1. Voice-Agent übernimmt 70 Prozent der Routine-Tickets
Ein 15-Personen-Team in der Medtech-Branche bearbeitet monatlich 500 Support-Tickets, von denen 70 Prozent Routineanfragen sind. Der Voice-Agent von Forfis übernimmt diese Tickets über die n8n-Orchestrierung, klassifiziert sie anhand von Schlüsselwörtern und leitet sie an die passende Abteilung weiter. Die Bearbeitungszeit sinkt von 12 Minuten auf 30 Sekunden, während die Senior-Mitarbeiter sich auf die komplexen 30 Prozent konzentrieren. Die Integration erfolgt über die Zendesk-API, und die DSGVO wird durch Open-Weight-Modelle auf der eigenen Hardware des Kunden eingehalten, sodass Patientendaten das Gebäude nicht verlassen.
2. Zweiwöchiger Audit liefert messbare Baseline
Der Audit dauert zwei Wochen und liefert eine messbare Baseline: durchschnittliche Durchlaufzeit pro Ticket, Fehlerquote und Kosten pro Vorgang. In Woche 1 analysiert Forfis die bestehenden Prozesse und identifiziert die häufigsten Anfragetypen. In Woche 2 wird ein fester Pilot-Scope definiert, der einen spezifischen Workflow wie die Triage von Rechnungsanfragen abdeckt. Am Ende liegt ein ROI-Berechnungsblatt vor, das die erwartete Einsparung von 3.000 Euro monatlich bei 500 Tickets belegt. Diese Zahlen bilden die Grundlage für die Entscheidung über den Rollout und die Erfolgsmessung nach der Implementierung.
3. n8n-Orchestrierung verbindet alle Systeme
Die n8n-Orchestrierung verbindet den Voice-Agent, die Sprachmodelle und das Helpdesk-System in einem zentralen Workflow. Sie verwaltet die Zustandsdaten jedes Tickets, behandelt Fehlerfälle und sorgt für die Skalierung bei Lastspitzen. Durch die modell-agnostische Architektur kann Forfis je nach Datenempfindlichkeit zwischen Cloud-APIs von OpenAI und Anthropic sowie lokalen Open-Weight-Modellen wechseln, ohne die Workflows anzufassen. Die gesamte Latenz liegt unter 2 Sekunden, sodass der Kunde keinen Unterschied zur menschlichen Bearbeitung bemerkt. Das System skaliert linear mit der Ticketmenge und benötigt keine manuelle Anpassung.
4. DSGVO-konforme Datenhaltung auf eigener Hardware
Die DSGVO verlangt, dass personenbezogene Daten aus der Medtech-Branche nicht ohne Weiteres an US-Server übertragen werden. Forfis nutzt daher Open-Weight-Modelle auf der eigenen Hardware des Kunden für alle Daten, die Patientennamen, Diagnosen oder Vertragsdetails enthalten. Nur anonymisierte Metadaten wie Ticket-Kategorien oder Antwortzeiten fließen in die Cloud-APIs. Zusätzlich wird ein Auftragsverarbeitungsvertrag nach Art. 28 DSGVO mit jedem Modell-Anbieter geschlossen, und die Datenhaltung erfolgt in Frankfurt oder München. So bleibt die Datenhoheit beim Kunden, und die Compliance-Abteilung kann die Implementierung ohne Vorbehalte freigeben.
5. Human-in-the-Loop sichert Compliance bei sensiblen Daten
Der Voice-Agent beantwortet Standardfragen zu Lieferzeiten, Rechnungsstatus oder Terminvereinbarungen sofort, während komplexe Anfragen an die Senior-Mitarbeiter weitergeleitet werden. Die Human-in-the-Loop-Regel greift bei sensiblen Daten: Der Agent markiert das Ticket als ‘menschliche Prüfung erforderlich’ und benachrichtigt einen Mitarbeiter. So bleibt die Compliance erhalten, während Routinefragen in unter 30 Sekunden beantwortet werden. Die Senior-Mitarbeiter gewinnen pro Woche 15 bis 20 Stunden für strategische Aufgaben, was die Fluktuation im Support-Team reduziert und die Kundenzufriedenheit um 15 bis 20 Prozent steigert.
6. Integration in Zendesk und Intercom ohne Systemwechsel
Die Integration erfolgt über die nativen APIs von Zendesk oder Intercom. Der n8n-Workflow empfängt neue Tickets, übergibt den Text an das Sprachmodell zur Klassifizierung und schreibt das Ergebnis als Tag oder Prioritätsstufe zurück in das Helpdesk-System. Bei Voice-Anfragen wird das Audio in Echtzeit transkribiert, das Transkript durchläuft dieselbe Triage-Logik, und die Antwort wird als Sprachsynthese oder Textnachricht zurückgesendet. Die gesamte Latenz liegt unter 2 Sekunden, und das System skaliert linear mit der Ticketmenge. Keine manuelle Skalierung bei Lastspitzen, keine Anpassung der Workflows bei Modellwechseln.
Leave a Reply