{"id":343,"date":"2026-10-06T19:00:20","date_gmt":"2026-10-06T19:00:20","guid":{"rendered":"https:\/\/blog.forfis.com\/blog\/ticket-triage-ki-versicherung-schweiz-langgraph-sap\/"},"modified":"2026-10-06T19:00:20","modified_gmt":"2026-10-06T19:00:20","slug":"ticket-triage-ki-versicherung-schweiz-langgraph-sap","status":"publish","type":"post","link":"https:\/\/blog.forfis.com\/blog\/de\/ticket-triage-ki-versicherung-schweiz-langgraph-sap\/","title":{"rendered":"Ticket-Triage in der Schadenabwicklung: KI-Pilot in 4 Wochen"},"content":{"rendered":"

Das Problem: Manuelle Ticket-Triage in der Schadenabwicklung<\/h2>\n

In der Schadenabwicklung eines Schweizer Versicherers mit \u00fcber 2000 Mitarbeitern landen t\u00e4glich 1500 bis 3000 Tickets im Helpdesk. Die manuelle Triage \u2013 also die Zuordnung an den richtigen Fachbereich (Kfz, Hausrat, Kranken, Betriebshaftpflicht) \u2013 dauert im Durchschnitt 45 Minuten pro Ticket und erzeugt eine Fehlerquote von 8 %. Das bedeutet: 120 bis 240 Tickets pro Tag werden falsch zugeordnet, m\u00fcssen manuell umgeleitet werden und verz\u00f6gern die Regulierung. Die Folge: h\u00f6here Bearbeitungskosten, unzufriedene Kunden und ein erh\u00f6htes Risiko, dass die FINMA bei einer Pr\u00fcfung die Nachvollziehbarkeit der Zuordnung bem\u00e4ngelt. Die L\u00f6sung ist eine KI-gest\u00fctzte Triage, die die Tickets klassifiziert, eine Routing-Entscheidung vorschl\u00e4gt und nur bei Unsicherheit an einen Menschen \u00fcbergibt. Der Pilot l\u00e4uft in 4 Wochen, nutzt LangGraph f\u00fcr den Workflow und integriert sich in den bestehenden SAP- oder Microsoft Dynamics-ERP.<\/p>\n

Voraussetzungen vor dem Start<\/h2>\n

Bevor du mit Schritt 1 beginnst, brauchst du folgende Voraussetzungen: Ein dokumentierter Prozess-Audit der Ticket-Triage, der die aktuellen Kategorien, Routing-Regeln und Fehlerquellen beschreibt. Zugang zu den APIs des Helpdesk-Systems (z. B. Jira Service Management, Salesforce Service Cloud oder ServiceNow) und des ERP-Systems (SAP S\/4HANA oder Microsoft Dynamics 365 Finance & Operations). Eine Datenklassifikation, die festlegt, welche Ticket-Texte regulierte Daten (z. B. Gesundheitsdaten) enthalten und welche nicht. Ein dediziertes AI-Team mit mindestens einem Data Engineer, einem ML-Engineer und einem Produktmanager, das f\u00fcr die 4 Wochen verf\u00fcgbar ist. Ein klar definiertes Erfolgskriterium: Zyklenzeit unter 3 Minuten, Fehlerquote unter 2 %.<\/p>\n

Die 6 Schritte zum Piloten<\/h2>\n
    \n
  1. Prozess-Audit und Baseline-Messung:<\/strong> Du dokumentierst den aktuellen Triage-Prozess und misst die Zyklenzeit und Fehlerquote \u00fcber 2 Wochen. Du exportierst 5000 historische Tickets aus dem Helpdesk und kennzeichnest sie manuell mit der korrekten Kategorie. Diese Daten bilden die Testmenge f\u00fcr den Piloten. 2. LangGraph-Workflow aufbauen:<\/strong> Du definierst den Zustandsgraphen in LangGraph. Die Knoten sind: \u2018Ticket-Eingang\u2019, \u2018Klassifikation\u2019 (LLM-Aufruf), \u2018Konfidenz-Check\u2019, \u2018Routing-Entscheidung\u2019, \u2018Menschliche Freigabe\u2019 (optional), \u2018SAP-Update\u2019. Die Kanten steuern den \u00dcbergang: Wenn die Konfidenz unter 0.85 liegt, geht es zum \u2018Menschliche Freigabe\u2019-Knoten. 3. LLM-Integration:<\/strong> Du w\u00e4hlst das Modell. F\u00fcr regul\u00e4re Tickets: OpenAI GPT-4o oder Anthropic Claude 3.5 Sonnet \u00fcber API. F\u00fcr Tickets mit Gesundheitsdaten: Llama 3 70B auf eigener Hardware. Du implementierst die API-Aufrufe in LangChain und verbindest sie mit dem LangGraph-Knoten \u2018Klassifikation\u2019. 4. SAP-Integration:<\/strong> Du verbindest den LangGraph-Workflow mit der SAP-API. Die Routing-Entscheidung wird als Feld im SAP-Objekt (z. B. \u2018Zuordnung\u2019 im Schadenfall) aktualisiert. Du nutzt die SAP BTP-API oder die Microsoft Dynamics 365-API, je nach ERP-System. 5. Pilotbetrieb starten:<\/strong> Du schaltest den Workflow im Helpdesk ein. Alle neuen Tickets laufen durch die KI-Triage. Die menschliche Freigabe ist aktiv: Jeder Routing-Vorschlag wird von einem Mitarbeiter best\u00e4tigt oder korrigiert. Du misst w\u00f6chentlich die Zyklenzeit und Fehlerquote. 6. Auswertung und Rollout-Entscheidung:<\/strong> Nach 4 Wochen vergleichst du die Piloten-Zahlen mit der Baseline. Wenn die Fehlerquote unter 2 % und die Zyklenzeit unter 3 Minuten liegt, startest du den Rollout auf weitere Abteilungen.<\/li>\n<\/ol>\n

    H\u00e4ufige Stolperfallen und wie du sie erkennst<\/h2>\n
      \n
    • Konfidenz-Schwelle zu niedrig:<\/strong> Wenn du die Schwelle auf 0.70 setzt, werden zu viele Tickets an den Menschen \u00fcbergeben, und der manuelle Aufwand sinkt nicht. Du erkennst das, wenn die Quote der \u2018Menschliche Freigabe\u2019-\u00dcberg\u00e4nge \u00fcber 30 % liegt. L\u00f6sung: Schwelle auf 0.85 erh\u00f6hen und die Prompt-Engineerung optimieren. – SAP-API-Latenz:<\/strong> Wenn die SAP-API \u00fcber 2 Sekunden antwortet, verz\u00f6gert sich der gesamte Workflow. Du erkennst das an der Zyklenzeit, die \u00fcber 5 Minuten steigt. L\u00f6sung: Asynchrone Verarbeitung \u00fcber eine Message Queue (z. B. RabbitMQ oder Kafka) einbauen. – Halluzinationen bei seltenen Kategorien:<\/strong> Wenn die KI eine Kategorie vorschl\u00e4gt, die im Prompt nicht definiert ist, ist das eine Halluzination. Du erkennst das an der Fehlerquote, die bei bestimmten Ticket-Typen \u00fcber 5 % liegt. L\u00f6sung: Den Prompt mit expliziten Kategorien und Beispielen erweitern und die Testmenge um diese F\u00e4lle erg\u00e4nzen. – Datenlecks bei Gesundheitsdaten:<\/strong> Wenn ein Ticket mit Gesundheitsdaten an ein Cloud-LLM gesendet wird, verst\u00f6\u00dft das gegen die DSGVO und die FINMA-Vorgaben. Du erkennst das im Logging, wenn die Datenklassifikation \u2018reguliert\u2019 ist, aber der LLM-Aufruf an eine externe API geht. L\u00f6sung: Die Datenklassifikation im LangGraph-Workflow als Gate nutzen und bei \u2018reguliert\u2019 automatisch auf das lokale Modell umschalten.<\/li>\n<\/ul>\n

      N\u00e4chster Schritt: Skalierung auf weitere Abteilungen<\/h2>\n

      Der Pilot ist abgeschlossen, wenn die Fehlerquote unter 2 % und die Zyklenzeit unter 3 Minuten liegt. Der n\u00e4chste Schritt ist die Skalierung auf weitere Abteilungen: Pr\u00e4vention, Vertragsmanagement, Reklamationen. Der LangGraph-Workflow wird adaptiert, die SAP-Integration bleibt gleich, die menschliche Freigabe bleibt bei allen Abteilungen, die mit Geld, Gesundheitsdaten oder Vertr\u00e4gen arbeiten. Das dedizierte AI-Team dokumentiert die \u00c4nderungen im Repository und misst die Fehlerquote pro Abteilung separat. Die EU AI Act-konforme Dokumentation (Risikobewertung, Logging, menschliche Aufsicht) wird f\u00fcr jede neue Abteilung aktualisiert. Der Rollout dauert pro Abteilung 2 bis 3 Wochen, da der Workflow adaptiert und getestet werden muss.<\/p>\n","protected":false},"excerpt":{"rendered":"

      So automatisierst du die Ticket-Triage in der Schadenabwicklung mit LangGraph und SAP-Integration. 4-Wochen-Pilot, EU AI Act-konform, f\u00fcr Schweizer Versicherer mit 2000+ Mitarbeitern.<\/p>\n","protected":false},"author":2,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"rank_math_title":"Ticket-Triage in der Schadenabwicklung: KI-Pilot in 4 Wochen","rank_math_description":"So automatisierst du die Ticket-Triage in der Schadenabwicklung mit LangGraph und SAP-Integration. 4-Wochen-Pilot, EU AI Act-konform, f\u00fcr Schweizer Versicherer mit 2000+ Mitarbeitern.","rank_math_focus_keyword":"reduce error rate in the back office ticket triage and routing","_yoast_wpseo_title":"","_yoast_wpseo_metadesc":"","_yoast_wpseo_focuskw":"","pll_lang":"de","geo_jsonld":"{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@id\":\"https:\/\/blog.forfis.com\/blog\/ticket-triage-ki-versicherung-schweiz-langgraph-sap\/#article\",\"@type\":\"Article\",\"author\":{\"@id\":\"https:\/\/blog.forfis.com#org\"},\"dateModified\":\"2026-10-05T23:55:49.008384836+00:00\",\"datePublished\":\"2026-10-05T23:55:49.008384836+00:00\",\"description\":\"So automatisierst du die Ticket-Triage in der Schadenabwicklung mit LangGraph und SAP-Integration. 4-Wochen-Pilot, EU AI Act-konform, f\u00fcr Schweizer Versicherer mit 2000+ Mitarbeitern.\",\"headline\":\"Ticket-Triage in der Schadenabwicklung: KI-Pilot in 4 Wochen\",\"inLanguage\":\"en\",\"keywords\":[\"Scaling Across Departments\",\"LangChain and LangGraph\",\"Document Extraction\",\"Operations and Supply Chain\",\"2000+\",\"EU AI Act\",\"Dedicated AI Team\",\"Insurance and Insurtech\",\"SAP or Microsoft Dynamics ERP\",\"German\",\"Reduce Error Rate in the Back Office\",\"Switzerland\",\"4 weeks\",\"Ticket Triage and Routing\"],\"mainEntityOfPage\":\"https:\/\/blog.forfis.com\/blog\/ticket-triage-ki-versicherung-schweiz-langgraph-sap\/\",\"publisher\":{\"@id\":\"https:\/\/blog.forfis.com#org\"}},{\"@id\":\"https:\/\/blog.forfis.com\/blog\/ticket-triage-ki-versicherung-schweiz-langgraph-sap\/#faq\",\"@type\":\"FAQPage\",\"mainEntity\":[{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Der EU AI Act gilt in der Schweiz nicht unmittelbar, da sie nicht zur EU geh\u00f6rt. Schweizer Versicherer mit Sitz oder Niederlassung in der EU unterliegen jedoch der Verordnung, wenn sie dort aktiv sind. Zudem verlangt die FINMA in der Circular 2019\/2 explizit, dass KI-Systeme in der Schadenabwicklung nachvollziehbar und kontrollierbar sind. F\u00fcr die Ticket-Triage als Hochrisiko-Kontext (Art. 6 Abs. 2 lit. a) gilt: Risikobewertung, menschliche Aufsicht und Logging sind Pflicht. Ein dediziertes AI-Team dokumentiert diese Punkte im Piloten und \u00fcberf\u00fchrt sie in den Betrieb.\"},\"name\":\"Gilt der EU AI Act f\u00fcr Schweizer Versicherer, und was bedeutet das f\u00fcr die Ticket-Triage?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"LangChain ist eine Bibliothek f\u00fcr die Kette von LLM-Aufrufen, Tool-Nutzung und Prompt-Verwaltung. LangGraph erweitert das um Zustandsmaschinen: Du definierst Knoten (z. B. 'Klassifikation', 'SAP-Abgleich', 'Menschliche Freigabe') und Kanten (\u00dcbergangsbedingungen). F\u00fcr die Ticket-Triage nutzt du LangGraph, um den Workflow deterministisch zu steuern: Wenn die Konfidenz unter 0.85 liegt, geht es zum menschlichen Reviewer; sonst direkt an die Routing-Entscheidung. Das macht den Prozess auditierbar und testbar.\"},\"name\":\"Was ist der Unterschied zwischen LangChain und LangGraph, und warum braucht man beides?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Nein. Die Triage-KI liest die Ticket-Texte, klassifiziert sie und schl\u00e4gt eine Routing-Entscheidung vor. Die eigentliche Bearbeitung \u2013 also die Schadenregulierung, die Zahlung oder die Vertrags\u00e4nderung \u2013 bleibt beim Menschen. Die KI reduziert die Zeit bis zur ersten Zuordnung von durchschnittlich 45 Minuten auf unter 3 Minuten. Der Fehler bei der Zuordnung (z. B. ein Kfz-Schaden wird als Hausrat-Schaden geroutet) wird im Piloten gemessen und muss unter 2 % liegen, bevor der Rollout startet.\"},\"name\":\"Ersetzt die KI die menschliche Bearbeitung der Tickets vollst\u00e4ndig?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Die 4 Wochen sind realistisch, wenn der Prozess-Audit vorab abgeschlossen ist und die SAP-APIs (z. B. via SAP BTP oder Microsoft Dynamics 365 Finance & Operations) bereits dokumentiert sind. Woche 1: Prozess-Audit und Baseline-Messung. Woche 2: LangGraph-Workflow mit OpenAI GPT-4o oder Anthropic Claude 3.5 Sonnet. Woche 3: Integration in den Helpdesk und SAP, Test mit historischen Tickets. Woche 4: Pilotbetrieb mit menschlicher Freigabe, Messung der Fehlerquote und Zyklenzeit. Ohne vorbereitete APIs oder ohne klaren Prozess-Audit verschiebt sich der Zeitplan um 2 bis 3 Wochen.\"},\"name\":\"Wie realistisch ist ein 4-Wochen-Zeitplan f\u00fcr den Piloten?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Du misst zwei Kennzahlen: die Zyklenzeit (Zeit vom Ticket-Eingang bis zur Zuordnung an den richtigen Fachbereich) und die Fehlerquote (Anteil der Tickets, die nach der KI-Zuordnung manuell umgeleitet werden m\u00fcssen). Vor dem Piloten: 45 Minuten Zyklenzeit, 8 % Fehlerquote. Nach dem Piloten: Ziel ist unter 3 Minuten Zyklenzeit und unter 2 % Fehlerquote. Die Messung erfolgt \u00fcber das Helpdesk-System (z. B. Jira Service Management oder Salesforce Service Cloud) und wird w\u00f6chentlich ausgewertet.\"},\"name\":\"Wie misst man den Erfolg des Piloten in Zahlen?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Nein. Die Architektur ist model-agnostisch. F\u00fcr die Ticket-Triage, bei der die Texte keine regulierten Gesundheitsdaten enthalten, sind OpenAI GPT-4o oder Anthropic Claude 3.5 Sonnet \u00fcber API ausreichend. Wenn jedoch in den Tickets sensible Daten (z. B. Gesundheitsdaten aus der Krankenversicherung) vorkommen, die das Geb\u00e4ude nicht verlassen d\u00fcrfen, nutzt du ein Open-Weight-Modell wie Llama 3 70B oder Mistral 7B auf eigener Hardware. Die Entscheidung trifft das dedizierte AI-Team im Prozess-Audit, basierend auf der Datenklassifikation.\"},\"name\":\"Muss man f\u00fcr den Piloten ein bestimmtes LLM-Modell verwenden?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Die Skalierung beginnt mit der zweiten Abteilung, z. B. der Pr\u00e4vention oder dem Vertragsmanagement. Der LangGraph-Workflow wird adaptiert: Die Klassifikationskategorien \u00e4ndern sich, die Routing-Regeln passen sich an, die SAP-Integration bleibt gleich. Das dedizierte AI-Team dokumentiert die \u00c4nderungen im Prompt- und Workflow-Repository. Die menschliche Freigabe bleibt bei allen Abteilungen, die mit Geld, Gesundheitsdaten oder Vertr\u00e4gen arbeiten. Die Fehlerquote wird pro Abteilung separat gemessen und muss unter 2 % bleiben.\"},\"name\":\"Wie skaliert man den Piloten auf weitere Abteilungen?\"}]},{\"@id\":\"https:\/\/blog.forfis.com\/blog\/ticket-triage-ki-versicherung-schweiz-langgraph-sap\/#breadcrumbs\",\"@type\":\"BreadcrumbList\",\"itemListElement\":[{\"@type\":\"ListItem\",\"item\":\"https:\/\/blog.forfis.com\",\"name\":\"Home\",\"position\":1},{\"@type\":\"ListItem\",\"item\":\"https:\/\/blog.forfis.com\/blog\/\",\"name\":\"Blog\",\"position\":2},{\"@type\":\"ListItem\",\"item\":\"https:\/\/blog.forfis.com\/blog\/ticket-triage-ki-versicherung-schweiz-langgraph-sap\/\",\"name\":\"Ticket-Triage in der Schadenabwicklung: KI-Pilot in 4 Wochen\",\"position\":3}]},{\"@id\":\"https:\/\/blog.forfis.com#org\",\"@type\":\"Organization\",\"name\":\"Forfis\",\"url\":\"https:\/\/blog.forfis.com\"}]}","geo_content_hash":"4c86e030de2212b1d5facb028723096c83763d67f909b594563d17a6b726417e","footnotes":""},"categories":[57],"tags":[49,43,51],"class_list":["post-343","post","type-post","status-publish","format-standard","hentry","category-insurance-and-insurtech","tag-reduce-error-rate-in-the-back-office","tag-switzerland","tag-ticket-triage-and-routing"],"_links":{"self":[{"href":"https:\/\/blog.forfis.com\/blog\/wp-json\/wp\/v2\/posts\/343","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/blog.forfis.com\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/blog.forfis.com\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/blog.forfis.com\/blog\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/blog.forfis.com\/blog\/wp-json\/wp\/v2\/comments?post=343"}],"version-history":[{"count":0,"href":"https:\/\/blog.forfis.com\/blog\/wp-json\/wp\/v2\/posts\/343\/revisions"}],"wp:attachment":[{"href":"https:\/\/blog.forfis.com\/blog\/wp-json\/wp\/v2\/media?parent=343"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blog.forfis.com\/blog\/wp-json\/wp\/v2\/categories?post=343"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blog.forfis.com\/blog\/wp-json\/wp\/v2\/tags?post=343"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}