengelegt wurde.

Weniger strittig ist der Effekt auf die Belegschaft. Klarna baute die Kundenservice-Stellen über 2023 und bis in 2024 hinein über natürliche Abgänge ab, und bis Mitte 2024 war die Gesamtzahl der Mitarbeitenden von rund 5.000 auf etwa 3.800 gesunken. Das war nicht allein eine Folge des KI-Einsatzes, aber ein Faktor, den das Unternehmen öffentlich einräumte.

Das finanzielle Bild lässt sich schwerer genau fassen. Klarna führte rund 40 Millionen Dollar jährliche Ergebnisverbesserung auf den KI-Einsatz zurück, ebenfalls aus eigener Kommunikation. Angesichts der Personalveränderungen und des bearbeiteten Kontaktvolumens ist diese Größenordnung plausibel, eine unabhängige Verifizierung existiert aber nicht.

Was übertragbar ist und wo Ihr Kontext abweicht

Die vier Prompt-Muster, die Klarna genutzt hat, sind nicht geschützt. Jedes Team, das ein LLMLLMA Large Language Model is an AI system trained on vast text data to predict and generate language, enabling tasks like writing, summarizing, and answering questions.Vollständige Definition ansehen → für eine klar umgrenzte operative Aufgabe einsetzt, kann sie direkt anwenden.

Role Scoping mit negativen Constraints funktioniert in jeder Domäne, in der das Modell sonst auf eine Art hilfsbereit sein könnte, die Risiken erzeugt. Ein Legal-Team, das einen Assistenten zur Vertragsprüfung einsetzt, sollte nicht nur festlegen, was das Modell prüft, sondern auch, worüber es sich nie äußern darf (jurisdiktionsspezifische Durchsetzbarkeit, Prozessstrategie, regulatorische Auslegung). Erst die Grenze macht den Output vertrauenswürdig genug, um darauf zu handeln.

Context Injection zählt am meisten, wenn Ihr Use Case nutzer- oder organisationsspezifische Daten betrifft, die das Modell nicht kennen kann. Wenn Sie einen Prompt für die Analyse interner Finanzberichte bauen, sollte der Prompt die relevanten Daten direkt enthalten, strukturiert und gelabelt, statt das Modell mit einer allgemeinen Beschreibung Ihrer Situation arbeiten zu lassen.

Vorgaben zum Output-Format senken den Bedarf an manueller Nachbearbeitung von Modellantworten. Wenn Ihr Team LLMs nutzt, um Kundenkommunikation zu entwerfen, und dann 15 Minuten pro Output mit Aufräumen verbringt, liegt das Problem meist an fehlenden Formatanweisungen, nicht an der Leistungsfähigkeit des Modells.

Das Eskalationsmuster setzen die meisten Organisationen am spätesten um. Der Reflex ist, dem Modell den Spielraum zu geben, selbst zu erkennen, wann es überfordert ist. In der Praxis sind Modelle darin nicht verlässlich. Harte Regeln im Prompt, basierend auf identifizierbaren Bedingungen, funktionieren besser, als die Einschätzung dem Modell zu überlassen.

Wo sich Klarnas Kontext von den meisten unterscheidet: zentralisierter Datenzugriff, Engineering-Ressourcen für den Aufbau der Integrationsschicht und ein einzelner Use Case mit hohem Volumen und konsistenten Anfragetypen. Wenn Ihr Einsatz vielfältiger ist, gelten die Prompt-Muster weiterhin, aber Sie brauchen separate Prompt-Templates für deutlich unterschiedliche Aufgabenkategorien statt eines Prompts, der alles abdecken soll.

Das Prinzip, das sich durch alles zieht: Ein gut spezifizierter Prompt leistet die kognitive Arbeit, die sonst dem allgemeinen Urteilsvermögen des Modells zufallen würde. Allgemeines Urteilsvermögen von LLMs ist inkonsistent. Spezifiziertes Verhalten nicht.