KI-Klassifikation und Datenextraktion im Kundenservice

Die tägliche Post ist in vielen Organisationen der letzte manuelle Engpass. Jemand öffnet, sortiert, ordnet zu und tippt die Daten in die Fachanwendung. Das kostet Zeit, es passiert erst am nächsten Werktag, und es ist die Stelle, an der die meisten Zahlendreher entstehen.

Die KI-Klassifikation nimmt diesen Schritt ab. Eingehende Dokumente werden erkannt, inhaltlich eingeordnet und mit den relevanten Feldern an den passenden Prozess übergeben. Was gestern noch als Stapel auf einem Schreibtisch lag, ist heute ein Vorgang mit Zuständigkeit und Termin.

Wichtig dabei: die Verarbeitung ist protokolliert und überprüfbar. Wo die Erkennung unsicher ist, entscheidet weiterhin ein Mensch.

Wir trennen beides bewusst, weil die Anforderungen gegensätzlich sind. Eine Antwort darf situativ formuliert sein. Das Verständnis eines Anliegens darf das nicht. Es muss bei gleicher Anfrage immer gleich ausfallen, und es muss begründbar bleiben.

Am Eingang der robot5 ALO arbeitet deshalb eine semantische KI, die Sprache nicht statistisch errät, sondern inhaltlich versteht. Wir nennen diesen Ansatz neurosymbolische KI: Natural Language Understanding kombiniert mit einem Wissensgraphen, in dem Begriffe, Entitäten und ihre Zusammenhänge explizit hinterlegt sind, ergänzt um ein vortrainiertes Weltmodell der jeweiligen Branche. Das System erkennt dadurch, dass unterschiedliche Formulierungen dasselbe Anliegen meinen, welche Folgeschritte ein Vorgang auslöst und welche Angaben dafür noch fehlen. Dieses Wissen liegt nicht implizit in Modellgewichten, sondern offen im System, nachlesbar und veränderbar.

Das hat konkrete Folgen im Betrieb. Änderungen an Begriffen, Regeln und Prozessen pflegt der Fachbereich selbst ein, ohne Entwicklungsprojekt und ohne neues Training. Die Verarbeitung läuft CPU-basiert, die Kosten sind kalkulierbar und hängen nicht an Tokenverbrauch oder Lastspitzen. Und weil das Verhalten reproduzierbar ist, lässt es sich vor der Freigabe testen wie jede andere Fachanwendung auch.

Sprachmodelle sind stark, wenn es um Formulierung und um Wissensfragen geht. Wir setzen sie genau dafür ein, im Antwortassistenten, im Voicebot und im Chatbot, dort auch in Verbindung mit angebundenen Wissensdatenbanken.

Am Eingang eines Fachprozesses ist die Aufgabe eine andere. Dort geht es nicht um einen gut lesbaren Text, sondern um belastbare Felder: Vertrags- und Kundennummer, Datum, Betrag, IBAN, Vorgangsbezug, jeweils geprüft und im richtigen Format. Ein Sprachmodell berechnet Wahrscheinlichkeiten, keine Kausalität. Es liefert bei gleicher Eingabe nicht zwingend dasselbe Ergebnis und begründet seine Entscheidung nicht. Auch Verfahren, die dem Modell passende Textstellen beilegen, ändern daran wenig: Ähnlichkeit ist keine Logik, und fachliche Bedingungen nach dem Muster „dieser Schritt nur, wenn Voraussetzung X erfüllt ist“ lassen sich so kaum sauber abbilden.

Wir kehren die Reihenfolge deshalb um. Zuerst wird das Anliegen semantisch verstanden und gegen das hinterlegte Fachwissen geprüft, dann werden Daten und Regeln aus den Fachsystemen gezogen, und erst danach bekommt das Sprachmodell eine klar umrissene Formulierungsaufgabe. Es entscheidet nicht, es schreibt.

Nicht jeder Vorgang kann vollständig automatisiert werden.

Eindeutige Standardanliegen laufen ohne manuellen Eingriff durch. Bei komplexeren Fällen bereitet die KI den Vorgang vor, ein Mitarbeiter prüft und gibt frei. Anliegen, die eine fachliche Entscheidung brauchen, gehen mit allen bereits erkannten Informationen an den zuständigen Mitarbeiter. Der Mensch bleibt dort eingebunden, wo er gebraucht wird, und wird überall dort entlastet, wo es möglich ist.

Quer durch alle Branchen: Adress- und Stammdatenänderungen, Bankdatenänderungen, SEPA-Mandate, Vertragsänderungen, Kündigungen, Rechnungs- und Statusanfragen, Nachreichungen zu bestehenden Vorgängen.

Branchenspezifisch kommt hinzu, wofür das Weltmodell bereits vortrainiert ist. Bei Energieversorgern und Stadtwerken sind das Zählerstandsmeldungen, Abschlagsänderungen, Tarifwechsel sowie Umzug, Einzug und Auszug. Bei Versicherungen Schadenmeldungen, Vertrags- und Beitragsanpassungen. Im Nahverkehr Fahrgastanliegen, Erstattungs- und Fahrgastrechteanträge sowie Abo- und Ticketverwaltung. In der Personalabteilung eingehende Bewerbungen, Krankmeldungen, Urlaubs- und Zeitkorrekturanträge, Bescheinigungswünsche und Rückfragen zur Abrechnung, die heute meist einzeln aus dem Postfach in die Personalsysteme übertragen werden.

Auch Informationen aus Formularen, handschriftlichen Schreiben oder Fotos, etwa von Zählern oder Belegen, werden extrahiert und strukturiert bereitgestellt.

Die Technologie für Klassifikation und Datenextraktion stammt von deepsearch, unserem Technologiepartner für semantische KI.

Für Ihre Mitarbeiter und für Ihre Kunden ist davon nichts sichtbar. Es gibt eine Oberfläche, ein Event-Modell, eine Statistik und ein Berechtigungskonzept. Die Klassifikation ist kein vorgeschaltetes Zusatzsystem, sondern Teil der Verarbeitungsstrecke in robot5 ALO: Der erkannte Vorgang landet direkt im Routing, im Workflow, in der Wiedervorlage und in der Auswertung.

Wir betreiben die Kanalseite, die Prozesssteuerung und die Verstehensschicht als eine Plattform, und wir kennen die Fachprozesse aus laufenden Projekten in unterschiedlichen Branchen. Das Ergebnis ist keine Sammlung von Werkzeugen, sondern eine Lösung aus einem Guss.