Ein KI-Agent, der abwanderungsgefährdete Kunden reaktiviert — in 60 Filialen und 23 Servicekategorien.
Ein LangGraph-KI-Agent wählt Kanal, Nachricht, Angebot und Timing für jeden Kunden, der kurz vor dem Abwandern steht. Die Markenstimme wird per Schema validiert. Eine 10 % Hold-out-Kontrollgruppe lief ab Tag eins, sodass der 3,5x ROI gegen das gemessen wird, was ohne den Agenten passiert wäre — nicht gegen eine optimistische Baseline.
Auftraggeber
Regionale Reinigungskette. 60+ Filialen. Ca. 450.000 aktive Kunden. 23 Servicekategorien — von Alltagswäsche über Hochzeitskleidkonservierung bis hin zu Lederrestaurierung. Jede Kategorie hat einen eigenen Kaufrhythmus und eine eigene Definition von „abwanderungsgefährdet".
Projektrahmen
16-wöchiger Aufbau. Laufender Retainer für die Pflege der Markenstimme, das Onboarding neuer Kategorien und die Aktualisierung der Agenten-Richtlinien.
Massen-E-Mail-Retention wusste nicht, wer tatsächlich abwanderte.
Die Kette hatte vierteljährliche Massen-E-Mails mit einem pauschalen 15-%-Gutschein verschickt. Die Öffnungsrate lag bei 8 %, die Einlösung bei 1,4 %, und das Angebot fraß die Marge bei Kunden, die ohnehin zurückgekommen wären. Niemand wusste, welche Kohorte die Einlösungen trieb — oder welche Kohorte das Angebot ignorierte und im nächsten Quartal abwanderte.
Das eigentliche Problem: „Abwanderungsgefährdet" bedeutete für jede der 23 Servicekategorien etwas anderes. Ein Wäschekunde, der drei Wochen lang nicht erschienen war, galt als abwanderungsgefährdet. Ein Hochzeitskleidkunde, der drei Wochen lang nicht erschienen war, lag voll im Plan. Die Reaktivierung musste pro Kunde und pro Kategorie bewertet werden, und die Maßnahme musste zur Kategorie passen — ein SMS-Hinweis zu Alltagswäsche, eine E-Mail zur saisonalen Daunenjackenreinigung, eine WhatsApp-Nachfrage nach Ende der Hochzeitssaison.
Handelsübliche Marketing-Automation konnte das nicht leisten. Sie konnte segmentieren, aber nicht schlussfolgern — und sie konnte die Markenstimme nicht konsistent über Zehntausende individuell formulierter Nachrichten pro Monat aufrechterhalten.
Ein LangGraph-KI-Agent, schema-validierte Markenstimme und eine Hold-out-Kontrolle ab Tag eins.
Vier Systeme, die verhindern, dass ein generisches Sprachmodell im großen Maßstab markenfremden Unsinn schreibt.
Kategorienspezifisches Abwanderungsmodell in dbt. 192.000 Kunden × Kategorie-Intervalle wurden in dbt eingepasst — die empirische Verteilung der Zeit zwischen Käufen für jeden Kunden in jeder Kategorie, in der er einkauft. „Abwanderungsgefährdet" ist ein Quantil dieser Verteilung, keine Kalenderregel. Das Datenmodell läuft täglich; jedes Kunden × Kategorie-Paar hat eine aktuelle Abwanderungswahrscheinlichkeit.
LangGraph-KI-Agent wählt Kanal, Nachricht, Angebot, Timing. Für jeden abwanderungsgefährdeten Kunden läuft eine LangGraph-Zustandsmaschine: Kanal wählen (SMS / WhatsApp / E-Mail) anhand der Engagement-Historie des Kunden, Angebotstiefe anhand der Stückkosten wählen (nicht jeder erhält 15 % Rabatt — manche erhalten 5 %, manche ein kostenloses Zusatzangebot, manche gar nichts, weil sie ohnehin zurückkommen würden), Nachricht entwerfen, validieren, einplanen. Tool-nutzender KI-Agent, kein One-Shot-Prompt.
Markenstimme als Pydantic-Schema. Jede Nachricht durchläuft einen Validator, der Ton, verbotene Phrasen, erforderliche kategoriespezifische Hinweise, Angebotsrechnung und Länge je Kanal prüft. Lehnt der Validator ab, wiederholt der Agent mit dem Feedback des Validators. Über 40.000 Nachrichten gehen monatlich heraus; keine enthält einen Tippfehler oder eine markenfremde Formulierung — weil keine es kann.
10 % Hold-out-Kontrolle ab Tag eins. 10 % der berechtigten Population erhalten keine Nachricht — gleiche Bewertung, gleiche Segmentierung, nur keine Maßnahme. Das ist die Kontrolle. Der ROI wird daran gemessen, was diese Kunden getan haben. Der 3,5x-Wert ist ein echter Uplift, keine Vorher-Nachher-Zahl, die Saisonalität und Regression zur Mitte verschleiert.
Architektur (täglicher Durchlauf)
3,5x ROI — auf die ehrliche Art gemessen, gegen eine echte Hold-out-Kontrolle.
ROI vs. Hold-out-Kontrolle
Inkrementelle Bruttomarge gegenüber der 10 %-Kontrollkohorte, abzüglich Agentenlaufkosten und Angebotskosten. Die nüchterne Zahl, ehrlich gemessen.
Reaktivierungsrate
Über 23 Servicekategorien. Angeschriebene Kunden, die innerhalb des kategoriespezifischen Abwanderungsfensters zurückkehrten. Kontrollgruppe: 9,2 %.
Nachrichten pro Monat
Schema-validiert. Jede Nachricht durchlief vor dem Versand die Markenstimme-Prüfung. Null Tippfehler, null markenfremde Angebote in der Produktion.
Kunden × Kategorie-Intervalle
Empirisch eingepasst. Das „Abwandern" jedes Kunden wird an seiner eigenen Historie in der jeweiligen Kategorie gemessen — keine kettenweite Kalenderregel.
Margenverlust durch Gutscheine
Im Vergleich zur alten Pauschal-15-%-an-alle-Kampagne. Der Agent bietet nur das an, was nötig ist — viele abwanderungsgefährdete Kunden erhalten gar nichts, weil sie ohnehin zurückgekommen wären.
Kanäle, ein Agent
SMS / WhatsApp / E-Mail. Die Kanalwahl erfolgt pro Kunde auf Basis seiner Engagement-Historie. Keine A/B-Test-Rotation — der Agent entscheidet.
Der ehrliche Vergleich — 10 % von Tag eins an ausgesteuert — hat uns überzeugt. Wir haben die Massen-Kampagnen eingestellt und vermissen sie nicht. Der Agent weiß, wer tatsächlich abwandert und wer nur gerade still ist.
Vier Entscheidungen, die einen KI-Agenten von einer Automation trennen.
1. Abwanderung ist ein kategorienspezifisches Quantil, keine Kalenderregel. Jedes generische Retention-Tool hat eine „90-Tage-ohne-Besuch"-Regel. Für 23 Kategorien mit Kaufrhythmen von 7 Tagen bis 2 Jahren ist das unsinnig. Die Intervallverteilung empirisch einpassen, ein Quantil nehmen, ausliefern.
2. Der KI-Agent entscheidet das Angebot, nicht das Marketing-Team. Ein Kunde, der ohnehin zurückgekommen wäre, kostet Marge, wenn er 15 % Rabatt erhält. Der Agent hat die Stückkosten im Kontext und wählt die Angebotstiefe, die die inkrementelle Bruttomarge maximiert — nicht die Einlösungen.
3. Markenstimme ist ein Validator, kein Prompt. Einem Sprachmodell zu sagen „schreib markentreu" liefert in 80 % der Fälle markentreue Ergebnisse. Jede Nachricht abzulehnen, die einen Pydantic-Validator nicht besteht, liefert 100 % der Fälle markentreue Ergebnisse — zum Preis einiger Wiederholungsversuche. Bei 40.000 Nachrichten pro Monat ist die zweite Option die einzige Option.
4. Hold-out-Kontrolle ab Tag eins. Wer keine Kontrolle von Anfang an hat, wird die nächsten zwei Jahre mit dem CMO darüber streiten, ob die Zahl real ist. 10 % aussteuernen, wöchentlichen Uplift berichten, ruhig schlafen.
Sechzehn Wochen bis zur Produktion.
- Wochen 1–3
POS-Extraktion + Abwanderungsmodell
Drei Jahre Transaktionen aus 60 Filialen in PostgreSQL eingespielt. Das kategorienspezifische Intervallmodell in dbt aufgebaut. 192.000 Kunden × Kategorie-Intervalle eingepasst.
- Wochen 4–5
Hold-out-Kontrolle + Berechtigungslogik
Stabiler Hash für Kontrollaufteilung. Berechtigungsregeln je Kategorie (aktiver Kunde, Opt-in-Status, Abkühlperiode seit letztem Kontakt). Bevor ein Agent lief, war die Infrastruktur zur Uplift-Messung live.
- Wochen 6–8
LangGraph-KI-Agent + Markenstimme-Validator
Agent wählt Kanal + Angebot + Nachricht. Pydantic-Markenstimme-Schema aus dem bestehenden Styleguide des Auftraggebers aufgebaut. Erste 1.000 Nachrichten manuell geprüft.
- Wochen 9–10
Kanal-Integration
n8n-Orchestrator zu Twilio SMS, WhatsApp Business API, SendGrid. Kanalspezifische Rate Limits, Compliance-Opt-out-Handling, Delivery-Receipt-Verknüpfung.
- Wochen 11–13
Shadow-Betrieb + eingeschränkter Rollout
Zwei Wochen Shadow-Betrieb — Nachrichten generiert, nicht versendet — täglich geprüft. Eingeschränkter Rollout auf 3 Kategorien, dann 10, dann alle 23. Wöchentlicher Uplift-Bericht gegen Kontrolle.
- Wochen 14–16
Vollständige Umstellung + Retainer
Massen-Kampagnen-Infrastruktur abgeschaltet. Metabase-Dashboard für laufende Attribution. Monatlicher Retainer für Markenstimme-Pflege und Onboarding neuer Kategorien.
Dasselbe Agentenmuster, andere Branchen.
Wir entwickeln Ihren Reaktivierungsagenten in 12–16 Wochen.
Bringen Sie uns Ihre POS-Daten, Ihre Kanal-Zugänge und Ihren Markenleitfaden. Wir liefern mit einer Hold-out-Kontrolle ab Tag eins — damit Sie die echte Zahl kennen.