Die Ausgangslage ist in fast jedem produzierenden oder liefernden Betrieb identisch. Reklamationen kommen als Mail, als Anruf mit Notiz, als Ticket, gelegentlich über ein Formular. Sie werden einzeln bearbeitet, der Kunde bekommt Ersatz oder Gutschrift, der Vorgang wird geschlossen. Was fehlt, ist der Schritt danach: die Frage, welche Fehler sich häufen und was sie in Summe kosten.
Der Grund für diese Lücke ist banal. Die Information liegt als Freitext vor. Um sie auszuwerten, müsste jemand tausend Vorgänge lesen und in Kategorien einsortieren. Das macht niemand, und deshalb bleibt die teuerste Datenquelle des Unternehmens ungenutzt.
Was KI hier tatsächlich leistet
Der Nutzen liegt nicht in einer intelligenten Entscheidung, sondern in einer stumpfen, aber verlässlichen Übersetzungsleistung: unstrukturierter Text hinein, strukturierter Datensatz heraus. Für jede Reklamation entstehen dieselben Felder — Produkt, Fehlerbild, vermutete Ursachengruppe, Schweregrad, betroffene Charge, geforderte Abhilfe.
Ab diesem Punkt ist es keine KI-Aufgabe mehr, sondern eine Auswertung wie jede andere. Eine Tabelle mit tausend so aufbereiteten Vorgängen beantwortet innerhalb von Minuten Fragen, die vorher unbeantwortbar waren: Welches Fehlerbild tritt am häufigsten auf? Welches verursacht die höchsten Kosten? Häufen sich Meldungen zeitlich, und fallen sie mit einem Lieferantenwechsel zusammen?
Die Kategorienliste ist der eigentliche Aufwand
Der kritische Teil des Projekts ist nicht die Technik, sondern die Festlegung, in welche Kategorien einsortiert wird. Eine zu grobe Liste liefert Erkenntnisse, die niemand nutzen kann; eine zu feine Liste erzeugt Kategorien mit je zwei Vorgängen.
- Geschlossene Liste: Das Modell wählt aus vorgegebenen Werten, statt frei zu formulieren — sonst entstehen fünfzig Varianten desselben Fehlers.
- Getrennte Achsen: Fehlerbild und vermutete Ursache sind zwei Felder, nicht eines. Ein Riss ist ein Fehlerbild, Transportschaden eine Ursache.
- Rückfallkategorie: Passt nichts, muss ein Sammelwert gewählt werden. Diese Fälle werden gesichtet — sie zeigen die Lücken der Liste.
- Unsicherheit ausweisen: Das System soll kennzeichnen, wenn der Text keine eindeutige Zuordnung erlaubt, statt zu raten.
Die Zuordnung einer Ursache aus dem Kundentext ist immer eine Vermutung. Der Kunde beschreibt, was er sieht, nicht, was passiert ist. Wer diese Spalte als Tatsache behandelt, baut seine Qualitätsentscheidungen auf Laienbeobachtungen. Die Spalte gehört ausdrücklich als vermutete Ursache geführt und im Zweifel durch die technische Prüfung ersetzt.
Von der Auswertung zur Maßnahme
Eine Häufigkeitsverteilung allein verändert nichts. Nutzbar wird sie erst durch die Verbindung mit Kosten: Materialwert des Ersatzes, Bearbeitungszeit, Fracht, Gutschrift, im Zweifel entgangener Folgeumsatz. Erst diese Verknüpfung zeigt, dass der zweithäufigste Fehler oft der teuerste ist — weil er teure Baugruppen betrifft, während der häufigste ein Verpackungsdetail ist.
Aus dieser Rangliste entstehen Maßnahmen, und zwar wenige. Zwei Ursachen mit klarer Zuständigkeit und einem Termin bringen mehr als eine Liste mit zwanzig Punkten. Der Wirkungsnachweis läuft anschließend über dieselbe Auswertung im Folgequartal — dieselbe Kategorie, dieselbe Zählweise.
Wo die Automatik aufhören muss
Drei Grenzen sind nicht verhandelbar. Erstens entscheidet das System nicht über Kulanz, Gutschriften oder Rückrufe — es bereitet vor. Zweitens werden sicherheitsrelevante Meldungen nie automatisch abgeschlossen, sondern immer eskaliert; hier ist ein falsch einsortierter Vorgang ein echtes Risiko. Drittens bleibt die Kundenantwort ein bewusster Vorgang: Ein automatisch verschickter Text auf eine Beschwerde macht aus einem verärgerten Kunden einen verlorenen.
Praktisch heißt das: Die Klassifikation läuft automatisch, die Auswertung läuft automatisch, die Antwort und die Maßnahme laufen über einen Menschen. Wie derselbe Aufbau bei Belegen und Verträgen funktioniert, steht im Beitrag KI-Dokumentenverarbeitung.
Der realistische Einstieg
Ein sinnvoller erster Schritt braucht kein Projekt. Man nimmt die Reklamationen der letzten zwölf Monate aus dem Postfach oder Ticketsystem, definiert zehn bis fünfzehn Kategorien mit den Menschen, die die Vorgänge bearbeiten, und lässt den Bestand einmal durchlaufen. Ein Stichprobenabgleich von fünfzig Fällen zeigt, ob die Zuordnung trägt.
Bereits dieser einmalige Rückblick liefert in der Regel zwei bis drei Erkenntnisse, die im Tagesgeschäft nie sichtbar waren. Erst danach lohnt es, den Ablauf laufend anzubinden — mit dem Vorteil, dass die Kategorien dann bereits an echten Daten erprobt sind statt am Konferenztisch entstanden.