Was ist Cases per Agent?
Cases per Agent misst die durchschnittliche Anzahl bearbeiteter Kundenanfragen (Cases) pro Agent in einem definierten Zeitraum. Die Kennzahl ist besonders im Salesforce-Ökosystem verbreitet, wo Kundenanfragen als „Cases" bezeichnet werden.
Die Metrik dient zwei zentralen Zwecken: Sie zeigt, ob die Arbeitslast gleichmäßig auf das Team verteilt ist, und liefert eine Grundlage für die Headcount-Planung. Ein Agent mit deutlich mehr Cases als der Teamdurchschnitt ist überlastet, während ein Agent mit sehr wenigen Cases möglicherweise unterfordert ist oder auf Zuarbeit wartet.
Wichtig: Cases per Agent ist eine reine Produktivitätskennzahl. Ein hoher Wert ist nur dann positiv, wenn die Qualität stimmt. Deshalb sollte die Metrik immer gemeinsam mit dem Internal Quality Score und der Kundenzufriedenheit (CSAT) betrachtet werden.
Wie berechnet man Cases per Agent?
Rechenbeispiel
Ein Kundenservice-Team bearbeitet im Juni 5.000 Cases mit 25 Agents.
Jeder Agent bearbeitet im Durchschnitt 200 Cases pro Monat. Das entspricht etwa 10 Cases pro Arbeitstag bei 20 Arbeitstagen.
Was ist ein guter Cases per Agent Wert?
Der optimale Wert hängt stark von Branche, Kanalverteilung und Komplexität der Anfragen ab. Einfache Anfragen (Passwortreset, Statusabfrage) erlauben höhere Volumina als komplexe technische Cases.
| Zeitraum | Niedrig | Normal | Hoch |
|---|---|---|---|
| Pro Tag | < 8 | 8–20 | > 20 |
| Pro Monat | < 150 | 150–400 | > 400 |
| Pro Jahr | < 1.800 | 1.800–4.800 | > 4.800 |
Achtung: Ein sehr hoher Wert (> 400/Monat) kann auf zu wenig Personal hindeuten und geht oft mit sinkender Qualität und steigender Shrinkage einher. Ein sehr niedriger Wert kann bedeuten, dass die Cases zu komplex sind oder dass die Auslastung ineffizient gesteuert wird.
Cases per Agent verbessern
Workload gleichmäßig verteilen: Automatisches Routing nach Skills, Auslastung und Verfügbarkeit sorgt dafür, dass kein Agent über- oder unterfordert wird.
Wiederkehrende Cases automatisieren: Self-Service-Portale, Wissensdatenbanken und Chatbots können einfache Anfragen abfangen, bevor sie als Case beim Agent landen. Das senkt das Gesamtvolumen und gibt Agents Zeit für komplexere Fälle.
After-Call Work reduzieren: Automatische Zusammenfassungen, vorausgefüllte Templates und CRM-Integrationen verkürzen die Nachbearbeitungszeit und erhöhen die Case-Kapazität pro Agent.
Onboarding beschleunigen: Neue Agents erreichen schneller den Teamdurchschnitt, wenn sie strukturierte Einarbeitung, Mentoring und zugängliche Wissensdatenbanken erhalten.
Occupancy Rate im Blick behalten: Eine zu hohe Auslastung (> 85 %) führt zu Burnout und sinkender Qualität, auch wenn die Cases-per-Agent-Zahl gut aussieht.
Cases per Agent vs. Tickets per Agent vs. Calls per Hour
| Merkmal | Cases per Agent | Tickets per Agent | Calls per Hour |
|---|---|---|---|
| Kontext | Salesforce, CRM-Systeme | Helpdesk-Tools (Zendesk, Freshdesk) | Telefonie, Contact Center |
| Zeitbezug | Tag, Monat, Quartal | Tag, Monat, Quartal | Pro Stunde |
| Kanal | Alle Kanäle | Alle Kanäle | Nur Telefon |
| Formel | Gesamtcases ÷ Agents | Gesamttickets ÷ Agents | Anrufe ÷ Arbeitsstunden |
Cases per Agent und Tickets per Agent sind konzeptionell identisch. Der Unterschied liegt im verwendeten System: Salesforce spricht von Cases, Zendesk und Freshdesk von Tickets. Calls per Hour ist spezifischer und misst nur die Telefonie-Produktivität auf Stundenbasis.
Pro und Kontra
Pro
- +Einfach zu berechnen und teamübergreifend vergleichbar
- +Gute Grundlage für Headcount-Planung und Kapazitätsmodelle
- +Zeigt Ungleichverteilung im Team sofort auf
Kontra
- –Berücksichtigt nicht die Komplexität einzelner Cases
- –Hohe Werte können auf Qualitätskosten gehen
- –Ohne Kontextmetriken (CSAT, IQS) wenig aussagekräftig
Einfluss von KI auf Cases per Agent
KI verändert die Cases-per-Agent-Metrik auf zwei Wegen. Erstens reduzieren KI-Chatbots und automatisierte Workflows das Gesamtvolumen einfacher Cases, sodass Agents sich auf komplexere Fälle konzentrieren können. Das kann den Cases-per-Agent-Wert senken, obwohl die Gesamtproduktivität steigt. Zweitens unterstützen KI-Copiloten (z. B. automatische Zusammenfassungen, Antwortvorschläge) die Agents bei der schnelleren Bearbeitung und erhöhen so die Kapazität pro Agent.