Jedes eingehende Support-Ticket muss verstanden werden, bevor daran gearbeitet werden kann: Worum geht es bei dem Problem? Wie dringend ist es? Wer soll es bearbeiten? In einem Team, das manuell triage betreibt, ist dies eine Aufgabe, die Dutzende oder Hunderte Male pro Tag anfällt. Jedes Mal liest ein Agent das Ticket, trifft eine Ermessensentscheidung, weist eine Kategorie zu, legt eine Priorität fest und leitet es weiter.
KI-basierte automatische Kategorisierung und Prioritätsvorschläge automatisieren diesen Beurteilungsschritt für die Mehrheit der unkomplizierten Tickets – ohne Änderungen am Arbeitsablauf des Agenten zu erfordern.
Was automatische Kategorisierung leistet
Automatische Kategorisierung ist die automatische Zuweisung einer Kategorie (und optional einer Abteilung oder eines Teams) zu einem Ticket zum Zeitpunkt seiner Erstellung, basierend auf dem Inhalt des Tickets.
Ein Ticket, das sagt „Ich wurde diesen Monat zweimal abgebucht", wird als Abrechnung klassifiziert. Eines, das sagt „Ich erhalte immer eine Fehlermeldung, wenn ich versuche, meine Daten zu exportieren", wird als Technischer Support klassifiziert. Eines, das fragt „Was ist der Unterschied zwischen Ihrem Basic- und Pro-Plan?", wird als Vertriebsanfrage oder Produktfragen klassifiziert.
Diese Klassifizierung erfolgt innerhalb von Sekunden nach der Ticket-Erstellung – bevor ein Agent es gelesen hat. Das Ticket kommt in der richtigen Warteschlange an, dem richtigen Team zugewiesen, bereits beschriftet.
Wie die Klassifizierung funktioniert
Hinter den Kulissen verwendet die KI-Kategorisierung in der Regel ein großes Sprachmodell, um Betreff und Text des Tickets zu lesen und eine Kategorie aus einer vordefinierten Liste auszugeben.
Der Prompt lautet ungefähr: „Sie sind ein Kundensupport-Klassifikator. Weisen Sie dem folgenden Ticket-Inhalt genau eine Kategorie aus dieser Liste zu: [Abrechnung, Technischer Support, Kontozugang, Funktionsanfrage, Allgemeine Anfrage, Sonstiges]. Geben Sie nur den Kategorienamen zurück."
Das Modell liest das Ticket, identifiziert die Absicht und gibt eine strukturierte Klassifizierung zurück. Dies ist eine gut geeignete Aufgabe für LLMs – die Eingabe ist kurz, die Ausgabe ist begrenzt, und das erforderliche Urteil entspricht genau der Art von Mustererkennung, bei der Sprachmodelle hervorragend sind.
Für komplexere Implementierungen:
- Multi-Label-Klassifizierung: Ein Ticket kann mehr als einer Kategorie zugewiesen werden (z. B. Abrechnung + Kontozugang)
- Konfidenzwerte: Das Modell gibt auch an, wie sicher es bei der Klassifizierung ist; Tickets mit geringer Konfidenz können zur manuellen Überprüfung markiert werden, anstatt automatisch klassifiziert zu werden
- Benutzerdefinierte Taxonomien: Die Kategorienliste wird vom Unternehmen definiert, nicht im Modell fest kodiert – sie spiegelt also Ihre tatsächliche Organisation und Routing-Logik wider
Was Prioritätsvorschläge leisten
Prioritätsvorschläge funktionieren ähnlich, geben aber eine Prioritätsstufe aus (Dringend, Hoch, Mittel, Niedrig) statt einer Kategorie. Das Modell bewertet:
Explizite Dringlichkeitssignale: Wörter wie „dringend", „Notfall", „sofort", „funktioniert nicht", „komplett kaputt" oder „Ich kann das Produkt nicht verwenden"
Stimmung: Ist der Kunde frustriert, geduldig oder sachlich? Frustrierte Sprache korreliert oft mit höherer Auswirkung
Auswirkungssprache: Formulierungen, die geschäftliche Auswirkungen anzeigen – „wir verlieren Kunden", „unser gesamtes Team ist blockiert", „wir haben morgen einen Kunden-Abgabetermin" – sind starke Indikatoren für hohe Priorität
Kontostufen-Signale: Wenn das Ticketing-System mit Kundendaten integriert ist, erhält ein Ticket von einem Enterprise-Kunden möglicherweise automatisch eine höhere Prioritätsberücksichtigung
Historische Muster: Wenn ein Kunde in 30 Tagen drei Tickets eingereicht hat und alle gelöst wurden, ist ein viertes möglicherweise nicht dringend. Wenn er ein offenes ungelöstes Problem hat, ist ein damit zusammenhängendes neues Ticket wahrscheinlich höher priorisiert.
Die KI gibt eine vorgeschlagene Prioritätsstufe zurück. Ein Agent kann sie mit einem Klick akzeptieren oder ändern – der KI-Vorschlag wird nie erzwungen, nur empfohlen.
Vorteile für das Support-Team
Routing ohne Verzögerung
Ohne automatische Kategorisierung liegen Tickets in einer unkategorisierten allgemeinen Warteschlange, bis ein Agent sie liest und kategorisiert. In Teams mit hohem Volumen kann diese Verzögerung erheblich sein. Mit automatischer Kategorisierung kommen Tickets sofort in der richtigen Warteschlange an – das erste Bild eines Abrechnungs-Agenten von seiner Warteschlange enthält bereits nur Abrechnungstickets, ordnungsgemäß beschriftet.
Konsistente Klassifizierung
Menschliche Agenten klassifizieren Tickets unterschiedlich. Ein Agent sieht „Ich habe mein Passwort vergessen" als Kontozugang. Ein anderer kategorisiert es als Technischen Support. Diese Inkonsistenzen häufen sich mit der Zeit: Kategorieberichte werden unzuverlässig, Routing-Regeln versagen, und die Trendanalyse wird verzerrt.
Ein KI-Klassifikator wendet jedes Mal dieselbe Logik an. Die Kategorien bedeuten für jeden Agenten und in jeder Schicht dasselbe.
Bessere Priorisierung unter Last
In Hochvolumenphasen – Ausfälle, Produkteinführungen, Marketingkampagnen – kann das Volumen neuer Tickets schneller steigen, als die menschliche Triage Schritt halten kann. KI-Prioritätsvorschläge bedeuten, dass auch wenn Agenten überwältigt sind, dringende Tickets sofort an die Spitze der Warteschlange gebracht werden, anstatt zu warten, bis jemand den Rückstand durchliest und sie identifiziert.
Trainingsdaten für die Berichterstattung
Konsistente, genaue Kategorisierung erzeugt genaue Berichterstattung. Wenn Sie wissen möchten, welcher Produktbereich die meisten Tickets generiert, oder ob sich Abrechnungsbeschwerden seit einer Preisänderung erhöht haben, benötigen Sie Kategoriedaten, denen Sie vertrauen können. KI-Kategorisierung liefert diese Zuverlässigkeit.
Wann man der KI vertrauen sollte – und wann man überschreiben sollte
Automatische Kategorisierung und Prioritätsvorschläge sind nicht unfehlbar. Situationen, in denen das Überschreiben durch Agenten angemessen ist:
Mehrdeutige Tickets: Ein Ticket, das „Bitte helfen Sie mir" ohne weitere Details sagt, kann nicht sicher klassifiziert werden. Die KI sollte geringe Konfidenz ausdrücken und es zur manuellen Überprüfung markieren.
Irreführende Betreffzeilen: Kunden schreiben manchmal Betreffzeilen, die nicht zum tatsächlichen Problem passen. Ein Betreff „Rechnungsfrage" mit einem Text, der ein technisches Problem beschreibt. Die KI liest den vollständigen Inhalt, daher sollte ein Inhaltswiderspruch zwischen Betreff und Text dennoch zu einer korrekten Klassifizierung führen – aber Agenten sollten Tickets überprüfen, die seltsam erscheinen.
Neue Problemtypen: Wenn eine neue Produktfunktion eingeführt wird oder ein neuer Typ von Problem auftaucht, den die KI noch nicht gesehen hat, können ihre Klassifizierungen weniger genau sein, bis sie genug Beispiele gesehen hat. Überwachen Sie die Kategorisierungsgenauigkeit während Produkteinführungen.
Hochriskante Tickets: Bei Tickets von Enterprise-Konten, rechtlichen Angelegenheiten oder Situationen mit erheblichen geschäftlichen oder Reputationsauswirkungen ist die Überprüfung der KI-zugewiesenen Priorität durch Agenten immer die paar Sekunden wert.
Kategorien und Prioritätsregeln einrichten
Definieren Sie vor der Aktivierung der KI-Kategorisierung Ihre Kategorien klar:
- Abrechnung: Rechnungen, Abbuchungen, Rückerstattungsanträge, Planwechsel, Zahlungsprobleme
- Technischer Support: Fehler, Bugs, unerwartetes Verhalten, Integrationsprobleme
- Kontozugang: Anmeldeprobleme, Passwortzurücksetzung, Zwei-Faktor-Authentifizierung, gesperrtes Konto
- Funktionsanfrage: Anfragen für neue Funktionalität oder Produktverbesserungen
- Allgemeine Anfrage: Fragen, die in keine andere Kategorie passen
Jede Kategorie sollte eine klare Definition und einen nicht überlappenden Bereich haben. Wenn die Grenzen unscharf sind, wird die KI inkonsistent korrekt sein – was die Mehrdeutigkeit in der Taxonomie widerspiegelt.
Überprüfen Sie nach der Bereitstellung im ersten Monat wöchentlich eine Stichprobe automatisch klassifizierter Tickets. Wenn bestimmte Kategorien eine hohe Fehlerrate aufweisen, verfeinern Sie die Definitionen und prüfen Sie, ob diese Ticket-Typen von einer separaten Kategorie profitieren könnten.
Integration mit Routing-Automatisierung
Automatische Kategorisierung wird am leistungsfähigsten, wenn sie mit Routing-Regeln kombiniert wird:
- Kategorie: Abrechnung → Abrechnungsteam zuweisen
- Priorität: Dringend → Teamleiter sofort benachrichtigen
- Kategorie: Technischer Support + Priorität: Hoch → Erfahrenem technischem Agenten zuweisen
- Quelle: Enterprise-Kunden-E-Mail-Domäne + beliebige Kategorie → Dediziertem Account-Manager zuweisen
Diese Regeln laufen automatisch bei der Ticket-Erstellung. Die Kombination aus genauer Kategorisierung und automatisiertem Routing bedeutet, dass in vielen Fällen ein Ticket in der richtigen Warteschlange der richtigen Person ankommt, mit der richtigen Priorität, ohne menschliche Eingriffe im Routing-Schritt.
Wie Nura24 automatische Kategorisierung und Prioritätsvorschläge handhabt
Nura24 führt Ticket-Kategorisierung und Prioritätsvorschläge als Hintergrundjobs aus, die durch das Ticket::created-Ereignis ausgelöst werden. Die Funktion verwendet Claude Haiku – optimiert für schnelle, kostengünstige Klassifizierungsaufgaben – um Betreff und Beschreibung des Tickets zu lesen und sowohl eine Kategorienzuweisung als auch eine Prioritätsempfehlung in strukturiertem JSON zurückzugeben. Die vorgeschlagene Priorität wird Agenten mit einer klaren „KI-Vorschlag"-Beschriftung angezeigt und kann mit einem Klick akzeptiert oder geändert werden. Auto-Routing-Regeln können so konfiguriert werden, dass sie auf der KI-zugewiesenen Kategorie und Priorität basieren, ohne dass eine zusätzliche Einrichtung über die Definition der Routing-Bedingungen hinaus erforderlich ist. Die Funktion ist pro Workspace aktiviert und erfordert, dass der Mandant mindestens zwei aktive Kategorien definiert hat, damit die Kategorisierung aktiviert wird.