This is a hidden post summary. It displays in the editor only.*
Das Projekt
Überwinden von Datensilos
Unser Kunde, ein bedeutendes Unternehmen im Energiesektor, managt eine große, internationale Kundenbasis. Energie- und Gasversorgungsdienste sind komplex – das stellte kundennahe Teams, darunter Callcenter, Vertriebsmitarbeitende, Vertragsmanagement- und Schadensabteilungen, vor große Herausforderungen. Diese Teams waren gefragt, jeden Monat Tausende von Anfragen, Verträgen und Schadensfällen zu bearbeiten – und das ohne einen zentralen Single-Source-of-Truth.
Alle Mitarbeitenden, insbesondere die Serviceteams, waren auf verstreute, uneinheitliche Quellen angewiesen, um die benötigten Informationen zu finden. Das führte zu:
- Längeren Reaktionszeiten
- Einer höheren Arbeitsbelastung
- Potenziellen Umsatzverlusten
Das Unternehmen wandte sich an unsere KI-Experten, um diese Herausforderungen gemeinsam zu bewältigen.
-
KPIs
Nutzerzufriedenheit > 90%
-
Timeline
März - November 2024
Das Ziel
Smartes Wissensmanagement mit KI
Das Projekt zielte darauf ab, eine PoC-Version eines KI-Assistenten zu entwickeln, der Wissen zentral bereitstellt und zugänglich macht. Mit der späteren Vollversion sollte die Produktivität gesteigert, Entscheidungsprozesse verbessert und die Customer Experience optimiert werden – schnell, sicher und zuverlässig.
Zentrale Ziele:
- Sofortiger und verlässlicher Zugriff auf kritisches Wissen – Abhängigkeit von verstreuten Dokumenten und Kollegen bei der Informationssuche reduzieren.
- Höhere Effizienz im Kundenservice – First-Line-Teams befähigen, eigenständig mehr Anfragen in kürzerer Zeit zu lösen und Eskalationen zu vermeiden.
- Weniger Einarbeitungszeit und Schulungen – Neuen Mitarbeitenden schnellen Zugriff auf präzise Informationen geben und 1:1-Coachings minimieren.
- Akkurate Verträge und Dokumentationen – Die Ablehnung von Verträgen und Umsatzverluste durch fehlerhafte Unterlagen vermeiden.
- Abteilungsübergreifender Wissensaustausch – Informelle Prozesse durch eine strukturierte, KI-gestützte Wissensdatenbank ersetzen, die in bestehende Systeme integriert ist.
- KI-Akzeptanz und Skalierbarkeit – Die Grundlage für eine schrittweise Erweiterung des KI-Supports für Mitarbeiter und Kunden schaffen.
Diese Herausforderungen galt es zu bewältigen
Wissenssilos
Kritische Informationen waren über USYS (ERP/CRM-System), SharePoint, MS Teams und Outlook-E-Mails verteilt, und damit nur schwer zu finden.
Abhängigkeit von einzelnen Mitarbeitenden
Ohne strukturierte Datenbank mussten Mitarbeitende häufig Kollegen um Auskunft bitten – insbesondere in einer Remote-Work-Umgebung ein ineffizientes Vorgehen.
Hoher Einarbeitungsaufwand
Mit einer jährlichen Fluktuationsrate von 20 - 35 % im Callcenter kostetet es erheblich Ressourcen, Wissen zu sichern und neue Mitarbeitende zu schulen.
Uneinheitliche Dokumentation
Die einzelnen Teams teilten ihr Know-how nicht untereinander, was zu Fehlern, Verzögerungen und Missverständnissen führte.
-
- Aufbau einer Wissensdatenbank: Als Grundlage strukturierten wir einen Satz von Dokumenten in einer Testdatenbank mit 100 kuratierten Frage-Antwort-Paaren. Die Wissensdatenbank wurde in mehrere Segmente unterteilt: B2B vs. B2C, Frontline- vs. Second-Line-Teams (einfache vs. detaillierte Dokumente), abteilungsspezifische Wissensspeicher.
- Definition von Erfolgskriterien: Gemeinsam mit dem Kunden legten wir Schwellenwerte für Genauigkeit, Benutzerfreundlichkeit und Effizienz fest.
- Einrichtung der Cloud-Umgebung: Wir stellten den KI-Assistenten in der Azure OpenAI Service-Cloud bereit. So wurden Sicherheit, Compliance und Skalierbarkeit gewährleistet.
-
- Auswahl des KI-Modells: Wir bewerteten verschiedene Sprachmodelle hinsichtlich Genauigkeit, Effizienz und Kosten.
- Gestaltung des Abfrageprozesses: Der KI-Assistent wurde mithilfe einer Reihe von Prompts optimiert, um relevante Informationen effizient zu interpretieren, zu verarbeiten und abzurufen.
- Prompt-Engineering & Antwortformatierung: Wir optimierten die Befehle, um strukturierte, leicht lesbare Antworten zu generieren, zugeschnitten auf den praktischen Einsatz.
-
- Strukturierung von Dokumenten: Große Dokumente wurden in durchsuchbare Segmente aufgeteilt.
- Erweiterung der Metadaten: Dokumente wurden mit Metadaten angereichert und so eine bessere Indexierung und Abrufbarkeit gewährleistet.
- Datenbankkonfiguration: Mit der Einführung einer Vektordatenbank wurden semantische Suchfunktionen bereitgestellt und die Relevanz der Antworten verbessert.
- Optimierter Abruf: Die KI zieht die relevantesten Informationen effizient heran.
-
- Durchführung von Testscripts: Wir testeten den KI-Assistenten anhand eines vordefinierten Sets realer Fragen getestet.
- Zweistufige Bewertung:
- KI-Selbstbewertung der eigenen Antworten.
- Menschliche Bewertung der KI-generierten Antworten.
-
- Benutzeroberfläche: Entwickelt für eine einfache Interaktion der Mitarbeiter.
- Feedback-Schleife: Vertriebs- und Serviceteams testeten die KI und verbesserten deren Genauigkeit.
- Abschlussbericht: Fasste die KI-Leistung, zentrale Erkenntnisse und nächste Schritte für die unternehmensweite Einführung zusammen.
Ergebnisse & Mehrwert
KI-gestützter Chatbot fürs Wissensmanagement – ein Game Changer für Serviceteams
Unser Team konnte das Proof of Concept (PoC) des KI-Assistenten erfolgreich implementieren. Er umfasst die folgenden Funktionen:
- KI-gestützter Chatbot, der die Wissensdatenbank intelligent durchsucht und präzise Antworten gibt. Er wurde mit vordefinierten Fragen getestet, um seine Zuverlässigkeit vor der Einführung sicherzustellen.
- Strukturierte Wissensdatenbank, verwaltet von SUNZINET, die relevante Informationen enthält, um genaue Antworten zu liefern. Die Daten wurden vor dem Deployment hochgeladen, sodass der Chatbot sofort, ohne Live-Dateneingabe, antworten kann.
- System für die Benutzerauthentifizierung, das steuert, wer auf den KI-Assistenten zugreifen kann. Die Zugriffsberechtigungen werden so verwaltet, dass unterschiedliche Nutzer (z. B. Support-Mitarbeiter, Manager) Informationen nur ihrer Rolle entsprechend einsehen oder bearbeiten können.
Mehrwert für den Kunden
Leistungskennzahlen
- Nutzerzufriedenheit: Über 90 % der Tester gaben an, das Tool gerne in ihrem Arbeitsalltag zu nutzen.
- Fehlerrate bei Antworten: ~8 %, wobei fast alle falschen Antworten von der KI-Selbstprüfung erkannt wurden.
- Rate irreführender Antworten: <1 %, was für eine hohe Zuverlässigkeit spricht.
Projekt-Highlight: Vertrauen & Genauigkeit
Die Fähigkeit des KI-Assistenten, seine eigenen Antworten zu bewerten, macht dieses Projekt einzigartig. Die KI prüft die Genauigkeit ihrer Antworten, fragt nach, wenn sie unsicher ist, und gewinnt so das Vertrauen der Nutzer.
Das hochwertige KI-Antwortsystem, gepaart mit einem einfachen Zugang zum Unternehmenswissen, machen das PoC zum vollen Erfolg und legen die Grundlage für eine mögliche unternehmensweite Einführung.
Das Projekt unterstreicht das Potenzial des KI-Assistenten, die Serviceeffizienz zu steigern, das Wissensmanagement zu optimieren und fundiertere Entscheidungen im gesamten Unternehmen zu ermöglichen.
