![[object Object]](/assets/hero/head-network.jpg)
![[object Object]](/assets/UseCases/adigi.png)
Ausgangssituation & Problemstellung
Im Kundenservice touristischer Unternehmen entsteht täglich ein hoher manueller Aufwand durch die Bearbeitung eingehender E-Mails von Kunden, Reiseveranstaltern, Airlines und weiteren Partnern. Mitarbeitende verbringen viel Zeit mit wiederkehrenden Standardvorgängen wie Flugzeitenänderungen, Stornierungsanfragen, Dokumentenversand oder der Zuordnung von Veranstalter-Nachrichten zu bestehenden Buchungen.
Besonders bei kurzfristigen Ereignissen wie Streiks, Flugplanänderungen oder wetterbedingten Umbuchungen steigt das Mailaufkommen innerhalb kurzer Zeit stark an. Dies führte zu hohen Bearbeitungszeiten, zusätzlicher Belastung der Service-Teams und verzögerten Reaktionszeiten gegenüber Kunden.
Klassische regelbasierte Automatisierungen stießen dabei schnell an Grenzen, da touristische E-Mails oft unstrukturiert sind und sich Formulierungen je nach Veranstalter, Airline oder Situation stark unterscheiden. Ziel des Projekts war daher, Mitarbeitende im Kundenservice operativ zu entlasten und eingehende E-Mails automatisiert vorzustrukturieren, zu priorisieren und teilweise direkt weiterzuverarbeiten.
Lösungsansatz & Einsatz von KI
Entwickelt wurde ein KI-gestützter Serviceprozess zur automatisierten Analyse eingehender E-Mails im Reisevertrieb. Die KI bewertet Inhalte semantisch und erkennt u.a. Anliegen, Priorität, betroffene Buchungsvorgänge sowie notwendige Folgeaktionen.
Zum Einsatz kommen Large Language Models in Kombination mit regelbasierten Prüfungen und bestehenden touristischen Systemdaten. Die KI klassifiziert eingehende Nachrichten, extrahiert relevante Informationen und erstellt strukturierte Vorschläge für die weitere Bearbeitung.
Zusätzlich können bestimmte Standardfälle automatisiert verarbeitet oder vorsortiert werden, sodass Mitarbeitende sich stärker auf komplexe Kundenanliegen konzentrieren können. Wichtig war dabei die Kombination aus KI und klassischen Prozessregeln. Rein generative Ansätze erwiesen sich im operativen Betrieb als zu unkontrollierbar. Deshalb wurden Freigaben, Plausibilitätsprüfungen und definierte Eskalationswege integriert.
Das System wird nicht als vollautomatischer Ersatz für Mitarbeitende genutzt, sondern zur Vorqualifizierung, Priorisierung und teilweisen Automatisierung standardisierter Servicevorgänge.
Erkenntnisse, Learnings & Wirkung
Besonders hilfreich war der Einsatz der KI bei unstrukturierten E-Mails mit sehr unterschiedlichen Formulierungen. Klassische Keyword- oder Regelmodelle erwiesen sich hier als zu fehleranfällig.
Gleichzeitig zeigte sich, dass die Qualität der Ergebnisse stark von klar definierten Prozessen und konsistenten Daten abhängt. Nicht die KI selbst war die größte Herausforderung, sondern uneinheitliche Abläufe und unterschiedliche Datenstände zwischen bestehenden Systemen.
Ein wichtiges Learning war außerdem, dass Mitarbeitende KI-Vorschläge deutlich besser akzeptieren, wenn Entscheidungen nachvollziehbar bleiben und manuelle Eingriffe jederzeit möglich sind. Daher wurde bewusst auf ein unterstützendes Assistenzsystem statt auf eine vollständig autonome Lösung gesetzt.
Im operativen Einsatz konnten Bearbeitungszeiten für standardisierte Vorgänge reduziert und Service-Teams insbesondere bei hohem Mailaufkommen spürbar entlastet werden. Gleichzeitig verbesserte sich die Geschwindigkeit bei der Erstbearbeitung eingehender Kundenanfragen.
Ansprechpartner
Nicolas Götz
adigi GmbH