The Knowledge Chain connects your support function directly to your knowledge base. Once a week, the workflow evaluates the tickets closed over the past seven days, groups similar issues into topics, and derives complete FAQ drafts from them, including title, question phrased in customer language, answer, tags and priority.
\nThe drafts do not go live directly, they land in the review area of your knowledge base. Your content or support team receives a notification with a link and a topic summary, and decides what gets published. The human stays in the one place in the loop that matters: editorial approval. Everything before that, from ticket retrieval to the finished draft, runs automatically.
\nThe practical effect: recurring questions turn into self-service articles before they reach support for the third or fourth time, and ticket frequency shows you which topics actually concern your customers, instead of you having to guess.
\nCopy the prompt below in full into your automation tool or agent builder. As a file: wissens-kette.en.json
\n" } ], "schritte": [ { "nr": 1, "titel": "Time trigger", "beschreibung": "The workflow starts automatically once a week, for example every Friday at 5:00 p.m.", "rolle": "mensch" }, { "nr": 2, "titel": "Retrieve tickets", "beschreibung": "Resolved or closed tickets from the past seven days are loaded from the ticketing system.", "rolle": "automatisch" }, { "nr": 3, "titel": "Cluster topics", "beschreibung": "Similar questions are grouped, and the five to ten most frequent topics are identified along with frequency and relevance score.", "rolle": "automatisch" }, { "nr": 4, "titel": "Create FAQ drafts", "beschreibung": "For each topic, a complete draft is produced with title, customer-facing question, step-by-step answer, tags and priority.", "rolle": "automatisch" }, { "nr": 5, "titel": "Save to the knowledge base", "beschreibung": "All drafts are filed in the review area with tags and priority, not published directly.", "rolle": "automatisch" }, { "nr": 6, "titel": "Notify the content team", "beschreibung": "A message in Slack or Teams points to the new drafts for review, with a link and a topic summary.", "rolle": "ergebnis" } ], "herausgeber": "Voyage Digital", "version": "2.0", "stand": "2026-07-26", "nutzen": [ { "titel": "Knowledge base stays current without manual research", "text": "New topics from support flow in automatically as drafts." }, { "titel": "Fewer repeat tickets", "text": "Recurring questions turn into self-service articles before they land in support again." }, { "titel": "Support relieved", "text": "The same answers no longer need to be written out by hand repeatedly." }, { "titel": "Data driven content priority", "text": "Ticket frequency shows which topics genuinely concern your customers." } ], "voraussetzungen": [ { "label": "Ticketing system", "text": "Zendesk, Freshdesk or a comparable system with API read access to categories.", "icon": "support_agent" }, { "label": "Knowledge base with a draft area", "text": "Notion, Confluence or GitBook.", "icon": "menu_book" }, { "label": "Team chat", "text": "Slack, Teams or Discord for the notice to the content team.", "icon": "notifications" }, { "label": "LLM access", "text": "An API key for OpenAI, Claude or Gemini.", "icon": "key" } ], "betrieb": { "testing": [ { "label": "Manual test run", "text": "Trigger the workflow once by hand and have ten to fifteen test tickets ready.", "icon": "play_circle" }, { "label": "Check ticket retrieval", "text": "Verify that all relevant tickets from the past seven days are loaded correctly.", "icon": "download" }, { "label": "Check clustering and FAQs", "text": "Check whether the topics are grouped sensibly and the drafts are phrased in customer language with clear steps.", "icon": "fact_check" }, { "label": "Test edge cases", "text": "Check behavior with very few and very many tickets, with duplicates, with multilingual tickets and with pure one-off cases.", "icon": "rule" } ], "goLive": [ { "label": "Approve", "text": "Activate the workflow only once ticket retrieval, clustering and FAQ quality hold up in testing.", "icon": "check_circle" }, { "label": "Pilot", "text": "Start with a single product area or a single queue.", "icon": "playlist_add_check" }, { "label": "Set a minimum frequency", "text": "Set a minimum frequency per topic in the prompt, lower with few tickets, higher with high volume.", "icon": "tune" }, { "label": "Review routine", "text": "Establish a fixed, for example monthly, review routine in the content team.", "icon": "event_repeat" } ], "haeufigeFehler": [ { "label": "Minimum count too low", "text": "One-off cases land in the knowledge base. Raise the threshold.", "icon": "filter_alt" }, { "label": "FAQs phrased too technically", "text": "Sharpen the target audience and answer length in the prompt.", "icon": "record_voice_over" }, { "label": "Duplicates", "text": "Build in a duplicate check against the existing knowledge base before saving.", "icon": "content_copy" }, { "label": "No tickets found", "text": "Check the filters for period, status and categories.", "icon": "search_off" } ] }, "arbeitsprompts": [ { "titel": "Ticket Analysis and Clustering", "beschreibung": "Groups the past week's support tickets into topics and rates their relevance for an FAQ.", "prompt": "You are a support analyst. Analyze the following support tickets from the past week and identify the most frequent questions and problems.\n\nTICKETS:\n[TICKET_DATA]\n\nTASK:\n1. Group similar questions and problems.\n2. Identify the five to ten most frequent topics.\n3. Count how often each topic occurs.\n4. Rate the relevance for an FAQ on a scale from 1 to 10.\n\nOUTPUT FORMAT (JSON):\n{\n \"frequent_topics\": [\n {\n \"topic\": \"Short description of the topic\",\n \"frequency\": count,\n \"relevance\": rating from 1 to 10,\n \"example_questions\": [\"Question 1\", \"Question 2\"]\n }\n ]\n}\n\nCRITERIA:\nAt least [MIN_FREQUENCY] occurrences per topic.\nFocus on [PRODUCT_AREA], for example billing, features or technical issues.\nIndividual one-off cases are ignored." }, { "titel": "FAQ Creation", "beschreibung": "Turns the clustered topics into complete, customer-facing FAQ entries with tags and priority.", "prompt": "You are a technical writer. Create professional FAQ entries based on the following frequent support questions.\n\nFREQUENT QUESTIONS:\n[FREQUENT_TOPICS]\n\nTASK:\nCreate a complete FAQ entry for each topic with:\n1. A concise title, at most 60 characters\n2. A clearly phrased question, the way customers would actually ask it\n3. An understandable, step-by-step answer\n4. Relevant tags for categorization\n\nOUTPUT FORMAT (JSON):\n{\n \"faq_entries\": [\n {\n \"title\": \"...\",\n \"question\": \"...\",\n \"answer\": \"...\",\n \"tags\": [\"tag1\", \"tag2\"],\n \"priority\": \"high/medium/low\"\n }\n ]\n}\n\nSTYLE:\nTone: [BRAND_VOICE]\nTarget audience: [TARGET_AUDIENCE]\nAnswer length: [ANSWER_LENGTH]\nAvoid jargon and complicated phrasing.\nUse clear steps, examples and, where useful, links to [DOCUMENTATION_URL]." } ], "prompt": "GOAL\nBuild a workflow that analyzes support tickets weekly, clusters frequent questions, and creates finished FAQ drafts in the review area of the knowledge base, including a notification to the content team.\n\nAdapt the structure to the concepts of your automation tool (for example nodes, steps, zaps, or agent actions). While doing so, preserve the trigger logic, the sequence, and the data flow.\n\nTRIGGER\nType: scheduled, weekly, for example every Friday at 5:00 p.m.\nScope: resolved or closed tickets from the past seven days from the ticketing system (for example Zendesk or Freshdesk).\n\nSTEPS (sequential)\n1. Retrieve tickets: all resolved or closed tickets from the past seven days, with subject, description, category and resolution.\n2. AI step: topic clustering. Use exactly the working prompt \"Ticket Analysis and Clustering\" (see the Working Prompts section). Output is JSON with the field frequent_topics.\n3. AI step: create FAQ drafts. Use exactly the working prompt \"FAQ Creation\", with the JSON from step 2 as input. Output is JSON with the field faq_entries.\n4. Duplicate check: check the drafts against existing entries in the knowledge base. Discard duplicates or flag them as an update.\n5. Save: file all remaining drafts in the review area of the knowledge base (Notion, Confluence or GitBook), including tags and priority.\n6. Output: notify the content team in Slack or Teams, with a link to the review area and a topic summary including frequencies.\n\nPROMPT SPECIFICATIONS\nThere are two fixed working prompts for this workflow, see the Working Prompts section. Take both over unchanged and in full into step 2 and step 3.\n\nDATA FLOW\nStep 1 to step 2: the retrieved tickets from the past seven days.\nStep 2 to step 3: the JSON field frequent_topics, with topic, frequency, relevance and example questions.\nStep 3 to steps 4 and 5: the JSON field faq_entries, with title, question, answer, tags and priority.\nStep 5 to step 6: the filed draft links and the topic list with frequencies.\n\nERROR HANDLING\nNo tickets found: end the run with a notice instead of empty drafts, and check the period, status and category filters.\nTopic below the defined minimum frequency: discard it, one-off cases do not belong in the knowledge base.\nAI returns no valid JSON: retry the step once, then abort the run and report the error.\nDraft is a duplicate of an existing entry: always check every draft against the current knowledge base before saving.\n\nPLACEHOLDER CONVENTION\nAll placeholders in square brackets in the working prompts are variables. The ticket data and the JSON field frequent_topics are mapped dynamically, as described in the data flow. Minimum frequency, product area, tone of voice, target audience, answer length and documentation URL are not dynamic: set these yourself before activation. List all placeholders that require manual configuration separately at the end.\n\nSELF CHECK BEFORE COMPLETION\nCheck, before you report the workflow as finished:\n1. Are all six steps connected correctly and in the right order?\n2. Are both working prompts inserted completely and unchanged, and is the data flow between them mapped correctly?\n3. Is the JSON output of both AI steps parsed correctly, and does the duplicate check apply before saving?\n4. Are all points listed that require manual configuration: ticketing system access, knowledge base area, team chat channel, LLM access, minimum frequency, product area, tone of voice, target audience, answer length and documentation URL?", "einrichtung": { "intro": "Two routes lead to the same result. Pick the one that fits your setup.", "varianten": [ { "variante": "Builder-Prompt", "einleitung": "Suitable when you want to build the workflow in your own automation tool.", "schritte": [ "Open your workflow tool, for example n8n, Make, Zapier or Langdock.", "Create a new workflow and give it a name.", "Choose the AI-assisted build option if your tool offers one.", "Paste the builder prompt from above in full.", "Check the result against the step sequence in this document, then add your access credentials and channels." ] }, { "variante": "JSON-Import", "einleitung": "Suitable when you want to take the workflow over unchanged.", "schritte": [ "Download the JSON file from the JSON export section.", "Open the workflow area of your tool and create a new workflow.", "Give it a name and confirm.", "Open the menu on the workflow name and choose to import a JSON file.", "Upload the file, then add your own access credentials.", "Run a test before you activate the workflow." ] } ] }, "exportMeta": { "datei": "w10_wissens-kette__workflow.json", "format": "voyage-workflow/1" }, "download": { "schema": "voyage-workflow/1", "name": "Die Wissens-Kette", "beschreibung": "Analysiert wöchentlich per Zeitplan die gelösten Support-Tickets der letzten sieben Tage, clustert die häufigsten Themen in einem Durchgang und lässt für jedes Thema in einer Schleife einen FAQ-Entwurf direkt in der Wissensdatenbank ablegen, inklusive Benachrichtigung des Content-Teams nach Abschluss der Schleife.", "trigger": { "typ": "Zeitgesteuert, wöchentlich (Cron-Zeitplan)", "bedingung": "Standardmäßig jeden Freitag um 17:00 Uhr, Cron-Ausdruck 0 17 * * 5. Uhrzeit, Wochentag und Wiederholung sind frei einstellbar, zum Beispiel täglich (0 17 * * *), monatlich am Ersten (0 17 1 * *) oder mehrmals täglich (0 9,17 * * *)." }, "schritte": [ { "nr": 1, "titel": "Zeit-Trigger", "rolle": "mensch", "aktion": "Ein Cron-Trigger startet den Lauf automatisch nach Zeitplan, standardmäßig jeden Freitag um 17:00 Uhr. Der Zeitplan wird einmalig eingerichtet und läuft danach ohne weiteres Zutun.", "prompt_ref": null, "eingang": [], "ausgang": [ "Trigger-Zeitpunkt" ] }, { "nr": 2, "titel": "Tickets abrufen", "rolle": "automatisch", "aktion": "Das Ticket-System wird mit einer Suchabfrage abgefragt, die gelöste und geschlossene Tickets der letzten sieben Tage liefert (Filter status:solved status:closed created>7daysago), sortiert nach Erstellungsdatum, neueste zuerst.", "prompt_ref": null, "eingang": [ "Trigger-Zeitpunkt" ], "ausgang": [ "Tickets der letzten sieben Tage: Betreff, Beschreibung, Kategorie, Lösung" ] }, { "nr": 3, "titel": "Themen clustern", "rolle": "automatisch", "aktion": "Ein KI-Schritt wertet alle abgerufenen Tickets in einem einzigen Durchgang aus und liefert eine strukturierte Ausgabe mit einer Liste identifizierter häufiger Fragen (common_questions), der Gesamtzahl ausgewerteter Tickets (total_tickets_analyzed) und einer Zusammenfassung der Hauptthemen (summary). Die Feinstruktur je Frage, also Thema, Häufigkeit, Relevanz und Beispiel-Fragen, ergibt sich aus dem Arbeitsprompt und ist nicht als eigenes Schema im Baustein hinterlegt. Diese Liste ist die Grundlage für die anschließende Schleife.", "prompt_ref": "arbeitsprompt-1", "eingang": [ "Tickets der letzten sieben Tage" ], "ausgang": [ "Strukturierte Ausgabe: common_questions (Liste), total_tickets_analyzed (Zahl), summary (Text)" ] }, { "nr": 4, "titel": "FAQ-Entwürfe erstellen", "rolle": "automatisch", "aktion": "Eine Schleife verarbeitet jede Frage aus common_questions einzeln und sequenziell, begrenzt auf maximal zwanzig Durchläufe als Sicherheitslimit. In jedem Durchlauf erzeugt ein KI-Schritt aus der jeweiligen Frage eine strukturierte Ausgabe mit Titel, kundennaher Frage und Antwort sowie Tags als kommagetrennter Text. Eine eigene Priorität wird in dieser Ausgabe nicht erzeugt.", "prompt_ref": "arbeitsprompt-2", "eingang": [ "common_questions aus Schritt 3, eine Frage je Schleifendurchlauf" ], "ausgang": [ "Strukturierte Ausgabe je Durchlauf: title, question, answer, tags" ] }, { "nr": 5, "titel": "In der Wissensdatenbank speichern", "rolle": "automatisch", "aktion": "Noch innerhalb desselben Schleifendurchlaufs wird aus der Ausgabe des vorigen Schritts direkt eine neue Seite in der Wissensdatenbank angelegt: Titel mit dem Präfix Entwurf, Inhalt aus Frage und Antwort im Fließtext, Status Entwurf und Tags als Eigenschaften. Ein Dublettenabgleich gegen bestehende Einträge ist im Ablauf nicht eingebaut und müsste bei Bedarf ergänzt werden. Nach dem letzten Durchlauf schließt die Schleife, auch wenn einzelne Durchläufe zuvor fehlgeschlagen sind.", "prompt_ref": null, "eingang": [ "Strukturierte Ausgabe aus Schritt 4, je Durchlauf" ], "ausgang": [ "Neue Seite je Frage im Review-Bereich der Wissensdatenbank" ] }, { "nr": 6, "titel": "Content-Team benachrichtigen", "rolle": "ergebnis", "aktion": "Nach Abschluss der Schleife geht eine Nachricht an den Team-Kanal, die auf Basis der Ausgabe aus Schritt 3 die Gesamtzahl ausgewerteter Tickets, die Anzahl identifizierter Themen als Näherung für die Anzahl neuer Entwürfe und die Zusammenfassung nennt. Der Zielkanal wird entweder automatisch passend gewählt oder ist fest hinterlegt.", "prompt_ref": null, "eingang": [ "Neue Seiten im Review-Bereich, Zusammenfassung aus Schritt 3" ], "ausgang": [ "Benachrichtigung im Team-Kanal" ] } ], "prompts": { "arbeitsprompt-1": { "titel": "Ticket-Analyse und Clustering", "text": "Sie sind ein Support-Analyst. Analysieren Sie die folgenden Support-Tickets der letzten Woche und identifizieren Sie die häufigsten Fragen und Probleme.\n\nTICKETS:\n[TICKET_DATEN]\n\nAUFGABE:\n1. Gruppieren Sie ähnliche Fragen und Probleme.\n2. Identifizieren Sie die fünf bis zehn häufigsten Themen.\n3. Zählen Sie, wie oft jedes Thema vorkommt.\n4. Bewerten Sie die Relevanz für eine FAQ auf einer Skala von 1 bis 10.\n\nOUTPUT-FORMAT (JSON):\n{\n \"haeufige_fragen\": [\n {\n \"thema\": \"Kurze Beschreibung des Themas\",\n \"haeufigkeit\": Anzahl,\n \"relevanz\": Bewertung von 1 bis 10,\n \"beispiel_fragen\": [\"Frage 1\", \"Frage 2\"]\n }\n ]\n}\n\nKRITERIEN:\nMindestens [MIN_HAEUFIGKEIT] Vorkommen pro Thema.\nFokus auf [PRODUKT_BEREICH], zum Beispiel Abrechnung, Features oder technische Probleme.\nIndividuelle Einzelfälle werden ignoriert." }, "arbeitsprompt-2": { "titel": "FAQ-Erstellung", "text": "Sie sind ein Technical Writer. Erstellen Sie professionelle FAQ-Einträge basierend auf den folgenden häufigen Support-Fragen.\n\nHÄUFIGE FRAGEN:\n[HAEUFIGE_FRAGEN]\n\nAUFGABE:\nErstellen Sie für jedes Thema einen vollständigen FAQ-Eintrag mit:\n1. Einem prägnanten Titel, maximal 60 Zeichen\n2. Einer klar formulierten Frage, so wie Kundinnen und Kunden sie stellen würden\n3. Einer verständlichen, schrittweisen Antwort\n4. Relevanten Tags zur Kategorisierung\n\nOUTPUT-FORMAT (JSON):\n{\n \"faq_eintraege\": [\n {\n \"titel\": \"...\",\n \"frage\": \"...\",\n \"antwort\": \"...\",\n \"tags\": [\"tag1\", \"tag2\"],\n \"prioritaet\": \"hoch/mittel/niedrig\"\n }\n ]\n}\n\nSTIL:\nTon: [BRAND_VOICE]\nZielgruppe: [ZIELGRUPPE]\nAntwortlänge: [ANTWORT_LAENGE]\nVermeiden Sie Fachjargon und komplizierte Formulierungen.\nNutzen Sie klare Schritte, Beispiele und, wo sinnvoll, Links zu [DOKUMENTATION_URL]." } }, "datenfluss": [ { "von": 1, "nach": 2, "nutzlast": "Trigger-Zeitpunkt der Cron-Auslösung" }, { "von": 2, "nach": 3, "nutzlast": "Tickets der letzten sieben Tage: Betreff, Beschreibung, Kategorie, Lösung" }, { "von": 3, "nach": 4, "nutzlast": "common_questions (Liste), total_tickets_analyzed (Zahl), summary (Text); die Schleife entnimmt je Durchlauf eine Frage aus common_questions" }, { "von": 4, "nach": 5, "nutzlast": "title, question, answer, tags aus demselben Schleifendurchlauf, direkt weitergereicht an die neue Seite in der Wissensdatenbank" }, { "von": 5, "nach": 5, "nutzlast": "Die Schleife wiederholt Schritt 4 und 5 für die nächste Frage aus common_questions, bis alle Fragen verarbeitet sind oder das Limit von zwanzig Durchläufen erreicht ist" }, { "von": 5, "nach": 6, "nutzlast": "Nach Schleifenende: total_tickets_analyzed, common_questions.length als Näherung für die Anzahl neuer Entwürfe, summary" } ], "voraussetzungen": [ "Ticket-System mit API-Lesezugriff auf Kategorien, zum Beispiel Zendesk oder Freshdesk", "Wissensdatenbank mit Entwurfs- oder Review-Bereich, zum Beispiel Notion, Confluence oder GitBook", "Team-Chat für die Benachrichtigung, zum Beispiel Slack, Teams oder Discord", "LLM-Zugang per API-Key (OpenAI, Claude oder Gemini)" ], "fehlerbehandlung": [ { "fall": "Ticket-Abruf schlägt fehl", "massnahme": "Der Lauf wird gestoppt, die Fehlerstrategie des Abruf-Schritts steht auf Stopp. Zeitraum-, Status- und Kategoriefilter der Suchabfrage prüfen." }, { "fall": "Keine Tickets gefunden", "massnahme": "Lauf mit Hinweis-Benachrichtigung beenden statt leerer Entwürfe zu erzeugen." }, { "fall": "Cluster-Schritt liefert kein valides Ergebnis", "massnahme": "Der Lauf wird gestoppt, die Fehlerstrategie steht auf Stopp. Schritt einmal wiederholen, danach Fehler melden." }, { "fall": "Ein einzelner Schleifendurchlauf, FAQ-Erstellung oder Speichern, schlägt fehl", "massnahme": "Die Schleife läuft mit der nächsten Frage weiter statt den gesamten Lauf abzubrechen, die Fehlerstrategie am Schleifenende steht auf Fortfahren. Fehlgeschlagene Einzeldurchläufe im Log prüfen." }, { "fall": "Thema unter der festgelegten Mindesthäufigkeit", "massnahme": "Thema verwerfen, Einzelfälle gehören nicht in die Wissensdatenbank." }, { "fall": "FAQ-Entwurf ist inhaltlich Dublette eines bestehenden Eintrags", "massnahme": "Ein Dublettenabgleich ist im Ablauf nicht eingebaut. Vor dem Speichern selbst ergänzen, sonst entstehen doppelte Entwürfe." }, { "fall": "FAQ-Entwürfe wirken zu technisch formuliert", "massnahme": "Zielgruppe und Antwortlänge im Arbeitsprompt schärfen." }, { "fall": "Team-Benachrichtigung schlägt fehl", "massnahme": "Der Lauf wird gestoppt, die Fehlerstrategie steht auf Stopp. Zielkanal und Zugriffsrechte prüfen." } ], "platzhalter": [ { "name": "MIN_HAEUFIGKEIT", "quelle": "Bracket-Platzhalter im Arbeitsprompt Ticket-Analyse und Clustering, Mindestanzahl an Vorkommen pro Thema, vor Aktivierung festlegen" }, { "name": "PRODUKT_BEREICH", "quelle": "Bracket-Platzhalter im Arbeitsprompt Ticket-Analyse und Clustering, Fokusbereich der Themenanalyse" }, { "name": "BRAND_VOICE", "quelle": "Bracket-Platzhalter im Arbeitsprompt FAQ-Erstellung, Tonalität der Texte" }, { "name": "ZIELGRUPPE", "quelle": "Bracket-Platzhalter im Arbeitsprompt FAQ-Erstellung, Zielgruppe der Texte" }, { "name": "ANTWORT_LAENGE", "quelle": "Bracket-Platzhalter im Arbeitsprompt FAQ-Erstellung, gewünschte Antwortlänge" }, { "name": "DOKUMENTATION_URL", "quelle": "Bracket-Platzhalter im Arbeitsprompt FAQ-Erstellung, Verlinkung zu bestehender Dokumentation, sofern sinnvoll" }, { "name": "searchQuery", "quelle": "Suchfilter des Ticket-Abrufs im Ticket-System, Standard status:solved status:closed created>7daysago" }, { "name": "sortBy / sortOrder", "quelle": "Sortierung des Ticket-Abrufs, Standard nach Erstellungsdatum, neueste zuerst" }, { "name": "Cron-Ausdruck", "quelle": "Zeitplan des Triggers, Standard 0 17 * * 5 für Freitag 17:00 Uhr" }, { "name": "maxIterations", "quelle": "Sicherheitslimit der Schleife über die identifizierten Fragen, Standard zwanzig Durchläufe" }, { "name": "parentId / parentType", "quelle": "Zielort der neuen Seite in der Wissensdatenbank, Standard oberste Arbeitsbereichs-Ebene als Seiten-ID" }, { "name": "channelId", "quelle": "Zielkanal der Team-Benachrichtigung, automatisch gewählt oder fest hinterlegt, zum Beispiel ein Kanal für das Content-Team" } ], "herausgeber": "Voyage Digital", "version": "2.0", "stand": "2026-07-26" }, "itemIcon": "book-open-text", "recommended": [ { "slug": "dokumenten-kette", "category": "workflow", "name": "The Document Chain", "teaser": "An automation building block that reviews new documents in cloud storage, turns them into a structured summary, and notifies the team with a direct link.", "domaene": "Recherche & Wissensmanagement", "itemIcon": "files" }, { "slug": "presse-kette", "category": "workflow", "name": "The Press Chain", "teaser": "A daily workflow that filters industry news by relevance using AI and delivers it as a categorized briefing in the team channel, instead of someone scrolling through feeds by hand.", "domaene": "Recherche & Wissensmanagement", "itemIcon": "newspaper" }, { "slug": "wettbewerbs-spur", "category": "workflow", "name": "The Competitor Trail", "teaser": "A daily workflow that collects new competitor posts from RSS feeds and turns them into a prioritized trend report for the content team.", "domaene": "Recherche & Wissensmanagement", "itemIcon": "swords" }, { "slug": "ticket-schiene", "category": "workflow", "name": "The Ticket Pipeline", "teaser": "The Ticket Pipeline automatically categorizes new IT support tickets, searches the knowledge base for matching solutions, and routes them to the responsible team for a final human check before a reply goes out.", "domaene": "Kundensupport & Service", "itemIcon": "ticket" }, { "slug": "benchmark-raster", "category": "skill", "name": "The Benchmark Grid", "teaser": "Places your key metrics next to solid industry benchmarks and turns the comparison into an action plan, not just a numbers exercise.", "domaene": "Recherche & Wissensmanagement", "itemIcon": "gauge" }, { "slug": "kurzbericht-skript", "category": "skill", "name": "The Executive Summary Script", "teaser": "Condenses long reports and studies into an executive summary of no more than 500 words, focused on figures, key findings, and their concrete relevance to your business.", "domaene": "Recherche & Wissensmanagement", "itemIcon": "file-text" }, { "slug": "wettbewerbs-raster", "category": "skill", "name": "The Competitor Matrix", "teaser": "The Competitor Matrix researches a competitor from publicly available sources and condenses the findings into a one-page battle card ready for your next sales conversation.", "domaene": "Recherche & Wissensmanagement", "itemIcon": "swords" }, { "slug": "konkurrenzvergleichs-analyst", "category": "assistent", "name": "The Competitor Comparison Analyst", "teaser": "Compares 2 to 3 concrete competitors along a clearly defined comparison point and delivers a structured comparison table, strategic insights and positioning opportunities for the next 30 days.", "domaene": "Recherche & Wissensmanagement", "itemIcon": "columns-3" }, { "slug": "sekundaerrecherche-sichter", "category": "assistent", "name": "The Secondary Research Scanner", "teaser": "Runs an initial secondary market analysis on market size, target audiences, competition and trends and delivers a structured overview with an optional SWOT as the starting point for strategic planning.", "domaene": "Recherche & Wissensmanagement", "itemIcon": "library-big" }, { "slug": "notion-skills", "category": "tool", "name": "notion-skills", "teaser": "A package of four Claude Skills that turn conversations, research, meetings, and specifications into structured Notion pages with source attribution and task tracking.", "domaene": "Recherche & Wissensmanagement" }, { "slug": "rm-skills", "category": "tool", "name": "rm-skills", "teaser": "rm-skills is an MIT-licensed package of six standalone Claude skills for Gmail triage, infographic generation, LinkedIn asset analysis, tweet reading, video performance analysis and X account monitoring.", "domaene": "Recherche & Wissensmanagement" } ] }