{"id":16690,"date":"2025-05-20T12:22:00","date_gmt":"2025-05-20T10:22:00","guid":{"rendered":"https:\/\/office-samurai.com\/communications-mining-mit-uipath-damit-jedes-wort-zaehlt\/"},"modified":"2026-01-07T15:05:41","modified_gmt":"2026-01-07T14:05:41","slug":"communications-mining-mit-uipath-damit-jedes-wort-zaehlt","status":"publish","type":"post","link":"https:\/\/office-samurai.com\/de\/communications-mining-mit-uipath-damit-jedes-wort-zaehlt\/","title":{"rendered":"Communications Mining mit UiPath – Damit jedes Wort z\u00e4hlt"},"content":{"rendered":"\n
„Noch eine Nachricht und der Posteingang wird explodieren“. Hatten Sie jemals einen \u00e4hnlichen Gedanken? Befanden Sie sich in einer Situation, in der das Lesen aller eingehenden E-Mails f\u00fcr einen Menschen physisch unm\u00f6glich ist? K\u00f6nnen wir Ray Tomlinson die Schuld daf\u00fcr geben, dass er 1971 die erste E-Mail \u00fcberhaupt verschickt hat? <\/p>\n\n
Privat bereitet es Kopfschmerzen, beruflich hat es echte Auswirkungen auf das Gesch\u00e4ft. Die Ursache liegt in unserer Natur – wir kommunizieren mit Hilfe von gesprochener oder geschriebener (auch Zeichensprache) Sprache und eines kann man mit Sicherheit \u00fcber Menschen sagen – Ver\u00e4nderungen sind schwierig. <\/p>\n\nWeltweiter t\u00e4glicher E-Mail-Verkehr laut www.dragapp.com<\/figcaption><\/figure>\n\n
Gibt es einen anderen Weg? Lesen Sie weiter. <\/p>\n\n
<\/span>Warum ist dies ein gesch\u00e4ftliches Problem?<\/span><\/h2>\n\n
Nichts pr\u00e4gt sich besser ein als ein Beispiel. Begr\u00fc\u00dfen Sie John Smith, Ihren treuesten E-Mail-Kollegen: <\/p>\n\nTypische Kundenanfrage per E-Mail<\/figcaption><\/figure>\n\n
Es klingt wie eine einfache F\u00fcnf-Minuten-Aufgabe, und die Pflege guter Gesch\u00e4ftsbeziehungen zu John ist wichtig.<\/p>\n\n
Nun multiplizieren Sie Mr. Smith mit Ihrem gesamten Kundenstamm und jedem kundenorientierten Prozess (einschlie\u00dflich interner Prozesse wie Transaktionen zwischen Unternehmen). Pl\u00f6tzlich sind wir wieder bei dem vorherigen Punkt – der Posteingang explodiert. Rechnen wir mal nach: Etwa 80 dieser „schnellen“ 5-Minuten-Anfragen k\u00f6nnen einen ganzen Arbeitstag f\u00fcllen (1 FTE, bei 6,5 Stunden produktiver Zeit). <\/p>\n\n
\n
Nach Jahren der transaktionalen Kommunikation haben wir einen Punkt erreicht, an dem es \u00fcblich und weltweit akzeptiert ist, unstrukturierte Informationen als Input zu erhalten, w\u00e4hrend wir uns auf Systeme verlassen, die streng strukturierte Daten verlangen.<\/p>\n<\/div><\/div>\n\n
Raten Sie mal, wer diese Daten umwandelt.<\/p>\n\n
Sie k\u00f6nnten versuchen, dies zuerst zu beheben, und ich ermutige Sie aufrichtig, dies zu tun. Aber in den meisten F\u00e4llen werden Sie auf eine Mauer sto\u00dfen – Organisationsstrukturen, Verfahren, SLAs oder das klassische „Das haben wir schon immer so gemacht“. <\/p>\n\n
Ab und zu sehen Sie ein Rettungsboot in Form von strukturierten Eingaben wie Formularen oder Ticketsystemen. Aber unserer Erfahrung nach sind diese selten – und selbst wenn es sie gibt, verlieren sie oft den Kampf gegen die gute alte, zuverl\u00e4ssige E-Mail oder beginnen, einer solchen zu \u00e4hneln, indem sie Freitextfelder anbieten. <\/p>\n\n
<\/span>Wie man den unfairen Kampf bek\u00e4mpft<\/span><\/h2>\n\n
Bevor wir die Waffe unserer Wahl w\u00e4hlen, sollten wir das Schlachtfeld abstecken. Wir tauchen ein in die Verarbeitung nat\u00fcrlicher Sprache (NLP) – ein Bereich der k\u00fcnstlichen Intelligenz (KI) und ein gro\u00dfes, faszinierendes Thema, das es wert ist, \u00fcber diesen Artikel hinaus erforscht zu werden. Im Moment erlebt es eine Renaissance, angetrieben durch den Aufstieg von Large Language Models (wie ChatGPT), aber es hat einen langen Weg gebraucht, um dorthin zu gelangen, wo wir jetzt sind. <\/p>\n\n
Um auf unser Beispiel zur\u00fcckzukommen, lassen Sie uns unsere Ziele definieren. Einfach ausgedr\u00fcckt: Wir wollen: <\/p>\n\n
\n
Finden Sie heraus, was John will – verstehen Sie die Absicht<\/strong> seiner Botschaft.<\/li>\n\n\n\n
Extrahieren Sie die wichtigen Teile – ziehen Sie die wichtigsten Daten<\/strong> aus dem Text heraus.<\/li>\n<\/ol>\n\n
Warum diese beiden? Weil (Gesch\u00e4fts-)Prozesse so funktionieren: Sie nehmen eine Eingabe, verarbeiten sie durch eine Reihe von Aktivit\u00e4ten und erzeugen eine Ausgabe. Das Erkennen der Absicht (die Bezeichnung der Nachricht) hilft dabei, sie an den richtigen Prozess mit einem definierten Ergebnis weiterzuleiten, w\u00e4hrend die extrahierten Daten als Eingabe dienen. In diesem Fall k\u00f6nnten wir unseren Prozess als „Bestellabfrage“ definieren, wobei die Bestellnummer als Eingabe dient und die Ausgabe eine Aktualisierung des Bestellstatus als Antwort ist. <\/p>\n\nAnsicht einer einzelnen Nachricht in UiPath Communications Mining<\/figcaption><\/figure>\n\n
Wenn Sie tiefer eintauchen m\u00f6chten, werden Sie feststellen, dass diese beiden Ziele mit bekannten NLP-Aufgaben \u00fcbereinstimmen: Klassifizierung (Absichtserkennung) und Named Entity Recognition (NER) (Datenextraktion). Es gibt mehrere M\u00f6glichkeiten, diese Aufgaben anzugehen, wobei Sie jeweils aus einem Dutzend verschiedener Bibliotheken, Tools oder (neuerdings) LLMs w\u00e4hlen k\u00f6nnen. Ein traditionellerer Ansatz k\u00f6nnte sich auf regul\u00e4re Ausdr\u00fccke st\u00fctzen (einen Blick wert!), die f\u00fcr einfache F\u00e4lle funktionieren. Aber wir haben es hier mit unterschiedlichen Nachrichten und einem gro\u00dfen Volumen zu tun – denken Sie an 5-15.000 E-Mails pro Monat – also brauchen wir etwas Robusteres. <\/p>\n\n
Das Ziel ist es, dies in gro\u00dfem Umfang und auf wiederholbare Weise zu tun, so dass Mitarbeiter mit Kundenkontakt sich mit wichtigen Teilen der Kommunikation befassen k\u00f6nnen, bei denen KI versagt und menschliches Fachwissen immer noch notwendig ist oder wo es am wichtigsten ist: die St\u00e4rkung der Kundenbeziehungen, die Gewinnung neuer Kunden und die Bindung abwanderungsgef\u00e4hrdeter Kunden (Churn). Einige spekulieren, dass in naher Zukunft die Interaktion mit einem Menschen zu einem Premium-Service wird. <\/p>\n\n
Sie haben die Wahl zwischen vielen Optionen, aber wir werden uns mit UiPath Communications Mining<\/strong> besch\u00e4ftigen .<\/strong><\/p>\n\n
<\/span>Das Grundrezept<\/span><\/h2>\n\n
Zur Einf\u00fchrung: Communications Mining ist ein Cloud-basierter KI\/Machine Learning (ML)-Service innerhalb des UiPath-\u00d6kosystems, der entwickelt wurde, um nat\u00fcrlichsprachliche Daten automatisch zu verstehen und zu verarbeiten. Auf der Plattform gibt es eine Menge zu entdecken. Wir werden das Wesentliche behandeln, aber wenn Sie mehr wissen m\u00f6chten, empfehle ich Ihnen, die offizielle Dokumentation und die Kurse der UiPath Academy zu lesen, um tiefer einzutauchen. <\/p>\n\n
Die meisten ML-Lebenszyklen folgen ein paar Schl\u00fcsselphasen: Planung, Schulung und Einsatz – genau so werden wir dieses Thema angehen.<\/p>\n\n
Planung<\/h3>\n\n
Kommunikation ist in jedem Unternehmen unvermeidlich – fast jeder Prozess erfordert in irgendeiner Phase ein Gespr\u00e4ch. Aber anstatt alles auf einmal in Angriff zu nehmen, sollten Sie sich zun\u00e4chst ein paar wichtige Fragen stellen: <\/p>\n\n
\n
Wo ist die Kommunikation ein untrennbarer Teil des Prozesses, z.B.: dient sie als Input\/Output f\u00fcr den gesamten Arbeitsablauf oder bestimmte Aktivit\u00e4ten?<\/li>\n\n\n\n
Welche Kommunikationskan\u00e4le werden in der Organisation genutzt: E-Mails, Chats, CRMs, Ticketingsysteme, Collaboration-Apps usw.? (Datenquellen) <\/li>\n\n\n\n
Wer bearbeitet ein hohes Nachrichtenaufkommen? Welche Abteilungen oder Teams sind am meisten beteiligt? <\/li>\n\n\n\n
Gibt es wiederkehrende Muster oder strukturierte Elemente innerhalb dieser Gesch\u00e4ftskommunikation?<\/li>\n<\/ul>\n\n
Und das Wichtigste, das oft vergessen wird: Warum tun Sie das \u00fcberhaupt? Ist das Ziel Automatisierung, Analytik oder beides? Welche KPIs definieren den Erfolg? Bei KI-gesteuerten L\u00f6sungen reicht es nicht aus, einfach zu sagen „es funktioniert“ – dazu sp\u00e4ter mehr. <\/p>\n\n
Bleiben wir bei unserem Beispiel: Das Team der Auftragsbearbeitung bearbeitet 5.000 E-Mails pro Monat, die meisten davon \u00e4hnlich wie die von John – neue Bestellungen, \u00c4nderungen, Stornierungen und Anfragen. Indem wir die richtigen Fragen stellen und die Prozesse in ihrem Umfang analysieren, k\u00f6nnen wir eine Taxonomie<\/strong> f\u00fcr unser Modell definieren. <\/p>\n\nSchnittstelle zur Erstellung von Taxonomien auf der Communications Mining Plattform<\/figcaption><\/figure>\n\n
Eine Taxonomie ist eine hierarchische Struktur von Intents\/Kategorien (Etiketten), die verschachtelt werden k\u00f6nnen, und den damit verbundenen Datenpunkten. Einige Felder sind direkt mit bestimmten Labels verkn\u00fcpft (Extraktionsfelder), w\u00e4hrend andere in jeder Nachricht erscheinen k\u00f6nnen (allgemeine Felder). Eine gut konzipierte Taxonomie sollte reale Kommunikationsmuster genau widerspiegeln, da sie als Grundlage f\u00fcr das Training und die Anwendung von Modellen dient. <\/p>\n\n
Die Taxonomie kann zwar modifiziert werden, aber \u00c4nderungen haben Konsequenzen – Anpassungen k\u00f6nnen die Trainingszeit verl\u00e4ngern, und einige \u00c4nderungen sind unumkehrbar.<\/p>\n\n
Ausbildung<\/h3>\n\n
Im Grunde geht es bei jedem ML-Training darum, der KI gen\u00fcgend Beispiele zu liefern, aus denen sie „lernen“ kann. Unter der Haube verwendet die KI mathematische und statistische Techniken, um Muster und Beziehungen in den Daten zu erkennen, so dass sie Vorhersagen \u00fcber neue, noch nicht gesehene F\u00e4lle machen kann. <\/p>\n\nBeispiel f\u00fcr empfohlenes Nachrichtenvolumen und Zeitspanne<\/figcaption><\/figure>\n\n
Wie viele Beispiele sind genug? Es gibt keine allgemeing\u00fcltige Antwort, aber hier sind einige Richtlinien: <\/p>\n\n
\n
Generell gilt: Mehr ist besser.<\/strong> Ihr Trainingsset sollte reale Daten so genau wie m\u00f6glich widerspiegeln, um Zuf\u00e4lligkeiten zu reduzieren und die Zuverl\u00e4ssigkeit zu verbessern. F\u00fcr einen Proof-of-Concept im Communications Mining sollten Sie mindestens 10.000 Nachrichten zur Verf\u00fcgung stellen; f\u00fcr ein produktionsreifes Setup sollten Sie 60.000+ anstreben. <\/li>\n\n\n\n
Erfassen Sie Saisonalit\u00e4t<\/strong>. Ber\u00fccksichtigen Sie Schwankungen wie monatliche Spitzenwerte, Abschw\u00e4chungen am Jahresende oder andere zyklische Trends in Ihrem Datensatz. <\/li>\n\n\n\n
Balancieren Sie Ihren Datensatz.<\/strong> Im Idealfall sollte jede Kategorie (Bezeichnung) die gleiche Anzahl von Beispielen enthalten. Auch wenn die realen Gesch\u00e4ftsdaten selten diesem Ideal entsprechen, tun Sie Ihr Bestes, um gr\u00f6\u00dfere Ungleichgewichte zu minimieren. <\/li>\n<\/ul>\n\n
Das Erstellen und Trainieren eines maschinellen Lernmodells erfordert in der Regel Programmierkenntnisse, was eine hohe Einstiegsh\u00fcrde darstellt. Gl\u00fccklicherweise k\u00f6nnen Sie mit Communications Mining den gesamten Prozess durchlaufen, ohne eine einzige Zeile Code schreiben zu m\u00fcssen (dies ist optional). Kommunikationsdaten k\u00f6nnen \u00fcber eine CSV-Datei (Comma Separated Values) oder vorgefertigte Integrationen mit Microsoft Exchange Server oder Salesforce hochgeladen werden. <\/p>\n\nEin Fragment der Schnittstelle zum Hochladen von CSV-Dateien<\/figcaption><\/figure>\n\n
Die Schulung ist eine super einfache und benutzerfreundliche Erfahrung, fast wie ein Malbuch. Mit nur wenigen Klicks weist der Gesch\u00e4ftsanwender (in der Regel ein Fachexperte) die richtigen Etiketten (eine oder mehrere) zu und hebt die relevanten Datenpunkte (Felder) im Nachrichtentext hervor. <\/p>\n\nTrainingsschnittstelle f\u00fcr eine einzelne Nachricht<\/figcaption><\/figure>\n\n
Das war’s. Die Plattform erkennt die \u00c4nderungen automatisch und beginnt mit dem Training. Sp\u00fclen und wiederholen Sie den Vorgang, bis Sie gen\u00fcgend Beispiele geliefert haben. Wie viele? Sie haben es richtig erraten – auch hier gibt es keine allgemeing\u00fcltige Antwort, aber Communications Mining bietet einen gef\u00fchrten Trainingsmodus.<\/strong> Er gibt Ihnen klares, lehrreiches Feedback, damit Sie sich messbare Ziele setzen k\u00f6nnen. Als Faustregel gilt, dass Sie die Leistung des Modells maximieren und gleichzeitig den Zeitaufwand f\u00fcr das Training minimieren sollten (Arbeit, die Sie investieren m\u00fcssen). <\/p>\n\nGrundlegende Modellmetriken<\/figcaption><\/figure>\n\n
Wie bereits erw\u00e4hnt, bewegt sich die betriebliche Effizienz von KI-gest\u00fctzter Automatisierung auf einem Spektrum. Bei der klassischen Automatisierung, z. B. der robotergest\u00fctzten Prozessautomatisierung (RPA), legen Sie strenge Anforderungen fest, und der Roboter folgt einem vorprogrammierten Pfad und behandelt Ausnahmen auf vorhersehbare, regelbasierte Weise. Bei Szenarien des maschinellen Lernens m\u00fcssen Sie ein gewisses Ma\u00df an Ungewissheit in Kauf nehmen und akzeptieren. <\/p>\n\nVereinfachter Vergleich von klassischen und KI-gest\u00fctzten Automatisierungsarten<\/figcaption><\/figure>\n\n
Metriken zum maschinellen Lernen sind ein umfangreiches Thema, das den Rahmen dieses Artikels sprengen w\u00fcrde. Gl\u00fccklicherweise stellt die Communications Mining-Oberfl\u00e4che die wichtigsten Informationen auf intuitive, leicht verst\u00e4ndliche Weise dar und bietet dabei dennoch ein ausreichendes Ma\u00df an Kontrolle. Dennoch m\u00fcssen wir ein wesentliches Konzept des Vertrauens<\/strong> (Wert) behandeln, was uns zum n\u00e4chsten Kapitel f\u00fchrt. <\/p>\n\nBeispiel f\u00fcr ein einzelnes Modell-Feedback, das als Handlungsoption diente<\/figcaption><\/figure>\n\n
Einsatz<\/h3>\n\n
Lassen Sie uns alles zusammenf\u00fchren. Unser Umfang und unsere Ziele spiegeln sich nun in der Taxonomie wider, und wir haben beschlossen, dass das Training des Modells abgeschlossen ist – zumindest f\u00fcr den Moment. Zeit f\u00fcr die KI, die schwere Arbeit zu \u00fcbernehmen. <\/p>\n\n
Wir leiten die urspr\u00fcngliche E-Mail von John an Communications Mining weiter und erhalten im Gegenzug die Vorhersage des Modells f\u00fcr diese Nachricht:<\/p>\n\nAnsicht mit einer einzigen Nachricht, die die Vorhersage des Modells f\u00fcr Bezeichnungen und Felder anzeigt<\/figcaption><\/figure>\n\n
Die Plattform bietet zwei wichtige Automatisierungskomponenten, \u00fcber die wir bereits gesprochen haben:<\/p>\n\n
\n
Abgeleitete Bezeichnungen (eine oder mehrere), die bestimmen, welche Prozesse ausgef\u00fchrt werden sollen.<\/li>\n\n\n\n
Extrahierte Felder, die als strukturierte Eingabe<\/strong> f\u00fcr diesen Prozess ben\u00f6tigt werden.<\/li>\n<\/ul>\n\n
Beachten Sie, dass jede Vorhersage mit einem Konfidenzwert von 0% bis 100% versehen ist (dies gilt auch f\u00fcr Extraktionsfelder, ist in dieser Ansicht jedoch nicht sichtbar). Dieser Wert gibt an, wie sicher das Modell – basierend auf seinem Training – ist, dass eine bestimmte Bezeichnung auf diese Nachricht zutrifft. Es liegt an uns zu entscheiden, was wir mit diesen Informationen machen. <\/strong>Ein guter Ausgangspunkt ist die Festlegung eines Schwellenwerts als Cut-Off-Filter. Bevor wir weitere Schlussfolgerungen ziehen, lassen Sie uns ein paar hypothetische Szenarien untersuchen: <\/p>\n\n
\n
Happy Path: Das Modell sagt mit 74%iger Sicherheit „Order Information Request > Delivery Status“ voraus und \u00fcbertrifft damit einen Schwellenwert von 70%. Auch die Bestellnummer wird mit hoher Zuverl\u00e4ssigkeit extrahiert. Die Anfrage wird an eine Automatisierung weitergeleitet, die das ERP-System abfragt und den Lieferstatus zur\u00fcckgibt. John erh\u00e4lt eine automatische E-Mail mit den angeforderten Informationen. <\/li>\n\n\n\n
Grenzfall: Diesmal reichen 74% Konfidenz nicht aus, da unser Schwellenwert auf 80% festgelegt ist. Entweder lassen wir einen Mitarbeiter den Fall vollst\u00e4ndig manuell bearbeiten, oder wir implementieren einen Human-in-the-Loop-Mechanismus, der vor der Ausf\u00fchrung des Vorgangs eine menschliche Validierung anfordert. <\/li>\n\n\n\n
Unerw\u00fcnschtes Ergebnis: Das Modell stuft<\/strong> die Anfrage f\u00e4lschlicherweise<\/strong> als „Auftragsstornierung“ ein<\/strong> und seine Konfidenz \u00fcberschreitet den Schwellenwert. Eine weitere Automatisierung storniert den Auftrag im ERP-System und benachrichtigt John, der nun verwirrt ist, warum seine Anfrage zu einer Auftragsstornierung f\u00fchrte. <\/li>\n<\/ul>\n\n
Diese Szenarien sind vereinfacht (und das dritte ist \u00fcbertrieben), aber sie verdeutlichen die Vielseitigkeit der KI-gesteuerten Automatisierung. Deshalb ist es wichtig, die Prozesse und die erwarteten Ergebnisse vor dem Einsatz sorgf\u00e4ltig zu analysieren. <\/p>\n\n
F\u00fcr Aktionen mit hohem Risiko, wie z.B. Auftragsstornierungen, sollten h\u00f6here Vertrauensschwellen, zus\u00e4tzliche regelbasierte Pr\u00fcfungen oder sogar eine obligatorische menschliche Validierung gelten. Dieser hybride Ansatz ist vielleicht nicht so schnell wie ein vollst\u00e4ndig autonomes System, aber er stellt sicher, dass der menschliche Eingriff auf die \u00dcberpr\u00fcfung von Ausnahmen beschr\u00e4nkt bleibt, w\u00e4hrend 90-99% der F\u00e4lle automatisch ablaufen. <\/p>\n\n
Machen Sie das Beste aus beiden Welten<\/h3>\n\n
Ein weiterer gro\u00dfer Vorteil von Communications Mining sind seine Berichtsfunktionen. Stellen Sie sich vor, Sie k\u00f6nnten ein ganzes Jahr mit 60.000 E-Mails analysieren und Fakten aufdecken wie: <\/p>\n\n
\n
Die 10 Kategorien mit dem h\u00f6chsten Anfragevolumen.<\/li>\n\n\n\n
Diese Lieferstatusabfragen erreichen im Dezember ihren H\u00f6hepunkt.<\/li>\n\n\n\n
Dass John Smith h\u00e4ufig Produkte bestellt, die bald nicht mehr hergestellt werden – eine perfekte Gelegenheit, ihm eine Alternative anzubieten.<\/li>\n<\/ul>\n\n
\n
Dies sind nur einfache Beispiele f\u00fcr die endlosen Analysem\u00f6glichkeiten, die sich in der Unternehmenskommunikation verbergen, die nicht mehr nur aus Gigabytes unstrukturierter Daten besteht, sondern eine Goldmine wertvoller Erkenntnisse ist, die nur darauf warten, entdeckt zu werden.<\/p>\n<\/div><\/div>\n\nBeispiel f\u00fcr ein Dashboard mit verschiedenen Datenvisualisierungen<\/figcaption><\/figure>\n\n
All dies ist m\u00f6glich, weil jede Nachricht, die auf die Plattform hochgeladen wird, eine Modellvorhersage erh\u00e4lt. Wenn Sie Metadaten (wie Absenderadresse, Domain, Zeitstempel usw.) mit abgeleiteten Kategorien und extrahierten Feldern kombinieren, erhalten Sie einen sehr leistungsstarken Datensatz. Ein einzelnes Element kann als Trainingsbeispiel oder zu verarbeitender Fall behandelt werden, aber wenn gro\u00dfe Mengen im Spiel sind, beginnen die aggregierten Kommunikationsdaten Geschichten zu erz\u00e4hlen. <\/p>\n\n
Eine weitere wichtige Erkenntnis, die sich in Kommunikationsdaten verbirgt, ist die Kundenzufriedenheit. Communications Mining bietet eine integrierte Stimmungsanalyse, die automatisch den Tonfall<\/strong> oder die Stimmung<\/strong> (positiv oder negativ) f\u00fcr jede Nachricht erkennt. <\/p>\n\n
Dar\u00fcber hinaus k\u00f6nnen Sie auf der Plattform einen gewichtungsbasierten Quality of Service<\/strong> (QoS)-Parameter konfigurieren, der jedem Label einen Wert von -10 bis 10 zuweist, um einen tieferen Kontext zu schaffen. Zum Beispiel k\u00f6nnte „Auftragsstornierung“ einen QoS-Wert von -5 haben, weil der Verlust eines Auftrags negative Auswirkungen auf das Gesch\u00e4ft hat – selbst wenn die Nachricht selbst positiv war. <\/p>\n\nBeispiel f\u00fcr Dienstg\u00fcte- und Tonmetriken f\u00fcr eine einzelne Nachricht<\/figcaption><\/figure>\n\n
Da die Plattform automatisch jede hochgeladene Nachricht sofort neu trainiert und vorhersagt, werden die Kommunikationsdaten kontinuierlich aktualisiert, was eine \u00dcberwachung in Echtzeit erm\u00f6glicht. Sie k\u00f6nnen sogar benutzerdefinierte Warnmeldungen einrichten, um wichtige Bedingungen zu verfolgen – wenn z. B. der QoS-Wert von John Smith unter einen bestimmten Schwellenwert f\u00e4llt, kann das System sofort E-Mail-Warnungen an seinen Key Account Manager senden. <\/p>\n\n
<\/span>Was werden Sie bauen?<\/span><\/h2>\n\n
Ich hoffe, Ihnen hat diese kurze Einf\u00fchrung in die Verarbeitung nat\u00fcrlicher Sprache und das UiPath Communications Mining gefallen. Wir haben allerdings nur an der Oberfl\u00e4che gekratzt. Es gibt noch viel mehr zu entdecken und zu lernen, also ermutige ich Sie, Dinge auszuprobieren und neugierig zu bleiben. Die Technologie schreitet in einem unglaublichen Tempo voran und macht das Unm\u00f6gliche von gestern zur Realit\u00e4t von heute. <\/p>\n\n
Wenden Sie sich an uns, wenn Sie Fragen haben, und viel Spa\u00df beim Automatisieren!<\/p>\n","protected":false},"excerpt":{"rendered":"
Noch eine Nachricht und der Posteingang wird explodieren. Hatten Sie schon einmal einen \u00e4hnlichen Gedanken? Befanden Sie sich in einer Situation, in der das Lesen aller eingehenden E-Mails f\u00fcr einen Menschen physisch unm\u00f6glich ist? K\u00f6nnen wir Ray Tomlinson die Schuld daf\u00fcr geben, dass er 1971 die erste E-Mail \u00fcberhaupt verschickt hat? <\/p>\n","protected":false},"author":1,"featured_media":14134,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"footnotes":""},"categories":[134],"tags":[140],"class_list":["post-16690","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-tools-de","tag-artikel"],"acf":[],"_links":{"self":[{"href":"https:\/\/office-samurai.com\/de\/wp-json\/wp\/v2\/posts\/16690","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/office-samurai.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/office-samurai.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/office-samurai.com\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/office-samurai.com\/de\/wp-json\/wp\/v2\/comments?post=16690"}],"version-history":[{"count":0,"href":"https:\/\/office-samurai.com\/de\/wp-json\/wp\/v2\/posts\/16690\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/office-samurai.com\/de\/wp-json\/wp\/v2\/media\/14134"}],"wp:attachment":[{"href":"https:\/\/office-samurai.com\/de\/wp-json\/wp\/v2\/media?parent=16690"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/office-samurai.com\/de\/wp-json\/wp\/v2\/categories?post=16690"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/office-samurai.com\/de\/wp-json\/wp\/v2\/tags?post=16690"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
![\"\"](\"https:\/\/office-samurai.com\/wp-content\/uploads\/2025\/03\/officesamurai-article-emaisl-sent-per-day-1.png\")
![\"\"](\"https:\/\/office-samurai.com\/wp-content\/uploads\/2025\/03\/officesamurai-article-typical-customer-request-sent-via-email.png\")
![\"\"](\"https:\/\/office-samurai.com\/wp-content\/uploads\/2025\/03\/officesamurai-article-single-message-view-in-uipath-communications-mining.png\")
![\"\"](\"https:\/\/office-samurai.com\/wp-content\/uploads\/2025\/03\/officesamurai-article-taxonomy-building-interface-on-communications-mining-platform.png\")
![\"\"](\"https:\/\/office-samurai.com\/wp-content\/uploads\/2025\/03\/officesamurai-article-example-of-recommended-message-volume-and-timespan.png\")
![\"\"](\"https:\/\/office-samurai.com\/wp-content\/uploads\/2025\/03\/officesamurai-article-a-fragment-of-CSV-file-upload-interface.png\")
![\"\"](\"https:\/\/office-samurai.com\/wp-content\/uploads\/2025\/03\/officesamurai-article-training-interface-for-a-single-message.png\")
![\"\"](\"https:\/\/office-samurai.com\/wp-content\/uploads\/2025\/03\/officesamurai-article-basic-model-metrics.png\")
![\"\"](\"https:\/\/office-samurai.com\/wp-content\/uploads\/2025\/03\/officesamurai-article-simplified-comparison-of-classic-and-AI-powered-automation-types.png\")
![\"\"](\"https:\/\/office-samurai.com\/wp-content\/uploads\/2025\/03\/officesamurai-article-example-of-a-single-model-feedback-served-as-actionable-item.jpg\")
![\"\"](\"https:\/\/office-samurai.com\/wp-content\/uploads\/2025\/03\/officesamurai-article-single-message-view-displaying-models-prediction-for-labels-and-fields.png\")
![\"\"](\"https:\/\/office-samurai.com\/wp-content\/uploads\/2025\/03\/officesamurai-article-sample-dashboard-presenting-different-data-visualisations.png\")
![\"\"](\"https:\/\/office-samurai.com\/wp-content\/uploads\/2025\/03\/officesamurai-article-example-of-quality-of-service-and-tone-metrics-for-a-single-message.jpg\")