10 häufige Fehler bei Mail-Automatisierung

1. Zu viele ähnliche Topics

Ein häufiger Fehler ist, zu viele Topics zu erstellen, die sich stark überschneiden.

Beispiel:

  • Rücksendung

  • Rückgabe

  • Retourenprozess

  • Artikel zurückschicken

Die KI kann dann schwer unterscheiden, welches Topic gemeint ist.

Best Practice

Fasse ähnliche Themen zusammen.

Beispiel:

Topic: Rücksendung

und decke dort verschiedene Varianten ab.


2. Zu lange Topic-Beschreibungen

Viele versuchen, das Topic über sehr lange Beschreibungen zu erklären.

Das macht die Erkennung oft schlechter.

Best Practice

Arbeite stattdessen mit:

  • klaren Beschreibungen

  • typischen Beispielen

  • Trigger-Wörtern

Beispiel:


3. Zu wenig Trainingsbeispiele

Wenn ein Topic nur ein oder zwei Trainingsbeispiele hat, kann die KI neue Varianten schlechter erkennen.

Best Practice

Trainiere mehrere unterschiedliche Formulierungen.

Beispiele:

  • „Ich möchte den Artikel zurückgeben“

  • „Wie funktioniert die Rücksendung?“

  • „Ich brauche ein Retourenlabel“


4. Antworten ohne Kontext generieren

Wenn in der Instruction keine Variablen verwendet werden, fehlt der KI der Kontext der Anfrage.

Beispiel für schlechten Prompt:

Besser

So kennt die KI die eigentliche Anfrage.


5. Zu kreative Antworten

Wenn die Temperatur zu hoch eingestellt ist, kann die KI unnötig kreative Antworten generieren.

Das führt oft zu:

  • unklaren Formulierungen

  • unnötigen Zusatzinformationen

Best Practice

Für Support-Mails empfiehlt sich:

Das sorgt für konsistente Antworten.


6. Falsches Knowledge wird verwendet

Manchmal greift der Bot auf das falsche Knowledge Piece zu.

Typische Gründe:

  • ähnliche Inhalte

  • fehlende Tags

  • unklare Knowledge-Beschreibungen

Best Practice

  • Knowledge Pieces klar benennen

  • Inhalte sauber strukturieren

  • ggf. Guidelines ergänzen

Beispiel:


7. Knowledge nicht aktuell halten

Wenn Inhalte im Help Center oder Knowledge Hub veraltet sind, wird auch die KI falsche Informationen verwenden.

Best Practice

Regelmäßig prüfen:

  • Preise

  • Versandzeiten

  • Rückgabefristen

  • Prozesse


8. Fehlende Guidelines

Ohne klare Guidelines kann die KI Antworten unterschiedlich formulieren.

Beispiele:

  • mal Sie-Form, mal Du-Form

  • unterschiedliche Struktur

  • unklare Formulierungen

Best Practice

Definiere klare globale Regeln.

Beispiel:


9. Automatisierung mit komplexen Themen beginnen

Viele starten direkt mit komplizierten Themen.

Das macht das Training schwieriger.

Best Practice

Starte mit einfachen Themen:

  • Rücksendung

  • Lieferstatus

  • Rechnung anfordern

  • Stornierung

Diese lassen sich besonders gut automatisieren.


10. Training ohne Insights

Automatisierung sollte immer auf echten Daten basieren.

Viele erstellen Topics ohne zu prüfen, welche Anfragen tatsächlich häufig vorkommen.

Best Practice

Nutze zuerst:

Dort siehst Du:

  • häufige Themen

  • Volumen der Anfragen

  • Performance der Automatisierung


Bonus Tipps für schnelleres Training

Arbeite immer im Bot Gym

Der Bot Gym zeigt echte Kundenanfragen und hilft dabei:

  • falsche Topic-Zuordnungen zu erkennen

  • Antworten zu verbessern

  • Knowledge zu prüfen


Automatisiere zuerst 3–4 Themen

Versuche nicht, direkt alles zu automatisieren.

Beginne mit wenigen, aber wichtigen Themen.

Das bringt schnell Ergebnisse.


Halte Topics klar getrennt

Topics sollten eindeutig sein.

Beispiel:

Vermeide Misch-Themen.


Kurz gesagt

Die häufigsten Probleme bei Mail-Automatisierung entstehen durch:

  • zu viele ähnliche Topics

  • zu wenig Training

  • unklare Guidelines

  • falsches Knowledge

Wenn Du regelmäßig mit Insights, Bot Gym und Guidelines arbeitest, kannst Du Deine Automatisierung schnell und effizient verbessern.

Zuletzt aktualisiert

War das hilfreich?