AI-gestützte Ticket-Triage für Schweizer Fachdienstleister

Prozess-Audit und Roadmap für die Automatisierung

Der erste Schritt ist ein strukturierter Prozess-Audit, das in den ersten zwei Wochen des 8-Wochen-Zeitraums stattfindet. Dabei werden die bestehenden Workflows in der Operations- und Supply-Chain-Abteilung analysiert, um die Workflows zu identifizieren, die sich für die Automatisierung eignen. Der Fokus liegt auf der Reduktion manueller Back-Office-Aufgaben, insbesondere bei der Ticket-Triage und dem Routing. Das Audit liefert eine Roadmap, die festlegt, welche Datenquellen aus dem ERP (SAP oder Microsoft Dynamics) angeschlossen werden müssen und welche Metriken für die Erfolgsmessung relevant sind. Die Ergebnisse fließen direkt in die Planung des Piloten ein, der auf einem einzelnen Workflow basiert.

Architektur: pgvector und semantische Suche

Die technische Basis bildet eine modell-agnostische Architektur, die auf pgvector für die semantische Suche setzt. Die Vektordatenbank wird in die bestehende PostgreSQL-Infrastruktur integriert und indiziert die interne Dokumentation sowie die CRM-Records. Bei der Ticket-Triage liest das LLM den Tickettext, extrahiert die Absicht und sucht in der Vektordatenbank nach relevanten Kontextinformationen. Diese werden dem Modell als Prompt-Kontext übergeben, sodass die Klassifizierung nicht nur auf dem Text, sondern auf dem gesamten Kundenhistorie basiert. Die Latenz bleibt unter 200 ms, was für eine Echtzeit-Triage entscheidend ist.

ERP-Integration und Datenanreicherung

Die Integration in SAP oder Microsoft Dynamics erfolgt über die bestehenden APIs. Das System liest Kundendaten, offene Aufträge und historische Tickets direkt aus dem ERP. Diese Daten werden dem LLM als Kontext übergeben, sodass die Triage auf dem gesamten Kundenhistorie basiert. Die Datenanreicherung umfasst auch die Bereinigung von unvollständigen oder veralteten Datensätzen, die im Audit identifiziert wurden. Durch diese Anbindung wird sichergestellt, dass die Triage nicht nur auf dem Tickettext, sondern auf dem gesamten Kundenhistorie basiert. Die Integration ist so gestaltet, dass sie die bestehenden Prozesse nicht ersetzt, sondern sie ergänzt.

Pilotbetrieb und Human-in-the-Loop

Der Pilotbetrieb läuft in den Wochen 3 bis 6 und konzentriert sich auf einen einzelnen Workflow. Das Modell erstellt einen Entwurf oder eine Klassifizierung, aber jede Zuweisung, die Geld, Gesundheitsdaten oder Verträge betrifft, muss von einer Person freigegeben werden. Im Pilotbetrieb wird jede Entscheidung protokolliert, um die Fehlerquote zu messen und die Prompts zu optimieren. Die Metriken umfassen die Zykluszeit und die Fehlerquote vor und nach der Implementierung. Die Ergebnisse des Piloten fließen in die Entscheidung über die Skalierung auf weitere Abteilungen ein.

Skalierung und Managed-Operation

Nach dem Piloten wird die Triage auf weitere Abteilungen skaliert. Die Skalierung erfolgt durch die Erweiterung der Vektordatenbank und die Anpassung der Routing-Regeln. Da die Architektur modell-agnostisch ist, können neue Abteilungen einfach angeschlossen werden, indem ihre Dokumentationen in pgvector indiziert werden. Die Managed-Operation übernimmt die fortlaufende Pflege der Embeddings und die Überwachung der Modellperformance. Die Reduktion der First-Response-Time wird durch die automatische Zuweisung und die Bereitstellung von Kontextinformationen erreicht. Der Fachbereich hat sofort den vorgeschlagenen Lösungsweg und die relevanten Daten, was die Reaktionszeit deutlich verkürzt.