Was die KI beim Sortieren entscheidet
Bei der E-Mail-Klassifizierung ordnet ein Modell eine Nachricht vorgegebenen Kategorien zu. Das kann eine Angebotsanfrage, eine Reklamation oder eine Rückfrage zu einem bestehenden Auftrag sein. Das Ergebnis ist zunächst ein Vorschlag für die Bearbeitung. Eine Kategorie bestätigt weder die Angaben des Absenders noch erledigt sie dessen Anliegen.
Für ein gemeinsames Postfach ist diese Unterscheidung praktisch: Eine Nachricht kann beim richtigen Team landen, obwohl noch Bestellnummer oder Fotos fehlen. Umgekehrt kann eine vollständig ausgefüllte E-Mail falsch eingeordnet sein. Sortierung und Vollständigkeitsprüfung brauchen deshalb getrennte Regeln. Der Beitrag zur Datenextraktion aus Dokumenten behandelt die anschließende Übernahme einzelner Angaben in feste Felder.
Eine KI lohnt sich hier vor allem dann zur Prüfung, wenn derselbe Bearbeitungsanlass sehr unterschiedlich formuliert wird. Für eindeutige Absenderadressen, vorhandene Ticketnummern oder fest vereinbarte Betreffkürzel reichen möglicherweise normale Postfachregeln. Vergleichen Sie beide Wege am selben Eingang: Welche zusätzlichen Fälle erkennt die KI, und wie viel Kontrollarbeit entsteht dadurch?
Kategorien nach dem nächsten Arbeitsschritt benennen
„Kunde“, „dringend“ und „Rechnung“ ergeben zusammen keine saubere Kategorienliste. Das erste bezeichnet eine Beziehung, das zweite eine Priorität und das dritte einen Dokumenttyp. Dieselbe Nachricht kann alle drei Merkmale besitzen. Wer daraus drei konkurrierende Ablagefächer macht, erzeugt bereits vor dem ersten Modellaufruf Mehrdeutigkeit.
Beginnen Sie mit der Frage, wer nach der Zuordnung was tun soll. Eine kleine Liste könnte „Angebotsanfrage“, „Rückfrage zum Auftrag“ und „Reklamation“ enthalten. Daneben braucht es einen Weg für Nachrichten, die nicht passen oder mehrere Anliegen verbinden. Die Dringlichkeit lässt sich bei Bedarf separat bewerten; eine automatische Vorrangentscheidung braucht wiederum eigene Kriterien.
- Angebotsanfrage: Jemand fragt nach einer neuen Leistung oder einem Preis. Eine Beschwerde über einen früheren Auftrag bleibt davon getrennt.
- Rückfrage zum Auftrag: Es geht etwa um Termin, Lieferstand oder eine vereinbarte Ausführung, ohne dass ausdrücklich ein Mangel beanstandet wird.
- Reklamation: Jemand beschreibt einen Mangel oder verlangt eine Korrektur zu einer bereits erbrachten Leistung oder Lieferung.
- Manuell prüfen: Der Bearbeitungsanlass ist unklar, mehrere Anliegen sind verbunden oder die Nachricht fällt außerhalb der vereinbarten Kategorien.
Das ist eine mögliche Arbeitsdefinition, keine allgemeingültige Einteilung. Ergänzen Sie pro Kategorie einen typischen Fall und einen ähnlichen Fall, der ausdrücklich anders behandelt wird. Wenn zwei Mitarbeitende dieselbe Nachricht unterschiedlich zuordnen, sollte zunächst die Kategorie geklärt werden. Ein Modell kann eine fachlich offene Zuständigkeit nicht verbindlich entscheiden.
Mehrere Anliegen passen nicht immer in ein Fach
Ein fiktives Beispiel: „Die gelieferte Platte ist beschädigt. Bitte schicken Sie Ersatz und ein Angebot für zwei weitere Platten.“ Die Nachricht enthält eine Reklamation und eine neue Anfrage. Eine einzige Kategorie kann den zweiten Bearbeitungsauftrag verdecken. Zwei unabhängige Weiterleitungen können dagegen dazu führen, dass beide Teams auf die jeweils andere Bearbeitung warten oder widersprüchlich antworten.
Für solche Fälle gibt es verschiedene brauchbare Wege. Sie können mehrere Kennzeichnungen zulassen und trotzdem eine verantwortliche Person für die gesamte Nachricht bestimmen. Oder Sie legen eine Vorrangregel fest: Die Reklamation führt den Fall, die Zusatzanfrage wird als weitere Aufgabe mitgeführt. Bei geringem Aufkommen ist eine manuelle Zuordnung möglicherweise der einfachste Weg. Entscheidend ist, dass die vollständige Nachricht erreichbar bleibt.
Einordnen lässt sich das auch technisch: Laut n8n-Dokumentation zum Text Classifier können Kategorien mit Beschreibungen definiert und mehrere Klassen je Eingabe erlaubt werden. Für Eingaben ohne klare Zuordnung bietet der Baustein einen zusätzlichen „Other“-Ausgang. Die Dokumentation nennt das Verwerfen solcher Eingaben als Standardeinstellung. Prüfen Sie deshalb die konkrete Konfiguration und Version Ihres Ablaufs.
Meine Empfehlung für ein Eingangspostfach: Unpassende Nachrichten bleiben in einer sichtbaren Prüfliste. Dass eine Nachricht keine Kategorie erhält, ist ein fachlicher Ausgang, kein Grund für ihr Verschwinden. Auch der zusätzliche Ausgang muss an eine tatsächlich bearbeitete Liste oder Aufgabe angeschlossen sein.
Warum 95 Prozent richtig trotzdem zu wenig sein können
Die folgenden Zahlen sind frei gewählt und beschreiben weder ein Kundenprojekt noch die Leistung eines bestimmten Produkts. In einer Testmenge von 200 Nachrichten befinden sich zehn Reklamationen. Eine Sortierung erkennt alle 190 übrigen Nachrichten korrekt, aber keine der zehn Reklamationen. Ihre Gesamtquote beträgt 95 Prozent. Für die Reklamationsbearbeitung ist sie trotzdem unbrauchbar.
Google erläutert in seinem Machine Learning Crash Course, warum die Gesamtgenauigkeit bei ungleich verteilten Klassen irreführen kann. Für die betriebliche Entscheidung sollten Sie daher jede wichtige Kategorie einzeln betrachten. Bei seltenen, folgenreichen Anliegen ist gerade die kleine Gruppe interessant, die in der Gesamtzahl kaum auffällt.
Nehmen wir für denselben fiktiven Eingang einen zweiten Versuch an: Acht der zehn Reklamationen werden erkannt. Zusätzlich landen vier andere Nachrichten fälschlich im Reklamationsfach. Damit stehen dort zwölf Nachrichten, von denen acht tatsächlich Reklamationen sind. Zwei echte Reklamationen fehlen weiterhin.
- Recall: Wie viele der tatsächlich vorhandenen Reklamationen wurden gefunden? Im Beispiel acht von zehn, also 80 Prozent.
- Precision: Wie viele der als Reklamation eingeordneten Nachrichten sind wirklich Reklamationen? Im Beispiel acht von zwölf, also rund 67 Prozent.
Diese beiden Kennzahlen beantworten unterschiedliche Fragen. Die Formeln werden auch in Microsofts Dokumentation zur Textklassifizierung erläutert. Die Zahlen aus unserem Beispiel sind eine eigene Rechnung. Ob sie akzeptabel wären, hängt von Bearbeitungsfristen, Fehlerfolgen und der vorgesehenen Kontrolle ab. Ein übersehenes Anliegen kann schwerer wiegen als ein zusätzlicher Blick auf eine falsch zugeordnete Nachricht.
Bei wenigen Fällen sollten neben Prozentwerten immer die absoluten Zahlen stehen. „Zwei von zehn übersehen“ macht die Situation greifbarer als eine alleinstehende Quote. Sind in einem Test überhaupt keine Reklamationen enthalten, wurde deren Erkennung nicht nachgewiesen.
Eine überschaubare Vergleichsmenge aufbauen
Für eine erste Prüfung brauchen Sie Nachrichten, deren richtige Zuordnung fachlich feststeht. Lassen Sie die zuständige Person die erwartete Kategorie vergeben, bevor sie den KI-Vorschlag sieht. Sonst kann eine plausibel klingende Modellantwort das Urteil beeinflussen. Uneinige Fälle werden gemeinsam geklärt und als Grenzfall dokumentiert.
Die Vergleichsmenge sollte den vorgesehenen Eingang abbilden: knappe Einzeiler, längere Verläufe, unterschiedliche Sprachen, weitergeleitete Nachrichten und Fälle mit mehreren Anliegen. Seltene wichtige Kategorien werden zusätzlich gezielt geprüft. Halten Sie diese Zusatzfälle von der normalen Eingangsstichprobe unterscheidbar, damit daraus keine künstlich günstige oder ungünstige Gesamtquote entsteht.
Ein Teil der Beispiele kann helfen, Kategorien und Anweisungen zu verbessern. Andere Nachrichten bleiben bis zur anschließenden Prüfung zurück. Werden alle Beispiele wiederholt zur Anpassung benutzt, zeigt ein gutes Ergebnis vor allem, wie gut der Ablauf auf genau diese Sammlung zugeschnitten wurde. Daraus lässt sich seine Leistung bei neuen Nachrichten nur begrenzt ableiten.
Für die gemeinsame Auswertung genügt zunächst eine Tabelle: Nachrichtenkennung, erwartete Kategorie, vorgeschlagene Kategorie, Prüfausgang und kurzer Fehlergrund. Echte Inhalte gehören nur in eine dafür geeignete, zugriffsgeschützte Arbeitsumgebung. Klären Sie vor der Verarbeitung, welche Postfachdaten das eingesetzte System überhaupt erhalten soll. Für die Kategorienprüfung sind Signaturen, alte Anhänge oder ein vollständiger historischer Mailverlauf möglicherweise entbehrlich.
Die Eingabe muss zur Entscheidung passen
Eine Betreffzeile allein kann zu wenig sein. „Vielen Dank“ kann eine neue Anfrage, eine Terminbestätigung oder eine Beschwerde abschließen. Ein vollständig angehängter Verlauf kann wiederum ältere Anliegen enthalten, die bereits erledigt sind. Definieren Sie deshalb, ob die aktuelle Nachricht oder der gesamte Gesprächsfaden klassifiziert werden soll und wie zitierter Alttext behandelt wird.
Auch Anhänge brauchen eine ausdrückliche Regel. Wenn ein Ablauf nur den Nachrichtentext liest, darf er einen allein im PDF beschriebenen Mangel nicht als geprüft behandeln. Solche Eingaben können beispielsweise den Status „Anhang prüfen“ erhalten. Das Modell sollte keine sichere Kategorie liefern müssen, wenn ihm der entscheidende Inhalt fehlt.
Erhalten bleiben sollten die Originalnachricht und die Verbindung zwischen ihrem Eingang, dem Vorschlag und der späteren Korrektur. Eine kurze Begründung oder eine relevante Textstelle kann die Kontrolle erleichtern. Sie ersetzt keine Prüfung: Auch eine nachvollziehbar formulierte Begründung kann auf der falschen Passage beruhen.
Für die technischen Anweisungen bleibt außerdem die Grenze zwischen Auftrag und E-Mail-Inhalt wichtig. Eine fremde Nachricht darf die Sortierregeln nicht selbst ändern. Den Umgang mit solchen Anweisungen behandelt der Artikel zu Prompt Injection in Dokumenten und E-Mails. Hier wird die fachliche Zuordnung bewertet; ein gutes Klassifikationsergebnis ist kein Sicherheitsnachweis.
Erst Kennzeichnungen testen, dann Weiterleitungen freigeben
Ein begrenzter Einstieg kann Nachrichten im vorhandenen Postfach belassen und nur zusätzliche Kennzeichnungen vorschlagen. Das Team bearbeitet den Eingang weiterhin und korrigiert falsche Vorschläge. So wird sichtbar, welche Kategorien funktionieren, bevor eine automatische Verschiebung den Überblick verändert. Dieser Vergleichslauf braucht einen vereinbarten Endtermin und eine verantwortliche Person für die Auswertung.
Die nächste Stufe muss nicht für alle Kategorien gleich aussehen. Eine gut erkennbare Angebotsanfrage kann vielleicht einem Team zugeordnet werden, während Reklamationen und Mischfälle weiter geprüft werden. Welche Stufe passt, lässt sich erst anhand der Fehler und ihrer Folgen entscheiden. Eine willkürlich gesetzte Mindestquote für sämtliche Kategorien hilft dabei wenig.
Automatische Antworten, Löschungen oder verbindliche Zusagen sind zusätzliche Aktionen. Sie brauchen eigene Anforderungen und Prüfungen. Ein Sortierpilot sollte solche Aktionen nicht beiläufig mitführen. Lassen Sie sich bei einer Umsetzung zeigen, was bei einer nicht gelesenen Nachricht, einem leeren Modellergebnis und einer unterbrochenen Verbindung im Postfach passiert.
Was nach dem Start beobachtet werden sollte
Neue Produkte, andere Kundenbegriffe oder zusätzliche Zuständigkeiten können die Bedeutung einer Kategorie verändern. Halten Sie deshalb die gültigen Kategorienbeschreibungen mit Datum fest. Korrekturen aus dem Team sind besonders nützlich, wenn ihr Grund erfasst wird: fehlender Kontext, überlappende Definition, übersehenes Anliegen oder ein Fall außerhalb des vereinbarten Umfangs.
Prüfen Sie außerdem eine Stichprobe der scheinbar problemlos zugeordneten Nachrichten. Nur die manuelle Prüfliste auszuwerten reicht nicht: Gerade unbemerkte Fehlzuordnungen landen dort möglicherweise nie. Vergleichen Sie den Zeitaufwand für Sichtung, Korrektur und spätere Rückfragen mit dem bisherigen Vorgehen. Eine schnelle automatische Zuordnung kann durch aufwendige Nacharbeit ihren Nutzen verlieren.
Wenn Sie ein gemeinsames Postfach vorsortieren möchten, bringen Sie zunächst Ihre heutigen Kategorien und einige datensparsam vorbereitete Grenzfälle mit. Ich unterstütze bei der Klärung von Bearbeitungsregeln, Anforderungen und Abnahme. In der Prozessautomatisierung wird daraus ein begrenzter Ablauf mit überprüfbarem Ergebnis. Ob dafür KI nötig ist, zeigt der Vergleich mit den vorhandenen Postfachregeln.
Quellen und Einordnung
Die technischen Funktionsangaben und Kennzahlendefinitionen wurden am 21. Oktober 2026 anhand der folgenden Primärquellen geprüft. Kategorien, Vorgehen und Zahlenbeispiel sind meine Einordnung für kleine Betriebe; sie sind keine Herstellerzusagen oder belegten Projektergebnisse.
- n8n: Text Classifier – Kategorienbeschreibungen, Mehrfachzuordnung und Ausgang für nicht zugeordnete Eingaben.
- Google: Accuracy, recall, precision and related metrics – Aussagegrenzen der Gesamtgenauigkeit und Auswahl von Kennzahlen.
- Microsoft: Custom text classification model concepts – Precision, Recall und Bewertung einzelner Klassen.