{"id":401,"date":"2026-10-06T19:00:30","date_gmt":"2026-10-06T19:00:30","guid":{"rendered":"https:\/\/blog.forfis.com\/blog\/ki-ticket-triage-checkliste-on-premise-dsgvo-4-wochen\/"},"modified":"2026-10-06T19:00:30","modified_gmt":"2026-10-06T19:00:30","slug":"ki-ticket-triage-checkliste-on-premise-dsgvo-4-wochen","status":"publish","type":"post","link":"https:\/\/blog.forfis.com\/blog\/de\/ki-ticket-triage-checkliste-on-premise-dsgvo-4-wochen\/","title":{"rendered":"KI-Ticket-Triage in 4 Wochen: Checkliste f\u00fcr On-Premise-LLMs in \u00d6sterreich"},"content":{"rendered":"

Vorbereitung und Infrastruktur (Woche 1)<\/h2>\n
    \n
  1. \n

    Dokumentieren Sie die aktuelle Ticket-Volumen und Fehlerquote.<\/strong>
    \nErheben Sie die durchschnittliche Anzahl eingehender Tickets pro Woche und die prozentuale Fehlzuteilung \u00fcber die letzten drei Monate.<\/em><\/p>\n<\/li>\n

  2. \n

    Identifizieren Sie die kritischen Datenfelder f\u00fcr die Klassifikation.<\/strong>
    \nBestimmen Sie, welche Metadaten (Kundenname, Vertragsstatus, Dringlichkeit) das LLM zur Routing-Entscheidung ben\u00f6tigt.<\/em><\/p>\n<\/li>\n

  3. \n

    Verifizieren Sie die DSGVO-Konformit\u00e4t der Datenverarbeitung.<\/strong>
    \nStellen Sie sicher, dass alle personenbezogenen Daten im Ticket nur im eigenen Rechenzentrum verarbeitet werden und keine externen Cloud-APIs genutzt werden.<\/em><\/p>\n<\/li>\n

  4. \n

    Konfigurieren Sie die On-Premise-Infrastruktur f\u00fcr das Open-Weight-Modell.<\/strong>
    \nRichten Sie einen GPU-Server mit mindestens 24 GB VRAM ein und installieren Sie ein Modell wie Llama 3 8B oder Mistral 7B f\u00fcr die Inferenz.<\/em><\/p>\n<\/li>\n

  5. \n

    Integrieren Sie den Agenten in Slack oder Microsoft Teams.<\/strong>
    \nRegistrieren Sie den Bot \u00fcber die offizielle API und gew\u00e4hren Sie ihm die Berechtigung, Nachrichten in den Support-Kan\u00e4len zu lesen und zu senden.<\/em><\/p>\n<\/li>\n

  6. \n

    Anbinden Sie das bestehende CRM \u00fcber REST-APIs.<\/strong>
    \nRufen Sie Kundendaten und Vertragsinformationen ab, um dem LLM den n\u00f6tigen Kontext f\u00fcr die Klassifikation zu liefern.<\/em><\/p>\n<\/li>\n

  7. \n

    Entwickeln Sie die Prompt-Strategie f\u00fcr die Ticket-Klassifikation.<\/strong>
    \nDefinieren Sie klare Anweisungen f\u00fcr das LLM, wie es Tickets nach Thema und Dringlichkeit einordnen soll, und testen Sie sie mit historischen Daten.<\/em><\/p>\n<\/li>\n

  8. \n

    Implementieren Sie die Human-in-the-Loop-Pr\u00fcfung.<\/strong>
    \nStellen Sie sicher, dass der Agent nur Vorschl\u00e4ge macht und ein Mitarbeiter die Routing-Entscheidung best\u00e4tigt, bevor das Ticket angelegt wird.<\/em><\/p>\n<\/li>\n

  9. \n

    Testen Sie die Integration mit einer kleinen Nutzergruppe.<\/strong>
    \nF\u00fchren Sie einen Pilotbetrieb mit 5-10 Mitarbeitern durch und sammeln Sie Feedback zu Genauigkeit und Benutzerfreundlichkeit.<\/em><\/p>\n<\/li>\n

  10. \n

    Messen Sie die Baseline-Kennzahlen vor dem Rollout.<\/strong>
    \nErfassen Sie die Durchlaufzeit und Fehlerquote im Pilotbetrieb, um den ROI der Automatisierung nachweisbar zu machen.<\/em><\/p>\n<\/li>\n<\/ol>\n

    Implementierung und Pilotbetrieb (Woche 2-3)<\/h2>\n
      \n
    1. \n

      Feinjustieren Sie das LLM mit historischen Ticket-Daten.<\/strong>
      \nNutzen Sie die letzten 6 Monate an Tickets, um das Modell zu trainieren und die Klassifikationsgenauigkeit zu verbessern.<\/em><\/p>\n<\/li>\n

    2. \n

      Konfigurieren Sie die Routing-Regeln f\u00fcr die Fachabteilungen.<\/strong>
      \nDefinieren Sie klare Kriterien, nach denen Tickets an Einkauf, Logistik oder Kundenservice weitergeleitet werden.<\/em><\/p>\n<\/li>\n

    3. \n

      Implementieren Sie die Fehlerbehandlung und Logging.<\/strong>
      \nStellen Sie sicher, dass alle LLM-Aufrufe und Routing-Entscheidungen protokolliert werden, um Fehler nachzuvollziehen und das System zu verbessern.<\/em><\/p>\n<\/li>\n

    4. \n

      Schulen Sie die Mitarbeiter im Umgang mit dem Agenten.<\/strong>
      \nErkl\u00e4ren Sie, wie der Agent funktioniert, welche Vorschl\u00e4ge er macht und wie die menschliche Pr\u00fcfung abl\u00e4uft.<\/em><\/p>\n<\/li>\n

    5. \n

      F\u00fchren Sie den Pilotbetrieb in einer Abteilung durch.<\/strong>
      \nStarten Sie mit einer Abteilung, z. B. dem Einkauf, und beobachten Sie die Leistung des Agents \u00fcber zwei Wochen.<\/em><\/p>\n<\/li>\n

    6. \n

      Analysieren Sie die Pilotergebnisse und identifizieren Sie Schwachstellen.<\/strong>
      \nPr\u00fcfen Sie die Fehlerquote und Durchlaufzeit und passen Sie Prompts oder Routing-Regeln an, wo n\u00f6tig.<\/em><\/p>\n<\/li>\n

    7. \n

      Dokumentieren Sie die Ergebnisse und den ROI.<\/strong>
      \nErstellen Sie einen Bericht mit den gemessenen Kennzahlen und der gesch\u00e4tzten Kostenersparnis pro Ticket.<\/em><\/p>\n<\/li>\n

    8. \n

      Planen Sie die Skalierung auf weitere Abteilungen.<\/strong>
      \nDefinieren Sie die Reihenfolge, in der weitere Abteilungen (z. B. Logistik, Kundenservice) angeschlossen werden.<\/em><\/p>\n<\/li>\n

    9. \n

      Etablieren Sie ein monatliches Review-Format.<\/strong>
      \nSetzen Sie sich regelm\u00e4\u00dfig mit den Fachabteilungen zusammen, um Fehlerf\u00e4lle zu analysieren und das System kontinuierlich zu verbessern.<\/em><\/p>\n<\/li>\n

    10. \n

      Archivieren Sie die Dokumentation und \u00dcbergabeprotokolle.<\/strong>
      \nStellen Sie sicher, dass alle technischen Details, Prompts und Konfigurationen f\u00fcr zuk\u00fcnftige Wartung und Skalierung verf\u00fcgbar sind.<\/em><\/p>\n<\/li>\n<\/ol>\n

      Wartung und kontinuierliche Verbesserung<\/h2>\n

      Die Checkliste ist kein statisches Dokument, sondern ein lebendiges Werkzeug. Nach dem Abschluss des 4-Wochen-Sprints sollte sie in ein operatives Handbuch \u00fcberf\u00fchrt werden, das von den Fachabteilungen gemeinsam gepflegt wird. Jede neue Abteilung, die angeschlossen wird, erfordert eine Anpassung der Prompts und Routing-Regeln, aber die technische Infrastruktur bleibt identisch. Ein monatliches Review-Format mit den Verantwortlichen aus Einkauf, Logistik und IT stellt sicher, dass Fehlerf\u00e4lle analysiert und das System kontinuierlich verbessert wird. Die Dokumentation muss regelm\u00e4\u00dfig aktualisiert werden, um \u00c4nderungen in den Gesch\u00e4ftsprozessen oder den DSGVO-Anforderungen zu reflektieren. So wird aus einem einmaligen Projekt ein lernendes System, das \u00fcber die Zeit an Genauigkeit und Akzeptanz gewinnt.<\/p>\n","protected":false},"excerpt":{"rendered":"

      Checkliste f\u00fcr die KI-gest\u00fctzte Ticket-Triage in \u00f6sterreichischen Dienstleistungsunternehmen: DSGVO-konforme On-Premise-Implementierung in 4 Wochen.<\/p>\n","protected":false},"author":2,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"rank_math_title":"KI-Ticket-Triage in 4 Wochen: Checkliste f\u00fcr On-Premise-LLMs in \u00d6sterreich","rank_math_description":"Checkliste f\u00fcr die KI-gest\u00fctzte Ticket-Triage in \u00f6sterreichischen Dienstleistungsunternehmen: DSGVO-konforme On-Premise-Implementierung in 4 Wochen.","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\/ki-ticket-triage-checkliste-on-premise-dsgvo-4-wochen\/#article\",\"@type\":\"Article\",\"author\":{\"@id\":\"https:\/\/blog.forfis.com#org\"},\"dateModified\":\"2026-10-05T23:58:07.382962614+00:00\",\"datePublished\":\"2026-10-05T23:58:07.382962614+00:00\",\"description\":\"Checkliste f\u00fcr die KI-gest\u00fctzte Ticket-Triage in \u00f6sterreichischen Dienstleistungsunternehmen: DSGVO-konforme On-Premise-Implementierung in 4 Wochen.\",\"headline\":\"KI-Ticket-Triage in 4 Wochen: Checkliste f\u00fcr On-Premise-LLMs in \u00d6sterreich\",\"inLanguage\":\"en\",\"keywords\":[\"Scaling Across Departments\",\"Open-Weight Models On-Premise\",\"Conversational Agent\",\"Operations and Supply Chain\",\"201-500\",\"GDPR\",\"Integration Sprint\",\"Professional Services\",\"Slack or Microsoft Teams\",\"German\",\"Reduce Error Rate in the Back Office\",\"Austria\",\"4 weeks\",\"Ticket Triage and Routing\"],\"mainEntityOfPage\":\"https:\/\/blog.forfis.com\/blog\/ki-ticket-triage-checkliste-on-premise-dsgvo-4-wochen\/\",\"publisher\":{\"@id\":\"https:\/\/blog.forfis.com#org\"}},{\"@id\":\"https:\/\/blog.forfis.com\/blog\/ki-ticket-triage-checkliste-on-premise-dsgvo-4-wochen\/#faq\",\"@type\":\"FAQPage\",\"mainEntity\":[{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Ein Conversational Agent ist ein KI-System, das \u00fcber Chat-Interfaces wie Slack oder Microsoft Teams mit Nutzern kommuniziert. Im Kontext der Ticket-Triage analysiert der Agent eingehende Anfragen, klassifiziert sie nach Dringlichkeit und Thema und leitet sie an die zust\u00e4ndige Fachabteilung weiter. Er ersetzt keine menschliche Entscheidung, sondern reduziert die manuelle Vorarbeit, indem er Standardantworten generiert und Metadaten anh\u00e4ngt.\"},\"name\":\"Was ist ein Conversational Agent im Kontext der Ticket-Triage?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Open-Weight-Modelle wie Llama 3 oder Mistral laufen auf eigener Hardware im Rechenzentrum des Unternehmens. Bei der Ticket-Triage in \u00d6sterreich ist dies zwingend, wenn personenbezogene Daten aus dem CRM oder Support-Tickets verarbeitet werden. Da die Daten den Server nicht verlassen, erf\u00fcllt das System die Anforderungen der DSGVO (Art. 32) ohne externe Cloud-Abh\u00e4ngigkeiten. Die Latenz liegt bei lokalen Inferenz-Servern oft unter 200 ms, was f\u00fcr interaktive Chats akzeptabel ist.\"},\"name\":\"Warum Open-Weight-Modelle on-premise statt Cloud-APIs?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"In vier Wochen ist ein produktiver Rollout f\u00fcr alle Abteilungen unrealistisch. Realistisch ist ein Integration Sprint: Woche 1 Prozess-Audit und Datenanbindung, Woche 2 Modell-Feintuning und Prompt-Engineering, Woche 3 Pilotbetrieb mit einer kleinen Nutzergruppe, Woche 4 Evaluation und Dokumentation. Das Ergebnis ist ein validierter Proof of Concept mit messbaren Kennzahlen (Fehlerrate, Durchlaufzeit), der als Basis f\u00fcr die Skalierung auf weitere Abteilungen dient.\"},\"name\":\"Wie realistisch ist ein 4-Wochen-Zeitraum f\u00fcr die Implementierung?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Die DSGVO verlangt, dass personenbezogene Daten nur verarbeitet werden, wenn eine Rechtsgrundlage vorliegt und technische Schutzma\u00dfnahmen ergriffen werden. Bei der Ticket-Triage in \u00d6sterreich bedeutet das: Datenminimierung (nur notwendige Felder extrahieren), Verschl\u00fcsselung bei der \u00dcbertragung und Speicherung, sowie ein Datenverarbeitungsvertrag (AVV), falls externe Dienstleister involviert sind. Bei on-premise L\u00f6sungen entf\u00e4llt der AVV f\u00fcr die Modellinferenz, aber nicht f\u00fcr die Hosting-Infrastruktur, falls diese gemietet wird.\"},\"name\":\"Welche DSGVO-Anforderungen gelten f\u00fcr KI-gest\u00fctzte Ticket-Triage in \u00d6sterreich?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Die Integration erfolgt \u00fcber die offiziellen APIs von Slack oder Microsoft Teams. Der Agent wird als Bot registriert und erh\u00e4lt Berechtigungen, Nachrichten zu lesen und zu senden. F\u00fcr die Ticket-Routing-Logik werden Webhooks oder Event-Subscriptions genutzt, die bei neuen Tickets ausgel\u00f6st werden. Die Anbindung an das bestehende CRM (z. B. Salesforce, HubSpot) erfolgt \u00fcber REST-APIs, um Kontextdaten wie Kundenname oder Vertragsstatus abzurufen, ohne das CRM selbst zu ersetzen.\"},\"name\":\"Wie wird der Agent in Slack oder Microsoft Teams integriert?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Ein Prozess-Audit identifiziert die Workflows mit dem h\u00f6chsten manuellen Aufwand und der h\u00f6chsten Fehlerrate. Typische Kandidaten in der Supply Chain sind: Eingehende Lieferantenanfragen, Reklamationen, Statusabfragen und Dokumentenextraktion aus E-Mails. Das Audit misst die aktuelle Durchlaufzeit (z. B. 45 Minuten pro Ticket) und die Fehlerquote (z. B. 8 % falsche Zuordnung). Diese Baseline ist essenziell, um den ROI der Automatisierung nachweisbar zu machen.\"},\"name\":\"Wie beginnt der Prozess-Audit f\u00fcr die Ticket-Triage?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Die Skalierung erfordert eine klare Governance-Struktur. Zuerst wird der Pilot auf eine zweite Abteilung ausgedehnt, z. B. vom Einkauf in die Logistik. Dabei werden die Prompts und Klassifikationsregeln angepasst, aber die technische Infrastruktur bleibt identisch. Wichtig ist, dass jede Abteilung ihre eigenen Metriken definiert und ein monatliches Review-Format etabliert wird, in dem Fehlerf\u00e4lle gemeinsam analysiert werden. So entsteht ein lernendes System, das \u00fcber die Zeit an Genauigkeit gewinnt.\"},\"name\":\"Wie skaliert man die L\u00f6sung auf weitere Abteilungen?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Die menschliche Pr\u00fcfung ist bei sensiblen Daten zwingend. Der Agent klassifiziert das Ticket und schl\u00e4gt eine Routing-Entscheidung vor, aber ein Mitarbeiter best\u00e4tigt die Zuordnung, bevor das Ticket im System angelegt wird. Bei Tickets, die Geldfl\u00fcsse oder Gesundheitsdaten betreffen, wird die automatische Ausf\u00fchrung vollst\u00e4ndig deaktiviert. Diese Human-in-the-Loop-Architektur reduziert das Risiko von Fehlklassifikationen und schafft Vertrauen in der Belegschaft, was die Akzeptanz der neuen Technologie erh\u00f6ht.\"},\"name\":\"Wie funktioniert der Human-in-the-Loop-Ansatz bei der Ticket-Triage?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Die wichtigsten Metriken sind: Durchlaufzeit (Zeit von Eingang bis Zuordnung), Fehlerquote (Prozent der falsch gerouteten Tickets), und Nutzerakzeptanz (Prozent der Tickets, die ohne manuelle Korrektur akzeptiert werden). Zus\u00e4tzlich wird die Kostenersparnis pro Ticket berechnet. Diese Kennzahlen werden vor und nach der Implementierung gemessen und in einem Dashboard visualisiert, um den Gesch\u00e4ftsf\u00fchrungsrat regelm\u00e4\u00dfig \u00fcber den Fortschritt zu informieren.\"},\"name\":\"Welche Metriken sind f\u00fcr die Erfolgsmessung entscheidend?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Der Agent wird \u00fcber die API des bestehenden Helpdesk-Systems (z. B. Zendesk, Jira Service Management) angebunden. Er liest neue Tickets, extrahiert relevante Informationen und sendet sie an das LLM zur Klassifikation. Das Ergebnis wird als Kommentar im Ticket hinterlegt und das Ticket wird automatisch in die passende Queue verschoben. Die Integration ist bidirektional: \u00c4nderungen im Helpdesk werden an den Agent zur\u00fcckgemeldet, um den Kontext f\u00fcr Folgefragen zu aktualisieren.\"},\"name\":\"Wie wird der Agent mit dem bestehenden Helpdesk-System verbunden?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Professionelle Dienstleister in \u00d6sterreich verarbeiten oft sensible Daten von Mandanten, was strenge Vertraulichkeitsanforderungen mit sich bringt. Cloud-basierte LLMs sind hier oft nicht zul\u00e4ssig, da Daten in Drittl\u00e4nder \u00fcbertragen werden k\u00f6nnten. On-premise Open-Weight-Modelle l\u00f6sen dieses Problem, da die Daten im eigenen Rechenzentrum bleiben. Zus\u00e4tzlich wird die Infrastruktur nach ISO 27001 zertifiziert, um die Sicherheit der Datenverarbeitung zu gew\u00e4hrleisten und die Compliance-Anforderungen der Mandanten zu erf\u00fcllen.\"},\"name\":\"Welche spezifischen Herausforderungen gibt es in der Branche Professional Services?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Die Integration in bestehende Systeme ist der Schl\u00fcssel zum Erfolg. Der Agent ersetzt keine Software, sondern erg\u00e4nzt sie. Durch die Anbindung an CRM, ERP und Helpdesk \u00fcber APIs bleibt die bestehende Infrastruktur intakt. Das reduziert das Migrationsrisiko und die Schulungsaufw\u00e4nde f\u00fcr die Mitarbeiter. Die Architektur ist modell-agnostisch, was bedeutet, dass bei Bedarf auf ein anderes LLM umgestellt werden kann, ohne die gesamte Integration neu aufzubauen.\"},\"name\":\"Wie wird die Integration in bestehende Systeme sichergestellt?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Die Skalierung auf weitere Abteilungen erfordert eine modulare Architektur. Die Kernkomponenten (LLM-Inferenz, Routing-Logik, API-Anbindung) werden einmalig entwickelt und k\u00f6nnen f\u00fcr jede Abteilung konfiguriert werden. Die Prompts und Klassifikationsregeln werden pro Abteilung angepasst, aber die technische Infrastruktur bleibt identisch. Dies reduziert die Entwicklungszeit f\u00fcr neue Abteilungen von vier Wochen auf eine bis zwei Wochen, da nur die Konfiguration und das Feintuning erforderlich sind.\"},\"name\":\"Wie wird die Skalierung auf weitere Abteilungen technisch umgesetzt?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Die Reduktion der manuellen Back-Office-Arbeit erfolgt durch die Automatisierung der Triage und Routing-Entscheidung. Mitarbeiter m\u00fcssen keine Tickets mehr manuell lesen und zuordnen, sondern pr\u00fcfen nur noch die Vorschl\u00e4ge des Agents. Dies reduziert die Bearbeitungszeit pro Ticket von durchschnittlich 45 Minuten auf 5 Minuten. Die frei gewordene Kapazit\u00e4t kann f\u00fcr wertsch\u00f6pfendere Aufgaben genutzt werden, wie die Bearbeitung komplexer Kundenanfragen oder die Verbesserung der Servicequalit\u00e4t.\"},\"name\":\"Wie reduziert die Automatisierung die manuelle Back-Office-Arbeit?\"},{\"@type\":\"Question\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Die Fehlerquote wird durch die Kombination aus LLM-Klassifikation und menschlicher Pr\u00fcfung reduziert. Das LLM macht selten grobe Fehler, kann aber bei mehrdeutigen Tickets unsicher sein. Die menschliche Pr\u00fcfung f\u00e4ngt diese F\u00e4lle ab und korrigiert die Zuordnung. Zus\u00e4tzlich wird das System regelm\u00e4\u00dfig mit neuen Daten trainiert, um die Genauigkeit zu verbessern. Die Fehlerquote sinkt in der Regel von 8 % auf unter 2 % innerhalb der ersten drei Monate nach der Implementierung.\"},\"name\":\"Wie wird die Fehlerquote im Back Office reduziert?\"}]},{\"@id\":\"https:\/\/blog.forfis.com\/blog\/ki-ticket-triage-checkliste-on-premise-dsgvo-4-wochen\/#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\/ki-ticket-triage-checkliste-on-premise-dsgvo-4-wochen\/\",\"name\":\"KI-Ticket-Triage in 4 Wochen: Checkliste f\u00fcr On-Premise-LLMs in \u00d6sterreich\",\"position\":3}]},{\"@id\":\"https:\/\/blog.forfis.com#org\",\"@type\":\"Organization\",\"name\":\"Forfis\",\"url\":\"https:\/\/blog.forfis.com\"}]}","geo_content_hash":"1d8928c76fe09bf118ccfa66a5dac7aee1844660d89fff26bb1d123137572931","footnotes":""},"categories":[61],"tags":[35,49,51],"class_list":["post-401","post","type-post","status-publish","format-standard","hentry","category-professional-services","tag-austria","tag-reduce-error-rate-in-the-back-office","tag-ticket-triage-and-routing"],"_links":{"self":[{"href":"https:\/\/blog.forfis.com\/blog\/wp-json\/wp\/v2\/posts\/401","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=401"}],"version-history":[{"count":0,"href":"https:\/\/blog.forfis.com\/blog\/wp-json\/wp\/v2\/posts\/401\/revisions"}],"wp:attachment":[{"href":"https:\/\/blog.forfis.com\/blog\/wp-json\/wp\/v2\/media?parent=401"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blog.forfis.com\/blog\/wp-json\/wp\/v2\/categories?post=401"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blog.forfis.com\/blog\/wp-json\/wp\/v2\/tags?post=401"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}