Garantie und Risikoübernahme sind das Versprechen, das ein Lieferant darüber abgibt, was passiert, wenn etwas schiefgeht. Wie lang ist die Garantiefrist, was fällt nicht darunter, wer trägt das Risiko bei einer Reklamation, und wie schnell wird diese Reklamation abgewickelt. Für einen Kunden ist das oft die entscheidende Zeile in einem Angebot, gerade weil der Rest des Angebots bei Preis und Lieferzeit bereits vergleichbar ist. Wer sich hier großzügiger zeigt als der Rest, gewinnt Aufträge, die bei anderen Dimensionen gleich ausfallen.
Der Grund, warum nicht jeder gleich großzügig zu sein wagt, liegt in der Arbeit hinter diesem Versprechen. Eine Garantiefrist ist keine Marketingentscheidung, sie ist eine Risikoeinschätzung. Jemand muss berechnen, wie oft ein Produkt oder eine Dienstleistung ausfällt, was eine Reklamation im Durchschnitt kostet, und wie viel Spielraum in der Marge vorhanden ist, um das zu tragen. Diese Arbeit erfolgte traditionell auf Basis von Erfahrung und Stichproben: ein Risikomanager, der die Reklamationen des Vorjahres durchgeht und auf dieser Grundlage eine Frist empfiehlt. Langsamer als der Markt es verlangt, und mit einer Marge, die eher zu vorsichtig als zu knapp bemessen ist.
Hinter jeder Garantiebedingung liegt eine Kette von Aufgaben. Reklamationshistorie sammeln und kategorisieren. Ausfallmuster erkennen pro Produkt, pro Kundensegment, pro Nutzungsbedingung. Die Kostpreis der Risikoübernahme durchrechnen, um zu ermitteln, was eine großzügigere Garantie tatsächlich kostet. Und anschließend die Bedingung in einen Text übersetzen, der rechtlich haltbar ist und kommerziell attraktiv klingt.
Dies ist genau die Art von Arbeit, bei der die drei Kategorien der KI-Übernahme ineinandergreifen. Das Durchforsten von Reklamationsdaten und das Erkennen von Mustern darin ist Arbeit, die ein System schon heute größtenteils übernehmen kann, sofern die Daten vorhanden sind und strukturiert geliefert werden. Das Übersetzen dieser Muster in ein konkretes Risikobudget pro Produktlinie erfolgt meist mit menschlichem Toezicht: ein Modell liefert einen Vorschlag, ein Risikomanager genehmigt ihn oder passt ihn mit Begründung an. Und das Festlegen, welches Risiko eine Organisation über das rechnerische Ergebnis hinaus zu tragen bereit ist, bleibt Menschenwerk, weil es eine Entscheidung über Strategie und Reputation ist, nicht über Wahrscheinlichkeit.
Der Unterschied liegt nicht in der Garantiefrist an sich, sondern darin, wie sie zustande kommt und wie schnell sie angewendet wird. Ein Lieferant, der Reklamationsmuster pro Produktlinie oder sogar pro Kunde durchrechnen kann, kann differenzieren: großzügigere Garantie, wo das Risiko gering ist, straffere Bedingungen, wo das Risiko hoch ist, anstelle einer einzigen Frist für alles. Das merkt ein Kunde direkt im Angebot, und es ist genau die Art von Unterschied, die bereits sichtbar wird bei wie KI den Wettbewerb bei der Angebotsgeschwindigkeit verändert, wo dieselbe Verschiebung von handmäßiger Einschätzung zu durchgerechnetem Vorschlag stattfindet.
Ein zweiter merkbarer Unterschied liegt in der Abwicklung einer Reklamation selbst. Während die Risikoeinschätzung im Voraus erfolgt, erfolgt die Schadenbeurteilung im Nachhinein, und auch dieser Prozess verschiebt sich: die erste Triage und Aktenerstellung kann ein System übernehmen, während die endgültige Zuerkennung bei einem Mitarbeiter bleibt. Ein Kunde, der innerhalb von Tagen statt Wochen weiß, woran er ist, erlebt das als Teil derselben Garantie, auch wenn es formal ein anderer Prozess ist.
Ob eine Organisation diese Verschiebung bereits nutzt, hängt nicht von der Branche ab, sondern von drei Dingen: Verfügt man über Reklamationsdaten in einer Form, die ein System lesen kann, gibt es einen Risikomanager, der bereit ist, einen Modellvorschlag als Ausgangspunkt statt als Bedrohung zu betrachten, und ist die Marge auf dem Produkt groß genug, um mit schärferen Garantien zu experimentieren. Ein Unternehmen, bei dem Reklamationsakten noch auf Papier oder in losen Tabellenblättern liegen, kann denselben Ehrgeiz haben wie der Spitzenreiter in der Peer Group und trotzdem Jahre zurückliegen, einfach weil das Fundament fehlt.
Dies berührt auch die Art und Weise, wie Risiken bepreist werden, und damit direkt die Frage welchen Vorsprung KI beim Preis bringt: eine schärfere Risikoeinschätzung ermöglicht einen schärferen Preis, ohne dass die Marge unter Druck gerät. Wer hier keinen Vorsprung beansprucht, während Wettbewerber es bereits tun, verliert, ohne das sofort sichtbar zu merken, auf dieselbe Weise wie beschrieben bei warum Unternehmen zunehmend beim Preis verlieren.
Eine Anmerkung gehört dazu. Wenn Risikoeinschätzung an Personalentscheidungen rührt, zum Beispiel wenn weniger Personen für die Reklamationsbeurteilung benötigt werden, gelten dafür eigene gesetzliche Anforderungen. Das ist nicht Teil dieses Vergleichs und wird hier nicht beurteilt.
Die zugrunde liegende Frage ist nicht, ob Garantie ein starkes Verkaufsargument ist, das ist bekannt. Die Frage ist, welcher Teil der dahinterliegenden Arbeit in Ihrer Organisation bereits zu einem System mit menschlichem Toezicht verschoben wurde, und welcher Teil noch vollständig auf Erfahrung und Stichprobe beruht. Dieselbe Frage stellt sich nach einer Fusion oder Übernahme, bei der zwei Garantiegrundsätze gegeneinander abgewogen werden müssen, etwas, das behandelt wird bei wie Sie Ihre Position nach einer Übernahme vergleichen.
Welche Arbeit in Ihrem Unternehmen tatsächlich von KI übernommen werden kann, unterscheidet sich pro Aufgabe und pro Produktlinie, und das ist genau das, was der Arbeitsscan von FTE TO AI pro Aufgabe abbildet.
Benennen Sie, worauf Sie glauben, bei Garantie und Risikoübernahme zu gewinnen: ist es die Frist, die Deckung, die Abwicklungsgeschwindigkeit einer Reklamation. Der kostenlose Dimensionscheck zeigt, welche dieser Behauptungen mit Beweisen gegenüber Ihrer Peer Group zu verteidigen sind. Die vollständige Benchmark befindet sich im Aufbau.