E-Mail, CRM und Unternehmenswissen: Welchen Kontext ein KI-Assistent braucht
Eine Serviceanfrage besteht nicht nur aus einer E-Mail. Wir zeigen an einem Beispiel, wie Kundenhistorie, aktueller Vorgang und passende Unterlagen zu einem prüfbaren Kontext für einen KI-Assistenten werden.
Montagmorgen, 8:17 Uhr. Ein Kunde schreibt: „Die neue Baugruppe passt nicht zu der Zeichnung, die uns vorliegt. Bitte prüfen Sie kurzfristig, welche Ausführung vereinbart wurde.“
Das Beispiel zeigt die Struktur, keinen echten Kundenfall. Die Anfrage selbst ist kurz. Für eine belastbare Bearbeitung fehlen jedoch mehrere Angaben: Um welchen Auftrag geht es? Welche Baugruppe ist gemeint? Welche Zeichnung hat der Kunde erhalten? Gab es nach dem Auftrag noch eine technische Änderung?
Ein KI-Assistent sollte deshalb nicht einfach eine freundliche Antwort formulieren. Ich empfehle, zuerst den Arbeitskontext zusammenzustellen und sichtbar zu machen, welche Angaben belegt, veraltet oder noch offen sind.
Eine E-Mail ist nur der sichtbare Anfang
Die aktuelle Nachricht beschreibt das Anliegen aus Sicht des Absenders. Sie enthält aber nicht automatisch die gesamte Vorgeschichte. Diese kann im CRM, in früheren E-Mails, in einem Vorgangssystem oder in freigegebenen Dokumenten liegen.
CRM steht für Customer-Relationship-Management. Gemeint ist das System, in dem beispielsweise Kontakte, Kundenaktivitäten und Vorgänge verwaltet werden. Es ist damit vergleichbar mit einer strukturierten Kundenakte.
Für unsere Beispiel-Serviceanfrage unterscheiden wir drei Kontextebenen:
- Kundenhistorie: Wer fragt an, welche Kundenbeziehung und welche bisherigen Vorgänge sind für dieses Anliegen relevant?
- Aktueller Vorgang: Auf welchen Auftrag, welche Lieferung, welche Seriennummer oder welche Änderung bezieht sich die Nachricht?
- Passende Unterlagen: Welche Zeichnungen, Spezifikationen, Auftragsbestätigungen oder internen Hinweise dürfen zur Bearbeitung herangezogen werden?
Diese Trennung ist unsere redaktionelle Empfehlung. Sie soll verhindern, dass eine große Menge an Informationen ohne erkennbare Ordnung an die KI übergeben wird.
1. Die Kundenhistorie eingrenzen
Ich würde nicht pauschal die gesamte E-Mail-Historie eines Kunden übernehmen. Für die Auswahl empfehle ich eine engere Prüffrage: „Welche früheren Informationen brauchen wir, um diese konkrete Anfrage zu bearbeiten?“
Für das Beispiel könnten folgende Angaben relevant sein:
- Kundennummer und Ansprechpartner,
- betroffener Standort oder Geschäftsbereich,
- zugehörige Angebote, Aufträge und Lieferungen,
- frühere Rückfragen zur betroffenen Baugruppe,
- vereinbarte technische Änderungen.
Nicht jede gefundene Information gehört anschließend in eine Antwort. Sie kann zunächst nur dazu dienen, den richtigen Vorgang und die richtigen Unterlagen zu bestimmen.
2. Den aktuellen Vorgang eindeutig zuordnen
Die wichtigste Nummer steht nicht immer in der Betreffzeile. Ein Kunde verwendet vielleicht seine Bestellnummer, während intern eine Auftragsnummer geführt wird. Zusätzlich können Materialnummer, Projektnummer, Seriennummer und Zeichnungsnummer vorkommen.
Wir empfehlen deshalb, die Zuordnung nicht als stillschweigende Annahme zu behandeln. Der Assistent sollte anzeigen, über welche Merkmale er E-Mail und Vorgang verbunden hat.
| Angabe | Beispiel im Vorgang | Prüffrage |
|---|---|---|
| Kunde | Muster Maschinenbau GmbH | Ist der Absender eindeutig diesem Unternehmen zugeordnet? |
| Auftrag | Auftrag 4711 | Wurde die Nummer genannt oder aus anderen Angaben abgeleitet? |
| Objekt | Baugruppe BG-24 | Gibt es mehrere Ausführungen oder Revisionen? |
| Anlass | Abweichung zur vorliegenden Zeichnung | Welche Zeichnung liegt dem Kunden tatsächlich vor? |
Bleibt die Zuordnung unsicher, sollte das Ergebnis keine erfundene Eindeutigkeit vortäuschen. Eine sichtbare offene Frage ist dann wertvoller als eine glatt formulierte Vermutung.
Praxis-Kniff: Wir empfehlen für den Start eine einfache Regel: Sobald zwei plausible Aufträge, Artikel oder Dokumentstände zum Anliegen passen, wird keine automatische Zuordnung vorgenommen. Der Assistent zeigt beide Möglichkeiten und formuliert eine kurze Rückfrage.
3. Unterlagen nicht nur finden, sondern einordnen
Bei RAG werden relevante Inhalte aus angebundenen Datenquellen gesucht und zusammen mit der Anfrage an ein Sprachmodell übergeben. RAG bedeutet „Retrieval-Augmented Generation“, also sinngemäß: Eine erzeugte Antwort wird um zuvor gefundene Informationen ergänzt.
Für unser Beispiel nehmen wir an, dass die Suche eine Angebotszeichnung, eine freigegebene Fertigungszeichnung und eine Änderungsmitteilung liefert. Welche davon soll für die Antwort herangezogen werden? Ich empfehle, diese Auswahl nach den im Unternehmen geltenden Dokumenten- und Freigaberegeln zu prüfen und neben dem Inhalt auch einordnende Angaben zu betrachten.
- Dokumenttitel und Dokumentart,
- zugehöriger Kunde, Auftrag oder Artikel,
- Versions- oder Revisionsstand,
- Datum beziehungsweise letzter Änderungszeitpunkt,
- Ablageort oder Quellverweis,
- Status wie Entwurf, freigegeben oder ersetzt.
Solche Angaben werden als Metadaten bezeichnet. Das sind Informationen über eine Datei, vergleichbar mit dem Etikett auf einem Ordner. Microsoft nennt in seiner Dokumentation zu Microsoft Foundry Dokumenttitel, URLs und Dateinamen als Indexfelder, die die Qualität der Quellenanzeige unterstützen können. Das ist eine Herstellerangabe zu diesem Produktkontext, keine pauschale Qualitätsgarantie für andere Systeme.
Unsere Kontextkarte für Serviceanfragen
Als TRIXNER digital solutions empfehlen wir für den Einstieg eine kleine Kontextkarte. Sie kann zunächst manuell für reale Anfragen ausgefüllt werden. So lässt sich prüfen, welche Informationen ein späterer KI-Assistent anzeigen und welche Lücken er offenlassen soll.
| Feld | Inhalt | Beispiel |
|---|---|---|
| Kunde | Eindeutige Kunden- und Kontaktzuordnung | Muster Maschinenbau GmbH, Frau Beispiel |
| Anliegen | Knappe Beschreibung des aktuellen Arbeitsfalls | Abweichung zwischen gelieferter Baugruppe und Kundenzeichnung |
| Quelle | Nachweis für jede entscheidende Angabe | E-Mail vom 28.09., Auftrag 4711, Zeichnung Z-100 |
| Stand | Datum, Version oder Status der Information | Revision C, freigegeben am 15.09. |
| Offene Frage | Fehlende Angabe, die vor einer Aussage geklärt werden soll | Welche Zeichnungsrevision liegt dem Kunden vor? |
Mit der Karte möchten wir Sachverhalt und Herkunft nebeneinander darstellen. Unser Ziel: Beschäftigte sollen zum Antwortentwurf die zugehörigen Quellen und offenen Punkte prüfen können. Ob die gewählten Felder für den eigenen Ablauf genügen, sollte anhand konkreter Anfragen getestet werden.
Praxis-Kniff: Nehmen Sie fünf anonymisierte Serviceanfragen und füllen Sie die Kontextkarte ohne KI aus. Markieren Sie jedes Feld, für das zwischen E-Mail, CRM und Dokumentablage gewechselt werden muss. Diese Markierungen ergeben eine erste Arbeitsliste für Datenzugriffe und Prozessverbesserungen.
Quellenzuordnung gehört direkt an die Aussage
Technische RAG-Systeme können Antworten mit Verweisen auf konkrete Quelldokumente oder Textabschnitte ausgeben. NIST führt die Dokumentation von Datenquellen, ihrer Herkunft und der in einer RAG-Anwendung vorgenommenen Anpassungen als Maßnahmen für den Umgang mit generativer KI auf.
Für den Arbeitsalltag empfehle ich eine verständliche Darstellung. Eine zentrale Aussage sollte direkt erkennen lassen, worauf sie beruht. Eine lange Quellenliste am Ende reicht dafür aus meiner Sicht nicht aus.
Für das Beispiel könnte der Assistent seine Grundlage so darstellen:
- „Im Auftrag 4711 ist Ausführung B genannt.“
- Quelle: Auftragsbestätigung, Position 20.
- Stand: Dokument vom 4. September.
- Offen: Die vom Kunden verwendete Zeichnungsrevision ist nicht bekannt.
Damit wird zugleich sichtbar, was der Assistent nicht weiß. Fehlende Angaben sollten nicht in einer flüssigen Formulierung verschwinden.
Aktualität ist mehr als ein Dateistempel
Nehmen wir für unser Beispiel zusätzlich an, dass neben der freigegebenen Zeichnung ein später gespeicherter Entwurf liegt. Welche Fassung darf für die Antwort verwendet werden? Ich würde das nicht allein anhand des Dateidatums entscheiden, sondern die geltenden Freigaberegeln prüfen. Dafür empfehlen wir zwei getrennte Angaben:
- Zeitlicher Stand: Wann wurde die Information erstellt oder geändert?
- Fachlicher Status: Ist sie ein Entwurf, freigegeben, ersetzt oder nur als Hinweis abgelegt?
Fehlt eine dieser Angaben, kann der Assistent die Unsicherheit sichtbar kennzeichnen. Ob anschließend eine Rückfrage an eine andere Person sinnvoll ist, hängt vom konkreten Arbeitsfall ab. Daraus sollte keine komplexe Freigabekette als Standard entstehen.
Unser einfaches Arbeitsmodell: sammeln, ordnen, prüfen, entwerfen
- Sammeln: E-Mail, zugehörigen CRM-Vorgang und fachlich passende Unterlagen ermitteln.
- Ordnen: Informationen nach Kunde, Anliegen, Quelle, Stand und offener Frage strukturieren.
- Prüfen: Widersprüche, fehlende Zuordnungen und unklare Dokumentstände anzeigen.
- Entwerfen: Erst danach eine interne Zusammenfassung, Rückfrage oder Antwortvorlage erstellen.
Dieses Arbeitsmodell ist unsere Empfehlung und keine technische Produktvorgabe. Es beginnt bewusst beim Ablauf und bei den Daten. Erst wenn klar ist, welche Informationen Beschäftigte für eine Entscheidung heranziehen, lässt sich die passende KI-Unterstützung eingrenzen.
Fazit: Kontext soll Entscheidungen nachvollziehbarer machen
Aus meiner Sicht ist ein KI-Assistent im Service nicht deshalb nützlich, weil er besonders schnell Text erzeugt. Entscheidend ist, ob er die richtige Kundenhistorie, den aktuellen Vorgang und die passenden Unterlagen nachvollziehbar zusammenführt.
Ich empfehle, Quellen, Dokumentstände und fehlende Angaben direkt neben dem Ergebnis sichtbar zu halten. Unsere Kontextkarte ist als Vorlage gedacht, um den gewünschten Ablauf zuerst fachlich zu beschreiben, bevor über Technik gesprochen wird.
Wenn Sie eine persönliche KI-Assistenz für einen konkreten Arbeitsablauf besprechen möchten, grenzen wir gemeinsam den Arbeitsfall, die benötigten Quellen und die offenen Prüfpunkte ein.
Quellen und Vertiefung
- Retrieval augmented generation (RAG) and indexes in Microsoft Foundry
- Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks
- Query a knowledge base and generate responses based off the retrieved data – Amazon Bedrock
- Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile – NIST AI 600-1
- Guidelines for Large Cases Units – Eurostat
- CRM application 2.0 – Publications Office of the European Union
- RFC 5322: Internet Message Format
- Customer Purchase Order Number – SAP Help Portal
- Material Serial Number – SAP Help Portal
- Oracle Contract Lifecycle Management for Public Sector Purchasing User Guide
- Metadata – NIST CSRC Glossary
- NARA Bulletin 2015-04: Metadata Guidance for the Transfer of Permanent Electronic Records
- Kontakt für KI-Beratung und Automatisierung – TRIXNER digital solutions
Nächster Schritt
Die Fragestellung auf das eigene Unternehmen übertragen.
Im Erstgespräch übertragen wir die Einordnung auf Ihre Ausgangslage und leiten einen realistischen nächsten Schritt ab.
Gründer und fachlicher Leiter von TRIXNER digital solutions. Entwickelt seit 2002 digitale Prozesse, Schnittstellen und Anwendungen; zertifizierter AI-Automations-Manager (Everlast Consulting).