Von Multi-Channel-Datenflut zu Kundenkommunikation: Eine Fallstudie in KI-gestütztem Inputmanagement

Kunden nutzen viele Kanäle, um mit Dienstleistern wie Versicherungen in Kontakt zu treten: vom handgeschriebenen Briefen über E-Mails bis hin zum VoiceBot. Diese Vielfalt effizient zu verarbeiten und zielgerichtet in die Sachbearbeitung weiterzuleiten, ist die Aufgabe des Input-Managements.

Heute ist dabei oft noch viel Handarbeit im Spiel, was enorme Kosten verursacht. Vorstände unter Sparzwang (und angefeuert durch die Vertriebsmannschaften der Hyperscaler) versprechen sich von KI-Einsatz massive Effizienzsprünge. Allerdings liegen zwischen den Erwartungen und der Realität betrieblicher Anwendungen Welten. KI ist eben doch kein Feenstaub.

In diesem Vortrag blicken wir hinter die Kulissen moderner Input-Pipelines. Wir analysieren die Komplexität der Daten (Millionen von Nachrichten, Tausende Arten von Anliegen) und zeigen die Grenzen der (heutigen?) KI. Turns out: auch „alte“ Techniken der Datenextraktion wie OCR und Reguläre Ausdrücke haben noch ihren Platz.

Wir zeigen, wie modernes Input-Management mit KI geht (und wie nicht), welche Erwartungen realistisch sind (und welche nicht). Wie wir dahin kommen, trotz Halluzinationen und Prompt-Injection, wie wir Daten und Compliance zusammenbringen, und warum man den Angeboten gewisser Hyperscaler mit Vorsicht begegnen sollte, wenn man Vendor-Lock-In vermeiden will.

Vorkenntnisse

Grundkenntnisse in KI und Softwaretechnik sowie grundlegende Erfahrungen in betrieblicher IT sind hilfreich.

Lernziele

Dieser Talk vermittelt dir:

• Architektur-Verständnis: Wie man hybride Pipelines entwirft, die klassische Extraktion (OCR/RegEx) sinnvoll mit modernen LLMs kombinieren.
• Risikomanagement: Strategien zum Umgang mit Halluzinationen und Sicherheitsrisiken (Prompt Injection) in kundennahen Prozessen.
  
• Evaluierungskompetenz: Kriterien zur Entscheidung zwischen proprietären Hyperscaler-Lösungen und souveränen Open-Source-Ansätzen (Vermeidung von Vendor-Lock-in).
  
• Realitätscheck: Einordnung, welche Automatisierungsgrade in der Praxis wirklich erreichbar sind und wo der "Human-in-the-Loop" unverzichtbar bleibt.