Wie die MEG mit AI-Assistentin Sophie 42% der Kundenanrufe automatisiert und das Bürgerservice-Team entlastet

Die Mülheimer Entsorgungsgesellschaft mbH (MEG) ist ein kommunaler Entsorgungsdienstleister mit über 170.000 Einwohnern im Versorgungsgebiet. Das vierköpfige Bürgerservice-Team betreut täglich hunderte Anfragen zu Abfallentsorgung, Sperrmüll, Wertstoffen und Tonnenverwaltung. 

Herausforderung

Trotz Website-Relaunch, neuer App und Containershop blieb die Anzahl der Anrufe konstant hoch. Das Serviceteam kämpfte mit wiederkehrenden Standardfragen zu Öffnungszeiten, Tonnenleerungen und Sperrmüll, die wertvolle Zeit banden.

„Die Anforderungen an unsere Abfallberatung steigen stetig an – sei es durch wachsende Bürgeranfragen, die Aktion „Mülheim räumt auf“ mit jährlichen Rekordteilnehmerzahlen oder unseren Hofführungen.”

Timo Juchem, Geschäftsführer der MEG

Das Team wünschte sich mehr Zeit für strategische Projekte wie Abfallberatung und Bürgerengagement – statt stundenlang dieselben FAQs zu beantworten. Hinzu kam ein klassisches Problem öffentlicher Entsorger: Zu Stoßzeiten mussten Bürger:innen am Telefon warten, außerhalb der Bürozeiten erreichte niemand das Team. Die Frage war: Wie können einfache Anfragen schneller beantwortet werden – rund um die Uhr, ohne Wartezeiten und ohne zusätzliches Personal?

Lösung

Am 2. Juli 2025 ging „Sophie“ live – die AI-gestützte Telefonassistentin auf Basis der AI Agent Management Platform von Parloa,, implementiert von logen.ai. „Herzlich willkommen bei der MEG, ich bin Sophie, Ihre digitale Assistentin“ – so begrüßt sie seitdem die Anrufenden am Bürgertelefon. Sophie wurde mit umfangreichem FAQ-Wissen zu Sperrmüll, Tonnenabholung, Containerbestellung, Öffnungszeiten und Gebühren trainiert. Bei einfachen Anfragen antwortet sie in natürlicher Sprache, ohne Einbindung eines Mitarbeitenden. Bei komplexeren Anliegen oder Unsicherheiten leitet sie gezielt an die richtige Abteilung weiter – mit allen bereits gesammelten Informationen, sodass Bürger:innen ihre Anliegen nicht wiederholen müssen. Die Implementierung erfolgte unter Berücksichtigung europäischer und deutscher Regularien zu AI und Datenschutz – ein kritischer Faktor für kommunale Betriebe.

Schnelle Implementierung durch kollaborative Zusammenarbeit

Was dieses Voice-AI-Projekt besonders erfolgreich machte: die enge Zusammenarbeit zwischen der MEG, Parloa und logen.ai. Statt monatelanger Planungsphasen setzte das Team auf konkrete Projektverantwortliche, kurze Feedbackloops und schnelle Anpassungen.

Testphase mit tagesaktuellen Anpassungen

In der Testphase vor dem Go-Live wurden Anpassungen tagesaktuell von logen.ai übernommen. Das MEG-Team testete Sophie mit realen Szenarien, gab direktes Feedback – und bereits am nächsten Tag waren Optimierungen live. Diese iterative Arbeitsweise verkürzte die Implementierungsdauer erheblich.

Intensive Betreuung nach Go-Live

Nach dem Start am 2. Juli 2025 las das logen.ai-Team in den ersten Stunden 1:1 alle Dialoge mit und baute noch am ersten Tag Hotfixes (technische Sofortkorrekturen) ein. Diese intensive Betreuungsphase stellte sicher, dass Sophie von Anfang an stabil lief und anfängliche Probleme sofort behoben wurden.

Aufbau von fachspezifischem Know-how

Eine besondere Herausforderung war der Kenntnisaufbau zum Thema Abfallwirtschaft. Die MEG-Mitarbeitenden erläuterten immer wieder Spezifika – von Tonnenleerungsrhythmen über Wertstoffkategorien bis zu kommunalen Gebührenstrukturen. Das offene Nachfragen und mehrere Iterationsrunden sorgten dafür, dass Sophie nicht nur technisch, sondern auch inhaltlich präzise antworten konnte.

Ergebnisse

In den ersten sieben Monaten (Juli 2025 – Januar 2026) lieferte Sophie Ergebnisse deutlich über dem Branchendurchschnitt von Conversational-AI-Systemen.

Operative Exzellenz

• ~25.000 Konversationen bearbeitet – ohne zusätzliche Personalkosten und ohne Kapazitätsgrenzen.

• 42,5% Automatisierungsrate – das bedeutet: Fast jeder zweite Anruf wird vollständig von Sophie gelöst, ohne dass ein Mitarbeitender eingreifen muss. Zum Vergleich: Der Branchendurchschnitt liegt bei 30-40%.

• Bearbeitungszeit: 1 Minute 12 Sekunden – deutlich unter dem Contact-Center-Standard von vier bis sechs Minuten pro Anruf. Das bedeutet: Bürger:innen bekommen schneller Antworten, das Team hat mehr Kapazität für komplexe Fälle.

• Sofortige Erreichbarkeit, keine Wartezeiten mehr – Sophie nimmt jeden Anruf sofort entgegen, auch außerhalb der Bürozeiten, am Wochenende und an Feiertagen.

Service-Qualität

• 88,1% Engaged Conversations – dieser Wert misst, wie viele Anrufende im Gespräch bleiben und nicht abbrechen. 88,1% ist deutlich über dem Branchenschnitt von 60-75% und zeigt: Die Anrufenden akzeptieren Sophie als kompetente Gesprächspartnerin.

• 53,8% FAQ-Nutzung – in über der Hälfte aller Gespräche wird die Wissensdatenbank genutzt. Diese Routineanfragen (Öffnungszeiten, Tonnenabholung, Sperrmüll-Termine) banden zuvor die Zeit des Teams.

• 26,8% Drop-off-Rate – während der Branchendurchschnitt bei 35-45% liegt, bricht bei der MEG nur knapp jeder vierte Anrufende das Gespräch ab. Die niedrige Abbruchquote zeigt: Sophie versteht die Anliegen und liefert relevante Antworten.

Strategischer Impact

Das vierköpfige Bürgerservice-Team kann sich jetzt auf komplexe Fälle und strategische Initiativen konzentrieren.

„Wir schaffen mit Sophie neue Freiräume für Projekte rund um die Abfallberatung – ein echter Gewinn für unser Team und die Stadt.“

Thorsten Gerbitz, Abteilungsleiter, MEG

Die Bürger:innen profitieren von:

• Sofortiger Erreichbarkeit ohne Wartezeiten

• Schnellen Antworten auf Standardfragen (72 Sekunden statt mehrerer Minuten)

• Nahtloser Weiterleitung bei komplexen Anliegen – mit Kontext, den Sophie bereits gesammelt hat

Fazit

Der Erfolgsfaktor: Schnelle, kollaborative Implementierung mit konkreten Verantwortlichen, kurzen Feedbackloops und intensiver Betreuung. Voice AI ist keine Zukunftsmusik mehr – sie funktioniert heute, messbar und skalierbar.