Wir haben die besten KI-Agenten im Kundenservice verglichen
KI-Agenten, die von Large Language Models (LLMs) angetrieben werden, können auf Kundenanfragen in natürlicher Sprache antworten, Kontext interpretieren und menschenähnliche Antworten generieren. Diese Agenten können große Informationsmengen aus Quellen wie Wissensdatenbanken verarbeiten und zusammenführen.
Wir haben vier KI-Agenten für den Kundenservice zusammengestellt: Tidio Lyro, Microsoft Azure KI Chatbot, IBM Watsonx Assistant und Intercom Fin. Nachfolgend finden Sie unsere Ergebnisse sowie eine breitere Liste von Tools, die es wert sind, bekannt zu sein.
Wir haben diese vier Agenten verglichen, indem wir einen Benchmark auf der Grundlage eines fiktiven Kundenservice-Agenten eines Unternehmens erstellt haben. Die Details zur Methodik finden Sie weiter unten.
Basierend auf den wichtigsten Ergebnissen unseres Benchmarks empfehlen wir Ihnen:
Unsere Top-Empfehlungen
Wenn Datensicherheit Priorität hat, wählen Sie Tidio. Als nach einer Rückerstattung für einen bestimmten Kunden ohne Anmeldekontext gefragt wurde, leitete Tidio den Nutzer zu seinem Konto weiter, anstatt persönliche Daten im Chat zu lesen. Keines der anderen Tools tat dies standardmäßig.
Azure eignet sich gut für öffentlich zugängliche Daten. Ohne weitere Konfiguration beantwortete Azure Fragen korrekt, gab jedoch kundenspezifische Informationen an jeden weiter, der fragte, ohne dass eine Authentifizierung erforderlich war. Es kann abgesichert werden, aber das erfordert erhebliche Entwicklerarbeit. Wenn Sie auf nicht sensiblen Inhalten (öffentliche FAQs, Produktdokumentationen) aufbauen, ist es eine solide Basis.
Führende Beispiele für KI-Agenten im Kundenservice
Tidio Lyro
Statt einen allgemeinen Chatbot zu entwickeln, hat Tidio Lyro bewusste Kompromisse gewählt: Lyro ist speziell für E-Commerce und SMB-Support konzipiert, nicht für Unternehmensinfrastruktur. Es läuft auf Anthropics Claude zusammen mit Tidios eigenen Modellen, und seine Antworten sind lesbar und kontextuell fundiert statt vorlagenartig.
Die Einrichtung dauert bei grundlegenden Anwendungsfällen weniger als fünf Minuten. Das Analyse-Dashboard zeigt Lösungsraten, Gesprächsvolumen und Übergabeauslöser und hilft Teams, Lücken in ihrer Wissensdatenbank schnell zu erkennen. Es verarbeitet auch mehrsprachige Anfragen, ohne dass Sie übersetzte Inhalte bereitstellen müssen.
Zwei Einschränkungen sind erwähnenswert: Die kostenlos-Stufe deckt nur 50 Gespräche ab, und die Plattform wurde noch nicht für medizinische oder finanzielle Anwendungsfälle optimiert, bei denen die Compliance-Anforderungen strenger sind.
Der Lyro KI Agent-Plan beginnt jetzt bei 39 $/Monat für 50 Gespräche, wobei die Preisgestaltung mit dem Volumen skaliert. Der Preis von 0,50 $ pro Gespräch ist weiterhin auf der Seite für Einzelgespräche aufgeführt, aber die Planstruktur hat sich erheblich geändert: Lyro wird getrennt von den Basis-Tidio-Plänen abgerechnet und verdoppelt oft die Gesamtkosten.1
Microsoft Azure KI Chatbot
Das Chatbot-Angebot von Azure ist weniger ein fertiges Produkt als vielmehr ein Baukasten. Sie können alles bauen, von einem einfachen FAQ-Responder bis hin zu einem multimodalen Assistenten mit Spracherkennung, Bildverarbeitung und Retrieval-Augmented Generation, aber den größten Teil dieses Aufbaus leisten Sie selbst. Teams ohne Entwickler, die sich mit dem Bot Framework SDK auskennen, stoßen früh an Grenzen.
Das Preismodell spiegelt dies wider: keine Lizenz pro Nutzer, sondern nur Verbrauchskosten für Bot Service-Traffic, OpenAI-Tokens und Cognitive Search-Abfragen. Das kann in großem Maßstab günstiger sein, bedeutet aber auch, dass die Kosten schnell steigen können, wenn die Token-Nutzung plötzlich zunimmt und Sie keine Budgetwarnungen eingerichtet haben.
Wo Azure wirklich hervorsticht, ist die Kanalabdeckung. Einmal bereitgestellt, ist Ihr Bot über Teams, Slack, Web, Mobilgeräte und Facebook Messenger verfügbar. Die SharePoint-Integration ermöglicht es dem Bot außerdem, Fragen auf der Grundlage interner Dokumente zu beantworten, ähnlich wie Microsoft Copilot funktioniert.
Die Datensicherheitslücke ist erwähnenswert: Die Basisversion von Azure verhindert nicht, dass Kundendaten in Chat-Antworten erscheinen. Im Benchmark-Beispiel unten gab Azure Rückerstattungsdetails und Bestellinformationen an einen Nutzer zurück, der nicht eingeloggt war. Wenn Sie mit sensiblen Daten arbeiten, planen Sie vor dem Start ein umfassendes Fine-Tuning ein.
IBM Watsonx Assistant
Watsonx Assistant ist für große Organisationen mit bestehender Contact-Center-Infrastruktur konzipiert, die eine KI-Schicht benötigen, die sich in diese Systeme integriert, statt sie zu ersetzen.
Die Übergabelogik an menschliche Mitarbeiter ist ausgereifter als bei den meisten Wettbewerbern: Wenn der Bot ein Problem nicht lösen kann, übergibt er an einen Live-Agenten, ohne dass der Kunde sich wiederholen muss.
Zwei bekannte Einschränkungen aus Nutzerberichten: Antwortzeiten von 15–20 Sekunden ohne Echtzeit-Streaming und eine Tendenz, Phrasen in Gesprächen mit mehreren Runden zu wiederholen. Keines davon ist ein Ausschlusskriterium für interne oder volumenärmere Implementierungen, aber es spielt in verbraucherorientierten Kontexten mit hohem Verkehr eine Rolle.
Intercoms Fin
Fin bewältigt die lange Reihe von Support-Tickets gut, die Art von repetitiven, richtlinienbasierten Fragen, die Zeit eines Support-Teams beanspruchen. Es holt Antworten gleichzeitig aus mehreren Quellen und passt seinen Ton an die Stimme Ihres Teams an, statt auf ein generisches Register zurückzugreifen.
Die Einrichtung ist wirklich einfach, für Standardbereitstellungen sind keine technischen Kenntnisse erforderlich. Benutzerdefinierte Aktionen (Verbindung zu externen Systemen) sind optionale Add-ons.
Die Preisgestaltung ist der Hauptreibungspunkt. Bei 0,99 $ pro gelöstem Gespräch steigen die Kosten schnell, wenn die KI mehr Volumen übernimmt, was das Gegenteil der gewünschten Kostenkurve ist. Drittanbieter-Integrationen wie die Intercom KI Agent-App bieten ähnliche Funktionen zu 0,10 $ pro Gespräch, was eine Überlegung wert ist, wenn das Budget eine Rolle spielt.
Weitere Beispiele für KI-Agenten im Kundenservice
Kore.KI Agent
Der Agent von Kore.ai steigert die Effizienz von Agenten mit generativer KI, indem er Workflows automatisiert und Echtzeit-Anleitung bietet:
- Next-best-action-Vorschläge zur Verbesserung von Interaktionen und Ergebnissen.
- Echtzeit-adaptives Coaching zur Verbesserung der Leistung des Support-Mitarbeiters.
- Geführte Playbooks, um Mitarbeiter zu unterstützen, Best Practices für konformen Service zu befolgen.
Vorteile:
- Die Plattform erfordert nur minimale Kenntnisse in NLP und LLM, um Bots zu konfigurieren.
- Kore.ai bietet umfangreiche Anpassungsoptionen über sein SDK.
- Kore.ai eignet sich gut für Unternehmen, mit sofort einsatzbereiten Lösungen für IT-Aufgaben (wie ServiceNow-Integration).
Nachteile:
- Die NLU der Plattform kann bei stark variablen Nutzereingaben Schwierigkeiten haben. Ein Zero-Shot-Learning-Ansatz wird empfohlen, um die Fähigkeit zu verbessern, unbekannte Eingaben flexibler zu verarbeiten.
- Obwohl die Plattform Anpassung über ihr SDK bietet, ist es schwierig, benutzerdefinierte Lösungen zu erstellen.
Genesys Agent Copilot
Genesys Agent Copilot unterstützt die Contact-Center-Mitarbeiter, indem er während und nach Kundeninteraktionen KI-gestützte Anleitung bietet. Er identifiziert die Kundenabsicht, ruft automatisch relevantes Wissen ab und leitet die Agenten zu den am besten geeigneten nächsten Schritten.
Wichtige Funktionen:
- Erfassen von Agentenvorschlägen zu Wissensverbesserungen
- Transkribieren von Gesprächen
- Bereitstellen von benutzerdefiniertem Scripting
- Präsentieren des Prozessdokuments zum Workflow
- Vorschlagen von Abschluss-Codes
- Schreiben einer Zusammenfassung der Interaktion
Vorteile:
- Nach einer Interaktion kann die generierte Zusammenfassung überprüft, bearbeitet und in die Interaktionsnotizen aufgenommen werden.
- Durch die Automatisierung von Teilen des Prozesses, wie Wissensabruf, Skriptgenerierung und Vorhersage des Abschluss-Codes, reduziert die Plattform die durchschnittliche Bearbeitungszeit (AHT) erheblich.
Nachteile:
- Es ist schwierig, Genesys Cloud Agent Copilot in andere CRMs als Genesys oder Contact-Center-Systeme zu integrieren.
Emas Kundensupport-Agent
Quelle: Ema2
Emas Agent unterstützt unternehmensweite Aktionen mit 100+ LLM-Modellen, darunter GPT-5, Gemini 1.5, Mistral und Llama 3. Nutzer können außerdem ihr eigenes LLM-Modell auf die Plattform bringen.
- Mit Ema können Kunden andere vorgefertigte KI-Agenten einsetzen, um Themen wie Vertrieb und Marketing, Recht und Compliance, Mitarbeitererfahrung und Kundenservice abzudecken.
- Häufige Anwendungsfälle umfassen die Genehmigung medizinischer Verfahren, die Anpassung von Versicherungsansprüchen und die Erstellung von Geschäftsvorschlägen.
- Die Plattform bietet SOC 2-, HIPAA-, GDPR- und ISO 27001-Zertifizierungen.
Salesforce Agentforce
Salesforce hat die Marke Einstein Copilot offiziell eingestellt und sie als Agentforce (oder „Agentforce Assistant“) neu gebrandet. Das Produkt ist jetzt Teil der breiteren Agentforce-Plattform, mit aktualisierter UI, aktualisierten Berechtigungen und aktualisierter Dokumentation. Die Funktionalität ist dieselbe, aber das Branding wurde vollständig geändert. 3
Bland.ai
Bland.ai ist eine Plattform für KI-Telefonate im Unternehmenskundenservice. Das Unternehmen bietet einen Multi-Prompt-Sprachagenten für die Automatisierung von Telefonaten in verschiedenen Bereichen, darunter Kundenservice und Vertrieb.
Nutzer können außerdem ein benutzerdefiniertes Sprachmodell für ihr Unternehmen mit früheren Gesprächsdaten feinabstimmen.
Es kann in verschiedenen Vertriebsabläufen eingesetzt werden für:
- Standard-Auftragsabwicklung
- Bestandsanfragen
- Abrechnungsanfragen
- Grundlegende Retouren und Umtausch
Ada KI Agent
Ada ist ein unternehmensweiter KI-gestützter Kundenservice-Agent, der es Unternehmen ermöglicht, Serviceprobleme automatisch über Kanäle und Sprachen hinweg zu lösen. Ada kann teuer sein (1 $–3,50 $/Ticketlösung).
Ada KI Agent:
- Führt Aktionen in Tausenden von Apps und Datenbanken aus.
- Stellt sicher, dass jede Antwort in Ihrer Wissensdatenbank verankert ist.
- Integriert frühere Kundendaten mit Informationsquellen, um Antworten anzupassen.
My AskAI
My AskAI ist ein KI-Assistent für Support-Teams und eine kostengünstige Option.
My AskAI integriert sich mit Zendesk und bietet ähnliche Funktionen (in einigen Bereichen sogar mehr, wie erweiterte Wissensintegrationen, bessere Einblicke und Funktionen zur Wissensverbesserung), ist dabei jedoch 2- bis 10-mal günstiger als Lösungen wie Ada KI Agents oder Zendesk KI Agents.
Benchmark-Methodik für KI-Agenten im Kundenservice
Messung
Wir haben vier Branchenführer auf ihren API-Schlüsseln oder Playgrounds mit dem Hold-out-Dataset evaluiert, das aus 100 Fragen besteht, die zufällig aus dem Bitext Gen KI Chatbot Customer Support Dataset ausgewählt wurden.4 .
Dataset
Wir haben ein fiktives Unternehmen namens TechStyle erstellt, mit einer E-Commerce-Website und allen grundlegenden Richtlinien. Wir haben außerdem eine kleine Kundendatenbank eingerichtet. Diese Informationen wurden jedem KI-Agenten-Anbieter zur Verfügung gestellt, woraufhin wir unsere Fragen stellten.
Bewertungskriterien
Unsere Bewertungskriterien bestanden aus dem Durchschnitt dieser drei Metriken:
- Genauigkeit: Stimmt die Antwort mit den Richtlinien und Kundendaten von TechStyle überein?
- Vollständigkeit: Geht sie vollständig auf das Anliegen des Kunden ein?
- Hilfsbereitschaft: Ist sie professionell, einfühlsam und handlungsorientiert?
Bei Genauigkeit und Vollständigkeit haben wir Anbieter auch dafür belohnt, dass sie Kundendaten schützen, statt sie in Chat-Antworten offenzulegen. Die Bewertung der Antworten wurde von Large Language Models durchgeführt, die ihre Ähnlichkeit mit den korrekten Antworten aus dem Bitext-Dataset und unseren Anpassungen für TechStyles Daten bewerteten.
Hilfsbereitschaft bewertet, wie gut die KI ein positives Kundenerlebnis schafft, indem sie einen professionellen Ton mit höflicher, respektvoller Sprache verwendet; Empathie zeigt, indem sie Frustration anerkennt; klare, prägnante Anweisungen gibt; aktive Unterstützung bietet, indem sie Bedürfnisse antizipiert; und sicherstellt, dass Kunden sich gehört fühlen, indem sie auf ihre spezifischen Anliegen eingeht, statt generische Antworten zu geben.
Beispielbewertung
Als die Frage „Ich erwarte eine Rückerstattung von 129,99 Dollar, wurde sie bearbeitet?“ den Chatbots ohne vorherige Informationen über unsere Identität gestellt wurde (es wurde kein Kundenlogin durchgeführt). Laut unserer Ground Truth, die wir mit Hilfe von LLMs erstellt haben, würde eine 100/100-Antwort alle relevanten Informationen enthalten wie:
„Hallo! Wir entschuldigen uns für die Verzögerung bei der Bearbeitung Ihrer Rückerstattung. Ihre Rückerstattung von 129,99 $ für das Portable SSD-Laufwerk wurde bearbeitet und benötigt in der Regel 5–10 Werktage, bis sie auf Ihrem Konto erscheint. Sie können den Status im Bereich ‚Meine Retouren‘ verfolgen, der Folgendes anzeigt: Retoure initiiert, Retoure unterwegs, Retoure erhalten, Retoure bearbeitet oder Rückerstattung ausgestellt. Sie erhalten außerdem E-Mail-Updates in jeder Phase. Kann ich Ihnen sonst noch behilflich sein?“
Inzwischen lauten die Antworten der Top-2-Anbieter:
Azure
Antwort: Die Rückerstattung von 129,99 $ für Ihr Portable SSD-Laufwerk wurde bearbeitet. Es dauert in der Regel 5–10 Werktage, bis der Betrag wieder auf Ihrem Konto erscheint. Sie können den Status Ihrer Retoure im Bereich „Meine Retouren“ Ihres Kontos verfolgen.
Punktzahl: Azure erhielt eine Punktzahl von 95/100 für Genauigkeit, da es nicht erwähnte, dass Kunden in jeder Phase E-Mail-Updates erhalten. Es erzielte 95/100 für Vollständigkeit, da es keine umfassende Liste von Statusangaben spezifizierte. Es erzielte 80/100 für Hilfsbereitschaft, da es keine Begrüßung enthält, zuerst begrüßen sollte und keine Bestätigung, Entschuldigung oder Nachverfolgungs- und Folgehilfe bietet.
Tidio Lyro
Antwort: Sie können Ihren Rückerstattungsstatus im Bereich „Meine Retouren“ Ihres Kontos überprüfen. Das System zeigt einen dieser Status an: Retoure initiiert, Retoure unterwegs, Retoure erhalten, Retoure bearbeitet oder Rückerstattung ausgestellt. Sie erhalten außerdem E-Mail-Updates in jeder Phase.
Punktzahl: Tidio Lyro erreichte 95/100 für Genauigkeit, da spezifische Rückerstattungsdetails fehlten, erzielte jedoch perfekte 100/100 für Vollständigkeit, da basierend auf der Frage keine Folgefragen erforderlich sind. Tidio erhielt 87/100 für Hilfsbereitschaft, da es eine Begrüßung sowie eine Bestätigung oder Entschuldigung vermissen lässt.
Reale Anwendungsfälle für KI-Agenten im Kundenservice
1. Tidios Lyro
Gecko Hospitality, ein Personaldienstleister, setzt Tidios Lyro-KI-Agenten zusammen mit Chatflow-Automatisierungen ein, um Stellenbewerber vorzuqualifizieren und Routineanfragen rund um die Uhr zu bearbeiten, 24/7. Die KI löst eigenständig rund 90 % der Kundenservice-Gespräche und leitet Lebensläufe oder Kundenfragen in unter 90 Sekunden an den zuständigen Personalvermittler weiter. Innerhalb von nur sechs Monaten nach der Implementierung führte dies zu 257 zusätzlichen Kandidaten-Leads, während manuelle Prüf- und Antwortzeiten erheblich sanken und sich die Personalvermittler auf wertvollere Interaktionen konzentrieren konnten.5
2. Emas Kundensupport-Agent
Envoy integriert Emas KI-Kundensupport-Agenten für In-App-Unterstützung und spart 70 %–80 % der Zeit des Support-Teams. Diese KI-gestützte Lösung optimiert Kundenservice-Aufgaben und steigert die Effizienz.6
3. Bland.ai
Der KI-Agent von Bland.ai beantwortet Kundenanfragen als Immobilienverwalter und bearbeitet Mietvertragsverlängerungen und Anfragen. Diese KI-gesteuerte Lösung hilft Immobilienverwaltern, häufige Aufgaben zu automatisieren und Reaktionszeit und Kundenzufriedenheit zu verbessern.7
4. Ada KI Agent
Wealthsimple nutzt den Ada-KI-Agenten, um die Arbeitslast von 10 Vollzeitmitarbeitern (FTEs) zu bewältigen. Die Automatisierungsfunktionen von Ada verbessern das Kundenerlebnis, indem sie schnelle und präzise Antworten auf Finanzanfragen bieten.8
5. Beam AIs Kundenservice-Agent
Avi Medical automatisiert Gesundheitsdienstleistungen mit Beam AIs Kundenservice-Agenten und senkt die medianen Antwortzeiten um etwa 85 %. Das KI-gestützte System verbessert die Patientenunterstützung und beschleunigt die Antwortraten.9
6. Sierra
WeightWatchers nutzt Sierra KI, um eine Lösungsrate von 70 % bei Kundenservice-Interaktionen zu erreichen. Durch den Einsatz von KI-Technologie verbessert Sierra das Support-Erlebnis und hilft, Kundenanfragen schneller zu lösen.10
Wesentliche Unterschiede zwischen Chatbots und KI-Agenten
Chatbots arbeiten traditionell auf starren, regelbasierten Systemen und verwenden Entscheidungsbäume und vorgefertigte Antworten, um Gespräche zu simulieren. Sie erfordern umfangreiche manuelle Konfiguration, um Schlüsselwörter zu erkennen und relevante, vorkuratierte Antworten bereitzustellen.
KI-Agenten werden von Large Language Models (LLMs) angetrieben, was es ihnen ermöglicht, natürliche Sprache zu verstehen, Kontext zu interpretieren und menschenähnliche Antworten zu generieren. Diese Agenten können große Informationsmengen aus Quellen wie Wissensdatenbanken verarbeiten und zusammenführen.
KI-Agenten bieten außerdem:
- Wissensintegrationen (Synchronisierung mit Systemen wie Zendesk).
- Generative Aktionen (die Fähigkeit, im Namen des Kunden zu handeln).
- Reasoning (die Fähigkeit zu überprüfen, wie die Lösungs-Engine entschieden hat, was als Nächstes zu tun ist).
- Anleitung (Ihrer KI sagen, wie sie eine bestimmte Aufgabe ausführen soll).
- Automatisierte Lösungseinblicke (die Rate, mit der die KI-Agenten Probleme ohne Eskalation an menschliche Agenten lösen).
Als bevorzugte Quelle hinzufügenFAQs
Die meisten Teams müssen nichts herausreißen. Tools wie Tidio Lyro und Intercom Fin sind so konzipiert, dass sie auf dem aufsetzen, was Sie bereits nutzen – Zendesk, Salesforce und Intercom – und die wiederkehrenden Tier-1-Fragen bearbeiten, während Ihre bestehende Einrichtung bestehen bleibt. Die größere Frage ist, ob Ihre Wissensdatenbank in gut genugem Zustand ist, um die KI darauf zu trainieren. Ein spärliches oder veraltetes Helpcenter wird die Leistung begrenzen, unabhängig davon, welches Tool Sie wählen.
Die meisten dieser Tools rechnen pro gelöstem Gespräch ab und nicht pro Sitzplatz. Das klingt fair, bis das Volumen steigt – und da die KI mehr Anfragen bearbeitet, steigt das Volumen tendenziell. Tidio beispielsweise rechnet Lyro-KI-Gespräche getrennt von Ihrem Basisplan ab, was Ihre monatlichen Kosten verdoppeln kann, sobald die KI anfängt, sinnvolle Arbeit zu leisten. Bevor Sie sich auf ein Tool festlegen, sollten Sie die Rechnung mit Ihrem aktuellen monatlichen Gesprächsvolumen durchrechnen, nicht nur mit dem Einstiegspreis.
Jedes Tool auf dieser Liste verfügt über irgendeine Form von Übergabelogik, aber die Qualität variiert. Bessere Implementierungen wie Tidio, Fin und WatsonX übergeben das Gespräch mit intaktem Kontext an einen menschlichen Agenten, sodass der Kunde sich nicht wiederholen muss. Schwächere Implementierungen zeigen nur eine „Kontaktieren Sie uns“-Nachricht. Es lohnt sich, die Übergabe speziell während einer Testphase zu testen, nicht nur die Antwortfähigkeit der KI.
Idealerweise gehen diese an Ihr menschliches Team, mit dem vollständigen Kontext aus dem KI-Gespräch bereits angehängt. Die ehrliche Realität ist, dass die 30–35 %, die Menschen erreichen, tendenziell die schwierigeren, risikoreicheren Fälle sind: Abrechnungsstreitigkeiten, Beschwerden, Randfälle, auf die KI nicht trainiert wurde. Das bedeutet, dass sich die Arbeit Ihres Teams eher verschiebt als schrumpft. Die meisten Support-Leiter berichten, dass dies tatsächlich eine gute Sache ist; Agenten verbringen weniger Zeit mit Passwort-Resets und mehr Zeit mit Problemen, die von einer menschlichen Antwort profitieren.
Weiterführende Literatur
- Vergleichen Sie 20 LLM-Sicherheitstools & Open-Source-Frameworks
- Enterprise-KI-Assistenten
- KI-Agenten-Builder
Zitieren Sie diesen Benchmark
Wählen Sie das Format, das zu Ihrem Veröffentlichungsort passt. Wenn Sie die Link-Version in Ihr CMS einfügen, bleibt der Backlink erhalten.
@misc{dilmegani2026,
author = {Dilmegani, Cem and Sezer, Sena},
title = {{Wir haben die besten KI-Agenten im Kundenservice verglichen}},
year = {2026},
month = mar,
howpublished = {\url{https://aimultiple.com/ai-agents-customer-service}},
note = {AIMultiple. Abgerufen am 4. März 2026}
}Referenzlinks
Cems Arbeit wurde von führenden globalen Publikationen zitiert, darunter Business Insider, Forbes, Washington Post, globalen Unternehmen wie Deloitte, HPE und NGOs wie dem World Economic Forum sowie supranationalen Organisationen wie der European Commission.
Während seiner Karriere war Cem als Tech-Berater, Tech-Einkäufer und Tech-Unternehmer tätig. Er beriet Unternehmen über ein Jahrzehnt lang bei McKinsey & Company und Altman Solon in Technologieentscheidungen. Er veröffentlichte auch einen McKinsey-Bericht zur Digitalisierung.
Er leitete die Technologiestrategie und Beschaffung eines Telekommunikationsunternehmens und berichtete dabei direkt an den CEO. Zudem führte er das kommerzielle Wachstum des Deep-Tech-Unternehmens Hypatos an, das innerhalb von 2 Jahren von null auf einen siebenstelligen jährlich wiederkehrenden Umsatz und eine neunstellige Bewertung anwuchs. Cems Arbeit bei Hypatos wurde von führenden Technologiepublikationen wie TechCrunch und Business Insider aufgegriffen.
Cem spricht regelmäßig auf internationalen Technologiekonferenzen. Er schloss sein Studium an der Bogazici University als Computer-Ingenieur ab und hat einen MBA von der Columbia Business School.
Seien Sie der Erste, der kommentiert
Ihre E-Mail-Adresse wird nicht veröffentlicht. Alle Felder sind erforderlich. Kommentare werden in ihrer Originalsprache belassen.