E-Mail-Flut im Griff – was KI-Vorsortierung im Posteingang wirklich leistet

Der Posteingang ist in den meisten Unternehmen die letzte große unsortierte Fläche. Alles läuft dort zusammen: Anfragen, Rechnungen, Newsletter, Terminbestätigungen, Reklamationen, Werbung. Und weil alles gleich aussieht, muss jemand alles lesen – auch das, was in zwei Sekunden erledigt wäre, wenn es an der richtigen Stelle gelandet wäre. Genau hier setzt die KI-Vorsortierung an. Sie ist das unspektakulärste KI-Projekt, das es gibt, und deshalb eines der wenigen, die sich fast immer rechnen.

Warum ausgerechnet der Posteingang

Drei Gründe machen die Vorsortierung zum guten Einstiegsprojekt. Erstens ist der Nutzen sofort spürbar: Wer morgens 80 Mails vorfindet, von denen 55 vorsortiert und zusammengefasst sind, merkt das am ersten Tag. Zweitens ist das Risiko klein – die KI verschiebt und beschriftet, sie antwortet niemandem und löscht nichts. Und drittens ist der Aufwand überschaubar, weil es keine neue Software für die Mitarbeiter gibt. Gearbeitet wird weiter im gewohnten Mailprogramm; die Sortierung passiert davor, direkt auf dem Mailserver.

Technisch hängt sich so eine Automation über IMAP an das Postfach – das Protokoll, mit dem auch Outlook oder Apple Mail auf den Server zugreifen. Sie sieht die Mails also genauso wie ein zusätzlicher Mitarbeiter, der vor allen anderen ins Postfach schaut.

Was vor der KI kommt: Regeln, die nichts kosten

Ein Fehler, den ich immer wieder sehe: Alles soll die KI machen. Dabei ist ein guter Teil des Posteingangs komplett vorhersehbar. Newsletter mit Abmeldelink, Systemmeldungen vom Server, Bestellbestätigungen eines Shops, die immer denselben Betreff tragen – das sind Regeln, keine Interpretation. Regeln laufen sofort, sind zu hundert Prozent nachvollziehbar und verursachen keine laufenden Kosten.

Die vernünftige Reihenfolge ist deshalb:

1. Eindeutiges nach Regeln sortieren. Absender, Betreffmuster, Kopfzeilen. Das erledigt in der Praxis oft schon die Hälfte des Volumens.
2. Den Rest der KI vorlegen. Alles, was Verständnis braucht: Worum geht es? Wie dringend ist das? Wer im Haus ist zuständig?
3. Den Menschen entscheiden lassen. Die Sortierung ist ein Vorschlag, kein Urteil.

Wer Schritt eins überspringt, bezahlt dafür, dass ein Sprachmodell Newsletter liest.

Was die KI danach zuverlässig übernimmt

Bleibt der interessante Teil. Ein Sprachmodell liest den Text und liefert vier Dinge, die sich in der Praxis bewährt haben:

• Kategorie. Anfrage, Bestellung, Rechnung, Reklamation, Bewerbung, Werbung – die Liste wird auf das Unternehmen zugeschnitten, nicht umgekehrt.
• Dringlichkeit. Eine Störungsmeldung sieht anders aus als eine Preisanfrage. Modelle erkennen das erstaunlich gut, weil es im Ton liegt.
• Kurzfassung. Zwei Sätze, die in die Betreffzeile oder eine Notiz wandern. Das spart mehr Zeit als das Sortieren selbst.
• Zuständigkeit. Der Vorschlag, in wessen Ordner die Mail gehört.

Optional kommt ein Antwortentwurf dazu, der als Entwurf gespeichert wird – ungesendet, versteht sich. Der Unterschied zwischen „Entwurf liegt bereit" und „Antwort ist raus" ist der Unterschied zwischen einem nützlichen Werkzeug und einem Haftungsrisiko.

Die Kategorien landen als Ordner oder als Markierung im Postfach. Beides funktioniert, Markierungen haben den Vorteil, dass die Mail im Posteingang bleibt und niemand eine Automation „verliert", die falsch liegt.

Wohin die Daten gehen – die Frage, die zuerst kommt

E-Mails enthalten personenbezogene Daten, oft auch sensible. Die Frage, wo der Text verarbeitet wird, ist deshalb nicht die letzte, sondern die erste. Es gibt drei gangbare Wege:

• KI-Anbieter mit EU-Verarbeitung und Auftragsverarbeitungsvertrag. Der übliche Weg. Wichtig ist, dass die Daten nicht zum Training verwendet werden – das muss vertraglich zugesichert sein, nicht nur in einem Blogbeitrag stehen.
• Modell im eigenen Haus. Läuft auf eigener Hardware, verlässt nichts das Netz. Für Klassifizierungsaufgaben reichen kleinere Modelle oft aus – der Aufwand liegt im Betrieb, nicht in der Qualität.
• Vorher aussortieren. Manche Postfächer enthalten Bereiche, die grundsätzlich nicht durch eine KI laufen sollen – Bewerbungen, Personalthemen, Betriebsrat. Diese Absender und Adressen werden per Regel ausgenommen, bevor überhaupt etwas verschickt wird.

Dazu gehören ein Eintrag im Verarbeitungsverzeichnis und eine kurze Information ans Team. Das ist überschaubar, aber es passiert nicht von allein. Mehr dazu steht im Artikel KI im Unternehmen einsetzen.

Woran solche Projekte scheitern

Ehrlich bleibt ehrlich, also die Gegenseite:

Zu viele Kategorien. Wer mit 20 Ordnern startet, bekommt eine Sortierung, die niemand mehr prüfen kann. Fünf bis acht Kategorien sind der Punkt, an dem Trefferquote und Nutzen zusammenpassen.

Kein Rückweg. Eine Mail, die falsch einsortiert wurde, muss auffallen. Deshalb gehört zu jeder Sortierung ein Ordner „unsicher" – alles, wo das Modell selbst zögert, landet dort und wird von Hand geprüft. Diese Fälle sind das beste Material, um die Anweisung – den Prompt – nachzuschärfen.

Erfundene Inhalte. Sprachmodelle neigen dazu, Lücken zu füllen (Halluzination). Bei einer Kurzfassung kann das heißen, dass eine Zahl im Text steht, die in der Mail nie stand. Für die Sortierung ist das unkritisch, für automatische Antworten wäre es fatal – ein weiterer Grund, beim Entwurf stehen zu bleiben.

Unrealistische Erwartungen. Eine Vorsortierung wird nie zu hundert Prozent richtig liegen. Sie muss nur besser sein als gar keine Sortierung – eine niedrige Hürde.

Was das kostet – als Orientierung

Zwei Posten: die Einrichtung und der Betrieb. Die Einrichtung einer Vorsortierung für ein Postfach – Regelwerk, Kategorien, Anbindung, Testlauf, Nachschärfen – liegt typischerweise im unteren vierstelligen Bereich und damit deutlich unter einem Chatbot-Projekt, weil keine Oberfläche gebaut werden muss. Der Betrieb kostet nach meiner Erfahrung wenig: Die Klassifizierung einer einzelnen Mail verbraucht sehr wenig Rechenleistung, und für Klassifizierung reicht ein kleines, günstiges Modell.

Die Rechnung, die wirklich zählt, ist aber eine andere: Wie viele Minuten pro Tag gehen für Sortieren, Weiterleiten und „schau mal, ob das für dich ist" drauf? Multipliziert mit den beteiligten Personen ergibt das eine Zahl, an der sich das Projekt messen lassen muss. Wenn diese Zahl klein ist, ist die ehrliche Antwort: Lass es.

Fazit

Die KI-Vorsortierung ist kein Leuchtturmprojekt. Sie taucht in keiner Pressemitteilung auf und beeindruckt niemanden im Verkaufsgespräch – sie nimmt einfach jeden Morgen stumpfe Arbeit weg, und zwar dauerhaft. Als erstes KI-Projekt ist sie deshalb schwer zu schlagen: kleiner Einsatz, sichtbares Ergebnis, kein Risiko für Kunden. Und danach weiß das Team aus eigener Erfahrung, was ein Sprachmodell kann und was nicht – die beste Grundlage für alles, was folgt.

Du hast ein Postfach, das täglich Zeit frisst? Beschreib mir kurz, was da hereinkommt – ich sage dir ehrlich, was sich davon sortieren lässt und was nicht.