So verbesserst du deine Average Handle Time (mit echten Case Studies)

Was ist die Average Handle Time?

Die Average Handle Time (AHT) ist eine Contact-Center-Kennzahl für die durchschnittliche Dauer einer einzelnen Kundeninteraktion. Sie setzt sich aus drei Teilen zusammen: Gesprächszeit (die tatsächliche Zeit im Gespräch mit dem Kunden), Wartezeit (die Zeit, die der Kunde in der Warteschleife verbringt) und Nachbearbeitung bzw. After-Call Work (ACW), also die administrativen Aufgaben nach dem Anruf, etwa Datensätze aktualisieren, Notizen erfassen oder Follow-ups anstoßen.

Die AHT gehört zu den am genauesten beobachteten Effizienzmetriken im Contact-Center-Betrieb. Sie beeinflusst direkt den Personalbedarf, den Cost per Contact und die Erreichung der Servicelevel. Eine höhere AHT bedeutet weniger Kontakte pro Agent und Stunde, also müssen Kunden entweder länger in der Warteschlange warten oder es braucht mehr Agenten, und beides erhöht die Betriebskosten.

Gleichzeitig ist die AHT eine der am häufigsten falsch genutzten Kennzahlen. Wenn Contact Center aggressive AHT-Ziele jagen, ohne Lösungsqualität oder Kundenzufriedenheit zu berücksichtigen, fangen Agenten an, Gespräche zu hetzen, Diagnose-Schritte zu überspringen oder Fälle zu schließen, bevor sie ganz sicher sind. All das erhöht die Zahl der Wiederholungskontakte und senkt FCR und CSAT.

So berechnest du die Average Handle Time

AHT = (Gesamte Gesprächszeit + Gesamte Wartezeit + Gesamte Nachbearbeitung) ÷ Anzahl bearbeiteter Kontakte

Ein Beispiel: Bearbeitet ein Agent an einem Tag 50 Anrufe mit insgesamt 200 Minuten Gesprächszeit, 25 Minuten Wartezeit und 25 Minuten Nachbearbeitung, liegt die AHT bei (200 + 25 + 25) ÷ 50 = 5 Minuten.

Die meisten Contact-Center-Plattformen berechnen die AHT automatisch aus den Anrufdaten, aber es lohnt sich, die Eingangsgrößen regelmäßig zu prüfen. Die Nachbearbeitung wird oft zu niedrig erfasst, weil manche Agenten schon zum nächsten Anruf übergehen, bevor sie Follow-ups schreiben oder das Ticket schließen. Das senkt die AHT künstlich und versteckt Qualitätsprobleme weiter hinten im Prozess.

Branchen-Benchmarks für die Average Handle Time

Laut der AHT-Analyse von Talkdesk sind rund 6 Minuten pro Kontakt ein vernünftiger genereller Benchmark, wobei der Wert je nach Art der Kundenanfragen und Komplexität des Angebots nach oben oder unten abweichen kann. Die Benchmarking-Daten 2024 der SQM Group, die alle Sektoren inklusive komplexer Bereiche mit hoher AHT abdecken, kommen auf eine durchschnittliche AHT (Gespräch + Nachbearbeitung) von 697 Sekunden, also etwa 11,6 Minuten.

Die durchschnittliche AHT hängt aber immer von Branche und Kontakttyp ab. Branchen wie Gesundheitswesen oder Versicherungen haben eine höhere durchschnittliche Bearbeitungszeit (8 bis 10+ Minuten), weil komplexe Verifizierungsprozesse und strenge regulatorische Vorgaben dazukommen. E-Commerce und Retail liegen niedriger (3 bis 5 Minuten), weil es dort überwiegend um einfache, transaktionale Anfragen geht.

Branchen-Benchmarks sind zur Orientierung nützlich, taugen aber nicht als absolute Zielwerte. Ein Unternehmen mit vielen komplexen, technischen oder sensiblen Anrufen wird immer eine höhere AHT haben als eines mit simplen transaktionalen Anfragen. Die AHT mit Gewalt auf den Branchendurchschnitt zu drücken, kann die Kundenzufriedenheit senken.

So verbesserst du die Average Handle Time

Verbessere den Informationszugang der Agenten

Es kommt oft vor, dass Agenten einen erheblichen Teil, wenn nicht den Großteil, ihrer Kontaktzeit damit verschwenden, Informationen zusammenzusuchen, die längst verfügbar sein sollten: Notizen aus früheren Interaktionen, Anrufgrund, Kundenhistorie. Wenn Agenten Kunden bitten müssen, Informationen zu wiederholen, oder mehrere Systeme nach Kontext durchsuchen, steigt die Bearbeitungszeit und die Kundenzufriedenheit sinkt gleichzeitig. Vereinheitlichte Kundendaten und gut gestaltete Agent-Oberflächen senken die AHT, ohne dass die Gesprächsqualität leidet.

Reduziere die Nachbearbeitung

Die Nachbearbeitung ist manchmal der "versteckte" Teil der AHT. Wenn Agenten nach jedem Anruf manuell Ergebnisse protokollieren, CRM-Datensätze aktualisieren und Zusammenfassungen schreiben, geht viel Zeit für administrative Arbeit drauf, die automatisierbar wäre. KI-generierte Gesprächszusammenfassungen und automatische CRM-Updates können die ACW deutlich reduzieren, damit Agenten schneller zurück in die Queue kommen.

Verbessere das Routing beim Erstkontakt

Landen Kunden beim falschen Team, müssen sie weitergeleitet werden. Jede Weiterleitung kostet Zeit: die Erklärung der Weiterleitung, die Wartezeit des Kunden, die Zeit, die der übernehmende Agent braucht, um den Kontext neu aufzubauen. Gut definierte IVR-Strukturen, KI-gestützte Intent-Erkennung oder Vorqualifizierung vor dem Anruf eliminieren diese Quelle aufgeblähter AHT komplett. telli löst das mit kontextualisierten Warm Transfers.

Nutze KI zum Vorqualifizieren und Vorbefüllen

Einer der wirksamsten Hebel, um die AHT menschlich betreuter Kontakte zu senken: sicherstellen, dass die Basisinformationen schon gesammelt sind, wenn ein Kunde einen menschlichen Agenten erreicht. Die KI-Sprachagenten von telli erfassen das Anliegen des Anrufers, verifizieren die Identität, rufen Kontodaten ab und leiten ans richtige Team weiter, bevor ein Mensch abnimmt. Das verdichtet die Informationssammlungs-Phase von mehreren Minuten auf nahezu null.

So helfen die KI-Sprachagenten von telli, die Average Handle Time zu senken

Die KI-Sprachagenten von telli senken die AHT auf zwei Wegen: Sie übernehmen bestimmte Kontakte komplett (und nehmen sie damit ganz aus der menschlichen AHT-Rechnung heraus), und sie verdichten die Informationssammlung bei Kontakten, die doch menschliche Agenten brauchen.

Von der KI vollständig bearbeitete Kontakte fließen in keine AHT ein, weil sie menschliche Agenten gar nicht erst beschäftigen. Diese Kontakte werden vom KI-Agenten bis zum Abschluss bearbeitet, und ihre Kosten und Zeit sind komplett von der menschlichen Kapazität entkoppelt.

Bei Kontakten, die am Ende doch menschliche Agenten erreichen, sorgt die KI-Vorqualifizierung dafür, dass der Kontext schon steht. Die Agenten wissen, wer anruft, warum, und was die KI bereits geklärt hat. Das eliminiert die einleitende Informationssammlung, die sonst die ersten zwei bis drei Minuten vieler Anrufe frisst.

Customer Spotlight: Zenjob

Zenjob, die Berliner KI-gestützte Staffing-Plattform, hatte im Recruiting-Prozess für ihr Langzeit-Staffing-Produkt Zenjob Pro ein klassisches AHT-Problem: nicht in einem klassischen Contact Center, aber in einem Recruiting-Workflow mit derselben Dynamik.

Jedes Kandidaten-Screening erforderte einen zehnminütigen Vorab-Anruf, um Schlüsselinformationen zu sammeln, bevor ein menschlicher Recruiter über ein volles Interview entscheiden konnte. Mit wachsendem Bewerbungsvolumen wurde das zum ernsten Engpass.

Nach dem Einsatz der KI-Sprachagenten von telli für die ersten Screening-Anrufe hat Zenjob 90% der Informationssammlungs-Anrufe automatisiert und die Zeit, bis Kandidaten in die nächste Runde kommen, um 75% gesenkt. Die KI-Agenten rufen Bewerber an, gehen die Anforderungen der Position durch, erfassen den Werdegang und erstellen Transkripte plus KI-generierte Zusammenfassungen. Wenn ein menschlicher Recruiter einen Kandidaten prüft, ist der Kontext also schon da.

Entscheidend: Die Zufriedenheit der Kandidaten hat nicht gelitten. Zenjob hat Bewerber nach KI-geführten Anrufen befragt und einen stabilen CSAT von 9 von 10 gemessen. AHT-Senkung durch Automatisierung muss also nicht auf Kosten der Experience gehen.