7 Maßnahmen für KI-gestützte Ticket-Triage im B2B-SaaS

1. Triage-Engine ersetzt manuelle Kategorisierung

Ein B2B-SaaS-Unternehmen mit 800 Mitarbeitern in München verarbeitet 12.000 Support-Tickets pro Monat. 60 % davon sind repetitive Anfragen: Passwort-Reset, Lizenzstatus, Fehlermeldungen mit bekannten Workarounds. Die durchschnittliche Bearbeitungszeit liegt bei 14 Minuten pro Ticket, die Fehlerquote bei der Kategorisierung bei 18 %. Ein dediziertes AI-Team von Forfis implementiert eine Triage-Engine auf Basis von LangGraph, die Tickets automatisch klassifiziert, priorisiert und an die richtige Abteilung routet. Nach drei Monaten sinkt die Bearbeitungszeit auf 8 Minuten, die Klassifikationsgenauigkeit steigt auf 96 %. Die Einsparung beträgt 42.000 EUR pro Monat an Personalkosten, ohne dass die Servicequalität leidet.

2. Datenanreicherung über ERP-Integration

Die Triage-Engine extrahiert aus jedem Ticket strukturierte Daten: Kunden-ID, Produktversion, Fehlercode, Dringlichkeit und Sprache. Diese Daten werden über die API von Microsoft Dynamics 365 in das ERP-System geschrieben, wo sie für die Operations- und Supply-Chain-Planung verfügbar sind. Ein Data-Enrichment-Schritt ergänzt die Tickets mit historischen Daten aus dem CRM: Wie oft hat dieser Kunde in den letzten 90 Tagen ein Ticket gestellt? Welche Produkte nutzt er? Diese Anreicherung ermöglicht es dem Support-Team, personalisierte Antworten zu generieren und wiederkehrende Probleme proaktiv zu adressieren. Die Datenfließt vollständig innerhalb der EU, was die DSGVO-Anforderungen erfüllt.

3. Mehrsprachige Abdeckung ohne Übersetzungsschleife

Die Triage-Engine nutzt ein mehrsprachiges Embedding-Modell, das Tickets in Deutsch, Englisch, Französisch und Spanisch korrekt klassifiziert. Die Antwortgenerierung erfolgt in der Sprache des Kunden. Für die Datenanreicherung werden multilinguale Entitäten erkannt, z. B. Kundennummern, Produktnamen und Fehlercodes, unabhängig von der Sprache des Tickets. Dies ermöglicht es einem deutschen Team, Tickets aus dem gesamten DACH-Raum und darüber hinaus ohne Sprachbarriere zu bearbeiten. Die Mehrsprachigkeit ist kein Add-on, sondern ein Kernbestandteil der Architektur, da Forfis für Kunden in Tier-1-Märkten arbeitet, die international agieren.

4. LangChain und LangGraph als Orchestrierungsschicht

LangChain dient als Orchestrierungsschicht, die LLM-Aufrufe, Vektor-Datenbank-Abfragen und Tool-Integrationen koordiniert. LangGraph erweitert dies um Zustandsmaschinen, die komplexe, mehrstufige Workflows wie Ticket-Triage mit Verzweigungen, menschlichen Freigaben und Fehlerbehandlung abbilden. Für Forfis ist diese Kombination entscheidend, weil sie deterministische Abläufe mit probabilistischen Modellantworten verbindet. Die Zustandsmaschine stellt sicher, dass ein Ticket mit finanziellen Auswirkungen immer an einen menschlichen Agenten weitergeleitet wird, bevor eine Antwort versendet wird. Diese Architektur ist model-agnostic: OpenAI oder Anthropic APIs für allgemeine Tickets, Open-Weight-Modelle auf eigener Hardware für sensible Daten.

5. SAP und Microsoft Dynamics als Datenrückgrat

Die Triage-Engine wird über die nativen APIs von Microsoft Dynamics 365 oder SAP S/4HANA angebunden. Tickets aus dem Helpdesk (z. B. Zendesk, Jira Service Management) werden in eine Warteschlange geschleust, wo die KI-Klassifikation stattfindet. Die Ergebnisse werden als neue Felder oder Kommentare in das ERP-System zurückgeschrieben. Die Integration erfolgt über Webhooks und REST-Endpunkte, sodass keine manuelle Datenübertragung mehr nötig ist. Die Datenkonsistenz zwischen Support und Operations bleibt gewährleistet, da beide Systeme auf derselben Datenbasis arbeiten. Für Unternehmen mit 501 bis 2000 Mitarbeitern ist diese Integration der kritische Hebel, der die Automatisierung von einer Insellösung zu einem systemischen Vorteil macht.

6. Human-in-the-Loop als Compliance-Sicherheitsnetz

Die Triage-Engine klassifiziert das Ticket anhand von Kategorie, Dringlichkeit und Sprache. Bei Tickets mit finanziellen Auswirkungen, Vertragsfragen oder Gesundheitsdaten wird der Fall an einen menschlichen Agenten weitergeleitet, der die KI-Empfehlung prüft und freigibt. Bei reinen Statusanfragen oder bekannten Fehlermeldungen wird die Antwort automatisch generiert und versendet. Die Entscheidung, ob ein Fall menschlich bearbeitet wird, ist regelbasiert und nicht modellabhängig. Diese Architektur stellt sicher, dass die DSGVO-Anforderungen der Art. 6 und 9 erfüllt werden, da personenbezogene Daten nicht an externe API-Endpunkte übertragen werden, die nicht in der EU liegen. Open-Weight-Modelle auf eigener Hardware des Kunden gewährleisten, dass sensible Daten das Gebäude nicht verlassen.

7. Drei Monate von Audit bis Rollout

Der Pilot umfasst die Triage und Routing-Automatisierung für einen definierten Ticket-Typ, z. B. technische Fehlermeldungen. Die Messgröße ist die Reduktion der Bearbeitungszeit pro Ticket und die Genauigkeit der Klassifikation. Baseline: 12 Minuten pro Ticket, 85 % Klassifikationsgenauigkeit. Ziel nach drei Monaten: 7 Minuten pro Ticket, 95 % Genauigkeit. Der Pilot wird mit echten Tickets aus dem bestehenden Helpdesk gefahren, nicht mit Testdaten. Nach dem Piloten folgt der Rollout auf alle Ticket-Typen und die Übergabe an das interne Operations-Team. Forfis bleibt als Managed-Operation-Partner an Bord, um die Modelle zu überwachen, zu aktualisieren und auf Änderungen in der Systemlandschaft zu reagieren. Die drei Monate sind realistisch, weil das Team dediziert arbeitet und keine parallelen Projekte hat.