Im Billing- und Mahnwesen entstehen jährlich sehr hohe Kontaktvolumina, die primär durch wiederkehrende, erklärbare Anrufauslöser verursacht werden. Trotz vorhandener Daten erfolgt die Bearbeitung heute reaktiv. Dies führt zu unnötigen Kosten im Contact Center, Verzögerungen im Debitorenmanagement und einer suboptimalen Customer Experience, insbesondere bei Rechnungsabweichungen, Mahnungen und Liquidationsfällen.

Die Analyse erfolgte daten- und prozessorientiert. Zunächst wurden Service-Request-Daten quantitativ und qualitativ ausgewertet und gemeinsam mit Fachexperten validiert. Darauf aufbauend wurden drei priorisierte Use Cases definiert. Für diese wurden separate Modell-Pipelines entwickelt, inklusive Datenaufbereitung, Feature Engineering sowie Anbindung externer Handelsregisterdaten. Die Modell-Outputs wurden anschliessend betriebswirtschaftlich interpretiert und in umsetzbare Handlungsszenarien überführt.

Das Projekt erbringt den Proof of Feasibility für eine gezielte Call-Prediction im Billing-Kontext. Die entwickelten Modelle zeigen, dass Kundenanrufe in klar abgegrenzten Kategorien mit hoher Trefferquote antizipiert werden können. Für Rechnungs- und Mahnprozesse ermöglichen risikobasierte Schwellenwerte eine differenzierte Steuerung zwischen proaktiver Kommunikation und interner Priorisierung. Im B2B-Umfeld liefert die Integration externer Handelsregisterdaten einen strategischen Zeitvorteil bei Liquidations- und Risikofällen. Für Swisscom ergibt sich daraus ein direkter Mehrwert: Reduktion des Call-Volumens um geschätzte 10–20 %, Senkung operativer Kosten, frühzeitige Unterbrechung unwirtschaftlicher Mahnprozesse sowie eine verbesserte Kundenerfahrung durch transparente, vorausschauende Information. Gleichzeitig bleibt das Risiko von Fehlkommunikation kontrollierbar, da die Modelle als Entscheidungsunterstützung und nicht als vollautomatisierte Instanz eingesetzt werden. Die empfohlene Umsetzung bietet damit ein ausgewogenes Verhältnis zwischen Wirkung, Wirtschaftlichkeit und operativem Risiko.