Vereinfachen Sie die Kategorien entsprechend den tatsächlichen Teams, definieren Sie feste Regeln für kritische Fälle und lassen Sie die KI Kategorie, Thema und benötigte Angaben vorschlagen. Validieren Sie das Ergebnis, eskalieren Sie unsichere oder riskante Fälle an einen Menschen, bewahren Sie die Begründung aus der Quelle auf und beobachten Sie sowohl Fehlweiterleitungen als auch Änderungen bei den Eingaben.
Triage soll eine Kundenanfrage mit ausreichendem Kontext an das richtige Team weiterleiten und sie nicht um jeden Preis automatisch lösen. KI kann mit Freitext und unterschiedlichen Formulierungen umgehen, kann jedoch ein kritisches Detail übersehen oder Dringlichkeit mit einem emotionalen Tonfall verwechseln. Die Priorisierung muss daher überprüfbare Regeln, einen Modellvorschlag und eine sichere Eskalation kombinieren.
Grundlage sind eine verständliche Taxonomie, hochwertige Eingabedaten und nachvollziehbare Entscheidungen. Das System muss erkennen, wann es eine Kategorie nicht bestimmen kann, und darf eine Anfrage nicht in der falschen Warteschlange verschwinden lassen. Sensible Inhalte, die Identität des Kunden und der Fallverlauf werden nur in dem Umfang zugänglich gemacht, den der jeweilige Schritt und die berechtigte Person benötigen.
Gestalten Sie die Taxonomie nach der weiteren Arbeit
Eine Kategorie soll zu einem Verantwortlichen, einem Vorgehen oder dem nötigen Fachwissen führen. Wenn sich Bezeichnungen überschneiden und Mitarbeitende sie unterschiedlich verwenden, lernt das Modell keine konsistenten Grenzen. Fassen Sie seltene Klassen zusammen, teilen Sie zu breite auf und ergänzen Sie jede um eine Definition sowie positive und Grenzfallbeispiele. Kennzeichnen Sie Spam, doppelte Kontakte und Anfragen außerhalb des Leistungsumfangs gesondert.
Leiten Sie die Priorität nicht direkt aus der Kategorie ab. Der Ausfall eines Dienstes bei einem einzelnen Kunden, eine Frage zur Einrichtung und eine Sicherheitsmeldung folgen unterschiedlichen Regeln für die Auswirkung. Definieren Sie Signale, die das System überprüfen kann, etwa den betroffenen Dienst, den Umfang oder den vertraglichen Kanal. Emotionale Wörter können auf etwas aufmerksam machen, dürfen aber allein nicht die Reihenfolge der Personen bestimmen.
Bereiten Sie die Eingabe vor und entfernen Sie Kanalrauschen
Anfragen können per E-Mail, Formular, Chat oder API eingehen. Vereinheitlichen Sie Kennung, Zeitpunkt, Sprache, Kunde und die Verknüpfung mit einem bestehenden Fall. Trennen Sie Signaturen, automatische Fußzeilen und zitierten Verlauf ab, bewahren Sie jedoch Anhänge und ältere Nachrichten, die die Bedeutung verändern. Führen Sie exakte Duplikate zusammen, ohne neue Ergänzungen zu verlieren.
Prüfen Sie vor der Übergabe an das Modell auf schädliche Dateien, Geheimnisse und Daten, die der jeweilige Schritt nicht benötigt. Der Text des Kunden ist nicht vertrauenswürdiger Inhalt, keine Anweisung an das System. Der Verlauf wird nur aus Fällen geladen, für die der Prozess eine Berechtigung hat. Bei einem anonymen Kontakt darf das Modell die Identität nicht anhand einer ähnlichen Signatur oder eines ähnlichen Schreibstils erschließen.
- Quellkanal und stabile Fallkennung
- neuer Inhalt getrennt vom zitierten Verlauf
- sicher verarbeitete Anhänge und Links
- berechtigt geladener Kunden- und Produktkontext
Kombinieren Sie Regeln mit einem Modellvorschlag
Feste Sicherheits- oder Betriebsphrasen reichen möglicherweise nicht aus, doch eindeutige Signale können vorrangig einen spezialisierten Ablauf auslösen. Das Modell schlägt anschließend Kategorie, kurzes Thema, Sprache und fehlende Informationen innerhalb des zulässigen Schemas vor. Untersagen Sie das freie Anlegen neuer Teamnamen. Verlangen Sie zur Klassifizierung einen kurzen Beleg aus dem Text, keine allgemeine Überlegung.
Geringe Konfidenz, ein Konflikt zwischen Regel und Modell oder mehrere gleichwertige Kategorien führen in eine gemeinsame Triage-Warteschlange. Legen Sie den Schwellenwert anhand der Folgen einer falschen Weiterleitung fest und überprüfen Sie ihn an eigenen Fällen. Ein Modell-Score darf nicht automatisch als Wahrscheinlichkeit verstanden werden. Markieren Sie eine kritische Kundenaussage lieber zur schnellen Prüfung, als dass das System sie stillschweigend umklassifiziert.
Übergeben Sie den Fall, ohne die Verantwortung zu verlieren
Das Zielteam erhält die ursprüngliche Anfrage, die vorgeschlagene Kategorie, die Begründung, den relevanten Kundenkontext und eine Liste fehlender Angaben. Kennzeichnen Sie eine automatische Zusammenfassung deutlich und verknüpfen Sie sie mit der Quelle. Ändert ein Mitarbeiter die Kategorie, wird der Fall kontrolliert verschoben, und der ursprüngliche Verantwortliche bleibt nicht verborgen. Der Kunde sollte keine widersprüchlichen Bestätigungen aus mehreren Warteschlangen erhalten.
Berechnen Sie SLA oder interne Reaktionszeiten gemäß den Unternehmensregeln ab einem korrekt definierten Zeitpunkt, nicht ab dem Moment, in dem die KI ihre Arbeit abgeschlossen hat. Bei einem Ausfall des Modells wird die Anfrage in die allgemeine Warteschlange weitergeleitet. Eine automatische Antwort kann den Eingang bestätigen und eindeutig fehlende Angaben anfordern, darf aber keine Lösung vortäuschen und keinen unbegründeten Termin nennen.
Bewerten Sie Weiterleitungen und sich verändernden Traffic
Bewerten Sie die richtige Kategorie, kritische übersehene Fälle, die Anzahl manueller Verschiebungen, die Zeit in der falschen Warteschlange und die Gründe für Unsicherheit. Überwachen Sie neue Produkte, Sprachen und Anfragetypen separat. Die Gesamtgenauigkeit kann gut aussehen, obwohl eine seltene, aber wichtige Klasse versagt. Der Testdatensatz enthält daher auch Grenz- und Risikofälle.
Sammeln Sie Feedback von Mitarbeitenden über eine einfache Auswahl des Korrekturgrunds. Betrachten Sie nicht jede manuelle Umleitung ungeprüft als korrekt, denn auch das Team verwendet die Taxonomie uneinheitlich. Versionieren Sie bei Änderungen der Kategorien das Mapping, die Anleitungen und die Dashboards. Das Monitoring warnt vor einem Anstieg nicht klassifizierter Fälle, technischen Fehlern, Verzögerungen in der Warteschlange und ungewöhnlichen Datenzugriffen.
Häufige Fragen
Kann KI die Priorität einer Kundenanfrage selbst festlegen?
Sie kann einen Vorschlag vorbereiten, aber die Priorität sollte auf überprüfbaren Auswirkungen und Unternehmensregeln beruhen. Riskante oder unklare Fälle erfordern eine vorrangige menschliche Kontrolle.
Wie unterscheidet sich Triage von einem KI-Chatbot?
Triage klassifiziert einen eingegangenen Fall und leitet ihn an den richtigen Verantwortlichen weiter. Ein Chatbot führt das Gespräch und kann Antworten vorschlagen. Die Prozesse können verknüpft werden, haben aber unterschiedliche Risiken und Messgrößen.
Wie geht man mit einem neuen Thema um, das die Taxonomie nicht kennt?
Das Modell sollte den Status „unbekannt“ verwenden und den Fall in die allgemeine Warteschlange senden. Wiederkehrende neue Themen bewertet das Team anschließend und ergänzt sie kontrolliert in der versionierten Taxonomie.
Quellen und weiterführende Lektüre
Adam Antoni vyvíja weby, aplikácie a softvér na mieru. Prepája firemné systémy, automatizuje procesy a vytvára AI agentov. Pôsobí v Spišskej Novej Vsi a spolupracuje s firmami na celom Slovensku.
