Case-Study: Email KI‑Assistent für Kunden-Support
Über 50% Automatisierung der Email-Anfragen von Kunden eines SaaS Unternehmens
Kapitel
Wer ist Orts.App
Orts.App ist eine Kommunikationsplattform mit dem Ziel Gemeinden, Vereinen und Bürgern eine zentrale digitale Infrastruktur für Information und Austausch auf lokaler Ebene zu bieten. Kommunen können darüber Nachrichten, Termine und Umfragen veröffentlichen, während Bürger über Push-Mitteilungen schnell informiert werden oder sich über eine digitale Pinnwand aktiv einbringen. Auch Vereine, Schulen und Gruppen können Inhalte bereitstellen, sodass eine breite Beteiligung am Gemeinschaftsleben entsteht. Die App ist für iOS, Android und als Webversion verfügbar und kann individuell an das Erscheinungsbild der jeweiligen Gemeinde angepasst werden. Orts.App unterstützt zudem mit Beratung, Schulungen und Support.
Wie kam der Kontakt zustande?
Die Zusammenarbeit nahm ihren Anfang über unsere engen Verbindungen zum Schwesterunternehmen Orts.App, mit dem wir schon seit längerem in regelmäßigem Austausch stehen. In einer dieser Gespräche wurde Erik Kipf, Leiter des Customer-Success-Teams bei Orts.App, auf unsere Projekte im Bereich KI-Automatisierung aufmerksam.
Erik hatte bereits eigene Erfahrungen mit ChatGPT gesammelt und sich mit den Möglichkeiten des Prompt-Engineerings vertraut gemacht. Seine Neugier richtete sich jedoch zunehmend darauf, wie sich solche Werkzeuge nicht nur experimentell, sondern strukturiert und produktiv in Geschäftsprozessen einsetzen lassen.
Um diese Fragen zu beantworten, vereinbarten wir einen gemeinsamen Workshop. In einer kompakten Session von rund zwei Stunden legten wir die Grundlage für das spätere Projekt
Wie war die Ausgangslage?
Der Customer-Success-Bereich von Orts.App trägt eine zentrale Verantwortung: Er betreut mehr als 300 Kunden, vor allem Gemeinden, Kommunen und Städte, die die Plattform nutzen. Zum Aufgabenprofil gehören das Onboarding neuer Kunden, die Erfolgsentwicklung bestehender Kunden zur optimalen Nutzung der App, das Upselling zusätzlicher Features und Services sowie der Support bei technischen und inhaltlichen Schwierigkeiten.
Besonders der Support erwies sich als großer Zeitfresser. Wöchentlich gingen 100 bis 150 Anfragen ein, die im Schnitt jeweils 15 Minuten Bearbeitungszeit erforderten. Die Kontaktaufnahme erfolgte überwiegend telefonisch oder per E-Mail, wobei die Bandbreite der Anliegen groß war: einfache Anwenderfehler, Nachfragen zu fehlenden oder gewünschten Funktionen bis hin zu Meldungen technischer Bugs.
Die Betreuung dieser Anfragen war für Orts.App nicht nur ein notwendiger Service, sondern strategisch entscheidend. Kundenzufriedenheit und langfristige Beziehungen haben oberste Priorität. Gleichzeitig führte das starke Wachstum des Unternehmens zu einem kontinuierlich steigenden Supportaufwand. Erik Kipf war daher auf der Suche nach Lösungen, die den Aufwand reduzieren, ohne die von den Kunden geschätzte hohe Qualität zu beeinträchtigen.
Frühere Versuche, diesen Prozess zu automatisieren, verliefen enttäuschend: Ein getesteter Chatbot eines Drittanbieters konnte in weniger als 20 % der Fälle zufriedenstellende Antworten liefern. Noch schwerwiegender war, dass das Modell völlig autonom antwortete und das Team so die Kontrolle über die Kommunikation verlor – ein Risiko, das Orts.App nicht eingehen wollte.
Parallel dazu hatte man in den vergangenen drei Jahren eine hochwertige Web-Academy aufgebaut. Sie enthielt leicht verständliche Beschreibungen und Schritt-für-Schritt-Anleitungen für den Großteil aller Supportfragen. Das Problem: Die Kunden nutzten dieses Angebot kaum. Statt selbst nach einer Lösung zu suchen, wandten sie sich fast immer direkt an den Support.
Wie lief die Evaluierungsphase ab?
Die erste gemeinsame Evaluierungsphase bestand aus zwei klar abgegrenzten Teilen. Im ersten Schritt stellte unser Team die aktuellen Tools, Modelle und Use Cases vor, die sich aus unserer Sicht besonders gut für KI-gestützte Automatisierungen eignen. Diese Übersicht sollte ein Bild davon vermitteln, wie breit die Einsatzmöglichkeiten inzwischen sind und welche Chancen sich daraus ergeben.
Von Beginn an machte Erik Kipf deutlich, dass für ihn die Entlastung des Support-Bereichs oberste Priorität hatte. Damit verlagerte sich die Diskussion rasch vom allgemeinen Überblick hin zu den konkreten Prozessen seines Teams.
Im zweiten Schritt gingen wir daher tiefer in die Abläufe des Customer Success bei Orts.App. Im Mittelpunkt standen drei zentrale Fragen:
Welche Prozesse sind standardisierbar genug, um automatisiert zu werden?
Wie hoch ist der Nutzen einer möglichen Automatisierung – lohnt sich die Investition?
Welche strukturierten Daten sind verfügbar, um ein KI-System zuverlässig zu trainieren?
Aus dieser Analyse kristallisierten sich schnell drei vielversprechende Teilprozesse heraus:
Ein E-Mail-Assistent, der eingehende Support-Anfragen verarbeitet und automatisch Entwürfe erstellt, die von Mitarbeitenden geprüft und bei Bedarf angepasst werden.
Ein Voice-Assistent, der Telefonanfragen direkt entgegennimmt, einfache Anliegen beantwortet und bei komplexeren Fällen Rückruftermine für das Support-Team einplant.
Ein KI-gestützter Angebotsassistent, der im Upselling-Prozess Angebote und Auftragsbestätigungen vorbereitet und so wertvolle Zeit im Vertrieb spart.
Nach dem Workshop bereitete Frieder die drei Optionen nochmals strukturiert auf und bewertete sie anhand von drei Kriterien:
Komplexität der Implementierung
Erwartetes Einsparpotenzial
Verfügbarkeit und Qualität der Datenbasis
Die Bewertung zeigte ein klares Bild: Der E-Mail-Assistent war der aussichtsreichste Kandidat. Zum einen war die Implementierung technisch überschaubar, zum anderen versprach er ein enormes Einsparpotenzial von über 20 Stunden pro Woche. Hinzu kam eine hervorragende Datenbasis – die umfangreichen Academy-Inhalte und mehr als 5.000 bereits bearbeitete Support-E-Mails lieferten ideale Voraussetzungen für das Training und die Feineinstellung des Systems.
Gemeinsam entschieden Frieder und Erik daher, die nächste Phase einzuleiten: eine detaillierte Potenzialanalyse des E-Mail-KI-Assistenten, der künftig automatisch Entwürfe für Supportantworten generieren sollte.
Welche Herausforderungen mussten im Rahmen der Potentialanalyse und Planung gelöst werden.
Dank der aktiven Mitarbeit von Erik Kipf und seinem Team konnten wir die Potenzialanalyse in kurzer Zeit abschließen. Der Fokus lag darauf, die realen Supportabläufe präzise zu verstehen, automatisierbare Anteile zu identifizieren und ein einfaches, akzeptanzförderndes Bedienkonzept zu entwickeln.
Gemeinsam mit den Kolleg:innen aus dem Support haben wir die eingehenden Tickets systematisch gesichtet, gebündelt und bewertet. Das Ergebnis der Typisierung war eindeutig:
≈ 75 % der Anfragen folgen einem wiederkehrenden Schema und sind gut standardisierbar.
≈ 15 % sind zu unkonkret formuliert und benötigen eine menschliche Klärung (Rückfragen, Kontext).
≈ 10 % sind Edge Cases, die selten auftreten und sich kaum sinnvoll standardisieren lassen.
Besonders positiv fiel die Datenqualität auf: Viele neue Anfragen ließen sich nahezu 1:1 auf bereits gelöste Fälle mappen. Zusammen mit den strukturierten Academy-Inhalten ergab sich eine ideale Grundlage für den Assistenten:
Ein E-Mail-Archiv mit tausenden bereits beantworteten Supportfällen (inkl. Formulierungen, Tonalität, Lösungswegen).
Eine Web-Academy mit klaren, handlungsorientierten Schritt-für-Schritt-Anleitungen.
Diese Kombination ermöglicht präzises Retrieval (ähnliche Fälle + passende Anleitungen) und konsistente Antwortentwürfe.
Früh war klar: Die Akzeptanz steht und fällt mit der Einfachheit der Bedienung. Das Supportteam wünschte sich „so wenig Klicks wie möglich“ – idealerweise einen einzigen Button direkt im E-Mail-Client. Daraus entstand die Idee, ein Microsoft-365-Add-In bereitzustellen (Outlook ist unternehmensweit Standard). Nach kurzem Austausch mit dem IT-Verantwortlichen gab es grünes Licht: keine Compliance- oder Security-Bedenken, der Weg war frei.
So entstande der folgende, idealisierte Ziel-Workflow – vom Eingang der Support-Anfrage bis zum versandfertigen Antwortentwurf:
Eingang: Die Supportanfrage trifft per E-Mail ein.
Auswahl: Der/die Mitarbeitende entscheidet, ob der KI-Assistent genutzt wird (One-Click im Outlook-Add-In).
Parsing & Strukturierung: Die E-Mail wird per API an den Assistenten übergeben, geparst (Struktur, Entitäten, Schlüsselwörter) und in ein standardisiertes Datenformat überführt.
Retrieval: Mit den extrahierten Schlüsselwörtern durchsucht das System die vektorisierte E-Mail-Datenbank nach semantisch ähnlichen Fällen und zieht relevante Academy-Beiträge heran.
Entwurf: Die KI erstellt auf Basis der aktuellen Anfrage, der 5 ähnlichsten historischen Antworten und der passenden Academy-Inhalte einen optimalen Antwortentwurf (inkl. Begründungen/Quellen im Hintergrund).
Rückgabe: Der fertige Entwurf wird per API direkt in Microsoft Outlook zurückgespielt – adressiert und versandbereit.
Mensch-im-Loop: Der/die Support-Mitarbeitende prüft den Entwurf, passt bei Bedarf an und sendet die E-Mail an den Kunden.
Insgesamt zeigte die Potentialanalyse: hoher Automatisierungsgrad bei den standardisierbaren 75 %, klare Grenzen bei unklaren/seltenen Fällen und eine erstklassige Datenbasis. Mit dem Outlook-Add-In als Frontend war zugleich sichergestellt, dass der Assistent nahtlos in den Alltag integriert wird – ohne Toolbruch und mit voller menschlicher Kontrolle vor dem Versand.
Wie sah der Implementierungs-Plan aus?
Der gemeinsam mit Orts.App abgestimmte Ziel-Workflow diente als belastbare Grundlage für die konkrete Umsetzung. Auf dieser Basis entwickelten wir einen detaillierten Implementierungsplan, der alle technischen Bausteine, die Datenintegration, die Workflows sowie die Schnittstellen- und Frontend-Entwicklung abdeckte.
Technische Infrastruktur
Im ersten Schritt stand die Einrichtung der Basisinfrastruktur im Fokus:
PostgreSQL-Datenbank: zum Speichern strukturierter Support- und Academy-Daten.
Qdrant-Vektordatenbank: zur Ablage und Abfrage von Embeddings für semantische Suchen.
n8n-Instanz: für die Automatisierung wiederkehrender Workflows wie Import, Parsing und Routing.
KI-Modelle: Integration geeigneter Modelle für Natural Language Processing, Klassifikation und Textgenerierung.
E-Mail-Postfächer für Entwürfe: zur Ablage automatischer Antwortentwürfe, die vom Team überprüft werden konnten.
Datenaufbereitung & Training
Die Datenbasis war der entscheidende Erfolgsfaktor. Folgende Schritte wurden umgesetzt:
Anlage von Zugangsdaten für IMAP-basierte Postfächer.
Import und Vektorisierung der Academy-Inhalte als Wissensgrundlage.
Einlesen und Vektorisierung historischer Support-E-Mails (über 5.000 Fälle).
So entstand ein reichhaltiger semantischer Datenpool, aus dem die KI passende Informationen für neue Anfragen abrufen konnte.
Workflow-Implementierung
Anschließend wurde die eigentliche Logik umgesetzt:
Täglicher Abruf neuer E-Mails, Import und Vektorisierung zur fortlaufenden Aktualisierung der Datenbasis.
Automatisierte Erstellung von Antwortentwürfen durch die KI und Ablage in dedizierten Entwurfsordnern.
Schnittstellen & Frontend
Damit die Lösung im Alltag nahtlos genutzt werden konnte, wurden zwei zentrale Elemente entwickelt:
Ein Webservice, der die E-Mail-Beantwortungen für das Outlook-Add-In bereitstellt.
Das Outlook-Add-In selbst, mit dem Support-Mitarbeitende per Knopfdruck einen Antwortentwurf generieren lassen konnten.
Test & Übergabe
Um Qualität und Praxistauglichkeit sicherzustellen, wurden umfangreiche Tests durchgeführt:
In-Sample-Tests mit historischen Anfragen.
Out-of-Sample-Tests mit neuen, realen Anfragen.
So konnten Genauigkeit, Konsistenz und Nutzerfreundlichkeit überprüft und sukzessive verbessert werden.
Projektmanagement & Zeitplan
Das Projekt wurde straff organisiert und auf 17,5 Manntage geschätzt. Der Ablauf erstreckte sich über fünf Wochen mit klarer Phasenstruktur:
Woche 1: Aufsetzen der Infrastruktur & Implementierung der Kern-Workflows.
Woche 2: Import, Filterung und Vektorisierung der Academy- und E-Mail-Daten.
Woche 3: Entwicklung des Outlook-Add-Ins.
Woche 4: Interne Tests mit dem Support-Team (In- und Out-of-Sample).
Woche 5: Feintuning auf Basis des Feedbacks und finale Übergabe an Orts.App.
Durch diese systematische Planung wurde sichergestellt, dass die Implementierung strukturiert, transparent und risikominimiert verlief – mit einem klaren Ziel: den KI-Assistenten in kurzer Zeit produktiv und zuverlässig nutzbar zu machen.
Lohnt sich das Investment?
Parallel zur technischen Planung führten wir eine Wirtschaftlichkeitsanalyse durch, um die Investition in den E-Mail-KI-Assistenten faktenbasiert zu bewerten. Grundlage bildeten Interviews mit den Fachbereichen, in denen die tatsächlichen Aufwände im Support-Bereich transparent ermittelt wurden.
Ausgangszahlen:
Im Durchschnitt musste das Customer-Success-Team von Orts.App 100–150 Supportanfragen pro Woche bearbeiten. Rund zwei Drittel davon kamen per E-Mail, ein Drittel telefonisch. Mit einer durchschnittlichen Bearbeitungszeit von 15 Minuten pro Anfrage ergab sich ein Aufwand von 16,5 bis 25 Stunden pro Woche allein für den E-Mail-Support.
Da Orts.App jährlich um 150–200 Neukunden wächst, rechnete man zudem mit einem steigenden Supportvolumen. Prognostiziert wurde ein künftiger Aufwand von etwa 30 Stunden pro Woche.
Einsparungspotenzial:
Das Team bewertete, dass sich durch den Einsatz des KI-Assistenten etwa 50 % des E-Mail-Supports effizienter abwickeln ließen. Damit ergab sich ein realistisches Potenzial von 15 Stunden pro Woche, was hochgerechnet 780 Stunden pro Jahr entspricht.
Monetarisierung des Nutzens:
Mit einem internen Stundensatz von 60 € pro Mitarbeiterstunde entsprach die Zeitersparnis einem finanziellen Nutzen von 46.800 € pro Jahr.
Investition & ROI:
Dem erwarteten Einsparpotenzial stand ein Implementierungsaufwand von 17.500 € durch PressKI gegenüber. Damit war der Return on Investment in weniger als fünf Monaten erreicht – eine Kennzahl, die Erik Kipf sofort überzeugte.
Die Entscheidung fiel daher schnell: Orts.App gab grünes Licht für die Implementierung. Das Projekt erfüllte gleich mehrere Kriterien: hoher Nutzen, überschaubare Kosten und schneller Amortisationszeitraum.
Herausforderungen während der Implementierungs-Phase
Die eigentliche Implementierungsphase verlief insgesamt sehr reibungslos. Das lag nicht zuletzt am hohen Engagement des Customer-Success-Teams von Orts.App: Erik Kipf und seine Mitarbeitenden brachten sich aktiv ein, lieferten wertvolles Feedback und ermöglichten dadurch schnelle Iterationszyklen. Auch die Testläufe waren erfolgreich – die angestrebte Zielgröße, rund 50 % der E-Mail-Anfragen vollautomatisiert beantworten zu können, wurde sogar leicht übertroffen.
Dennoch traten im Verlauf einige unerwartete Aspekte auf, die gelöst werden mussten:
Die Analyse zeigte, dass der Anteil der Edge Cases – also Anfragen, die sich weder standardisieren noch automatisieren lassen – etwas höher lag als ursprünglich angenommen, nämlich bei etwa 20 %. Dieser Befund schmälerte die positiven Ergebnisse jedoch kaum, da der Effizienzgewinn bei den übrigen Fällen die Erwartungen übertraf.
Die größte Herausforderung stellte sich beim Outlook-Add-In heraus: Dieses konnte nur in Microsoft-365-Postfächern genutzt werden, nicht jedoch bei den klassischen IMAP-Postfächern, über die ein Teil des Supports arbeitete. Dieser Punkt war in der Planungsphase nicht bedacht worden und machte eine kurzfristige Anpassung notwendig.
Um das Problem zu lösen, entwickelten wir gemeinsam mit der IT von Orts.App einen pragmatischen Workaround:
Es wurden spezielle KI-Postfächer eingerichtet, die direkt mit dem Assistenten verknüpft waren.
Supportmitarbeitende konnten eingehende Kundenanfragen einfach an diese Postfächer weiterleiten.
Innerhalb von rund 30 Sekunden erhielten sie den generierten Antwortentwurf zurück in ihr gewohntes IMAP-Postfach.
Dieser alternative Workflow erforderte zwar einige zusätzliche Klicks, wurde von den Mitarbeitenden aber dennoch als unkompliziert und effizient empfunden.
Bemerkenswert war, dass trotz dieser zusätzlichen Anforderungen der Budgetrahmen eingehalten werden konnte. Nach zwei Feedback-Runden mit dem Team sowie kleineren Anpassungen an Workflows und Konfiguration erfolgte schließlich die offizielle Abnahme der KI-Automatisierung durch Orts.App.
Der finale Workflow
Nach Abschluss der Implementierungs- und Testphase stand der finale Workflow nun also fest, mit dem der E-Mail-KI-Assistent in den täglichen Supportbetrieb von Orts.App integriert wurde.
So funktioniert der Prozess heute:
Eingang der Anfrage: Kunden schicken ihre Supportanfragen per E-Mail.
Auswahl der Methode: Die Supportmitarbeitenden entscheiden, ob sie den KI-Assistenten nutzen möchten – entweder per Outlook-Add-In (bei Microsoft-365-Postfächern) oder durch Weiterleitung an ein spezielles KI-Postfach (bei IMAP-Postfächern).
Verarbeitung durch die KI: Die Anfrage wird analysiert, strukturiert und mit der vektorisierten Datenbank abgeglichen, die sowohl die Inhalte der Academy als auch mehr als 5.000 frühere Support-E-Mails umfasst.
Generierung des Antwortentwurfs: Auf Basis dieser Daten erstellt die KI einen präzisen Entwurf, der in Tonalität und Inhalt an die bisherigen Standards angepasst ist.
Rückgabe: Der Entwurf wird direkt in Outlook oder ins entsprechende Postfach des Mitarbeiters zurückgespielt.
Mensch-im-Loop: Der/die Supportmitarbeitende prüft den Vorschlag, nimmt bei Bedarf kleinere Anpassungen vor und sendet die Antwort ab.
Die Vorteile für Orts.App:
Hohe Effizienz: Mehr als die Hälfte aller E-Mail-Anfragen werden heute durch den KI-Assistenten vorformuliert – mit einer Einsparung von über 15 Stunden pro Woche.
Konsistenz in der Kommunikation: Da der Assistent sowohl auf die Academy als auch auf vergangene Antworten zugreift, sind die Antworten inhaltlich konsistent und hochwertig.
Schnellere Reaktionszeiten: Kunden profitieren von kürzeren Antwortzeiten, was die Zufriedenheit steigert.
Entlastung für Wertarbeit: Das Team hat mehr Kapazitäten für Onboarding, Kundenentwicklung und Upselling, anstatt Routinefragen manuell zu bearbeiten.
Flexibilität: Mit dem doppelten Zugang (Add-In und KI-Postfach) wurde sichergestellt, dass alle Postfächer unabhängig von der technischen Basis einbezogen werden können.
Der finale Workflow war damit robust, praxisnah und akzeptiert. Er verknüpfte technische Intelligenz mit menschlicher Kontrolle und sorgt so für eine nachhaltige Effektivitätssteigerung des Customer-Success-Bereichs bei Orts.App ohne Qualität einzubußen und schaffte mehr Zeit für die anderen Aufgabenbereiche.
Die Gretchenfrage: Wie gut funktioniert es in der Praxis
Rund zwei Monate nach dem Go-Live baten wir Erik Kipf um ein ausführliches Feedback. Im Mittelpunkt stand die Frage, wie er den Erfolg des Projekts bewerten würde: Wurden die gesteckten Ziele erreicht? Hat sich die Investition gelohnt?
Die Zufriedenheit im Team
Zunächst das Wichtigste: Die Akzeptanz im Customer-Success-Team war hoch. Niemand verweigerte den Einsatz, vielmehr beschrieben die Mitarbeitenden den Assistenten als spürbare Entlastung im Arbeitsalltag. Die Bedienung über Outlook-Add-In oder KI-Postfach erwies sich als einfach und praktikabel.
Der messbare Nutzen
Die Zahlen nach zwei Monaten im Betrieb waren eindrucksvoll:
In rund 80 % der E-Mail-Supportfälle lieferte der Assistent einen klaren Mehrwert.
Bei 50 % der Anfragen konnten die Antworten ohne Änderungen direkt versendet werden.
In 30 % der Fälle mussten die Entwürfe leicht angepasst werden.
Nur in 20 % der Fälle war die KI-Antwort unzureichend, sodass das Team eine neue Antwort formulieren musste.
Überraschend gute Qualität
Besonders positiv fiel auf, dass die KI in manchen Fällen Workarounds vorschlug, die selbst erfahrene Mitarbeitende erst nach über einem Jahr im Job eigenständig entwickelt hätten. Die Systeme waren also nicht nur in der Lage, bestehendes Wissen konsistent zu reproduzieren, sondern konnten auch lösungsorientierte Perspektiven eröffnen, die echten Mehrwert für die Kunden boten.
Zeitgewinne und Effizienz
Die ursprüngliche Bearbeitungszeit von 15 Minuten pro Anfrage konnte im Schnitt auf 8,5 Minuten reduziert werden. Damit wurde das Ziel von 7,5 Minuten knapp verfehlt, doch die Verbesserung war dennoch signifikant – eine Einsparung von fast 45 % pro Anfrage.
Eriks Fazit
In seinem Feedback betonte Erik, dass er sehr zufrieden mit dem gesamten Projektverlauf sei – sowohl mit der Zusammenarbeit während der Implementierung als auch mit den Ergebnissen im täglichen Betrieb. Sein größter Wunsch für die Zukunft: eine noch schnellere Response Time der KI, um die Arbeit des Teams weiter zu beschleunigen.
Alles in allem war die Einschätzung eindeutig: Das Projekt hatte die Erwartungen nicht nur erfüllt, sondern in mehreren Punkten übertroffen.