Texte mit KI klassifizieren: E-Mails, Tickets und Feedback sortieren

Texte mit KI klassifizieren ist einer der nützlichsten und günstigsten Einsätze von Sprachmodellen. Eingehende E-Mails nach Abteilung sortieren, Support-Tickets nach Dringlichkeit einstufen, Kundenfeedback nach Thema und Stimmung auswerten: Das gelingt ohne eigenes Training und meist schon mit kleinen Modellen.

Schritt 1: Kategorien festlegen

Definieren Sie eine feste, überschaubare Liste, am besten fünf bis fünfzehn Kategorien. Beschreiben Sie jede in einem Satz und ergänzen Sie „Sonstiges“ für alles, was nicht passt. Überschneidungen sind die häufigste Fehlerquelle: Wenn Menschen sich bei der Zuordnung uneinig wären, ist es die KI auch.

Schritt 2: Prompt und feste Ausgabe

Ordne die Kundennachricht genau einer Kategorie zu.
Kategorien:
- rechnung: Fragen zu Rechnungen, Zahlungen, Mahnungen
- lieferung: Lieferstatus, Verzögerung, falsche Ware
- technik: Fehler, Bedienung, Zugangsprobleme
- kuendigung: Kündigung oder Vertragsende
- sonstiges: alles andere
Antworte nur als JSON: {"kategorie": "...", "dringend": true/false, "begruendung": "ein Satz"}

Nachricht:
[Text]

Die feste JSON-Form lässt sich direkt weiterverarbeiten. Noch zuverlässiger wird es mit Structured Outputs, bei denen der Anbieter die Form erzwingt; das passende Schema erstellt der JSON-Schema-Generator.

Schritt 3: Beispiele für schwierige Fälle

Wenn bestimmte Nachrichten oft falsch landen, fügen Sie zwei oder drei Beispiele mit richtiger Lösung in den Prompt ein. Das hilft meist mehr als ein größeres Modell; siehe Few-Shot-Prompting.

Schritt 4: Qualität messen

1. Lassen Sie 100 bis 200 echte Texte von Menschen zuordnen.
2. Vergleichen Sie die KI-Zuordnung damit und zählen Sie die Treffer je Kategorie.
3. Verbessern Sie Beschreibungen und Beispiele dort, wo es hakt, und messen Sie erneut.

Behalten Sie diesen Testsatz. Bei jedem Modellwechsel prüfen Sie damit in Minuten, ob die Qualität stimmt.

Kosten

Eine Klassifizierung braucht meist einige hundert Tokens Eingabe und nur wenige Tokens Ausgabe. Mit kleinen Modellen kosten 10.000 Nachrichten oft weniger als einen Euro. Wenn die Antwort nicht sofort gebraucht wird, halbiert die Batch-Verarbeitung die Kosten noch einmal. Ihre Zahlen rechnet der KI-Kostenrechner.

Datenschutz

Kundennachrichten enthalten personenbezogene Daten. Nutzen Sie die API eines Anbieters mit Vertrag zur Auftragsverarbeitung und Datenverarbeitung in der EU, oder entfernen Sie Namen und Kontaktdaten vorher mit dem Text-Anonymisierer.