XBOOST Service 2026: Warum Service zum strategischen Differenzierungsfaktor wird

Produkte werden vergleichbarer. Digitale Interaktionen selbstverständlicher. Und künstliche Intelligenz übernimmt zunehmend Aufgaben, die bisher manuell erledigt wurden. Damit verschiebt sich auch die Frage, wie Unternehmen sich gegenüber ihren Kunden differenzieren können.

Service spielt dabei eine Schlüsselrolle. Von der ersten Beratung über Bestellung und Nutzung bis zu Wartung, Beschwerde oder Ersatzteilbedarf entstehen Momente, die darüber entscheiden, wie Kunden eine Marke wahrnehmen, wie stark sie ihr vertrauen und ob aus einer Geschäftsbeziehung langfristige Loyalität entsteht.

Beim XBOOST Service 2026 am 22. Oktober in den SAP Labs in München-Garching ging es deshalb um weit mehr als neue Service-Technologien. Im Mittelpunkt stand die Frage: Wie muss Service aufgestellt sein, wenn Kunden durchgängige Erlebnisse erwarten, AI immer mehr Aufgaben übernehmen kann und gleichzeitig der persönliche Kontakt in den entscheidenden Momenten an Bedeutung gewinnt?

Von Tadano über SAP bis NovaTaste, von Service­portalen über AI Agents bis zur Transformation globaler Prozesse zeigte sich dabei ein gemeinsamer Nenner: Service muss End-to-End gedacht werden.
 

Service ist nicht nur Support. Service prägt die Marke.

Den Auftakt machte Lars Frerking, Head of Advisory bei SYBIT, mit einer Frage, die zunächst wenig mit Ticketsystemen oder Servicearchitekturen zu tun hat: Was macht eigentlich eine starke Marke aus?

Nicht allein Produkte, Logos und Markenversprechen. Entscheidend sind die Momente, in denen Kunden eine Marke tatsächlich erleben.

Eine schnelle Lösung, wenn eine Maschine stillsteht. Ein Mitarbeitender, der Verantwortung für ein Problem übernimmt. Oder ein Serviceprozess, bei dem Kunden ihr Anliegen nicht bei jedem Kontakt erneut erklären müssen.

Aus solchen vermeintlich kleinen Momenten entsteht Markenwahrnehmung.

Die zentrale These: Zufriedenheit ist die Basis. Emotion ist der Hebel. Erst wenn Unternehmen Erwartungen nicht nur erfüllen, sondern in entscheidenden Situationen positiv übertreffen, kann stärkere Bindung entstehen. 

Diese Perspektive wird gerade durch AI relevant. Je stärker Standardinteraktionen automatisiert werden können, desto bewusster müssen Unternehmen entscheiden, an welchen Stellen Effizienz zählt und an welchen Stellen menschliche Interaktion den Unterschied macht.

Die strategische Aufgabe lautet deshalb nicht, menschlichen Service möglichst weit zu ersetzen. Technologie sollte vielmehr Freiraum dort schaffen, wo Erfahrung, Verantwortung und persönliche Interaktion besonders wertvoll sind. Genau aus diesem Zusammenspiel können Customer Experience und Markenbindung entstehen.

End-to-End statt Silos: Der Kunde sieht keine Abteilungen

Damit Service diese Rolle erfüllen kann, reicht es allerdings nicht, einzelne Touchpoints zu optimieren.

Der Kunde erlebt keinen Vertrieb, Customer Service, Field Service, Ersatzteilbereich oder unterschiedliche Backend-Systeme. Der Kunde erlebt einen Prozess.

Genau deshalb zog sich der End-to-End-Gedanke durch nahezu alle Themen des XBOOST Service 2026.

Ein Servicefall kann auf der Website oder per E-Mail beginnen, über ein Portal weitergeführt werden, Informationen aus ERP- und CRM-Systemen benötigen, einen Techniker vor Ort involvieren und schließlich in einer Bestellung oder Abrechnung enden. Bricht der Kontext an einer dieser Stellen ab, nimmt der Kunde nicht den Systembruch wahr. Er erlebt schlechten Service.

Die entscheidende Herausforderung ist deshalb nicht nur, jeden einzelnen Prozessschritt effizienter zu machen. Unternehmen müssen die Verbindungen zwischen ihnen gestalten.

End-to-End Service bedeutet, Prozesse konsequent vom Kundenanliegen bis zur Lösung zu denken und Daten, Systeme, Teams und Verantwortlichkeiten dahinter entsprechend zu organisieren.

Wie anspruchsvoll, aber auch wie wertvoll dieser Perspektivwechsel ist, zeigten die Praxisbeispiele des Tages.
 

Tadano: Service-Transformation beginnt nicht mit Software

Andreas Sigl von Tadano und Jahn Lossmann von SYBIT zeigten, wie ein solches Zielbild entstehen kann.

Tadano betrachtet Service global. Kundenanfragen laufen über Portale, E-Mail, Telefon und persönliche Kontakte. Gleichzeitig müssen relevante Informationen während der Bearbeitung erhalten bleiben: Kundendaten, Maschinendaten, Servicewissen, Auftragsstatus sowie die Übergaben zwischen Customer Support, Spare Parts und Field Service. 

Die Konsequenz: es geht um ein gemeinsames Verständnis der Prozesse, Verantwortlichkeiten und des angestrebten Kundenerlebnisses. Erst darauf baut die technische Architektur auf.

Besonders relevant ist dabei die Verbindung zur S/4HANA-Transformation. Bestehende Prozesse sollen nicht einfach in neue Systeme übertragen werden. Stattdessen wird die Gelegenheit genutzt, Service von der Kundenanfrage bis zur Abrechnung neu zu betrachten. 

Das Zielbild verbindet SAP Commerce Cloud, SAP Service Cloud sowie Field Service und Asset Management mit S/4HANA Service und einer durchgängigen Integrationslogik. Gleichzeitig zeigt Tadano, dass Technologie erst dann ihre Wirkung entfalten kann, wenn Prozesse und Organisation mitgedacht werden. 

Die Erkenntnis: Ein neues Service-System macht noch keinen neuen Service. Erst das Zusammenspiel aus Organisation, End-to-End-Prozessen, Daten und Technologie schafft eine tragfähige Transformation.
 

SAP: AI verändert Service

Wie stark sich gleichzeitig die technologischen Möglichkeiten entwickeln, zeigte Finn Haeder von SAP.

Eine der größten Herausforderungen im Service ist bis heute fehlender Kontext. Kunden müssen ihr Anliegen mehrfach erklären, Informationen liegen in unterschiedlichen Systemen und Mitarbeitende verbringen einen erheblichen Teil ihrer Zeit mit Recherche und Routinetätigkeiten. 

AI kann genau an diesen Stellen ansetzen.

SAP beschreibt die Entwicklung in Richtung Autonomous Service: AI Assistants können Informationen zusammenführen, Routinefälle unterstützen oder zunehmend selbstständig bearbeiten und Mitarbeitenden bei komplexeren Fällen den relevanten Kontext bereitstellen. Die vorgestellten Szenarien reichen von Case Preparation und Knowledge Retrieval über Action Recommendations bis zu Self-Service und kontinuierlicher Serviceoptimierung. 

Damit verschiebt sich die Perspektive auf AI im Service. Interessant wird sie als Bestandteil durchgängiger Prozesse.

Auch hier führt der Weg deshalb zurück zum End-to-End-Gedanken: Eine AI kann immer nur so gut unterstützen, wie die benötigten Daten und der relevante Businesskontext zugänglich sind.

Business Value first: Warum AI mit dem Use Case beginnen muss

Technologisch ist heute vieles möglich. Die schwierigere Frage lautet: Wo lohnt es sich wirklich?

Genau darum ging es bei den drei AI Use Cases von Jonas Degener, Lars Frerking und Mirko Pleli.

Der vorgestellte Ansatz kehrt die häufige Logik von AI-Projekten bewusst um: Nicht mit dem Modell starten und anschließend nach einer Anwendung suchen. Sondern zunächst das Problem identifizieren, dessen Lösung tatsächlich einen Business Value erzeugt. 

Das Prinzip lässt sich auf eine einfache Reihenfolge bringen:

Use Case → Data Foundation → AI.

Oder, wie es im Vortrag formuliert wurde: AI comes third. 

Wie konkret das werden kann, zeigten unterschiedliche Szenarien. Ein Warranty Prediction Agent kann historische Businessdaten, Equipmentinformationen und Defektdaten nutzen, um die Einschätzung eines Garantiefalls vorzubereiten und passende nächste Schritte vorzuschlagen. Andere Szenarien nutzen Service- und Kundendaten als Grundlage für Empfehlungen oder Next Best Actions. 

Der eigentliche Wert entsteht dabei nicht durch das Sprachmodell allein. Benötigt werden eine belastbare Datenbasis, Integration, eine geeignete Enterprise Architecture und vor allem ein klar definiertes Problem.

Die wichtigste Frage für den Einstieg in AI lautet deshalb: Welches Problem wollen wir messbar besser lösen?
 

Ein Portal allein schafft noch keine durchgängige Customer Journey

In den Breakout Sessions wurde diese Logik anschließend noch konkreter.

Beim Thema Serviceportal zeigten Dirk Harzer und Jahn Lossmann anhand eines fiktiven Maschinenstillstands, wo Customer Journeys heute häufig tatsächlich brechen.

Der Kunde hat im Grunde nur ein Problem: Die Maschine steht und muss wieder laufen.

Hinter diesem einen Problem können sich jedoch Handbuch, Portal, Ersatzteilshop, E-Mail, Hotline, Händler und zahlreiche Backend-Systeme verbergen. Maschinen- oder Seriennummern werden mehrfach abgefragt, Informationen müssen neu recherchiert werden und beim Wechsel zwischen Kanälen kann der Kontext verloren gehen. 

Die zentrale Erkenntnis: Die Fähigkeiten sind häufig bereits vorhanden. Die Journey bricht zwischen ihnen.

Damit verändert sich auch die Rolle eines Serviceportals. Es ist nicht einfach ein zusätzliches Frontend. Richtig konzipiert wird es zur sichtbaren Schaltzentrale einer integrierten Servicelandschaft, in der Benutzer, Maschine, Vertrag, Servicehistorie, Wissen, Händler und operative Prozesse in einem gemeinsamen Kontext zusammengeführt werden. 

Entscheidend ist deshalb weniger die einzelne Benutzeroberfläche als die Architektur dahinter: Prozesse, Daten, Business-Systeme, Integration, Governance und Ownership.

Integration vor Interface lautet damit eine der wichtigsten Erkenntnisse des Tages.
 

Assisted Service: Wenn AI den relevanten Kontext bekommt

Wie weit diese Idee gehen kann, zeigten Jonas Degener und Mirko Pleli in der Breakout Session zu Assisted Service.

Am Beispiel von NovaTaste wurde eine Architektur mit vier spezialisierten Assistants und insgesamt 13 Agents vorgestellt. Darunter befinden sich Agents für E-Mail-Verarbeitung, Klassifizierung, Knowledge Retrieval, Case History, Produkterkennung oder Order Simulation. 

Die Szenarien reichen von Issue-to-Resolution und Complaint-to-Resolution bis zu Email-to-Order. Eingehende Informationen werden strukturiert, klassifiziert und mit Wissen oder Geschäftsdaten aus unterschiedlichen Quellen angereichert. Menschen bleiben über Human-in-the-loop-Mechanismen Teil des Prozesses. 

Gerade das Email-to-Order-Szenario verdeutlicht die Richtung: Kundendaten, Produkthistorie sowie Preis- und Verfügbarkeitsinformationen können verbunden werden, um aus einer eingehenden Bestellung einen vorbereiteten Auftrag zu erzeugen. Für das präsentierte Szenario weisen die Unterlagen ein Potenzial zur Reduktion der durchschnittlichen Bearbeitungszeit um 75 Prozent aus. 

Die entscheidende Erkenntnis ist wiederum nicht der einzelne Agent.

AI wird dann wertvoll, wenn sie in einen End-to-End-Prozess eingebettet ist und Zugriff auf den relevanten Businesskontext bekommt.

NovaTaste: Transformation in der Praxis beginnt beim Prozess

Den passenden Abschluss des Tages bildete ein Gespräch von Jana Kiechle mit Herbert Frohner, Global CIO der NovaTaste Group.

Viele Themen des XBOOST kamen hier noch einmal zusammen: End-to-End-Prozesse, Integration, Portale, Automatisierung, AI und die organisatorische Realität hinter einer globalen Transformation.

Und die Diskussion begann bewusst mit dem Prozess.

Denn bevor über AI oder Automatisierung gesprochen wird, muss verstanden werden, wie eine Kundenanfrage tatsächlich durch das Unternehmen läuft.

Bei NovaTaste zeigte sich beispielsweise, dass an einer Anfrage im Extremfall bis zu 15 Teams beteiligt sein können. Erst durch die strukturierte Betrachtung der Abläufe wurden Übergaben, unterschiedliche Arbeitsweisen, fehlende Standards und Wissen sichtbar, das teilweise nur bei einzelnen Mitarbeitenden vorhanden war.

Genau hier zeigt sich der Wert einer konsequenten End-to-End-Perspektive.

Dem Kunden ist es egal, wie viele Abteilungen intern beteiligt sind, wer gerade verfügbar ist oder welches System für welchen Schritt verantwortlich ist. Der Kunde erwartet eine passende Lösung innerhalb eines akzeptablen Zeitraums.

Damit werden plötzlich Fragen relevant, die weit über IT hinausgehen: Muss ein Vorgang tatsächlich an das nächste Team übergeben werden? Sind alle benötigten Informationen beim ersten Kontakt vorhanden? Sind Verantwortlichkeiten sinnvoll organisiert? Und lassen sich unnötige Schleifen aus dem Prozess entfernen?
 

Transparenz macht Automatisierung konkret

Wie wertvoll die Digitalisierung solcher Prozesse sein kann, zeigte ein Beispiel besonders deutlich.

Nach Einführung von Ticketkategorien stellte NovaTaste fest, dass rund 52 Prozent aller Tickets Auftragsanfragen waren. Ein erheblicher Teil der Kapazität des Customer Service floss damit in einen Vorgang, der vorher in dieser Größenordnung gar nicht sichtbar war: Bestellungen kommen per E-Mail und werden anschließend manuell in SAP übertragen.

Aus dieser Transparenz entstand ein konkreter Ansatz für Order Automation. Eingehende Bestellungen sollen AI-gestützt erkannt und so weit vorbereitet werden, dass Mitarbeitende im Idealfall vor allem prüfen und freigeben müssen.

Das Beispiel zeigt sehr anschaulich, wie AI-Projekte entstehen können, wenn nicht die Technologie den Ausgangspunkt bildet:

Prozess digitalisieren → Transparenz schaffen → Potenzial erkennen → gezielt automatisieren.

Ähnliche Potenziale wurden beim Self-Service sichtbar. Kunden können beispielsweise bestimmte Stammdaten selbst pflegen oder benötigte Materialspezifikationen über das Portal abrufen, statt diese immer wieder über den Customer Service anzufordern.

Damit wird Digitalisierung gleichzeitig zum Steuerungsinstrument. Unternehmen sehen, welche Anfragen entstehen, wo Bearbeitungszeit verloren geht und an welchen Stellen Automatisierung tatsächlich Entlastung schaffen kann.
 

Transformation bleibt eine Daueraufgabe

Das Gespräch mit NovaTaste machte gleichzeitig deutlich, dass es den einen linearen Transformationspfad kaum gibt.

Unterschiedliche Länder befinden sich auf unterschiedlichen Entwicklungsständen. Globale CRM- und SAP-Rollouts müssen aufeinander abgestimmt werden. Neue Gesellschaften kommen hinzu. Prioritäten ändern sich.

Umso wichtiger wird ein klares strategisches Zielbild.

Nicht jedes zusätzliche Feature hat dieselbe Bedeutung wie eine Initiative, die langfristig die Grundlage für globale Sales-, Service-, ERP- oder Datenprozesse schafft. Transformation bedeutet deshalb auch, Prioritäten zu setzen, Abhängigkeiten zu verstehen und Projekte so zu begrenzen, dass sie tatsächlich abgeschlossen werden können.

Gerade darin lag ein starker Schlusspunkt des XBOOST: End-to-End bedeutet, das große Ganze zu verstehen und daraus die richtigen nächsten Schritte abzuleiten.
 

Human oder AI? Die eigentliche Antwort lautet: beides.

Über die unterschiedlichen Sessions hinweg zeichnete sich damit ein sehr konsistentes Bild.

Je mehr Routineaufgaben AI übernehmen kann, desto wichtiger wird die Frage, wo Menschen tatsächlich den Unterschied machen.

AI kann klassifizieren, zusammenfassen, Wissen recherchieren, Muster erkennen, Empfehlungen vorbereiten oder Prozesse anstoßen.

Menschen können Verantwortung übernehmen, mit außergewöhnlichen Situationen umgehen, Beziehungen aufbauen und Vertrauen schaffen.

Das eine steht nicht im Widerspruch zum anderen.

Im Gegenteil: Richtig eingesetzt kann Automatisierung Mitarbeitenden genau die Zeit zurückgeben, die heute durch Recherche, repetitive Dateneingabe, Systemwechsel oder manuelle Weitergabe verloren geht.

Diese Zeit kann dort eingesetzt werden, wo menschliche Interaktion den größten Wert erzeugt.

Damit schließt sich der Kreis zum Beginn des XBOOST: Große Marken entstehen in kleinen Momenten. Die strategische Aufgabe besteht darin, Prozesse und Technologien so zu gestalten, dass für genau diese Momente Raum bleibt. 

Fazit: Die Zukunft des Service ist End-to-End

Der XBOOST Service 2026 hat gezeigt, dass sich Service grundlegend weiterentwickelt.

Service ist nicht mehr nur die Organisationseinheit, die übernimmt, wenn nach dem Verkauf eine Frage oder ein Problem entsteht. Er wird zu einem strategischen Bestandteil der Customer Experience und damit zu einem Faktor für Kundenbindung, Markenwahrnehmung und Differenzierung.

Technologie spielt dabei eine entscheidende Rolle. AI kann Prozesse beschleunigen, Wissen verfügbar machen, Mitarbeitende unterstützen und immer mehr Routinen automatisieren. Portale schaffen neue Self-Service-Möglichkeiten. Integrierte Plattformen können Informationen über Systemgrenzen hinweg verfügbar machen.

Doch die vielleicht wichtigste Erkenntnis des XBOOST lautet:

Keines dieser Instrumente entfaltet seine Wirkung isoliert.

Entscheidend ist das Zusammenspiel von Strategie, End-to-End-Prozessen, Daten, Integration, Organisation, AI und menschlicher Interaktion.

Für Unternehmen ergeben sich daraus fünf zentrale Handlungsfelder:

• Service strategisch denken: Service nicht auf Support und Ticketbearbeitung reduzieren, sondern als Teil der Customer Experience und des Markenversprechens verstehen.
• Vom Kunden aus End-to-End denken: Nicht Abteilungen und Systeme optimieren, sondern den gesamten Weg vom Kundenanliegen bis zur Lösung betrachten.
• Kontext verbinden: Kunden-, Produkt-, Equipment-, Vertrags- und Servicedaten müssen dort verfügbar sein, wo Entscheidungen getroffen werden.
• AI mit einem Business Case starten: Zuerst Problem und erwarteten Mehrwert definieren, dann Datenbasis und Technologie auswählen.
• Den Menschen gezielt stärken: Routine automatisieren und Mitarbeitenden dort Freiraum geben, wo Erfahrung, Empathie und Verantwortung den Unterschied machen.

Der Service der Zukunft ist deshalb vernetzter, durchgängiger und konsequenter vom Kunden aus gedacht. Und gerade dadurch kann er gleichzeitig effizienter und persönlicher werden.

Genau darin liegt die strategische Chance: Service wird von einer nachgelagerten Funktion zu einem der Orte, an denen Unternehmen ihr Markenversprechen jeden Tag konkret einlösen können.