Ein Großteil der Supportanfragen ist bereits in der FAQ beantwortet, geht aber trotzdem im Ticketsystem unter, weil niemand vor dem Ticket erst sucht. Dieser Workflow übernimmt genau diesen Schritt: Er liest jede neue Anfrage, extrahiert das eigentliche Anliegen und durchsucht damit gezielt Ihre Wissensdatenbank.
\nDer Kern ist der eingebaute Confidence Check. Statt jede Anfrage pauschal automatisch zu beantworten, bewertet ein zweiter Schritt, wie gut die gefundenen Artikel das Anliegen tatsächlich abdecken. Erst ab einer definierten Schwelle geht eine personalisierte Self Service Antwort raus. Darunter landet die Anfrage inklusive Kontext und gefundenen Artikeln direkt als Ticket bei Ihrem Team, statt eine unpassende Antwort zu riskieren.
\nDer Mensch bleibt an zwei Stellen in der Schleife: bei der Festlegung und späteren Justierung der Schwelle, und bei allen Fällen, die der Workflow selbst als zu unsicher einstuft. So sinkt das Ticketvolumen für Standardfragen, ohne dass komplexe Anliegen automatisiert falsch beantwortet werden.
\nKopieren Sie den Prompt unten in Ihr Automations-Tool oder Ihren Agent-Builder. Als Datei: selfservice-staffel.de.json
\n" } ], "schritte": [ { "nr": 1, "titel": "Trigger: neue Kundenanfrage", "beschreibung": "Der Ablauf startet, sobald eine neue Anfrage per Chat oder E-Mail eingeht.", "rolle": "mensch" }, { "nr": 2, "titel": "Anfrage analysieren", "beschreibung": "Ein KI-Schritt bestimmt Hauptanliegen, Suchbegriffe, Kategorie und Dringlichkeit der Anfrage.", "rolle": "automatisch" }, { "nr": 3, "titel": "FAQ durchsuchen", "beschreibung": "Die extrahierten Suchbegriffe fragen das Help Center ab, die relevantesten Treffer werden gesammelt.", "rolle": "automatisch" }, { "nr": 4, "titel": "Confidence bewerten", "beschreibung": "Ein zweiter KI-Schritt prüft, wie gut die gefundenen Treffer zum Anliegen passen, und vergibt eine Lösungswahrscheinlichkeit von 0 bis 100 Prozent.", "rolle": "automatisch" }, { "nr": 5, "titel": "Self-Service-Antwort senden", "beschreibung": "Ab der gesetzten Schwelle, im Ausgangspunkt 80 Prozent, verschickt der Ablauf eine personalisierte Mail mit 2 bis 3 passenden FAQ-Links.", "rolle": "automatisch" }, { "nr": 6, "titel": "Ticket anlegen", "beschreibung": "Unter der Schwelle geht die Anfrage inklusive Kontext und gefundenen Artikeln als Ticket an das Support-Team.", "rolle": "mensch" }, { "nr": 7, "titel": "Im CRM dokumentieren", "beschreibung": "Kategorie, gewählter Pfad und Confidence-Wert werden im CRM festgehalten, damit FAQ-Lücken sichtbar werden.", "rolle": "ergebnis" } ], "herausgeber": "Voyage Digital", "version": "2.0", "stand": "2026-07-26", "nutzen": [ { "titel": "Weniger Tickets im Backlog", "text": "FAQ-beantwortbare Anfragen werden automatisch abgeschlossen, statt zusätzlich im Ticketsystem zu landen." }, { "titel": "Schnellere Rückmeldung", "text": "Die passende Antwort geht heraus, sobald die Confidence-Schwelle erreicht ist, statt im Backlog auf Bearbeitung zu warten." }, { "titel": "Saubere Eskalation", "text": "Anfragen unterhalb der Schwelle gehen mit vollem Kontext und den gefundenen Artikeln an Ihr Team, statt automatisiert unpassend beantwortet zu werden." }, { "titel": "FAQ-Lücken sichtbar", "text": "Anfragen ohne ausreichenden Treffer zeigen im CRM, wo Inhalte in der Wissensdatenbank fehlen." } ], "voraussetzungen": [ { "label": "Ticket-System", "text": "Zendesk, Freshdesk oder ein vergleichbares Tool für Anfragen und Tickets.", "icon": "support_agent" }, { "label": "Knowledge Base", "text": "Notion, Confluence oder Zendesk Guide, mit API-Zugriff.", "icon": "menu_book" }, { "label": "E-Mail-Tool", "text": "Gmail, Outlook oder ein vergleichbares Tool für den Versand der Self-Service-Antworten.", "icon": "mail" }, { "label": "LLM-Zugang und CRM", "text": "Zugang zu OpenAI, Claude oder Gemini sowie eine CRM-Anbindung, etwa HubSpot oder Salesforce, für die Dokumentation.", "icon": "key" } ], "betrieb": { "testing": [ { "label": "Test-Anfrage", "text": "Spielen Sie eine FAQ-relevante Frage durch, zum Beispiel „Passwort zurücksetzen?\".", "icon": "outgoing_mail" }, { "label": "Analyse und Suche", "text": "Prüfen Sie, ob Hauptanliegen und Suchbegriffe korrekt erkannt werden und 2 bis 3 relevante Artikel gefunden werden.", "icon": "search" }, { "label": "Confidence und Pfad", "text": "Prüfen Sie, ob die Bewertung nachvollziehbar ist und die Schwelle korrekt greift.", "icon": "percent" }, { "label": "Edge Cases", "text": "Testen Sie eine andere Sprache, eine unklare Anfrage, mehrere Anliegen in einer Nachricht und einen Grenzfall nahe der Schwelle.", "icon": "rule" } ], "goLive": [ { "label": "Freigeben", "text": "Aktivieren Sie den Ablauf erst, wenn Klassifikation, Antwort und CRM-Eintrag sauber zusammenspielen.", "icon": "check_circle" }, { "label": "Konservativ starten", "text": "Beginnen Sie mit einer einzelnen Anfragekategorie und einer Schwelle von 80 Prozent, senken Sie diese erst danach schrittweise.", "icon": "tune" }, { "label": "Stichproben", "text": "Prüfen Sie die Antwortqualität über mehrere Tage stichprobenartig.", "icon": "visibility" }, { "label": "Ausbauen", "text": "Ergänzen Sie später ein Follow-up nach 24 Stunden, eine Sentiment-Analyse und mehrsprachige Unterstützung.", "icon": "rocket_launch" } ], "haeufigeFehler": [ { "label": "Keine FAQ-Treffer", "text": "Prüfen Sie die Keyword-Extraktion und die Suchparameter.", "icon": "search_off" }, { "label": "Confidence dauerhaft niedrig", "text": "Schärfen Sie den Bewertungs-Prompt oder senken Sie die Schwelle.", "icon": "trending_down" }, { "label": "Antwort wird nicht gesendet", "text": "Prüfen Sie die E-Mail-Integration und die SMTP-Einstellungen.", "icon": "send" }, { "label": "Antwort wirkt roboterhaft", "text": "Kalibrieren Sie Ton und Länge im Prompt anhand von Beispielen.", "icon": "smart_toy" } ] }, "arbeitsprompts": [ { "titel": "Prompt: Anfrage-Analyse", "beschreibung": "Extrahiert Hauptanliegen, Suchbegriffe, Kategorie und Dringlichkeit aus der Kundenanfrage.", "prompt": "Sie sind ein Kundenservice-Assistent. Analysieren Sie die folgende Kundenanfrage und extrahieren Sie die wichtigsten Informationen.\n\nKundenanfrage:\n[KUNDENANFRAGE]\n\nAufgaben:\n1. Benennen Sie das Hauptanliegen der Anfrage in einem Satz.\n2. Extrahieren Sie drei bis fünf relevante Suchbegriffe für die FAQ-Suche.\n3. Kategorisieren Sie die Anfrage (zum Beispiel technisches Problem, Abrechnung, Produktfrage, Account-Verwaltung).\n4. Schätzen Sie die Dringlichkeit ein (niedrig, mittel, hoch).\n\nAntworten Sie im folgenden JSON-Format:\n{\n \"hauptanliegen\": \"...\",\n \"keywords\": [\"...\", \"...\", \"...\"],\n \"kategorie\": \"...\",\n \"dringlichkeit\": \"...\"\n}" }, { "titel": "Prompt: Lösungswahrscheinlichkeit", "beschreibung": "Bewertet, wie gut die gefundenen FAQ-Artikel das Anliegen abdecken, und gibt eine Lösungswahrscheinlichkeit zurück.", "prompt": "Sie sind ein Qualitätsprüfer für Kundenservice. Bewerten Sie, ob die gefundenen FAQ-Artikel die Kundenanfrage ausreichend beantworten.\n\nKundenanfrage:\n[KUNDENANFRAGE]\n\nHauptanliegen:\n[HAUPTANLIEGEN]\n\nGefundene FAQ-Artikel:\n[FAQ_ARTIKEL]\n\nAufgaben:\n1. Prüfen Sie, ob die FAQ-Artikel das Hauptanliegen vollständig adressieren.\n2. Bewerten Sie Relevanz und Vollständigkeit der Informationen.\n3. Vergeben Sie eine Lösungswahrscheinlichkeit von 0 bis 100 Prozent.\n4. Begründen Sie Ihre Bewertung in ein bis zwei Sätzen.\n\nBewertungskriterien:\n80 bis 100 Prozent: Die FAQ beantwortet die Frage vollständig und präzise.\n50 bis 79 Prozent: Die FAQ enthält relevante Informationen, aber möglicherweise nicht vollständig.\n0 bis 49 Prozent: Die FAQ ist nicht ausreichend oder irrelevant.\n\nAntworten Sie im folgenden JSON-Format:\n{\n \"lösungswahrscheinlichkeit\": 85,\n \"begründung\": \"...\",\n \"empfohlene_artikel\": [\"Artikel-Link 1\", \"Artikel-Link 2\"],\n \"empfehlung\": \"self-service\" oder \"support-ticket\"\n}" }, { "titel": "Prompt: Self-Service-Antwort", "beschreibung": "Formuliert aus den empfohlenen FAQ-Artikeln eine fertige Self-Service-Antwort.", "prompt": "Sie sind ein freundlicher Kundenservice-Mitarbeiter. Erstellen Sie eine hilfreiche Self-Service-Antwort für die Kundin oder den Kunden.\n\nKundenanfrage:\n[KUNDENANFRAGE]\n\nEmpfohlene FAQ-Artikel:\n[EMPFOHLENE_ARTIKEL]\n\nAufgaben:\n1. Begrüßen Sie die Kundin oder den Kunden freundlich und bestätigen Sie das Anliegen.\n2. Erklären Sie kurz, wie die FAQ-Artikel weiterhelfen.\n3. Listen Sie zwei bis drei relevante FAQ-Artikel mit Links und kurzer Beschreibung auf.\n4. Bieten Sie an, bei weiterem Bedarf ein Support-Ticket zu eröffnen.\n5. Verwenden Sie einen [TONALITÄT]-Ton und halten Sie die Antwort [LÄNGE].\n\nStruktur: persönliche Begrüßung, kurze Zusammenfassung des Anliegens, zwei bis drei FAQ-Artikel mit Link und Kurzbeschreibung, Hinweis auf weitere Hilfe, freundliche Grußformel.\n\nAntworten Sie direkt mit der fertigen E-Mail, kein JSON." } ], "prompt": "ZIEL\nBauen Sie einen Ablauf, der neue Kundenanfragen automatisch analysiert, passende FAQ-Artikel sucht, eine Lösungswahrscheinlichkeit bewertet und je nach Ergebnis eine Self-Service-Antwort sendet oder ein Support-Ticket mit vollem Kontext anlegt.\n\nPassen Sie die Struktur an die Konzepte Ihres Automations-Tools an (zum Beispiel Nodes, Steps, Zaps oder Agenten-Aktionen). Erhalten Sie dabei die Trigger-Logik, die Reihenfolge, die Verzweigung und den Datenfluss.\n\nTRIGGER\nTyp: neue Kundenanfrage per Chat oder E-Mail.\n\nSCHRITTE\n1. KI-Schritt: Anfrage-Analyse. Verwenden Sie exakt den Arbeitsprompt „Anfrage-Analyse\" (siehe Abschnitt Arbeitsprompts). Ausgabe: JSON mit hauptanliegen, keywords, kategorie, dringlichkeit.\n2. FAQ durchsuchen: Fragen Sie Ihr Help Center oder Ihre Knowledge Base mit den Keywords ab und sammeln Sie die Top-Treffer mit Links.\n3. KI-Schritt: Confidence-Bewertung. Verwenden Sie exakt den Arbeitsprompt „Lösungswahrscheinlichkeit\" (siehe Abschnitt Arbeitsprompts). Ausgabe: JSON mit lösungswahrscheinlichkeit, begründung, empfohlene_artikel, empfehlung.\n4. Verzweigung: Liegt die empfehlung bei „self-service\" und die lösungswahrscheinlichkeit bei oder über der Schwelle (Ausgangswert 80 Prozent), setzen Sie den KI-Schritt Self-Service-Antwort ein. Verwenden Sie exakt den Arbeitsprompt „Self-Service-Antwort\" (siehe Abschnitt Arbeitsprompts) und versenden Sie die erzeugte E-Mail an den Kunden.\n5. Sonst: Legen Sie ein Support-Ticket an, mit Original-Anfrage, Analyse-JSON, gefundenen Artikeln und der Begründung der Confidence-Bewertung als Kontext.\n6. Beide Zweige: Dokumentieren Sie Kategorie, gewählten Pfad (self-service oder Ticket) und Confidence-Wert im CRM.\n\nPROMPTS\nÜbernehmen Sie die drei Arbeitsprompts aus dem gleichnamigen Abschnitt unverändert und vollständig.\n\nDATENFLUSS\nTrigger zu Schritt 1, 3 und 5: Original-Anfrage.\nSchritt 1 zu Schritt 2: Keywords, für die FAQ-Suche. Hauptanliegen zusätzlich für Schritt 3.\nSchritt 2 zu Schritt 3: gefundene Top-Treffer.\nSchritt 3 zu Schritt 4: empfohlene Artikel; Lösungswahrscheinlichkeit und Empfehlung steuern die Verzweigung.\nSchritt 1 und 3 zu Schritt 6: Kategorie, gewählter Pfad, Confidence-Wert.\n\nFEHLERBEHANDLUNG\nKeine FAQ-Treffer: Legen Sie direkt ein Support-Ticket an (Zweig 5) und prüfen Sie Keyword-Extraktion und Suchparameter.\nKein valides JSON aus einem KI-Schritt: einmal wiederholen, danach als sicheren Default ein Support-Ticket anlegen.\nUnklare Anfrage oder mehrere Anliegen: Support-Ticket statt Self-Service-Antwort.\nAnfrage in anderer Sprache: Self-Service-Antwort in der Sprache der Anfrage verfassen, im Zweifel ein Ticket anlegen.\nVersand der Antwort schlägt fehl: E-Mail-Integration prüfen und den Fall zusätzlich als Ticket anlegen.\n\nPLATZHALTER-KONVENTION\nAlle Platzhalter in eckigen Klammern in den Arbeitsprompts mappen Sie dynamisch aus Anfrage-, Analyse- und FAQ-Daten, wie im Datenfluss beschrieben. Nicht dynamisch sind Tonalität und Länge der Self-Service-Antwort sowie die Confidence-Schwelle: Diese legen Sie vor der Aktivierung selbst fest, konservativ mit 80 Prozent beginnend. Listen Sie alle manuell zu konfigurierenden Platzhalter am Ende gesondert auf.\n\nSELBSTPRÜFUNG VOR ABSCHLUSS\nPrüfen Sie, bevor Sie den Ablauf als fertig melden:\n1. Sind alle Schritte korrekt verbunden, insbesondere die Verzweigung Self-Service oder Ticket und die CRM-Dokumentation in beiden Zweigen?\n2. Sind alle drei Arbeitsprompts vollständig und unverändert eingesetzt, und sind alle dynamischen Platzhalter gemappt?\n3. Greift die Confidence-Schwelle korrekt, und werden die JSON-Ausgaben sauber verarbeitet?\n4. Sind alle Punkte aufgelistet, die manuell konfiguriert werden müssen: Anfrage-Kanal, Zugang zu Knowledge Base und Help Center, E-Mail-Versand, Ticket-System, CRM-Zugang, Tonalität, Länge und Schwelle?", "einrichtung": { "intro": "Zwei Wege führen zum Ziel. Wählen Sie den, der zu Ihrem Setup passt.", "varianten": [ { "variante": "Builder-Prompt", "einleitung": "Geeignet, wenn Sie den Workflow in Ihrem eigenen Automations-Tool aufbauen möchten.", "schritte": [ "Öffnen Sie Ihr Workflow-Tool, etwa n8n, Make, Zapier oder Langdock.", "Legen Sie einen neuen Workflow an und vergeben Sie einen Namen.", "Wählen Sie die KI-gestützte Erstellung, sofern Ihr Tool sie anbietet.", "Fügen Sie den Builder-Prompt von oben vollständig ein.", "Prüfen Sie das Ergebnis gegen die Schrittfolge in diesem Dokument und ergänzen Sie Zugänge und Kanäle." ] }, { "variante": "JSON-Import", "einleitung": "Geeignet, wenn Sie den Workflow unverändert übernehmen möchten.", "schritte": [ "Laden Sie die JSON-Datei aus dem Abschnitt JSON-Export herunter.", "Öffnen Sie den Workflow-Bereich Ihres Tools und legen Sie einen neuen Workflow an.", "Vergeben Sie einen Namen und bestätigen Sie die Anlage.", "Öffnen Sie das Menü am Workflow-Namen und wählen Sie den Import einer JSON-Datei.", "Laden Sie die Datei hoch und hinterlegen Sie anschließend Ihre eigenen Zugänge.", "Führen Sie einen Testlauf durch, bevor Sie den Workflow aktivieren." ] } ] }, "exportMeta": { "datei": "w11_selfservice-staffel__workflow.json", "format": "voyage-workflow/1" }, "download": { "schema": "voyage-workflow/1", "name": "Die Selfservice-Staffel", "beschreibung": "Analysiert eingehende Kundenanfragen per KI, durchsucht die FAQ nach passenden Artikeln, bewertet eine Lösungswahrscheinlichkeit und sendet je nach Ergebnis eine Self-Service-Antwort an den Kunden oder legt ein Support-Ticket mit vollem Kontext an. Beide Zweige dokumentieren Kategorie, Pfad und Confidence-Wert im CRM.", "trigger": { "typ": "Manueller Trigger (Testkonfiguration im Referenzexport)", "bedingung": "Der Ablauf ist im Referenzexport als manueller Trigger angelegt, gedacht zum Testen der Logik. Für den Produktivbetrieb ersetzen Sie ihn durch einen Integrations-Trigger für eine neue Kundenanfrage: eingehende E-Mail, zum Beispiel über Gmail oder Outlook, ein neues Ticket im Ticket-System, zum Beispiel Zendesk, einen Webhook oder ein Formular." }, "schritte": [ { "nr": 1, "titel": "Trigger: neue Kundenanfrage", "rolle": "mensch", "aktion": "Eine neue Kundenanfrage geht per Chat oder E-Mail ein und startet den Ablauf. Im Referenzexport ist der Startknoten als manueller Trigger für Testzwecke angelegt. Für den Produktivbetrieb wird er durch einen Integrations-Trigger ersetzt, etwa einen E-Mail-Eingang, ein neues Support-Ticket, einen Webhook oder ein Formular.", "prompt_ref": null, "eingang": [], "ausgang": [ "Original-Anfrage (Freitext)" ] }, { "nr": 2, "titel": "Anfrage analysieren", "rolle": "automatisch", "aktion": "Ein KI-Schritt liest die Anfrage mit dem Arbeitsprompt Anfrage-Analyse und erzeugt eine strukturierte Ausgabe mit den Pflichtfeldern main_concern (Hauptanliegen), search_keywords (Suchbegriffe), category (Kategorie) und urgency (Dringlichkeit). Der Arbeitsprompt selbst fragt nach einem JSON mit den deutschen Feldnamen hauptanliegen, keywords, kategorie und dringlichkeit. Die zugrunde liegende strukturierte Ausgabe des Knotens führt dieselben Werte unter den vier oben genannten technischen Feldnamen, die von den folgenden Schritten direkt referenziert werden.", "prompt_ref": "arbeitsprompt-1", "eingang": [ "Original-Anfrage" ], "ausgang": [ "Feld main_concern", "Feld search_keywords", "Feld category", "Feld urgency" ] }, { "nr": 3, "titel": "FAQ durchsuchen", "rolle": "automatisch", "aktion": "Ein Suchknoten fragt eine hinterlegte Wissensdatenbank mit dem Feld search_keywords ab und liefert die relevantesten Treffer mit Links. Im Referenzexport sind standardmäßig bis zu zehn Ergebnisse vorgesehen, einstellbar zwischen einem und fünfzig. Die Wissensdatenbank muss vor der Aktivierung tatsächlich als Quelle hinterlegt sein, sonst liefert der Schritt grundsätzlich keine Treffer.", "prompt_ref": null, "eingang": [ "Feld search_keywords aus der Analyse" ], "ausgang": [ "Gefundene FAQ-Treffer mit Links" ] }, { "nr": 4, "titel": "Confidence bewerten", "rolle": "automatisch", "aktion": "Ein zweiter KI-Schritt prüft mit dem Arbeitsprompt Lösungswahrscheinlichkeit, wie gut die gefundenen Treffer das Anliegen abdecken. Die strukturierte Ausgabe enthält die Pflichtfelder solution_probability (Zahl von 0 bis 100) und assessment (Begründung) sowie die optionalen Felder customer_response, das bei hoher Wahrscheinlichkeit bereits den fertigen Antworttext an den Kunden enthält, und relevant_articles mit den passendsten FAQ-Titeln oder Links. Ein eigener Routing-Schritt prüft anschließend ausschließlich den Zahlenwert solution_probability gegen eine Schwelle, im Referenzexport standardmäßig auf 70 Prozent gesetzt, mit den Zweigen hohe Wahrscheinlichkeit oberhalb und niedrige Wahrscheinlichkeit bei oder unterhalb der Schwelle. Der Arbeitsprompt selbst fragt zusätzlich nach einem Feld empfehlung mit dem Wert self-service oder support-ticket, dieses Feld steuert die Verzweigung im Referenzexport jedoch nicht, dort entscheidet allein der Zahlenwert. Legen Sie die Schwelle vor der Aktivierung selbst fest, konservativ mit 80 Prozent beginnend, und senken Sie sie erst nach Stichproben.", "prompt_ref": "arbeitsprompt-2", "eingang": [ "Original-Anfrage", "Feld main_concern aus der Analyse", "Gefundene FAQ-Treffer" ], "ausgang": [ "Feld solution_probability", "Feld assessment", "Feld customer_response (bei hoher Wahrscheinlichkeit)", "Feld relevant_articles", "Routing-Ergebnis hohe oder niedrige Wahrscheinlichkeit" ] }, { "nr": 5, "titel": "Self-Service-Antwort senden", "rolle": "automatisch", "aktion": "Liegt das Routing-Ergebnis bei hoher Wahrscheinlichkeit, versendet ein Aktions-Schritt die E-Mail mit den Feldern to, subject und body. Im Referenzexport wird das Feld body direkt aus dem in Schritt 4 erzeugten Feld customer_response übernommen, ein eigener dritter KI-Aufruf für die Antwort findet dort nicht statt. Der Betreff wird vom Modell zur Laufzeit aus dem Anfragekontext erzeugt, der Empfänger automatisch aus dem Kontext ermittelt, im Referenzexport über eine bereits verbundene Gmail-Integration, austauschbar gegen Outlook oder ein anderes Postfach. Wer Bewertung und Antworttext bewusst trennen möchte, setzt an dieser Stelle stattdessen einen eigenen KI-Schritt mit dem Arbeitsprompt Self-Service-Antwort ein und übergibt dessen Ergebnis in das Feld body.", "prompt_ref": "arbeitsprompt-3", "eingang": [ "Feld customer_response aus der Bewertung", "Original-Anfrage und Kontext für Empfänger und Betreff" ], "ausgang": [ "Versendete Self-Service-E-Mail (Felder to, subject, body)" ] }, { "nr": 6, "titel": "Ticket anlegen", "rolle": "mensch", "aktion": "Liegt das Routing-Ergebnis bei niedriger Wahrscheinlichkeit, legt ein Aktions-Schritt ein Ticket mit den Feldern subject, priority und description an. Das Feld subject wird aus dem Feld main_concern der Analyse übernommen, das Feld priority aus dem Feld urgency. Das Feld description erzeugt das Modell zur Laufzeit aus Original-Anfrage, Analyse-Ergebnis und der Begründung der Bewertung, damit das Support-Team den vollen Kontext hat. Die Verbindung zum Ticket-System, im Referenzexport Zendesk, muss vor der Aktivierung hinterlegt werden.", "prompt_ref": null, "eingang": [ "Feld main_concern aus der Analyse", "Feld urgency aus der Analyse", "Original-Anfrage, Analyse- und Bewertungsergebnis für die Beschreibung" ], "ausgang": [ "Angelegtes Support-Ticket (Felder subject, priority, description)" ] }, { "nr": 7, "titel": "Im CRM dokumentieren", "rolle": "ergebnis", "aktion": "Beide Zweige laufen an einem Zusammenführungspunkt wieder zusammen, im Referenzexport ein eigener Knoten ohne weitere Konfiguration, bevor ein Aktions-Schritt den CRM-Kontakt aktualisiert. Die Felder sind contactId, automatisch aus dem Kontext ermittelt, und properties als Freitext, der unter anderem das Feld category aus der Analyse und das Feld solution_probability aus der Bewertung festhält sowie, ob der Fall über Self-Service oder als Ticket gelaufen ist. Als mögliche weitere CRM-Felder nennt der Referenzexport unter anderem das Datum der letzten Support-Interaktion, den Interaktionstyp, die Anfragekategorie und einen Zufriedenheitswert, das sind Vorschläge und keine Pflichtfelder. Die Verbindung zum CRM, im Referenzexport HubSpot, muss vor der Aktivierung hinterlegt werden.", "prompt_ref": null, "eingang": [ "Ergebnis aus dem Self-Service- oder Ticket-Zweig", "Feld category aus der Analyse", "Feld solution_probability aus der Bewertung" ], "ausgang": [ "Aktualisierter CRM-Kontakt (Felder contactId, properties)" ] } ], "prompts": { "arbeitsprompt-1": { "titel": "Anfrage-Analyse", "text": "Sie sind ein Kundenservice-Assistent. Analysieren Sie die folgende Kundenanfrage und extrahieren Sie die wichtigsten Informationen.\n\nKundenanfrage:\n[KUNDENANFRAGE]\n\nAufgaben:\n1. Benennen Sie das Hauptanliegen der Anfrage in einem Satz.\n2. Extrahieren Sie drei bis fünf relevante Suchbegriffe für die FAQ-Suche.\n3. Kategorisieren Sie die Anfrage (zum Beispiel technisches Problem, Abrechnung, Produktfrage, Account-Verwaltung).\n4. Schätzen Sie die Dringlichkeit ein (niedrig, mittel, hoch).\n\nAntworten Sie im folgenden JSON-Format:\n{\n \"hauptanliegen\": \"...\",\n \"keywords\": [\"...\", \"...\", \"...\"],\n \"kategorie\": \"...\",\n \"dringlichkeit\": \"...\"\n}" }, "arbeitsprompt-2": { "titel": "Lösungswahrscheinlichkeit", "text": "Sie sind ein Qualitätsprüfer für Kundenservice. Bewerten Sie, ob die gefundenen FAQ-Artikel die Kundenanfrage ausreichend beantworten.\n\nKundenanfrage:\n[KUNDENANFRAGE]\n\nHauptanliegen:\n[HAUPTANLIEGEN]\n\nGefundene FAQ-Artikel:\n[FAQ_ARTIKEL]\n\nAufgaben:\n1. Prüfen Sie, ob die FAQ-Artikel das Hauptanliegen vollständig adressieren.\n2. Bewerten Sie Relevanz und Vollständigkeit der Informationen.\n3. Vergeben Sie eine Lösungswahrscheinlichkeit von 0 bis 100 Prozent.\n4. Begründen Sie Ihre Bewertung in ein bis zwei Sätzen.\n\nBewertungskriterien:\n80 bis 100 Prozent: Die FAQ beantwortet die Frage vollständig und präzise.\n50 bis 79 Prozent: Die FAQ enthält relevante Informationen, aber möglicherweise nicht vollständig.\n0 bis 49 Prozent: Die FAQ ist nicht ausreichend oder irrelevant.\n\nAntworten Sie im folgenden JSON-Format:\n{\n \"lösungswahrscheinlichkeit\": 85,\n \"begründung\": \"...\",\n \"empfohlene_artikel\": [\"Artikel-Link 1\", \"Artikel-Link 2\"],\n \"empfehlung\": \"self-service\" oder \"support-ticket\"\n}" }, "arbeitsprompt-3": { "titel": "Self-Service-Antwort", "text": "Sie sind ein freundlicher Kundenservice-Mitarbeiter. Erstellen Sie eine hilfreiche Self-Service-Antwort für die Kundin oder den Kunden.\n\nKundenanfrage:\n[KUNDENANFRAGE]\n\nEmpfohlene FAQ-Artikel:\n[EMPFOHLENE_ARTIKEL]\n\nAufgaben:\n1. Begrüßen Sie die Kundin oder den Kunden freundlich und bestätigen Sie das Anliegen.\n2. Erklären Sie kurz, wie die FAQ-Artikel weiterhelfen.\n3. Listen Sie zwei bis drei relevante FAQ-Artikel mit Links und kurzer Beschreibung auf.\n4. Bieten Sie an, bei weiterem Bedarf ein Support-Ticket zu eröffnen.\n5. Verwenden Sie einen [TONALITÄT]-Ton und halten Sie die Antwort [LÄNGE].\n\nStruktur: persönliche Begrüßung, kurze Zusammenfassung des Anliegens, zwei bis drei FAQ-Artikel mit Link und Kurzbeschreibung, Hinweis auf weitere Hilfe, freundliche Grußformel.\n\nAntworten Sie direkt mit der fertigen E-Mail, kein JSON." } }, "datenfluss": [ { "von": 1, "nach": 2, "nutzlast": "Original-Anfrage als Eingabe für die Analyse" }, { "von": 2, "nach": 3, "nutzlast": "Feld search_keywords aus der Analyse als Suchbegriffe für die FAQ-Suche" }, { "von": 3, "nach": 4, "nutzlast": "Gefundene FAQ-Treffer als Eingabe für die Bewertung" }, { "von": 4, "nach": 5, "nutzlast": "Bei Routing-Ergebnis hohe Wahrscheinlichkeit: Feld customer_response aus der Bewertung wird unverändert in das Feld body der Self-Service-Mail übernommen" }, { "von": 4, "nach": 6, "nutzlast": "Bei Routing-Ergebnis niedrige Wahrscheinlichkeit: Feld main_concern in das Feld subject des Tickets, Feld urgency in das Feld priority, Original-Anfrage und Bewertungsbegründung in die Feldbeschreibung" }, { "von": 5, "nach": 7, "nutzlast": "Ergebnis des Self-Service-Zweigs läuft am Zusammenführungspunkt mit dem Ticket-Zweig zusammen, bevor der CRM-Kontakt aktualisiert wird" }, { "von": 6, "nach": 7, "nutzlast": "Ergebnis des Ticket-Zweigs läuft am Zusammenführungspunkt mit dem Self-Service-Zweig zusammen, bevor der CRM-Kontakt aktualisiert wird" }, { "von": 2, "nach": 7, "nutzlast": "Feld category aus der Analyse fließt in die CRM-Aktualisierung ein" }, { "von": 4, "nach": 7, "nutzlast": "Feld solution_probability aus der Bewertung fließt in die CRM-Aktualisierung ein" } ], "voraussetzungen": [ "Ticket-System mit API-Zugriff für Anfragen und Tickets, zum Beispiel Zendesk oder Freshdesk", "Knowledge Base beziehungsweise Knowledge Folder mit API-Zugriff und tatsächlich hinterlegten FAQ-Inhalten, zum Beispiel Notion, Confluence oder Zendesk Guide", "E-Mail-Tool für den Versand der Self-Service-Antworten, zum Beispiel Gmail oder Outlook", "LLM-Zugang, zum Beispiel OpenAI, Claude oder Gemini", "CRM-Anbindung für die Dokumentation, zum Beispiel HubSpot oder Salesforce", "Vor der Aktivierung festgelegte Confidence-Schwelle: Der Referenzexport liefert einen technischen Standardwert von 70 Prozent, empfohlen wird ein konservativerer Start bei 80 Prozent", "Vor der Aktivierung ein Integrations-Trigger anstelle des testweise manuellen Starts, etwa E-Mail-Eingang, neues Ticket, Webhook oder Formular" ], "fehlerbehandlung": [ { "fall": "Ein einzelner Schritt schlägt technisch fehl, etwa durch einen API-Timeout", "massnahme": "Im Referenzexport sind sämtliche Schritte mit der Fehlerstrategie Abbruch konfiguriert, der gesamte Lauf hält dann an. Ergänzen Sie in Ihrem Automations-Tool projektspezifisch Wiederholungen oder einen Fallback-Pfad, bevor Sie den Ablauf produktiv schalten." }, { "fall": "Keine FAQ-Treffer gefunden", "massnahme": "Direkt ein Support-Ticket anlegen (Schritt 6) und Keyword-Extraktion sowie Suchparameter prüfen." }, { "fall": "Knowledge Base beziehungsweise Knowledge Folder ist nicht als Quelle hinterlegt", "massnahme": "Vor der Aktivierung die FAQ- und Help-Center-Inhalte in die hinterlegte Wissensquelle laden, sonst liefert die Suche grundsätzlich keine Treffer." }, { "fall": "Kein valides strukturiertes Ergebnis aus einem KI-Schritt", "massnahme": "Den Schritt einmal wiederholen, danach als sicheren Default ein Support-Ticket anlegen." }, { "fall": "Unklare Anfrage oder mehrere Anliegen in einer Nachricht", "massnahme": "Support-Ticket statt Self-Service-Antwort anlegen." }, { "fall": "Anfrage in anderer Sprache", "massnahme": "Self-Service-Antwort in der Sprache der Anfrage verfassen, im Zweifel ein Ticket anlegen." }, { "fall": "Versand der Self-Service-Antwort schlägt fehl", "massnahme": "E-Mail-Integration prüfen und den Fall zusätzlich als Ticket anlegen." }, { "fall": "Verbindung zum Ticket-System ist nicht konfiguriert", "massnahme": "Vor der Aktivierung die Verbindung zum Ticket-System, im Referenzexport Zendesk, im entsprechenden Schritt hinterlegen." }, { "fall": "Verbindung zum CRM ist nicht konfiguriert", "massnahme": "Vor der Aktivierung die Verbindung zum CRM, im Referenzexport HubSpot, im entsprechenden Schritt hinterlegen." }, { "fall": "Confidence dauerhaft niedrig über viele Anfragen hinweg", "massnahme": "Bewertungs-Prompt schärfen oder Schwelle absenken, dabei nicht ohne geprüfte Stichproben unter den empfohlenen Startwert von 80 Prozent gehen." }, { "fall": "Antwort wirkt roboterhaft", "massnahme": "Ton und Länge im Prompt anhand von Beispielen kalibrieren." } ], "platzhalter": [ { "name": "KUNDENANFRAGE", "quelle": "Original-Anfrage aus Schritt 1, dynamisch gemappt" }, { "name": "HAUPTANLIEGEN", "quelle": "Entspricht dem Feld main_concern aus der Analyse in Schritt 2, dynamisch gemappt" }, { "name": "FAQ_ARTIKEL", "quelle": "Gefundene Treffer aus Schritt 3, dynamisch gemappt" }, { "name": "EMPFOHLENE_ARTIKEL", "quelle": "Entspricht dem Feld relevant_articles aus der Bewertung in Schritt 4, dynamisch gemappt" }, { "name": "TONALITÄT", "quelle": "Vorgegebener Ton für die Self-Service-Antwort, vor der Aktivierung manuell festgelegt" }, { "name": "LÄNGE", "quelle": "Vorgegebene Antwortlänge, vor der Aktivierung manuell festgelegt" }, { "name": "main_concern", "quelle": "Strukturiertes Pflichtfeld des Analyse-Schritts, fließt automatisch in das Feld subject des Tickets" }, { "name": "search_keywords", "quelle": "Strukturiertes Pflichtfeld des Analyse-Schritts, steuert die FAQ-Suche" }, { "name": "category", "quelle": "Strukturiertes Pflichtfeld des Analyse-Schritts, fließt in die CRM-Aktualisierung" }, { "name": "urgency", "quelle": "Strukturiertes Pflichtfeld des Analyse-Schritts, fließt automatisch in das Feld priority des Tickets" }, { "name": "solution_probability", "quelle": "Strukturiertes Pflichtfeld des Bewertungs-Schritts, steuert den Routing-Schritt und fließt in die CRM-Aktualisierung" }, { "name": "assessment", "quelle": "Strukturiertes Pflichtfeld des Bewertungs-Schritts, Begründung der Wahrscheinlichkeit" }, { "name": "customer_response", "quelle": "Optionales Feld des Bewertungs-Schritts, nur bei hoher Wahrscheinlichkeit gesetzt, fließt automatisch in das Feld body der Self-Service-Mail" }, { "name": "relevant_articles", "quelle": "Optionales Feld des Bewertungs-Schritts, Liste der passendsten FAQ-Titel oder Links" } ], "herausgeber": "Voyage Digital", "version": "2.0", "stand": "2026-07-26" }, "itemIcon": "life-buoy", "recommended": [ { "slug": "ticket-schiene", "category": "workflow", "name": "Die Ticket-Schiene", "teaser": "Ein Workflow, der neu eingehende IT-Support-Tickets automatisch kategorisiert, in der Knowledge Base nach passenden Lösungen sucht und sie dem richtigen Team zuweist.", "domaene": "Kundensupport & Service", "itemIcon": "ticket" }, { "slug": "feedback-route", "category": "workflow", "name": "Die Feedback-Route", "teaser": "Ein täglicher Automatik-Report, der eingehendes Kundenfeedback nach Sentiment und Themen ordnet und kritische Fälle sofort ins Team meldet.", "domaene": "Kundensupport & Service", "itemIcon": "message-square-quote" }, { "slug": "antwort-schleife", "category": "workflow", "name": "Die Antwort-Schleife", "teaser": "Bei jedem neuen Support-Ticket durchsucht dieser Workflow automatisch die FAQ-Wissensbasis und legt einen passenden Antwort-Entwurf ins Ticket.", "domaene": "Kundensupport & Service", "itemIcon": "reply" }, { "slug": "ticket-route", "category": "workflow", "name": "Die Ticket-Route", "teaser": "Ein Workflow, der neu eingehende Support-Tickets automatisch nach Kategorie und Dringlichkeit einordnet, dem zuständigen Team zuweist und eine personalisierte Erstantwort vorbereitet.", "domaene": "Kundensupport & Service", "itemIcon": "route" }, { "slug": "cognigy-ai", "category": "tool", "name": "Cognigy AI", "teaser": "Düsseldorfer Enterprise-Plattform für konversationelle KI, mit mehrsprachigen Voice- und Chat-Agents für Kundenservice in regulierten Branchen.", "domaene": "Kundensupport & Service", "logoFile": "cognigy-ai.svg", "logoEinzug": 1 }, { "slug": "octonomy", "category": "tool", "name": "Octonomy", "teaser": "Plattform für autonome Support-Agenten, die Kundenanfragen im E-Commerce und SaaS-Umfeld eigenständig bearbeiten und komplexe Fälle an Menschen eskalieren.", "domaene": "Kundensupport & Service", "logoFile": "octonomy.png", "logoEinzug": 0.78 }, { "slug": "parloa", "category": "tool", "name": "Parloa", "teaser": "Deutsche Voice-AI-Plattform für Enterprise-Kundenservice: KI-Agents für Telefon und Chat mit CRM-Integration und deutscher Datenhoheit.", "domaene": "Kundensupport & Service", "logoFile": "parloa.png", "logoEinzug": 0.78 }, { "slug": "zendesk-ai-agents", "category": "tool", "name": "Zendesk AI Agents", "teaser": "Native KI-Agenten von Zendesk für autonome Ticketlösung in E-Mail, Chat, Voice und Social, eng eingebettet in Zendesk-Tickets, Workflows und Wissensbasis.", "domaene": "Kundensupport & Service", "logoFile": "zendesk-ai-agents.svg", "logoEinzug": 1 }, { "slug": "faq-kurator", "category": "assistent", "name": "Der FAQ-Kurator", "teaser": "Beantwortet wiederkehrende Fragen konsistent aus Ihren FAQ-Unterlagen, nennt jeweils die Quelle und eskaliert sauber an einen Menschen, wenn die Antwort dort nicht steht.", "domaene": "Kundensupport & Service", "itemIcon": "help-circle" }, { "slug": "aufgaben-raster", "category": "skill", "name": "Das Aufgaben-Raster", "teaser": "Liest Meeting-Protokolle, E-Mails oder andere Texte und extrahiert daraus alle offenen Aufgaben, explizite wie implizite, mit Verantwortlichen und Terminen.", "domaene": "Betrieb & Projektmanagement", "itemIcon": "list-checks" } ] }