Das geteilte info@-Postfach in einem typischen 30-Personen-Unternehmen ist immer noch eine der größten, stillen Quellen von Produktivitätsverlust. Drei Personen verbringen jeweils eine Stunde am Tag mit dem Umschalten zwischen Maschine und Outlook, nur um festzustellen: „das geht an die Buchhaltung", „das an Vertriebler X", „das ist Spam". KI kann das heute gut — und günstiger als eine neue Stelle.
Im letzten Jahr haben wir ein Dutzend solcher Rollouts gemacht. Es geht nicht um „den KI-Assistenten, der von allein Kunden antwortet" — das funktioniert noch nicht gut genug, um es ohne Aufsicht abzugeben. Es geht um etwas viel unspektakuläreres, das heute wirklich funktioniert: die automatische Klassifikation eingehender Mails und ihre Weiterleitung an die richtige Person, den richtigen Ordner oder das richtige System. Langweilig. Aber genau diese KI-Schicht rechnet sich im KMU.
Woher das Problem kommt
Ein Unternehmen wächst von 8 auf 30 Personen. Am Anfang war das info@-Postfach logisch — eine Person hat es gelesen und weitergeleitet. Bei 30 Personen kommen dort 200-500 Nachrichten pro Tag an: Angebotsanfragen, Rechnungen, Reklamationen, Lieferantenangebote, Spam, Newsletter, Bestätigungen, Anhänge von Kunden, Post vom Steuerberater, Systembenachrichtigungen, Bewerbungen. Niemand hat das geplant — es ist einfach so gewachsen.
In der Praxis heißt das: jede Mail läuft zweimal über einen Menschen — einmal zum Sortieren, einmal zum Bearbeiten. Das ist Verschwendung. KI eignet sich hervorragend, um den ersten Durchgang abzunehmen.
Ein reales Beispiel — Ersatzteilhändler, 30 Personen
Ein Kunde, mit dem wir gearbeitet haben: ein Händler für Landmaschinenteile, 30 Personen, ERP Comarch Optima, E-Mail auf Microsoft 365. Das info@-Postfach bekam durchschnittlich 380 Mails pro Tag. Vier Personen (zwei Büroassistentinnen, zwei im Lager) haben zusammen etwa 3-4 Stunden am Tag allein mit dem Sortieren verloren — öffnen, klassifizieren, an die richtige Person oder in den richtigen Ordner weiterleiten.
Nach dem Rollout eines einfachen KI-Klassifikators (17 Kategorien + Routing-Regeln) und einem dreiwöchigen Pilot mit Mensch in der Schleife:
- 10-15 Minuten am Tag insgesamt für das Postfach statt 3-4 Stunden.
- Genauigkeit der Klassifikation: ~93% im Produktivbetrieb. Die restlichen 7% (überwiegend untypische Reklamationen und vage „allgemeine" Anfragen) landen in einem Ordner zur Durchsicht, den eine Person einmal am Tag räumt.
- Return on Investment: das gesamte Projekt (Analyse, Rollout, eine Woche Aufsicht) — rund 4.000 EUR einmalig, laufende Kosten (API + Power Automate + kleine Korrekturen) 45-90 EUR/Monat. Nach einem Monat waren wir im Plus.
Das ist keine „Firma hat Stellen gestrichen"-Geschichte. Das ist eine „vier Personen hassen ihre Montage nicht mehr und machen wieder die Arbeit, wofür man sie bezahlt"-Geschichte.
Was so eine Triage konkret macht
In der Version „erster Rollout" bekommt das Modell den Mailinhalt (Betreff + erste 2000 Zeichen + Anhangsliste) und liefert zurück:
- eine Kategorie (z. B. „Eingangsrechnung", „Angebotsanfrage", „Reklamation", „Bewerbung", „Spam", „Newsletter")
- eine Priorität („dringend / normal / niedrig / archivieren")
- eine vorgeschlagene Person oder Warteschlange („Buchhaltung", „Vertrieb — Kowalski", „Reklamationen")
- eine 1-2-Satz-Zusammenfassung für den Empfänger, damit er nicht die ganze Mail lesen muss, um „meins / nicht meins" zu entscheiden
Der Rest ist ganz normale Automatisierung: Power Automate, n8n, Make oder Exchange-Regeln — was auch immer dein Unternehmen schon einsetzt und pflegt. Das Modell ist nur ein Klassifikator. Die Verrohrung bleibt in Werkzeugen, die dein Admin schon kennt.
Was du im ersten Rollout NICHT tun solltest
Der häufigste Fehler: „wenn wir jetzt KI haben, soll sie den Kunden gleich selbst antworten". Nein. Beim ersten Rollout schickt das Modell nichts nach außen. Es klassifiziert, leitet weiter, bereitet einen Entwurf vor — geschickt wird von einem Menschen. Zwei Gründe: Kosten eines Fehlers (eine schlecht formulierte Antwort in einer Reklamation kann mehr kosten als das Jahresabo) und Vertrauen des Teams (wenn die erste Woche zeigt „die KI schreibt Unsinn", ist das Projekt am Start tot).
Zweiter Fehler: „geben wir dem Modell 60 Kategorien, damit alles passt". Nein. Fang mit 12-20 an. Bei 60 verwechselt das Modell die nahen, das Team verliert das Vertrauen und du tunest Monate lang. Besser ein Ordner Sonstiges — manuell mit 5% des Verkehrs als 60 Ordner mit je 3% Fehlern.
Dritter Fehler: „packen wir da gleich alle Firmenpostfächer rein". Fang mit einem Postfach an, am besten info@ oder bestellungen@. Wenn das läuft, kommt das Team von selbst mit dem nächsten.
Wie das technisch in einem KMU aussieht
Du brauchst keine KI-Plattform für 200.000 EUR. Ein realer Stack aus den letzten Rollouts:
- Modell: kommerzielle LLM-API (GPT-4o mini, Claude Haiku, Gemini Flash — was preislich und DSGVO-mäßig passt). Kosten: bei 400 Mails am Tag und kurzen Klassifikationen sind das 3-7 EUR pro Monat. Kein Tippfehler.
- Orchestrierung: Power Automate (wenn ihr auf M365 seid) oder n8n auf dem eigenen VPS (wenn alles lokal bleiben soll / bei DSGVO-Bedenken).
- Ablage der Klassifikationen: ein einfaches Log in einer SharePoint-Liste, in der SQL-Datenbank deines ERP oder in einer Google-Tabelle. Nichts Aufwendiges — es geht darum, dass du nach einem Monat nachsehen kannst, wo das Modell danebenlag.
- Benutzeroberfläche: keine. Die Mail landet im richtigen Ordner / bei der richtigen Person. Für die Anfangsaufsicht — eine Regel: „jede falsch klassifizierte Mail per nicht meins-Knopf zurückschicken — sie landet im Ordner Korrekturen". Einmal die Woche schaut jemand die Korrekturen durch und passt die Regeln an.
DSGVO und sensible Daten
Das ist die häufigste Frage aus der Geschäftsführung. Kurz: ja, das geht, aber du musst drei Dinge sagen können:
- Welcher Anbieter und wo die Daten verarbeitet werden. Wähle einen, der EU-Verarbeitung anbietet (Azure OpenAI EU-Region, Google Vertex EU, Anthropic über AWS EU). Schließe einen Auftragsverarbeitungsvertrag (AVV) ab.
- Was du NICHT an das Modell schickst. Personennummern, Gesundheitsdaten, Passwörter — filtere vor dem Versand. Das ist eine Regex-Regel in Power Automate.
- Wie viel Logs beim Anbieter bleiben. Wähle „no training", „zero retention" dort, wo verfügbar (bei den meisten Enterprise-Tarifen ab 2025 Standard).
Das war's. Du musst kein eigenes Modell im Keller bauen, um konform zu sein.
Wann es KEINEN Sinn macht
Ehrlich gesagt. KI-Triage rechnet sich, wenn drei Bedingungen gleichzeitig gelten: (1) das Postfach bekommt mehr als etwa 100 Mails pro Tag, (2) mehr als eine Person betreut es und (3) jemand macht heute schon manuell etwas, was du in 20 Sätzen beschreiben kannst („das an die Buchhaltung, das an Vertriebler Y"). Wenn du 30 Mails pro Tag und eine Assistentin hast — vergiss es. Repariere deine Outlook-Ordner und -Regeln und mach was Wichtigeres.
Wie es weitergeht
Das ist einer dieser KI-Rollouts, der die Strategie des Unternehmens nicht verändert, aber real ein paar Stunden am Tag zurückgibt und sich meistens in 1-2 Monaten amortisiert. Wenn das nach etwas klingt, das zu deinem Unternehmen passt — statt blind zu rollen, fangen wir immer mit 30 Minuten Gespräch an: welche Postfächer du hast, wer sie heute liest, wie viel Zeit dort versinkt.
KI im KMU rechnet sich nicht, wenn sie statt eines Menschen antwortet. Sie rechnet sich, wenn sie einem Menschen die Arbeit abnimmt, die niemand je machen wollte.