Support bei OpenAI mit jeder Interaktion verbessern
Dies ist Teil unserer Serie darüber, wie OpenAI seine eigenen Lösungen auf unserer Technologie aufbaut.
Support bedeutete traditionell Warteschlangen, Tickets und Durchsatz. Bei OpenAI reichte das jedoch nicht aus. Wir betreuen Hunderte Millionen Benutzer, bearbeiten jedes Jahr Millionen Anfragen und sehen, wie dieses Volumen jährlich um ein Vielfaches wächst.
Viele Unternehmen haben mit Skalierung zu tun. Wenige bewältigen Skalierung und Hyperwachstum. Fast niemand steht vor beidem – und baut gleichzeitig genau die Technologie, die die Gleichung ändern könnte. Diese Kombination versetzte uns in die einzigartige Lage, den Support von Grund auf neu zu denken.
„Support bedeutete noch nie einfach nur, auf Tickets zu antworten.“ Es geht darum, ob die Menschen das bekommen, was sie brauchen und ob es ihnen wirklich nützt.“
Support ist keine Volumenfrage. Es ist eine Herausforderung im Engineering und im operativen Design. Also haben wir etwas anderes aufgebaut: ein Betriebsmodell, bei dem jede Interaktion die nächste verbessert.
Das Ops-Team wollte weit über den Einsatz eines Chatbots hinausgehen, der Support-Fragen einfach nur abfängt. Das Team hat die Vision, den Support als KI-gestütztes Betriebsmodell, das kontinuierlich lernt und sich verbessert, neu zu gestalten.
Im Zentrum stehen drei Bausteine:
- Surfaces. Die Schnittstellen, über die mit Supportsystemen interagiert wird. Chat, E-Mail und Telefon, zunehmend aber auch Hilfe, die direkt ins Produkt eingebettet ist.
- Knowledge. Nicht nur statische Dokumente, sondern lebendige und sich kontinuierlich verbessernde Anleitungen, die aus realen Gesprächen, Richtlinien und Kontext gewonnen werden.
- Evals and Classifiers. Gemeinsame Qualitätsdefinitionen, entwickelt von Software und Menschen im Einklang, plus Tools, um Feedback zu messen, zu verbessern und hervorzuheben.
Diese Bausteine stehen nicht isoliert. Sie bilden einen Kreislauf. Ein Muster aus einem Enterprise-Gespräch kann eine Entwickler-FAQ prägen. Eine für einen Fall erstellte Auswertung stärkt das Modell für Tausende weitere. Und weil dieselben Grundbausteine jede Oberfläche antreiben – Chat, E-Mail, Voice –, skalieren Verbesserungen automatisch über alle Kanäle hinweg.
Die Rolle eines Support-Mitarbeiters verändert sich. Unser Ziel ist es, das Modell zu verschieben, weg vom Schwerpunkt auf transaktionaler Arbeit hin zu einem Teil des gesamten Aufbaus. Sie werden befähigt, direkt zur Architektur selbst beizutragen, sowohl direkt durch die Einführung von Änderungen von unten als auch indirekt durch die natürlichen Abläufe ihrer täglichen Arbeit.
Vertriebsmitarbeiter markieren Interaktionen, die zu Testfällen werden sollten, schlagen Classifier vor und liefern sie aus, wenn sie neue Muster erkennen, und entwickeln sogar Prototypen für leichte Automatisierungen, um Workflow-Lücken in wenigen Tagen zu schließen. Auch das Training verändert sich: Es geht nicht nur um Richtlinien, sondern um die Bewertung von Interaktionen, das Erkennen struktureller Lücken und das Zurückspielen von Verbesserungen.
Der neue Ansatz zielt darauf ab, dass Support-Mitarbeiter genauso sehr Builder wie Antwortgeber sind.
„Agenten reagieren nicht nur auf Tickets. Sie speisen auch unsere Wissensdatenbank und unsere Richtlinien. Sie haben ein Ohr am Puls der Nutzer, wo wir es nicht haben.“
Das Ergebnis ist eine Support-Organisation, die weniger durch Durchsatz und mehr durch ihre Weiterentwicklungsfähigkeit definiert ist. Jeder Einzelne dient nicht nur den Benutzern, sondern verbessert auch aktiv die Mechanismen, die allen Benutzern zugutekommen.
Support auf diese Weise aufzubauen ist nur möglich, weil wir auf dem OpenAI-Stack aufsetzen.
- Das Agents-SDK liefert uns standardmäßig Ablaufverfolgung auf Schrittebene und Observability. Wir können Durchläufe wiederholen, Tool-Aufrufe prüfen und Ursachen sofort debuggen.
- Die Responses-API treibt Classifier für Tonalität, Korrektheit und Policy-Konformität an.
- Die Echtzeit-API ermöglicht Voice-Support.
- Das Evals-Dashboard von OpenAI macht Qualität messbar und leicht über die Zeit darstellbar.
Weil die Grundbausteine der Plattform fertig bereitstehen, verbringen wir weniger Zeit damit, Systeme zusammenzufügen, und mehr Zeit mit der eigentlichen Arbeit: zu definieren, was Qualität bedeutet, sie zu messen und zu verbessern.
Wir haben mit einem einfachen Q&A-Antwortgeber begonnen, der gut funktionierte. Mit dem Agents-SDK haben wir schnell dynamische Aktionen wie Rückerstattungen, Rechnungen oder Incident-Abfragen ergänzt. Da sich die Modelle mit größeren Kontextfenstern, Deep Research und stärkeren Agentic-Fähigkeiten weiterentwickeln, können wir diese Fortschritte sofort übernehmen.
Evals verwandeln Alltagsgespräche in Produktionstests. Sie machen deutlich, was „großartig“ bedeutet – nicht nur das Problem zu lösen, sondern es höflich, klar und konsequent zu tun. Vertriebsmitarbeiter spielen hier eine direkte Rolle, indem sie starke und schwache Beispiele markieren, die zu Evals werden, und diese Evals laufen kontinuierlich in der Produktion, um das Modellverhalten zu steuern.
„Wenn man ein Problem hat, möchte man in der Regel so schnell wie möglich Hilfe. Mit unseren KI-Tools erhalten wir diese Antworten viel schneller. Und ebenso wichtig ist: Wir wissen, wann das Modell nicht antworten sollte“, sagt Jay Patel, Software Engineer, Support Automation.
Lernen hört nicht bei der Lösung auf. Muster fließen zurück in Wissen, Automatisierung und Produktdesign. Das System erzeugt Zinseszins: schnellere Antworten für Benutzer, engere Feedback-Schleifen für Builder und durchgehend höhere Qualitätsmaßstäbe auf jeder Oberfläche.
Und es ist nicht nur die KI, die lernt. Auch die Organisation lernt mit. Spezialisten sehen, wo Modelle schwächeln, entwickeln neue Classifier und tragen Datensätze zur Feinabstimmung bei. Observability-Dashboards machen Qualität messbar und zeigen, wie sich die Performance im Laufe der Zeit verbessert.
Der tiefgreifendste Wandel liegt nicht in den Tools, sondern in den Menschen und darin, wie die Organisation Erfolg misst. Support-Spezialisten werden nicht nur dafür anerkannt, Probleme zu lösen, sondern auch Wissen zu verfeinern, Modelle zu verbessern und das System selbst zu erweitern. Führungskräfte suchen nach einer neuen Art von Teamkollege: jemand, der Empathie an der Front mit Designinstinkt verbindet und Support-Know-how mit Neugier kombiniert, um das System zu verbessern.
„Wir sehen zunehmend, wie sich tiefes handwerkliches Know-how mit tiefer Engineering-Expertise verbindet. Das ist die Zukunft, wie Abteilungen arbeiten.“
Unsere Vision ist, dass Support aufhört, ein Ort zu sein, an den man geht. Er wird zu einer Aktion, die in jede Produktoberfläche eingewoben ist. Benutzer „öffnen kein Ticket“. Sie bekommen einfach das, was sie brauchen – dort, wo sie sind.
Was als Antwort auf Skalierung begann, ist zu einem Bauplan geworden, wie Menschen und KI zusammenarbeiten können: kollaborativ, anpassungsfähig und kontinuierlich verbessert.
