Ein gemeinsames Postfach - info@, kundenservice@, planung@ - erhält den ganzen Tag über E-Mails. Jemand liest diese E-Mails, bestimmt, worum es geht, und leitet sie an den richtigen Bearbeiter oder die richtige Abteilung weiter. Häufig läuft dies über ein E-Mail-System, das an ein Ticketsystem gekoppelt ist. Die Frage ist nicht, ob KI E-Mails lesen kann - das kann sie schon lange -, sondern ob KI die Kategorisierung und Weiterleitung selbstständig übernehmen kann, oder ob ein Mensch mitschauen muss.
Diese Aufgabe erzielt eine hohe Punktzahl beim Volumen: Ein Postfach mit Dutzenden oder Hunderten von E-Mails pro Tag ist genau die Art von sich wiederholender Arbeit, auf die Automatisierung abzielt. Hohe Volumina machen es rentabel, ein System zu trainieren oder Regeln aufzustellen, auch wenn nicht jede E-Mail perfekt bearbeitet wird.
Die Strukturiertheit der Aufgabe ist jedoch niedrig (2 von 5). Eine E-Mail ist freier Text, geschrieben von einem Kunden, Lieferanten oder Kollegen, der sich nicht an ein festes Format hält. Die eine E-Mail ist eine als Frage verpackte Beschwerde, die andere ist eine Angebotsanfrage mit drei Nebenfragen darin, die dritte ist Spam, der zufällig relevant klingt. Wo ein Formular mit festen Feldern leicht zu klassifizieren ist, muss ein KI-Modell bei freiem Text zunächst die Absicht erkennen, bevor es kategorisieren kann. Das ist möglich, aber es geht häufiger schief als bei strukturierten Eingaben.
Auch der Kundenkontakt erzielt eine niedrige Punktzahl (2 von 5), und das ist ein Grund zur Vorsicht: Viele dieser E-Mails kommen von Kunden oder Partnern. Eine falsch weitergeleitete E-Mail eines verärgerten Kunden, der zwei Tage auf eine Antwort wartet, kostet mehr als die Zeit, die die Triage einsparen sollte. Je höher der Kundenkontakt, desto vorsichtiger sollte man mit vollständiger Automatisierung sein - das ist ein Muster, das Sie auch bei Aufgaben in der HR-Abteilung wiederfinden, wo personenbezogene Kommunikation oft etwas mehr Aufsicht erfordert als erwartet (siehe welche Arbeit kann KI in der Personalabteilung übernehmen).
Stellen Sie sich vor: Eine E-Mail kommt mit dem Betreff "Frage zu Rechnung 2024-1187" an. Eine Klassifizierungsregel oder ein trainiertes Modell erkennt das Muster (Rechnungsnummer, Schlüsselwort "Frage") und leitet die E-Mail an die Finanzabteilung weiter. Das funktioniert in den meisten Fällen gut und ist ein Paradebeispiel für Texterkennung, die KI heute leisten kann.
Aber nehmen wir an, dieselbe E-Mail beginnt mit "ich wurde schon dreimal angerufen und immer noch nicht weitergeholfen, dies ist nun das letzte Mal, dass ich..." und erst danach wird die Rechnung erwähnt. Ein Modell, das nur auf Schlüsselwörter oder Intentionskategorien steuert, verpasst möglicherweise die Dringlichkeit und den Eskalationsbedarf. Hier kommt der Beurteilungsspielraum (3 von 5) ins Spiel: einzuschätzen, wie dringend oder heikel etwas ist, ist weniger eindeutig als nur einen Betreff zu erkennen.
Das Ergebnis hängt stark davon ab, was in dem Postfach eingeht. Ein Postfach, das vor allem automatisierte Bestätigungen, Bestellstatus und Standardfragen empfängt, hat eine deutlich höhere Strukturiertheit als hier bewertet. Denken Sie an ein Postfach, das an einen Webshop mit einer begrenzten Anzahl wiederkehrender Fragetypen gekoppelt ist - dort kann die Klassifizierung praktisch fehlerfrei funktionieren, und das Ergebnis liegt näher an Kategorie 1.
Umgekehrt: Ein Postfach einer Anwaltskanzlei oder einer Beschwerdeabteilung, wo jede E-Mail rechtlich oder emotional heikel sein kann, hat eine niedrigere Kundenkontakt-Punktzahl und höhere Fehlerkosten als der hier bewertete Durchschnitt. Dort verschiebt sich das Ergebnis in Richtung Kategorie 3, Handarbeit mit KI als Hilfsmittel zum Vorsortieren.
Genau deshalb sagt ein aufgabenspezifischer Scan mehr aus als eine allgemeine Aussage über "E-Mail-Triage". Derselbe Aufgabenname kann bei einem Unternehmen größtenteils automatisierbar sein und bei einem anderen vor allem Handarbeit bleiben, abhängig von der Art der E-Mails, der Sensibilität der Absender und den Folgen eines Fehlers.
Für ein durchschnittliches gemeinsames Postfach mit gemischtem Inhalt fällt die E-Mail-Triage in Kategorie 2: teilweise automatisierbar, mit menschlicher Aufsicht. KI kann auf Basis von Klassifizierungsregeln oder eines trainierten Modells eine erste Einteilung vornehmen und die meisten Routinemitteilungen direkt weiterleiten. Bei Zweifeln - ein unklarer Betreff, ein emotionaler Ton, ein unbekannter Absender - muss das System an einen Menschen eskalieren, der genehmigt oder korrigiert. Eine vollständige Übernahme (Kategorie 1) ist nur bei Postfächern mit stark vorhersehbarem, sich wiederholendem Inhalt und niedrigem Kundenkontakt realistisch. Reine Handarbeit (Kategorie 3) ist bei Postfächern angebracht, in denen praktisch jede E-Mail heikel, rechtlich belastet oder beziehungskritisch ist.
Diese Einteilung betrifft übrigens keine Personalentscheidungen: Ob und wie eine Organisation die freigewordenen Stunden neu verteilt, fällt außerhalb dieser Beurteilung und unterliegt eigenen gesetzlichen Anforderungen. Vergleichbare Abwägungen zwischen Volumen und Sensibilität spielen auch bei Planungsaufgaben eine Rolle, wo Sie lesen können, welche Arbeit KI in der Planung übernehmen kann (/welk-werk-kan-ai-overnemen-op-de-planning), oder bei Dokumentprozessen, wie auf der Seite über den Unterzeichnungsprozess von Dokumenten zu sehen ist.
Ob die Triage in Ihrem eigenen Postfach näher an Kategorie 1 oder Kategorie 3 ausfällt, hängt von der Art der eingehenden E-Mails und den Absendern ab - das lässt sich nicht allein an einem Aufgabennamen ablesen. Der kostenlose Quickscan von ftetoai.com gibt mit zwölf Fragen, ohne Konto, eine erste Einschätzung, welcher Anteil der Stunden in Ihrem Funktionsprofil heute von KI übernommen werden kann. Der vollständige Arbeitsscan, der auf Aufgabenebene durchrechnet, befindet sich noch im Aufbau; den bieten wir hier also noch nicht an, aber der Quickscan liefert schon einmal einen ehrlichen Ausgangspunkt.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.