KI für Neuanfragen und Service Management

Einleitung

E-Mail ist im B2B-Geschäft der maßgebliche Kanal für Anfragen, Neuanfragen, Serviceanfragen und Bestellungen. Trotzdem wird jede Nachricht heute manuell bearbeitet: Ein Sachbearbeiter öffnet die E-Mail, versteht den Kontext, ordnet sie zu und leitet die nächsten Schritte ein. Das kostet Zeit, ist fehleranfällig und skaliert nicht.

Die Lösung: KI-Agenten, die wie Sachbearbeiter denken – 24 Stunden, sieben Tage die Woche. Sie verstehen, was der Kunde benötigt, fragen fehlende Daten nach und bereiten die Aktion vor. Der Mensch bleibt finale Instanz. Besonders relevant: Auch im Sondermaschinenbau und bei komplexen Produkten, wo viele KI noch für ungeeignet halten, ist diese Automatisierung heute möglich.

1. E-Mail als zentraler B2B-Kanal

Im Business-Kontext läuft die Kommunikation maßgeblich über E-Mail. Neuanfragen und Angebotsanfragen, Produktdefinition und Konfiguration, Serviceanfragen und Wartung, Ersatzteilbestellungen, Nachfragen und Klärungen – all das landet im Postfach. Der manuelle Aufwand ist hoch: Jeder Sachbearbeiter öffnet, liest, versteht und ordnet zu.

Was passiert heute? Der Mitarbeiter muss den Intent erkennen – handelt es sich um eine Bestellung, eine Frage, eine Neuanfrage oder eine Serviceanfrage? Er muss fehlende Daten identifizieren, Rückfragen formulieren und die richtige Zuordnung zu Produkten, Anlagen und Kunden vornehmen. Besonders im Sondermaschinenbau gilt: Falsche Ersatzteile bedeuten teure Fehler – Retouren, Stillstand, Vertrauensverlust.

Gegen das Vorurteil: KI für komplexe B2B-Prozesse

Viele gehen davon aus, dass Sondermaschinenbau und komplexe Produkte noch weit von KI-Unterstützung entfernt seien. Service- und Bestellprozesse seien zu speziell, zu individuell, zu fehlerkritisch – so die Annahme.

Tatsächlich lohnt sich KI-Unterstützung hier am meisten. Hoher manueller Aufwand trifft auf hohe Fehlerkosten. KI-Agenten mit strukturierter Prozessführung und Anbindung an Installed Base, Stücklisten und ERP sind genau für diese Szenarien entwickelt. Human Review und Governance sichern die Kontrolle – auch bei den komplexesten Anfragen.

2. KI-Agenten – mehr als ChatGPT

Es geht nicht um die Nutzung von ChatGPT oder LLM-Systemen allein. Diese generieren Antworten, haben aber kein Prozessverständnis, keine Anbindung an Business-Systeme und keine strukturierte Datenabfrage. KI-Agenten sind anders: Sie übernehmen Aufgaben wie ein Sachbearbeiter. Sie verstehen Kontext und Intent, führen strukturierte Dialoge und arbeiten mit ERP, CRM und Produktdaten.

Ein KI-Agent kann eine Nachricht verstehen und einordnen: Ist es eine Bestellung, eine Frage oder eine Kombination? Welches Produkt, welche Anlage ist betroffen? Er fragt fehlende Parameter freundlich und kooperativ nach, reichert Daten aus angeschlossenen Systemen an und bereitet den Prozess bis zur Handlungsreife vor.

3. Neukunden und Neuanfragen

Im B2B, besonders im Sondermaschinenbau und in der Individualfertigung, sind Neuanfragen alles andere als Standard. Viele Parameter zur Produktdefinition, kundenspezifische Berechnungen, technische Daten – und oft mehrere Rückfragen nötig. Es gibt keinen einfachen Katalog, keine einfache Konfigurator-Logik.

Genau hier setzen KI-Agenten an: strukturierter Dialog statt manueller Datensammlung.

Ein KI-Agent übernimmt den Dialog rund um die Uhr. Er versteht die Neuanfrage, identifiziert die benötigten Parameter, fragt fehlende Daten gezielt nach und reichert sie mit Kundendaten aus dem CRM an. Die Angebotsgrundlage wird vorbereitet – freundlich und kooperativ, ohne starres Formular, mit natürlicher Kommunikation und kontextbezogenen Nachfragen.

4. Service und After-Sales

Serviceanfragen sind besonders fehleranfällig. Im Sondermaschinenbau ist jede Anlage individuell konfiguriert – es gibt keine Serienproduktion. Seriennummer, Stückliste und Konfiguration müssen exakt stimmen. Der Sachbearbeiter muss den Kontext manuell zuordnen, was fehleranfällig und zeitintensiv ist.

Viele halten KI hier für ungeeignet: zu komplex, zu individuell, zu kritisch. Tatsächlich sind KI-Agenten mit Installed-Base-Anbindung und strukturierter Extraktion genau dafür gebaut.

Der Agent versteht die E-Mail: Serviceanfrage, Ersatzteilbestellung oder Wartung? Er ordnet Anlage und Kontext zu – Seriennummer, Installed Base – bezieht Stückliste und Explosionszeichnung ein, fragt fehlende Angaben nach und bereitet die Bestellung maschinengerecht vor.

In Kombination mit einer Service-Plattform für Anlagenverwaltung, Ersatzteilmanagement und Dokumentenzugriff entsteht eine strukturierte Abwicklung ohne Medienbrüche. Richtige Teile identifizieren – keine unnötigen oder fehlerhaften Aufträge.

5. Technologie und Integration

Eine KI-Lösung, zwei Kanäle: Chatbot für Self-Service, Web und Portal, E-Mail-Agent für den klassischen B2B-Kanal. Beide teilen dieselbe Intent-Erkennung, dieselbe Dialoglogik und dieselbe Anbindung an Business-Systeme. Der Kunde wählt den Kanal – das System liefert konsistente Qualität.

Die Integration in die IT-Landschaft des Kunden umfasst:

• ERP – Aufträge, Bestände, Stücklisten
• CRM – Kundendaten, Historie
• Service-Plattform – Installed Base, Ersatzteile
• Dokumentenmanagement – technische Unterlagen

Eine State Machine steuert den Dialog, es gibt keine autonomen Aktionen ohne Validierung, und bei Unsicherheit oder hohem Geschäftswert greift Human Review.

6. Technische Architektur und Governance

Deterministische Orchestrierung, probabilistische Intelligenz

Ein zentrales Prinzip: Das System kontrolliert das LLM – nicht umgekehrt. Das LLM darf weder Zustand verwalten noch Workflow steuern, Aktionen ausführen oder ERP direkt ansprechen. Das System übernimmt Prozesslogik, Zustandsführung, Entscheidungen über Transitionen und die Anbindung an Business-Systeme.

Die Architektur folgt einer strikten Schichten-Trennung:

• Ingestion – E-Mail-Empfang, Attachment-Speicherung
• Extraction – Text-Extraktion aus PDF, OCR, Excel, strukturierte JSON-Ausgabe
• Dialog – Intent Detection, Rückfragen
• Action – Vorbereitung, Human Review, Ausführung

Warum Node-basierte Plattformen nicht ausreichen

Werkzeuge wie n8n, Make oder ähnliche Node-basierte Automatisierungsplattformen sind für einfache Workflows konzipiert: Trigger, Aktion, fertig. Für die Orchestrierung von KI-Agenten in komplexen B2B-Prozessen stoßen sie jedoch schnell an ihre Grenzen:

• Kein echtes State Management – Node-basierte Flows sind zustandslos. Ein mehrstufiger Dialog mit Rückfragen, Wartezeiten und Wiederaufnahme lässt sich damit nicht abbilden.
• Kein transaktionssicherer Conversation State – Wenn zwischen zwei Nachrichten Tage vergehen, braucht es eine persistente, auditierbare Zustandsführung in einer Datenbank – nicht in einem Flow-Tool.
• Fehlende Fehlerbehandlung auf Geschäftsebene – Was passiert, wenn das LLM unsicher ist? Wenn Daten widersprüchlich sind? Node-Plattformen bieten Retry-Logik, aber keine Business-Eskalation mit Human Review.
• Begrenzte Testbarkeit und Governance – Compliance, Audit-Trails und systematisches Testing von LLM-Outputs erfordern Code-basierte Kontrolle, nicht visuelle Flow-Editoren.
• Skalierung und Wartbarkeit – Mit wachsender Komplexität werden visuelle Flows unübersichtlich und fragil. Änderungen an einer Stelle können unvorhersehbare Auswirkungen haben.

Was stattdessen nötig ist: ein integriertes, ganzheitliches System, in dem Prozesslogik, Zustandsführung, LLM-Anbindung, Business-Validierung und Human Review als zusammenhängende Architektur entwickelt und betrieben werden – nicht als lose verkettete Nodes. Nur so lassen sich Zuverlässigkeit, Nachvollziehbarkeit und Kontrolle gewährleisten, die im B2B-Kontext unverzichtbar sind.

State Machine und Conversation State

Der Dialog folgt einer expliziten State Machine – alle Zustände und Transitionen sind im Code definiert. Der Conversation State lebt in PostgreSQL mit Feldern wie customer_email, thread_id, status, current_intent, extracted_data, missing_fields und confidence.

Human Review

Human Review ist Pflicht bei:

• Confidence unter Schwellenwert
• Geschäftswert über Limit
• Konflikt zwischen Quellen
• Fehlenden Pflichtfeldern
• Extraktionsfehlern

Das Review Interface zeigt Original-Mail, Attachments, extrahierte Daten, Confidence und Aktionsvorschlag sowie den Änderungsverlauf.

7. Nutzen und Positionierung

Nutzen für Hersteller

Operativ:

• Entlastung der Sachbearbeitung
• Schnellere Reaktionszeiten (24/7)
• Weniger Fehler bei Ersatzteilen und Anfragen
• Durchgängige digitale Prozesse

Strategisch:

• Skalierbare Kundenkommunikation
• Mehr Kapazität für komplexe Fälle
• Bessere Datenqualität durch strukturierte Abfrage

Für wen geeignet?

• Hersteller individualisierter Anlagen (Sondermaschinenbau)
• Unternehmen mit hohem E-Mail-Aufkommen in Vertrieb und Service
• Betriebe mit komplexen Produktparametern und Konfigurationen

Warum gerade Sondermaschinenbau und komplexe B2B-Prozesse? Kein Standard-E-Commerce – jede Anfrage ist individuell, genau dafür sind KI-Agenten mit Dialogfähigkeit entwickelt. Service und Ersatzteile: Installed Base, Stücklisten, Explosionszeichnungen – alles anbindbar. Bestellprozesse: Von der freien E-Mail zur strukturierten Bestellung, mit Rückfragen und Validierung. Human Review bleibt – Kontrolle bei Unsicherheit, kein Blindflug.

Kombination mit Service-Plattform und Konfigurator

KI-Agenten übernehmen Kommunikation und Dialog, die Service-Plattform liefert Installed Base und Ersatzteillogik. Gemeinsam entsteht ein vollständig digitalisierter Service- und Vertriebsprozess – von der ersten Neuanfrage bis zur Ersatzteilbestellung, KI-gestützt und kontrolliert.

Besonders wirkungsvoll ist die Kombination mit einem Konfigurator: Bei komplexen Produktanfragen – etwa im Sondermaschinenbau oder bei individualisierten Anlagen – nimmt der Konfigurator die technischen Parameter entgegen, prüft Abhängigkeiten und Restriktionen und schlägt das passende Produkt oder die mögliche Konfiguration vor. Fehlen dem Konfigurator noch Angaben, erkennt der KI-Agent dies und fragt die fehlenden Parameter beim Kunden gezielt nach – verständlich formuliert und mit Erklärung, warum die Information benötigt wird. Erst wenn alle relevanten Daten vorliegen, nutzt der Agent das Ergebnis des Konfigurators, um dem Kunden eine konkrete Produktempfehlung oder Angebotsgrundlage zurückzuspielen – automatisiert, fachlich fundiert und ohne manuelle Zwischenschritte.

So entsteht eine durchgängige Kette: Der Kunde beschreibt seinen Bedarf per E-Mail, der KI-Agent strukturiert die Anfrage, der Konfigurator ermittelt die passende Lösung, und der Agent kommuniziert das Ergebnis zurück.