Supportanfragen mit KI nach Themen sortieren

Das Problem

Der Support-Posteingang quillt: Fragen zur Rechnung, Lieferprobleme, Passwort vergessen, Reklamationen, Lob, Kündigungen, Spam. Die Mitarbeiterin sortiert jede Mail von Hand, schiebt sie in Ordner oder leitet sie weiter. Das kostet täglich Stunden und ist fehleranfällig: Dringendes landet bei der falschen Person, Gleiches wird verschieden behandelt.

Eine Kategorisierung (auch Triage genannt) ordnet jede Anfrage einem Thema zu: Rechnung, Lieferung, Technik, Reklamation, Vertragsänderung. Danach lässt sie sich gezielt bearbeiten, mit passenden Vorlagen und Zuständigen.

KI kann solche Zuordnungen vorschlagen, da sie Texte versteht und einordnet. Sie macht aber Fehler, besonders bei ungewöhnlichen oder mehrdeutigen Anfragen. Mit klaren Kategorien, einer Kontrolle und einem sorgfältigen Start lässt sich die Sortierung zuverlässig und hilfreich einführen.

So lösen Sie es mit KI – Schritt für Schritt

1. Sammeln Sie echte Anfragen. Nehmen Sie die letzten 100 bis 200 Anfragen und lesen Sie sie durch. Welche Themen kommen vor, wie oft? Das ist die Grundlage für Ihre Kategorien.

1. Legen Sie Kategorien fest. Fünf bis zehn, klar abgegrenzt: zum Beispiel Rechnung/Zahlung, Lieferstatus, Produktfrage, Technische Störung, Reklamation, Vertrag/Kündigung, Kontodaten und Zugang, Lob/Feedback, Sonstiges. Eine Kategorie «Unklar» ist wichtig.

1. Definieren Sie jede Kategorie. Ein bis zwei Sätze, was dazugehört und was nicht, mit Beispielen. Beispiel: «Reklamation: Kunde beanstandet Produkt, Lieferung oder Service und erwartet Abhilfe.»

1. Bestimmen Sie Sonderregeln. Heikle Fälle immer an Menschen: Beschwerden mit Rechtsandrohung, Datenschutzanfragen, Sicherheitsvorfälle, Anfragen von Medien oder Behörden, Drohungen. Siehe Dringlichkeit einschätzen.

1. Anonymisieren Sie Beispiele. Entfernen Sie Namen, Nummern und Adressen aus den Mails, die Sie zum Testen nutzen. Prüfen Sie, ob Ihr Betrieb das Werkzeug für Kundendaten freigegeben hat.

1. Testen Sie die KI an Beispielen. Geben Sie Kategorien und Definitionen und lassen Sie 50 bis 100 Anfragen zuordnen. Vergleichen Sie mit Ihrer eigenen Zuordnung und zählen Sie, wie oft die KI richtig lag.

1. Verbessern Sie die Definitionen. Wo die KI oft danebenliegt, schärfen Sie die Beschreibung oder fügen Beispiele hinzu. Prüfen Sie, ob Kategorien zu ähnlich sind.

1. Starten Sie mit Vorschlägen. Im Alltag schlägt die KI die Kategorie vor, ein Mensch bestätigt mit einem Klick. Erst nach einigen Wochen mit guter Trefferquote erwägen Sie eine automatische Zuordnung für klare Fälle.

1. Verbinden Sie die Kategorie mit Vorlagen und Zuständigkeit. Pro Kategorie eine Antwortvorlage und eine verantwortliche Person oder ein Team: Kundenservice-Textbausteine.

1. Prüfen Sie laufend. Eine monatliche Stichprobe von 20 Fällen: Stimmt die Zuordnung? Gibt es neue Themen? Passen Sie Kategorien an.

Beispiel für Kategorien mit Definition:

Vorlage zum Kopieren

Mit diesem Prompt testen Sie die Zuordnung. Verwenden Sie anonymisierte Anfragen.

Du sortierst Supportanfragen eines [Branche, z. B. Onlinehändlers] in Kategorien. Deutsch (Schweiz).
Kategorien mit Definition: [Liste: Name – Definition – Beispiel]. Zusätzlich «Unklar», wenn keine Kategorie sicher passt, und «Sofort an Mensch» für: Drohungen, Rechtsandrohung, Datenschutz- oder Sicherheitsvorfälle, Medienanfragen.
Hier anonymisierte Anfragen (Nr., Text): [Liste einfügen]
Gib für jede Anfrage aus: Nummer; Kategorie; Sicherheit (hoch/mittel/niedrig); kurze Begründung (ein Satz); «Sofort an Mensch» ja/nein.
Regeln: Ordne nur nach dem Inhalt des Textes. Rate nicht. Bei mehreren Themen nenne die Hauptkategorie und eine Nebenkategorie. Erfinde keine Informationen über Kundinnen.
Fasse am Ende zusammen, wie viele Anfragen in welcher Kategorie liegen und welche Anfragen schwer zuzuordnen waren.

Vergleichen Sie das Ergebnis mit Ihrer eigenen Zuordnung und zählen Sie die Abweichungen, bevor Sie die Sortierung einsetzen.

Worauf Sie achten müssen

• Fehler bleiben möglich. Auch gute Zuordnungen liegen manchmal daneben. Planen Sie Kontrolle ein und messen Sie die Trefferquote.
• Heikle Fälle nie automatisch. Beschwerden, Rechtliches, Gesundheit, Sicherheit und Datenschutz gehören an Menschen.
• Datenschutz. Supportanfragen enthalten Personendaten. Geben Sie nur anonymisierte Beispiele in nicht freigegebene Werkzeuge und halten Sie sich an die Regeln Ihres Betriebs. Siehe Kundendaten anonymisieren.
• Sprachen und Dialekte. Anfragen in anderen Sprachen oder mit vielen Tippfehlern werden schlechter erkannt.
• Kategorien können Kundinnen benachteiligen. Wenn bestimmte Anfragen systematisch langsamer behandelt werden, prüfen Sie die Fairness.
• Nicht übertreiben. Zu viele Kategorien machen die Sortierung ungenau. Weniger ist mehr.

Ein Beispiel aus der Praxis

Ein Beispiel: Ein Telekomanbieter für KMU in Aarau erhält täglich etwa 150 Supportmails. Die zwei Mitarbeitenden verbringen jeden Morgen eine Stunde mit dem Sortieren.

Vorher: Mails werden von Hand verteilt, manche landen beim falschen Team. Nachher: Das Team definiert acht Kategorien und testet die KI an 100 anonymisierten Beispielen. Sie liegt bei klaren Fällen meist richtig, bei Reklamationen mit Rechnungsbezug oft falsch. Das Team schärft die Definitionen, lässt die KI im Alltag nur Vorschläge machen und kontrolliert wöchentlich Stichproben. Die Morgenarbeit sinkt, und Rechtsandrohungen gehen automatisch an die Teamleitung.

So hilft Ihnen Alpasana

Wenn Sie Ihren Kundenservice mit KI organisieren möchten, begleitet Sie die KI-Beratung und digitale Transformation. Laut Leistungsbeschreibung werden Prozesse aufgenommen, KI-Potenziale analysiert, Vorhaben priorisiert, digitale Workflows und Automatisierungen entwickelt und die Umsetzung dokumentiert; für KI-Agenten gehören Pilot und Einsatzregeln dazu.

Die Kategorien und Sonderregeln bestimmen Sie im Betrieb. Projekte werden individuell offeriert.

Häufige Fragen

Wie viele Kategorien sind sinnvoll?

Fünf bis zehn. Mehr wird unübersichtlich und die Zuordnung ungenau.

Kann die KI das Ticketsystem direkt bedienen?

Manche Systeme bieten Anbindungen. Für den Anfang ist eine Vorschlagslösung mit Bestätigung sicherer. Fragen Sie den Anbieter Ihres Systems nach den Möglichkeiten.

Was ist eine gute Trefferquote?

Das hängt vom Risiko ab. Für automatische Zuordnung braucht es eine hohe und über Zeit stabile Trefferquote; Zahlen legen Sie nach Ihrer Erfahrung fest.

Was passiert mit Anfragen in mehreren Sprachen?

Prüfen Sie getrennt, wie gut die Zuordnung funktioniert. Bei schwacher Qualität bleibt die Sortierung bei Menschen.