1. Prozess-Audit und Regeldefinition
Bevor Sie Code schreiben, definieren Sie den Umfang des Piloten. Wählen Sie einen klar abgegrenzten Prozess, z. B. die Triage eingehender Support-Tickets in Slack oder Microsoft Teams. Dokumentieren Sie die aktuellen Triage-Regeln: Welche Kategorien existieren? Wie werden Prioritäten vergeben? Wer ist für welche Kategorie zuständig? Diese Regeln sind die Grundlage für den Prompt, den Sie an die Claude API übergeben. Ohne klare Regeln wird das Modell unscharf klassifizieren und Sie verlieren Zeit in der Feinabstimmung. Setzen Sie sich mit den Support-Leads zusammen und erstellen Sie eine Tabelle mit Kategorie, Trigger-Keywords, Priorität und Ziel-Kanal. Diese Tabelle wird in Woche 1 finalisiert und ist die einzige Quelle der Wahrheit für die Entwicklung.
2. Compliance-Check: EU AI Act und revDSG
Klären Sie die rechtlichen Rahmenbedingungen, bevor Sie Daten an die Claude API senden. Der EU AI Act gilt für KI-Systeme in der EU und wird in der Schweiz über bilaterale Abkommen und das revidierte Datenschutzgesetz (revDSG) ergänzt. Für ein Ticket-Triage-System gilt es als „niedriges Risiko“, da keine biometrische Identifizierung oder Hochrisiko-Entscheidungen (z. B. Kreditvergabe) stattfinden. Dennoch müssen Sie Transparenzpflichten erfüllen: Nutzer müssen erkennen können, dass sie mit einer KI interagieren, und Sie müssen technische Dokumentation (Annex IV) vorhalten. Prüfen Sie, ob Kundendaten in der Schweiz bleiben müssen oder ob die Verarbeitung in den USA (Anthropic-Server) zulässig ist. Dokumentieren Sie diese Entscheidung in einem Compliance-Papier, das Sie in Woche 2 finalisieren.
3. Mehrsprachigkeit: Deutsch, Französisch, Italienisch
Claude 3.5 Sonnet ist mehrsprachig trainiert und kann Deutsch, Französisch und Italienisch auf nativem Niveau verarbeiten. Für die Schweiz ist das entscheidend, da Sie je nach Kanton oder Kundenregion zwischen Hochdeutsch, Schweizerdeutsch (als Transkript) und den Landessprachen wechseln müssen. Testen Sie die Modellantworten in allen drei Sprachen mit echten, anonymisierten Tickets, um sicherzustellen, dass die Triage-Logik und der Tonfall konsistent bleiben. Vermeiden Sie es, nur auf Englisch zu testen und dann zu übersetzen – das führt zu semantischen Verlusten bei der Kategorisierung. Erstellen Sie einen Test-Satz von 50 Tickets pro Sprache und messen Sie die Klassifizierungs-Genauigkeit. Ziel: über 90 % Übereinstimmung mit der menschlichen Triage.
4. Integration: Helpdesk, Slack und Microsoft Teams
Die KI agiert als Middleware zwischen Ihrem Helpdesk (z. B. Zendesk, Jira Service Management) und den Kommunikationskanälen (Slack oder Microsoft Teams). Sie liest neue Tickets über die API des Helpdesks, klassifiziert sie mit Claude, schreibt die Kategorie und Priorität zurück und postet eine Benachrichtigung in den zuständigen Slack- oder Teams-Kanal. Das CRM bleibt die Single Source of Truth für Kundendaten. Die Integration erfolgt über Webhooks oder REST-APIs, was die Migration auf ein neues System unnötig macht. Stellen Sie sicher, dass die API-Zugänge zum Helpdesk und zu Slack/Teams in Woche 3 bereitstehen. Testen Sie die End-to-End-Verbindung mit einem Test-Ticket, bevor Sie in die Entwicklung einsteigen.
5. Human-in-the-Loop: Freigabe-Schleife implementieren
Human-in-the-Loop bedeutet, dass die KI keine endgültigen Entscheidungen trifft, sondern Vorschläge macht, die ein Mensch prüft und freigibt. Bei der Ticket-Triage klassifiziert Claude das Ticket und schlägt eine Antwort vor. Ein Support-Mitarbeiter sieht diesen Vorschlag in Slack oder im Helpdesk, kann ihn anpassen oder ablehnen und erst dann senden. Das ist entscheidend für Compliance und Qualität, da Fehler früh erkannt werden. Implementieren Sie eine Benachrichtigung in Slack, die den KI-Vorschlag anzeigt und zwei Buttons bietet: „Freigeben“ und „Ablehnen“. Wenn der Mitarbeiter „Freigeben“ klickt, wird die Antwort gesendet und das Ticket geschlossen. Wenn er „Ablehnen“ klickt, wird das Ticket an einen menschlichen Agenten geroutet. Diese Schleife muss in Woche 5 getestet werden.
6. Baseline messen und Piloten evaluieren
Bevor Sie das System live schalten, messen Sie die aktuelle Leistung: Wie lange dauert die durchschnittliche Triage eines Tickets? Wie hoch ist die Fehlerquote bei der Kategorisierung? Diese Baseline ist der Maßstab für den Erfolg des Piloten. In Woche 7 schalten Sie das System im Shadow-Mode ein: Die KI klassifiziert Tickets, aber die Entscheidung trifft weiterhin der Mensch. Vergleichen Sie die KI-Klassifizierung mit der menschlichen und messen Sie die Abweichung. Ziel: über 90 % Übereinstimmung. In Woche 8 schalten Sie das System live mit Human-in-the-Loop ein und messen die Cycle Time und die Fehlerquote. Die Kostenreduktion pro Ticket berechnet sich aus der gesparten Bearbeitungszeit multipliziert mit dem Stundensatz. Bei 1.000 Tickets/Monat und 80 CHF/Stunde sparen Sie rechnerisch 8.000–24.000 CHF/Monat, je nach Komplexität.
Leave a Reply