KI-gestützte E-Mail-Spamerkennung und Support-Weiterleitung

Dieser KI-Workflow klassifiziert eingehende E-Mails automatisch als Spam oder Nicht-Spam und leitet legitime Nachrichten intelligent an einen KI-Assistenten weiter, der auf Unternehmenswissen zugreift, um professionelle Supportantworten zu liefern. Er integriert Dokumentenabruf, fortschrittliche LLMs und API-Interaktionen für eine nahtlose Automatisierung des Kundensupports.

So funktioniert der KI-Flow - KI-gestützte E-Mail-Spamerkennung und Support-Weiterleitung

Flows

So funktioniert der KI-Flow

Eingehende E-Mail empfangen.
Der Workflow beginnt mit dem Empfang einer E-Mail oder Nachricht des Nutzers.
E-Mail als Spam oder Nicht-Spam klassifizieren.
Verwendet ein KI-Modell, um zu bestimmen, ob die eingehende Nachricht Spam oder eine legitime Kundenanfrage ist.
Weiterleitung basierend auf Klassifikation.
Spam-Nachrichten lösen eine einfache Benachrichtigung aus, während legitime Anfragen an den KI-Supportassistenten weitergeleitet werden.
Wissen abrufen & Antwort verfassen.
Der KI-Assistent ruft relevante Dokumente und Wissen ab und generiert dann eine professionelle, kontextbezogene Support-Antwort.
Ausgabe an den Nutzer liefern.
Die finale Antwort oder Benachrichtigung wird an den Nutzer oder Support-Mitarbeiter ausgegeben.

In diesem Flow verwendete Prompts

Prompt

Prompt-Vorlage zum Erstellen einer API-URL mit dynamischer Nutzereingabe.

https://YOURLINK/api/conversations/{human_input}/messages

Prompt

Prompt-Vorlage für die Ausgabe bei Spam-Nachrichten.

Diese Nachricht wurde als Spam erkannt

Prompt

Prompt-Vorlage zum Erstellen einer API-URL mit dynamischer Eingabe.

https://YOURLINK/api/conversations/{input}

Prompt

Prompt-Vorlage zum Erstellen einer API-URL mit dynamischer Nutzereingabe.

https://YOURLINK/api/conversations/{human_input}/messages

Generator

Systemprompt für das LLM zur Klassifizierung von E-Mails als Spam oder Nicht-Spam.

Sie sind ein Business-E-Mail-Klassifizierer.

Entscheiden Sie, ob die E-Mail geschäftsrelevant oder eine unerwünschte Werbeansprache ist.

Spam („ja“), wenn sie Folgendes enthält:

- Werbung, Rabatte, Verkauf, Kampagnen, Prämienpunkte, Affiliate-Links  

- Einladungen zu Webinaren, Seminaren, Events oder Partnerschaften  

- Angebote zu Investitionen, Krypto, Jobs oder Nebengeschäften  

- Unaufgeforderte Werbung oder kommerzielle Ansprache  

Kein Spam („nein“), wenn sie Folgendes enthält:

- Kundenbeschwerden, Supportanfragen, Nutzungsfragen  

- Rechnungen, Angebote, Bestellungen, Verträge oder Zahlungsabsprachen  

- Interne oder Partner-Abstimmungen, Terminabsprachen oder Berichte  

- Legitime Antworten oder Bestätigungsanfragen  

Geben Sie ausschließlich "ja" oder "nein" aus.

Generator

Systemprompt für das LLM, um die Vorschau-Abschnitte aus der Eingabe zu extrahieren.

Extrahiere den Abschnitt "Preview" aus deiner Eingabe und gib nur diesen Abschnitt exakt so aus, wie er ist. Wenn es mehrere Preview-Abschnitte gibt, gib alle aus und ordne sie anhand ihres Datums.

Tool Calling Agent

Systemprompt für den LLM-Agenten, als professioneller Kundensupport-Assistent zu agieren.

Sie sind ein KI-Sprachmodell-Assistent und fungieren als freundlicher und professioneller Kundenservice- und Beratungsassistent für [IHR UNTERNEHMEN].
Antworten Sie immer auf Englisch, unabhängig davon, ob die Eingabe auf Englisch oder einer anderen Sprache erfolgt.
Alle Nachrichten sollten in einem höflichen und geschäftlich angemessenen Ton verfasst sein, um beim Kunden Vertrauen zu schaffen.
[Rolle]
Sie unterstützen bei Fragen, Beratungen und technischen Problemlösungen zu den Services und zugehörigen Produkten von [IHR UNTERNEHMEN] (z. B. Kundensupport-Tools, Flow-Management-Tools, Website-Erstellung und -Verwaltung usw.).
Geben Sie Anleitungen in leicht verständlichem Ton, der einen positiven Eindruck beim Kunden hinterlässt.
[Zweck]
Basierend auf dem bisherigen Gesprächsverlauf und der neuesten Anfrage greifen Sie auf genaue Informationen aus verfügbaren Wissensquellen oder Tools zu, um optimale Antworten auf Englisch zu liefern.
[Priorität der Informationsquellen]
Primäre Quelle: Nutzen Sie das Wissensquellen-Suchtool, um relevante Informationen vor der Antwort zu prüfen.
Sekundäre Quelle: Nutzen Sie beim Nachforschen immer das Dokumentenabruf-Tool.
Spekulationen oder Erfindungen auf Basis eigener Einschätzung sind verboten.
[Richtlinien für Antworten]
1. Wenn relevanter Kontext oder Informationen gefunden wurden, geben Sie auf deren Grundlage eine präzise Antwort auf Englisch.
2. Listen Sie die URLs der verwendeten Quellen direkt unterhalb der Antwort auf (URLs dürfen nicht verändert werden).
3. Verwenden Sie ausschließlich Service- und Tarifnamen, die tatsächlich in der Wissensdatenbank existieren.
4. Falls keine relevanten Informationen gefunden wurden, teilen Sie dies klar mit („the relevant information could not be found“) und bitten Sie den Kunden höflich um weitere Details.
[Umgang mit Fragen, die nichts mit [IHR UNTERNEHMEN] zu tun haben]
Antworten Sie klar: "This question is not related to [YOUR COMPANY]."
[Wenn sich ein Kunde für einen bestimmten Tarif oder Service interessiert]
• Geben Sie Details zum Tarif, zu Preisen und zu Beratungs-/Demooptionen an.
• Führen Sie den Kunden ggf. zur offiziellen Website für Anfragen.
• Bei Fragen zu Implementierungszeitplänen oder Einstiegskosten präsentieren Sie die verfügbaren Optionen.
[Stil- und Ausdrucksregeln]
• Verwenden Sie einen professionellen E-Mail-Ton (formell, aber zugänglich).
• Strukturieren Sie die Antworten in kurzen Absätzen für eine gute Lesbarkeit.
• Aufzählungen sind erlaubt.
• Verwenden Sie ausschließlich reines Textformat (Markdown-Symbole wie #, ##, ### für Überschriften sind strikt untersagt).
• Verwenden Sie keine Emojis oder Emoticons.
• Wahren Sie eine respektvolle Sprache, vermeiden Sie aber übertrieben formelle Formulierungen.
[Beispielhafte Antwortformulierungen]
"Thank you for your inquiry.  
The details are as follows: …"  
"We apologize for any inconvenience, but regarding this matter…"  
"Thank you for your attention, and please let us know if you need further assistance."
[Besondere Hinweise]
• Bei Fragen zu [IHR UNTERNEHMEN] und den zugehörigen Services antworten Sie immer auf Basis des jeweils aktuellsten Wissensstands.
• Falls keine relevanten Informationen gefunden werden, bitten Sie um weitere Details und vermeiden Sie Spekulationen.
• Verwenden Sie stets höfliche und empathische Formulierungen, damit sich der Kunde unterstützt fühlt.
Dieser Prompt dient als Standard für konsistenten, hochwertigen Kundensupport als Mitglied des Support-Teams von [IHR UNTERNEHMEN].

In diesem Flow verwendete Komponenten

Nachfolgend finden Sie eine vollständige Liste aller Komponenten, die in diesem Flow verwendet werden, um seine Funktionalität zu gewährleisten. Komponenten sind die Bausteine jedes KI-Flows. Sie ermöglichen es Ihnen, komplexe Interaktionen zu erstellen und Aufgaben zu automatisieren, indem verschiedene Funktionalitäten verbunden werden. Jede Komponente dient einem bestimmten Zweck, wie z.B. der Verarbeitung von Benutzereingaben, der Datenverarbeitung oder der Integration mit externen Diensten.

ChatInput

Die Chat Input-Komponente in FlowHunt initiiert Benutzerinteraktionen, indem sie Nachrichten aus dem Playground erfasst. Sie dient als Startpunkt für Flows und ermöglicht die Verarbeitung von Text- und dateibasierten Eingaben im Workflow.

Sehen ChatInput

Prompt-Komponente in FlowHunt

Erfahren Sie, wie die Prompt-Komponente von FlowHunt es ermöglicht, die Rolle und das Verhalten Ihres KI-Bots zu definieren und so relevante, personalisierte Antworten sicherstellt. Passen Sie Prompts und Vorlagen an, um effektive, kontextbewusste Chatbot-Flows zu erstellen.

Sehen Prompt-Komponente in FlowHunt

API-Anfrage

Integrieren Sie externe Daten und Dienste in Ihren Workflow mit der API-Anfrage-Komponente. Senden Sie mühelos HTTP-Anfragen, setzen Sie benutzerdefinierte Header, Body und Query-Parameter und nutzen Sie verschiedene Methoden wie GET und POST. Unverzichtbar, um Ihre Automatisierungen mit jeder Web-API oder jedem Dienst zu verbinden.

Sehen API-Anfrage

Daten parsen

Die Komponente 'Daten parsen' wandelt strukturierte Daten mithilfe anpassbarer Vorlagen in Klartext um. Sie ermöglicht eine flexible Formatierung und Konvertierung von Dateneingaben für die weitere Verwendung im Workflow und hilft, Informationen zu standardisieren oder für nachgelagerte Komponenten vorzubereiten.

Sehen Daten parsen

Generator

Entdecken Sie die Komponente Generator in FlowHunt – leistungsstarke, KI-gesteuerte Textgenerierung mit Ihrem gewählten LLM-Modell. Erstellen Sie mühelos dynamische Chatbot-Antworten, indem Sie Prompts, optionale Systemanweisungen und sogar Bilder als Eingabe kombinieren. So wird es zu einem zentralen Werkzeug für den Aufbau intelligenter, konversationeller Workflows.

Sehen Generator

Bedingter Router

Die Komponente 'Bedingter Router' ermöglicht dynamische Entscheidungsfindung innerhalb Ihres Workflows. Sie vergleicht einen eingegebenen Text mit einem angegebenen Wert mithilfe verschiedener Operatoren – wie 'gleich', 'enthält' oder 'ist leer' – und leitet die Nachricht je nach Ergebnis des Vergleichs an verschiedene Ausgänge weiter. So können Sie Ihre Logik verzweigen und personalisierte, intelligente Workflows erstellen, die sich an die Benutzereingaben anpassen.

Sehen Bedingter Router

Daten erstellen

Die Komponente 'Daten erstellen' ermöglicht das dynamische Generieren strukturierter Datensätze mit einer anpassbaren Anzahl an Feldern. Ideal für Workflows, die das Erstellen neuer Datenobjekte in Echtzeit erfordern – mit flexibler Feldkonfiguration und nahtloser Integration in weitere Automatisierungsschritte.

Sehen Daten erstellen

Chat-Ausgabe

Entdecken Sie die Chat-Ausgabe-Komponente in FlowHunt – finalisieren Sie Chatbot-Antworten mit flexiblen, mehrteiligen Ausgaben. Unverzichtbar für nahtlose Flow-Abschlüsse und die Erstellung fortschrittlicher, interaktiver KI-Chatbots.

Sehen Chat-Ausgabe

LLM OpenAI

FlowHunt unterstützt Dutzende von Textgenerierungsmodellen, darunter Modelle von OpenAI. So verwenden Sie ChatGPT in Ihren AI-Tools und Chatbots.

Sehen LLM OpenAI

LLM Anthropic KI

FlowHunt unterstützt Dutzende von KI-Modellen, einschließlich der Claude-Modelle von Anthropic. Erfahren Sie, wie Sie Claude in Ihren KI-Tools und Chatbots mit anpassbaren Einstellungen für maßgeschneiderte Antworten nutzen können.

Sehen LLM Anthropic KI

Tool Calling Agent

Entdecken Sie den Tool Calling Agent in FlowHunt – eine fortschrittliche Workflow-Komponente, die es KI-Agenten ermöglicht, externe Tools intelligent auszuwählen und zu nutzen, um komplexe Anfragen zu beantworten. Perfekt für den Aufbau intelligenter KI-Lösungen, die dynamische Tool-Nutzung, iteratives Denken und die Integration mehrerer Ressourcen erfordern.

Sehen Tool Calling Agent

Chatverlauf-Komponente

Die Chatverlauf-Komponente in FlowHunt ermöglicht es Chatbots, sich an vorherige Nachrichten zu erinnern. So werden zusammenhängende Gespräche und ein verbessertes Kundenerlebnis gewährleistet, während Speicher und Token-Nutzung optimiert werden.

Sehen Chatverlauf-Komponente

Dokumenten-Retriever

FlowHunts Dokumenten-Retriever verbessert die Genauigkeit von KI, indem generative Modelle mit Ihren eigenen aktuellen Dokumenten und URLs verbunden werden. So erhalten Sie zuverlässige und relevante Antworten durch Retrieval-Augmented Generation (RAG).

Sehen Dokumenten-Retriever

Notiz

Die Notiz-Komponente in FlowHunt ermöglicht es Ihnen, Kommentare und Dokumentationen direkt in Ihren Workflow einzufügen. Nutzen Sie sie, um innerhalb Ihres Flows Klarheit zu schaffen, Anmerkungen zu machen oder Anweisungen zu geben, sodass komplexe Automatisierungen leichter zu verstehen und zu pflegen sind.

Sehen Notiz

Flow-Beschreibung

Zweck und Vorteile

Workflow-Beschreibung: Skalierbare und automatisierte Bearbeitung von Geschäfts-E-Mails & Chats

Dieser Workflow ist darauf ausgelegt, die Verarbeitung, Klassifizierung und Weiterleitung von Geschäfts-E-Mails und Chat-Nachrichten zu automatisieren und zu skalieren – mit besonderem Fokus auf Kundensupport-Szenarien. Er verwendet eine Kombination aus KI-gestützter Klassifizierung, bedingter Logik, API-Integrationen und kontextbewussten Agentenantworten und ist dadurch besonders nützlich für Organisationen, die ihren Kundensupport optimieren, Spam erkennen und KI-Agenten mit externen Systemen wie LiveAgent verbinden möchten.

Überblick auf hoher Ebene

Der Flow besteht aus zwei Hauptzweigen:

  1. E-Mail-/Nachrichten-Spamerkennung und Weiterleitung: Klassifiziert eingehende Nachrichten automatisch als Spam oder Nicht-Spam und leitet sie entsprechend weiter, um effiziente Bearbeitung zu gewährleisten und manuellen Filteraufwand zu reduzieren.
  2. Kontextueller KI-Agent für den Kundensupport: Nutzt externen Dokumentenabruf und einen ausgefeilten Tool-Calling-Agenten, um präzise, kontextreiche und richtlinienkonforme Support-Antworten zu liefern.

Detaillierter Flow-Aufbau

1. Spamerkennung und Weiterleitung

  • Input: Nachrichten werden über einen Chat-Input-Knoten empfangen.
  • Prompt-Erstellung: Eine Prompt-Vorlage wird mit der eingehenden Nachricht befüllt und an einen API-Request-Knoten (konfiguriert für LiveAgent oder ähnliche Systeme) gesendet.
  • Textextraktion: Die API-Antwort wird mittels Parse-Knoten verarbeitet, um den relevanten Inhalt zu extrahieren.
  • Spam-Klassifizierung LLM: Die extrahierte Nachricht wird an ein OpenAI GPT-4.1-Modell mit einem Systemprompt gesendet, das anweist, “ja” auszugeben, wenn es sich um Spam (z. B. Werbung, unerwünschte Angebote) handelt, oder “nein”, wenn sie geschäftsrelevant ist.
  • Bedingte Weiterleitung:
    • Wird die Nachricht als Spam („ja“) klassifiziert, erzeugt eine Prompt-Vorlage eine Standard-Spam-Benachrichtigung, die im Chat ausgegeben wird.
    • Ist die Nachricht kein Spam („nein“), wird sie für die weitere Bearbeitung an einen kontextbewussten KI-Support-Agenten weitergeleitet.

Logiktabelle für Spam-Weiterleitung:

SchrittTool/KnotenZweck
NachrichteneingangChatInputEmpfängt Nutzer-/Kundennachricht
Prompt für APIPromptTemplateFormatiert Nachricht für LiveAgent-API
API-AufrufAPIRequestSendet/empfängt Nachrichtendaten
Daten parsenParseDataExtrahiert Nachrichten-Vorschau
Spam-LLM-KlassifizierungGenerator (OpenAI)Klassifiziert als Spam oder Nicht-Spam
Bedingte WeiterleitungConditionalRouterLeitet auf Basis des LLM-Outputs weiter
Spam-BenachrichtigungPromptTemplate & ChatOutputStandardantwort bei Spam
Kein SpamÜbergabe an Support-AgentFür weitere menschlich wirkende Bearbeitung

2. Kontextueller KI-Kundensupport-Agent

  • Dokumentenabruf: Bei Nicht-Spam-Nachrichten werden relevante Dokumente aus einer Wissensdatenbank abgerufen, gefiltert nach Kategorien und Zeitpunkten, um stets aktuelle und passende Informationen bereitzustellen.
  • Integration von Chatverlauf: Der aktuelle Chatverlauf wird eingebunden, damit der Agent kontextbezogen antworten und Kontinuität gewährleisten kann.
  • LLM-Agent-Orchestrierung: Ein Anthropic Claude Sonnet 4-Modell steuert einen Tool-Calling-Agenten, der eine detaillierte Systemnachricht mit strengen Antwortregeln erhält (z. B. stets auf Englisch antworten, höflicher Geschäftston, URLs exakt angeben, keine Spekulation, spezifisches Ausgabeformat).
  • Tool-Integration: Der Agent kann das Dokumentenabruf-Tool und andere APIs nach Bedarf aufrufen, um seine Antworten mit Fakten zu unterlegen.
  • Ausgabe: Die Antwort des Agenten wird im Chat ausgegeben und kann bei Bedarf an weitere APIs (z. B. LiveAgent) weitergeleitet werden.

Logiktabelle für Agentenantworten:

SchrittTool/KnotenZweck
DokumentenabrufDocumentRetrieverHolt relevante Infos aus der Wissensdatenbank
ChatverlaufChatHistoryLiefert aktuellen Gesprächskontext
LLM-ModellAnthropic ClaudeLiefert fortschrittliches Sprachverständnis
Tool Calling AgentToolCallingAgentKombiniert Tools, Kontext und Richtlinien
AusgabeChatOutputAntwortausgabe im Chat/Playground
API-WeiterleitungAPIRequest/ParseDataOptionales Weiterleiten für Logging/LiveAgent

Systemnachrichten-Richtlinien für den Agenten

  • Antworten Sie immer auf Englisch, unabhängig von der Eingangssprache.
  • Verwenden Sie einen formellen, aber freundlichen Geschäftston; kein Markdown, keine Emojis, keine Spekulationen.
  • Antworten müssen URLs direkt unter der Antwort aufführen und klar, auch mit Aufzählungen, strukturiert sein.
  • Falls keine relevanten Infos gefunden werden, bitten Sie den Kunden höflich um weitere Details.

3. API-Integration und Datenverarbeitung

  • Dynamische Datenerstellung: Verschiedene Knoten erzeugen erforderliche Datenstrukturen für API-Requests, darunter API-Keys, Nachrichteninhalte und Abfrageparameter.
  • Mehrfache API-Interaktionen: Der Workflow ermöglicht mehrere API-Requests (z. B. zu LiveAgent, anderen Backends) mit flexiblen Methoden (GET, POST etc.).
  • Daten-Parsing: Nach jeder API-Antwort extrahieren Parsing-Knoten relevante Texte für die Weiterverarbeitung oder Ausgabe.

4. Vorteile von Workflow-Automatisierung und Skalierbarkeit

  • Automatisierte Spam-Filterung: Spart Zeit durch Wegfall manueller Sichtung unerwünschter Nachrichten, konzentriert Agenten auf echte Supportanfragen.
  • Konsistente, richtlinienkonforme Antworten: Der Agent befolgt stets die Unternehmensrichtlinien und kommuniziert markenkonform.
  • Wissensbasierte Antworten: Durch den Dokumentenabruf basiert der Agent seine Antworten stets auf aktuellen und relevanten Informationen.
  • Flexible API-Integration: Leicht erweiterbar für neue Tools, Ticketsysteme oder Wissensquellen je nach Geschäftsanforderung.
  • Skalierbar: Das modulare Design ermöglicht parallele Bearbeitung mehrerer Gespräche und schnelle Anpassung an ein höheres Nachrichtenaufkommen.

Beispielanwendungsfälle

  • Kundensupport-Teams: Automatisches Sortieren von Nachrichten, Erkennen von Spam und Bereitstellen präziser, kontextreicher Antworten.
  • Vertrieb/Lead-Qualifizierung: Filterung irrelevanter Anfragen, bevor echte Leads an Vertriebsmitarbeitende weitergeleitet werden.
  • Omnichannel-Integration: Anbindung an Plattformen wie LiveAgent oder eigene APIs für kanalübergreifenden Support.

Hinweise zur Einrichtung

  • Erforderliche Anpassungen: Ersetzen Sie Platzhalter für API-Keys und URLs (z. B. “YOURLINK”) durch die tatsächlichen Werte Ihrer Umgebung.
  • Wissensdatenbank-Pflege: Halten Sie die Quellen des Dokumentenabrufs aktuell, um eine optimale Leistung des Agenten zu gewährleisten.

Dieser Workflow bietet eine robuste, skalierbare Architektur zur Automatisierung der Kundenkommunikation und stellt sowohl Effizienz als auch qualitativ hochwertige, richtlinienkonforme Antworten sicher. Dank seiner Modularität lässt er sich einfach erweitern, wenn Ihr Unternehmen wächst oder neue Automatisierungsanforderungen entstehen.

Lassen Sie uns Ihr eigenes KI-Team aufbauen

Wir helfen Unternehmen wie Ihrem, intelligente Chatbots, MCP-Server, KI-Tools oder andere Arten von KI-Automatisierungen zu entwickeln, um Menschen bei sich wiederholenden Aufgaben in Ihrer Organisation zu ersetzen.

Demo vereinbaren Jetzt ausprobieren

Mehr erfahren

KI-Kundenservice-Chatbot mit Übergabe an Menschen
KI-Kundenservice-Chatbot mit Übergabe an Menschen

KI-Kundenservice-Chatbot mit Übergabe an Menschen

Ein KI-gestützter Kundenservice-Chatbot, der Benutzer automatisch unterstützt, Informationen aus internen Dokumenten und dem Web abruft und bei Bedarf nahtlos a...

3 Min. Lesezeit
KI-Chatbot mit LiveChat.com-Integration
KI-Chatbot mit LiveChat.com-Integration

KI-Chatbot mit LiveChat.com-Integration

Setzen Sie einen KI-gestützten Chatbot auf Ihrer Website ein, der Ihre interne Wissensdatenbank nutzt, um Kundenanfragen zu beantworten, und leitet komplexe ode...

3 Min. Lesezeit
Bitrix24 MCP Client Tool
Bitrix24 MCP Client Tool

Bitrix24 MCP Client Tool

Dieser Workflow nutzt einen KI-Agenten, der mit dem MCP Client Tool integriert ist, um Benutzereingaben im Chat zu verarbeiten, den Chatverlauf für besseren Kon...

3 Min. Lesezeit