KI Case Study: KI-WhatsApp-Kundensupport
Kunde: SaaS-Unternehmen (vertraulich)
Die Herausforderung
Supportanfragen trafen über E-Mail, In-App-Chat und WhatsApp Business ein, ohne eine gemeinsame Warteschlange. Zwei Mitarbeitende sortierten alle drei Kanäle manuell; die erste Antwort dauerte im Durchschnitt vier Stunden und vierzig Prozent der Tickets wiederholten bekannte Fragen aus der Dokumentation.
Was ich gebaut habe
- 01
Alle Kanäle wurden über n8n in ein einheitliches Ticketformat mit Nutzer, Nachricht, Kanal, Zeit und Tarif überführt.
- 02
Ein LLM-Agent greift auf Produktdokumentation und FAQ-Wissen zu, klassifiziert die Absicht, ruft passende Quellen ab und formuliert einen Antwortentwurf.
- 03
Nur Antworten oberhalb einer definierten Sicherheitsschwelle werden automatisch gesendet. Unsichere Entwürfe landen mit Begründung und Quellen in einer Slack-Prüfung.
- 04
Komplexe Fälle erzeugen automatisch ein vollständiges Linear-Ticket mit Verlauf, Kontodaten und verfügbaren Fehlerdetails.
In der Praxis
Das Supportteam arbeitete gut, war aber mit drei getrennten Eingängen dauerhaft überlastet. Deshalb wurde zuerst eine gemeinsame Intake-Pipeline gebaut. Die KI kam erst danach, weil ohne einheitliche Daten auch der beste Agent keine verlässliche Arbeit leisten kann.
n8n normalisiert jede eingehende Nachricht in dieselbe Struktur. Kanal, Nutzerkennung, Zeit, Tarif und Gesprächskontext stehen damit für Klassifizierung, Antwort und spätere Auswertung konsistent bereit.
Die Wissensbasis entstand aus Hilfsartikeln, FAQ-Seiten und den häufigsten Supportfällen der letzten sechs Monate. Dokumente werden nach ihren echten Abschnitten geteilt, damit Antworten ihren Zusammenhang behalten. Metadaten sorgen dafür, dass Funktionen des jeweiligen Tarifs korrekt berücksichtigt werden.
Die menschliche Prüfschleife war für die Akzeptanz entscheidend. Die Slack-Karte zeigt Ticket, Entwurf, Sicherheit und verwendete Quellen. Freigeben dauert einen Klick; Korrigieren ist schnell, weil bereits ein brauchbarer Entwurf vorliegt. Das Team bleibt verantwortlich und erhält einen Assistenten statt einer Blackbox.
Genutzter Stack
Ein ähnliches Problem?
Lassen Sie uns darüber sprechen, wie es automatisiert werden kann.