Zum Hauptinhalt springen

Documentation Index

Fetch the complete documentation index at: https://docs.enneo.ai/llms.txt

Use this file to discover all available pages before exploring further.

Die KI-Nachbearbeitung eignet sich für strukturierte Auswertungen abgeschlossener Tickets. Sie wertet bearbeitete Tickets anhand konfigurierter, typisierter Fragen aus. Die erzeugten Ergebnisse werden im System als AI Insights gespeichert und können im Ticket sowie in Exporten genutzt werden.

​
Was ist die KI-Nachbearbeitung?

Die KI-Nachbearbeitung ist eine nachgelagerte Klassifikation von Tickets. Nach dem Abschluss eines Tickets beantwortet die KI zuvor definierte Fragen auf Basis der Ticketkonversation und verfügbarer Metadaten. Jede Frage besitzt einen fachlichen Namen, eine Beschreibung und einen Datentyp. Dadurch entstehen keine freien, unstrukturierten Zusammenfassungen, sondern auswertbare Werte wie Ja-Nein-Antworten, Kategorien, Zahlen oder kurze Texte. Die Konfiguration erfolgt in den kanalspezifischen Einstellungen unter dem Punkt KI-Nachbearbeitung.

​
Wofür wird die KI-Nachbearbeitung genutzt?

Die Funktion ist besonders hilfreich, wenn eine Information fachlich relevant ist, aber nicht zuverlässig über Status, Tags oder feste Prozessfelder abgebildet werden kann. Das betrifft vor allem Bewertungen, die erst aus dem Verlauf oder Ergebnis der Bearbeitung entstehen. Beispiele sind:
  • ob das Anliegen tatsächlich vollständig gelöst wurde
  • warum ein Vorgang an einen Mitarbeiter übergeben wurde
  • ob eine Automatisierung an fehlenden Daten, fehlender Berechtigung oder einer technischen Einschränkung gescheitert ist
  • ob sich die ursprüngliche Kundenintention während der Konversation verändert hat
  • ob ein Vorgang formal geschlossen wurde, obwohl fachlich noch Klärungsbedarf bestand
Solche Informationen sind für Auswertungen relevant, lassen sich aber häufig nicht stabil über operative Felder modellieren. Die KI-Nachbearbeitung ergänzt diese Struktur nachträglich, ohne den Bearbeitungsprozess selbst zu verändern.

​
Was sind AI Insights?

AI Insights sind die gespeicherten Ergebnisse der KI-Nachbearbeitung. Sie werden am Ticket gespeichert und stehen zusätzlich im Datenexport zur Verfügung. Der Export der AI Insights ist unter Erweiterte Einstellungen → Datenexporte zu finden. Im Datenexport werden die AI Insights als strukturierte Angaben pro Ticket ausgegeben. Dazu gehören:
  • die beantwortete Frage
  • der typisierte Wert
  • die Konfidenz
Der Wert richtet sich nach dem Datentyp der Frage. Bei einer Boolean-Frage ist das Ergebnis zum Beispiel wahr oder falsch. Bei einer Enum-Frage ist das Ergebnis eine der definierten Kategorien. Die Konfidenz beschreibt, wie sicher die KI ihre Antwort auf Basis der vorhandenen Informationen einschätzt. Eine niedrige Konfidenz bedeutet nicht automatisch, dass das Ergebnis falsch ist. Sie zeigt an, dass die Evidenz im Ticket schwach, indirekt oder widersprüchlich sein kann. Die kurze Begründung wird im Ticketkontext gespeichert, aber nicht als Massenangabe im Datenexport ausgegeben, da sie Freitext enthalten und Gesprächsinhalte zitieren kann.

​
Bedeutung der Fragetypen

Der Fragetyp legt fest, welche Art von Ergebnis die KI liefern darf und wie gut dieses Ergebnis später ausgewertet werden kann. Boolean-Fragen
  • Für klare Ja-/Nein-Klassifikationen
  • Geeignet, wenn eindeutig entschieden werden soll, ob etwas zutrifft
  • Beispiel: „Wurde das Anliegen gelöst?“
Enum-Fragen
  • Für vordefinierte Kategorien
  • Besonders geeignet für Reporting, Filterung, Aggregation und Vergleiche
  • Beispiel: „Welcher Grund liegt vor?“
Textfragen
  • Für kurze qualitative Einordnungen oder Zusammenfassungen
  • Weniger stabil für Reporting, da Freitext schwerer vergleichbar ist
Zahlenfelder
  • Nur verwenden, wenn die Zahl eindeutig aus der Konversation oder den Metadaten ableitbar ist
  • Nicht geeignet, wenn die KI schätzen oder interpretieren müsste

​
Best Practices für Fragen

Fragen sollten fachlich eindeutig, eng begrenzt und aus der Ticketkonversation beantwortbar sein. Die Beschreibung ist dabei entscheidend: Sie steuert, welche Evidenz die KI berücksichtigen soll und wann kein belastbares Ergebnis vorliegt. Eine gute Frage beschreibt nicht nur das gewünschte Ergebnis, sondern auch die Abgrenzung zu ähnlichen Fällen. Beispiel: Name: Bearbeitungsergebnis
Typ: Enum
Optionen: vollständig_gelöst, teilweise_gelöst, nicht_gelöst, unklar
Beschreibung: Bewerte, ob das Kundenanliegen im Ticket abschließend gelöst wurde. Verwende "unklar", wenn aus der Konversation keine belastbare Aussage möglich ist.
Weniger geeignet sind Fragen, die mehrere Aspekte gleichzeitig prüfen oder Informationen voraussetzen, die im Ticket nicht enthalten sind.

​
Umgang mit leeren Ergebnissen

Ein AI Insight kann leer bleiben, wenn die KI keine ausreichende Grundlage für eine Antwort findet. Das ist fachlich gewollt und sollte bei Auswertungen berücksichtigt werden. Wenn ein unbestimmtes Ergebnis analytisch relevant ist, sollte es explizit modelliert werden. Bei Enum-Fragen kann dafür eine Kategorie wie unklar oder nicht_bestimmbar verwendet werden.

​
Auswirkungen von Änderungen

Änderungen an Fragen wirken sich auf zukünftige Auswertungen aus. Historische Ergebnisse bleiben erhalten. Wenn eine Frage gelöscht wird, wird sie nicht mehr für neue Tickets verwendet. Bereits erzeugte AI Insights bleiben jedoch für Audit- und Exportzwecke erhalten. Bei Änderungen an Frage, Beschreibung, Datentyp oder Optionen sollte berücksichtigt werden, dass alte und neue Ergebnisse fachlich nicht immer direkt vergleichbar sind. Für stabile Zeitreihen sollten Fragen und Optionswerte möglichst konsistent bleiben.

​
Empfehlungen für den produktiven Einsatz

Die KI-Nachbearbeitung sollte mit wenigen, klar definierten Fragen beginnen. Eine kleine Anzahl präziser Fragen liefert meist stabilere Ergebnisse als viele breite oder überlappende Fragen. Vor der Nutzung in Reports sollten neue Fragen anhand realer Tickets geprüft werden. Dabei ist besonders wichtig, ob die Antwort tatsächlich aus der Konversation ableitbar ist und ob die Kategorien trennscharf genug sind. Die KI-Nachbearbeitung ist sinnvoll, wenn abgeschlossene Tickets strukturiert ausgewertet werden sollen. Sie sollte nicht als Ersatz für verbindliche Prozesslogik, Compliance-Entscheidungen oder manuelle fachliche Prüfung verwendet werden.