Use Case
Ein gemeinsames Postfach füllt sich täglich mit Anfragen unterschiedlicher Art. Mit einem KI-Schritt zur Klassifikation lassen sich E-Mails automatisch nach Thema, Dringlichkeit und Zuständigkeit sortieren — und an die passende Person oder den passenden Ordner geleitet.
Für wen ist dieser Use Case geeignet?
Dieser Use Case eignet sich für alle, die ein gemeinsames Postfach mit hohem Aufkommen betreuen: Vertrieb, Kundenservice, Personalwesen, Empfang, Office Management, IT-Helpdesk. Typische Adressen sind info@, kontakt@, bewerbung@, support@.
Sie brauchen Zugriff auf das Postfach (z. B. Microsoft 365 oder Google Workspace) und ein Automatisierungstool, das E-Mails als Trigger nutzen kann (n8n, Make, Zapier, Power Automate). Programmierkenntnisse sind nicht erforderlich, aber Grundverständnis für Workflows hilft.
Ausgangsproblem
Eingehende E-Mails sind unstrukturiert: jeder Absender schreibt anders, die Themen mischen sich, die Dringlichkeit ist nicht erkennbar. Eine manuelle Vorsortierung kostet jeden Tag Zeit und ist fehleranfällig — wichtige Mails landen unter dem Spam-Stapel, einfache Anfragen verstopfen das Postfach der Führungskraft.
Mit KI lässt sich diese Vorsortierung automatisieren: die KI liest jede Mail, bestimmt Kategorie und Dringlichkeit und übergibt diese Werte an einen Routing-Schritt. Wichtige Mails gehen direkt an die zuständige Person, einfache Anfragen bekommen eine automatische Eingangsbestätigung, Spam fliegt raus. So bleibt Aufmerksamkeit für das, was wirklich Aufmerksamkeit braucht.
Schritt-für-Schritt-Anleitung
Schritt 1: Kategorien und Routing-Logik festlegen
Bevor die KI etwas klassifiziert, brauchen Sie eine klare Liste von Kategorien und eine Regel, was mit jeder Kategorie passieren soll. Halten Sie es einfach: drei bis sieben Kategorien reichen meist.
- Beispiel Vertrieb: „neue_anfrage“, „bestandskunde“, „presse“, „bewerbung“, „spam“
- Beispiel Support: „technisches_problem“, „rechnung“, „vertragsfrage“, „feedback“, „spam“
- Pro Kategorie eine Zielperson, einen Zielordner oder eine Antwortvorlage definieren
- Eine Restkategorie „sonstiges“ oder „unklar“ für nicht eindeutige Fälle
Schritt 2: E-Mail-Trigger im Automatisierungstool einrichten
Im Tool (n8n, Make, Zapier, Power Automate) konfigurieren Sie einen Trigger, der bei jeder neuen Mail im Postfach ausgelöst wird. Sie geben dabei an, welches Postfach beobachtet wird und welche Felder weitergegeben werden:
- Absender (E-Mail-Adresse, Name)
- Betreff
- Nachrichtentext (Klartext, ohne HTML-Steuerzeichen)
- Anhänge (Liste der Dateinamen — selten der Inhalt selbst)
- Eingangszeitpunkt
Schritt 3: Klassifikations-Prompt schreiben
Der KI-Schritt soll genau ein JSON-Objekt zurückgeben — mit den Kategorien, die Sie vorher festgelegt haben. Wichtig: Die Kategorien explizit als Liste vorgeben, sonst erfindet die KI eigene.
- Kategorie aus fester Liste
- Dringlichkeit aus fester Liste (z. B. „niedrig“, „mittel“, „hoch“)
- Kurzfassung in zwei Sätzen
- Vorgeschlagener nächster Schritt (optional)
Schritt 4: Routing-Schritt anhängen
Hinter dem KI-Schritt folgt ein Verzweigungs-Knoten (in n8n und Zapier „Switch“, in Make „Router“). Für jede Kategorie wird ein eigener Pfad gebaut: an wen weiterleiten, in welchen Ordner verschieben, welche Antwort senden.
- Hohe Dringlichkeit → sofortige Benachrichtigung per Teams oder Slack
- Standardanfrage → in Zielordner verschieben und Eingangsbestätigung senden
- Spam → in Spam-Ordner verschieben oder löschen
- Unklar → in Postfach der Leitung, mit KI-Kurzfassung als Notiz
Schritt 5: Schatten-Modus zur Justierung
Lassen Sie den Workflow zwei Wochen im Schatten-Modus laufen: die KI klassifiziert und protokolliert in einer Tabelle, aber das Routing wird noch manuell entschieden. So sehen Sie, wo die KI gut trifft und wo nicht. Erst danach das automatische Routing aktivieren.
Schritt 6: Kontrolle und Feedback-Schleife
Auch im Produktivbetrieb sollte regelmäßig geprüft werden, wie gut die Klassifikation funktioniert. Ein wöchentlicher Stichprobenblick auf 10 bis 20 Mails reicht, um Drift zu erkennen — etwa wenn neue Themen auftauchen, die in keine Kategorie passen.
Beispielprompt
Aufgabe:
Du bist ein KI-Schritt in einem E-Mail-Routing-Workflow. Du erhältst eine eingehende E-Mail und sollst sie klassifizieren.
Eingabe:
- Absender: {{absender}}
- Absenderadresse: {{absender_email}}
- Betreff: {{betreff}}
- Nachrichtentext: {{nachricht_text}}
Aufgabe:
Klassifiziere die E-Mail und gib das Ergebnis ausschließlich als JSON zurück, mit folgenden Feldern:
- "kategorie": eine von ["neue_anfrage", "bestandskunde", "rechnung", "bewerbung", "presse", "spam", "unklar"]
- "dringlichkeit": eine von ["niedrig", "mittel", "hoch"]
- "kurzfassung": zwei Sätze, in denen das Anliegen sachlich zusammengefasst ist
- "begruendung": ein Satz, warum diese Kategorie gewählt wurde
Wichtig:
- Antworte ausschließlich mit dem JSON-Objekt, ohne weiteren Text.
- Verwende ausschließlich die vorgegebenen Kategorie-Werte.
- Wenn die Mail nicht eindeutig zuzuordnen ist, verwende "unklar".
- Erfinde keine Informationen aus dem Mail-Text.
- Bei Spam erkennbar an typischen Werbe-Mustern, Kettenbriefen oder verdächtigen Links — Kategorie "spam" wählen.Qualitätscheck
Bevor Sie den Workflow produktiv freischalten, prüfen Sie:
- Stimmen die Klassifikationen im Schatten-Modus für mindestens 90 Prozent der Mails?
- Werden Mails der Kategorie „unklar“ zuverlässig an eine Person zur manuellen Prüfung geleitet?
- Funktioniert das Routing auch bei Mails ohne Betreff oder mit leerem Text?
- Ist sichergestellt, dass die KI keine eigenen Kategorien erfindet?
- Ist der KI-Anbieter für die Verarbeitung von E-Mail-Inhalten datenschutzrechtlich freigegeben?
Ein guter Test: Nehmen Sie 20 Mails aus der letzten Woche, klassifizieren Sie sie selbst — und lassen Sie die KI parallel klassifizieren. Bei Abweichungen klären Sie, ob die Kategorie unscharf ist oder der Prompt unklar formuliert.
Risiken und Grenzen
Die KI klassifiziert nicht hundertprozentig fehlerfrei. Wenn eine wichtige Anfrage als Spam markiert wird, kann das Folgen haben — verpasste Aufträge, verärgerte Bewerber, ignorierte Beschwerden. Eine Restkategorie „unklar“ mit manueller Sichtung ist Pflicht.
Wenn Mitarbeitende merken, dass die Mails vorsortiert sind, kann das Vertrauen in das Postfach sinken — vor allem, wenn Mails verschwinden oder verspätet ankommen. Kommunizieren Sie offen, dass eine KI-gestützte Vorsortierung läuft, und stellen Sie sicher, dass jede Mail rückverfolgbar ist.
Datenschutzhinweis
E-Mails enthalten praktisch immer personenbezogene Daten (Absender, Inhalt, Anhänge). Vor dem produktiven Einsatz prüfen Sie: Ist der KI-Anbieter im Auftragsverarbeitungsvertrag freigegeben? Wird der Inhalt auf europäischen Servern verarbeitet? Werden die Daten zum Training verwendet (deaktivieren!)?
Besonders sensibel sind Bewerbungen, Krankmeldungen, Beschwerden mit Gesundheitsbezug und Mails von Betriebsräten. Solche Mails sollten entweder gar nicht oder nur mit zusätzlicher Sicherung durch die KI laufen — etwa durch Vor-Anonymisierung oder durch Begrenzung auf den Betreff. Stimmen Sie das mit dem Datenschutzbeauftragten ab, bevor Sie produktiv schalten.
Passende Tools
- ChatGPT (OpenAI API): in n8n, Make und Zapier als Standard-Knoten verfügbar — gut für Klassifikations-Prompts
- Claude (Anthropic API): sehr verlässlich bei differenzierten Klassifikations-Aufgaben, vor allem bei nuancierten Mails
- Microsoft Copilot / Power Automate: wenn das Postfach in Microsoft 365 liegt — KI-Schritte direkt im Power-Automate-Flow möglich
- Gemini (Google API): für Gmail-Postfächer und Google-Workspace-Umgebungen geeignet; auch über n8n/Make ansprechbar