Das Problem: Manuelle Prozesse im E-Commerce
E-Commerce-Unternehmen in Österreich mit 51 bis 200 Mitarbeitern kämpfen mit einem wachsenden Volumen an Support-Tickets und manuellen Dateneingaben. Die Kosten pro Ticket steigen, während die Mitarbeiterzeit für strategische Aufgaben fehlt. Forfis adressiert dieses Problem durch die Integration von KI-Automatisierung in bestehende Systeme. Der Ansatz beginnt mit einem Prozess-Audit, das die Workflows identifiziert, die sich am besten für die Automatisierung eignen. Danach folgt ein Pilot mit festem Umfang, der nach acht bis zwölf Wochen abgeschlossen ist. Der Rollout und die Übergabe in den Managed AI Operations-Betrieb erfolgen innerhalb von sechs Monaten. Die Architektur ist model-agnostisch und nutzt n8n für die Orchestrierung, was eine flexible Integration in bestehende CRMs, ERPs und Helpdesks ermöglicht.
Die Architektur: n8n als Orchestrierungs-Kern
Die Kernkomponente der Lösung ist die n8n-Orchestrierung, die als zentrales Nervensystem dient. n8n verbindet die KI-Modelle mit den bestehenden Systemen über deren APIs. Für die Candidate Screening-Aufgabe werden Lebensläufe aus Google Workspace extrahiert, von einem OpenAI- oder Anthropic-Modell klassifiziert und in einem strukturierten Format zurückgegeben. Die Orchestrierung stellt sicher, dass die Datenflüsse korrekt ablaufen und dass der Human-in-the-Loop-Schritt bei kritischen Entscheidungen aktiviert wird. Die Architektur ist bewusst so gestaltet, dass sie in bestehende Systeme integriert, statt diese zu ersetzen. Dies reduziert das Risiko und die Kosten für die Migration.
Integration: Google Workspace als Datenquelle
Die Integration in Google Workspace erfolgt über die offiziellen APIs. Das System liest E-Mails, Dokumente und Kalenderdaten und schreibt die Ergebnisse zurück. Im Kontext des Candidate Screening werden beispielsweise Lebensläufe aus E-Mail-Anhängen extrahiert, in Google Docs strukturiert und die Kommunikation mit Kandidaten über Gmail automatisiert. Die Daten werden in einem zentralen System verwaltet, das über die n8n-Orchestrierung angesprochen wird. Diese Integration reduziert die manuelle Dateneingabe erheblich und stellt sicher, dass alle Informationen an einem Ort verfügbar sind. Die API-Integration ist stabil und folgt den offiziellen Spezifikationen von Google.
Trade-offs: Kommerzielle APIs vs. Open-Weight-Modelle
Die model-agnostische Architektur bietet zwei Hauptpfade. Für Aufgaben, bei denen die Qualität im Vordergrund steht, werden OpenAI- oder Anthropic-APIs verwendet. Diese Modelle bieten die höchste Genauigkeit bei der Klassifizierung und Extraktion. Wenn regulierte Daten das Gebäude nicht verlassen dürfen, kommen Open-Weight-Modelle auf der eigenen Hardware des Kunden zum Einsatz. Diese Modelle sind weniger genau, aber sie gewährleisten die Datenhoheit. Die Wahl des Modells hängt von den Compliance-Anforderungen und der gewünschten Genauigkeit ab. Forfis empfiehlt, für den Piloten mit den kommerziellen APIs zu beginnen und dann auf Open-Weight-Modelle zu wechseln, wenn die Compliance-Anforderungen es erfordern.
Human-in-the-Loop: Kontrolle und Messung
Der Human-in-the-Loop-Ansatz ist standardmäßig aktiviert. Das KI-Modell erstellt Entwürfe oder klassifiziert Daten, aber eine Person muss alles genehmigen, was Geld, Gesundheitsdaten oder Verträge betrifft. Im Kontext des Candidate Screening bedeutet dies, dass die KI die Lebensläufe vorfiltert, aber die finale Entscheidung über die Einladung zum Interview von einer Person getroffen wird. Jeder Pilot wird mit einem gemessenen Vorher-Nachher-Baseline-Wert für Zykluszeit und Fehlerquote ausgeliefert. Dies ermöglicht es, den Erfolg objektiv zu belegen und die Kostenreduktion pro Support-Ticket zu quantifizieren. Die Messung erfolgt über die bestehenden Systeme und wird in einem Dashboard visualisiert.
Empfehlung: Pilot auf Candidate Screening
Für E-Commerce-Unternehmen in Österreich mit 51 bis 200 Mitarbeitern empfiehlt Forfis, mit einem Piloten auf dem Candidate Screening zu beginnen. Dieser Workflow hat einen hohen manuellen Aufwand und bietet eine klare Messbarkeit. Die Integration in Google Workspace ist einfach und reduziert die manuelle Dateneingabe erheblich. Nach dem Piloten sollte der Rollout auf die Support-Ticket-Verarbeitung erfolgen, um die Kosten pro Ticket zu senken. Die Gesamtdauer von sechs Monaten ist realistisch und ermöglicht es, die Ergebnisse zu messen und zu optimieren. Der Managed AI Operations-Betrieb stellt sicher, dass die Systeme kontinuierlich überwacht und verbessert werden.
Leave a Reply