E-Mail-Klassifizierung mit KI: Automatisch sortieren und weiterleiten
E-Mail-Klassifizierung mit KI: 200+ Mails täglich automatisch sortieren, priorisieren und weiterleiten. 92–97% Genauigkeit mit AWS Bedrock + n8n – in unter 5 Sekunden pro Mail, DSGVO-konform.
E Mail Klassifizierung mit KI: Automatisch sortieren, priorisieren und weiterleiten
E Mail Klassifizierung mit KI analysiert jede eingehende E Mail in unter 5 Sekunden, ordnet sie automatisch einer Kategorie zu (Anfrage, Beschwerde, Bestellung, Intern) und leitet sie ans richtige Team weiter — ohne manuelle Triage, DSGVO konform auf AWS Bedrock, mit 92–97% Genauigkeit.
Jedes mittelständische Unternehmen kennt es: Die zentrale info@ Adresse bekommt 200 oder mehr E Mails am Tag. Kundenanfragen, Beschwerden, Bewerbungen, Rechnungen, Newsletter, Spam – alles landet im selben Postfach. Irgendjemand aus dem Team muss jede einzelne Mail öffnen, lesen, einordnen und an die richtige Abteilung weiterleiten. Laut einer Studie von McKinsey verbringen Wissensarbeiter rund 28% ihrer Arbeitszeit mit E Mail Management.
Das ist teure Arbeitskraft für eine repetitive Aufgabe . Ein Mitarbeiter, der pro Mail 30 Sekunden benötigt, verbringt bei 200 Mails täglich fast zwei Stunden nur mit Sortieren. Dazu kommen Fehler: Eine dringende Beschwerde landet im allgemeinen Support Ordner und wird erst nach drei Tagen bearbeitet. Eine Bewerbung geht in der Flut unter.
In diesem Artikel zeige ich Ihnen eine Lösung, die jede eingehende Mail in unter 5 Sekunden automatisch klassifiziert, priorisiert und an den richtigen Slack Channel oder das richtige Team weiterleitet. Vollautomatisch, DSGVO konform und mit überschaubarem Aufwand umsetzbar.
Architektur Überblick
Die Pipeline besteht aus vier Bausteinen, die bewusst aufeinander abgestimmt sind:
Architektur: KI E Mail Klassifikation
Webhook Trigger → Normalize Input → Basic LLM Chain (AWS Bedrock) → Parse & Route → Response
Warum n8n? n8n ist eine Open Source Workflow Plattform, die Sie auf Ihrem eigenen Server betreiben. Im Gegensatz zu Zapier oder Make verlassen Ihre E Mail Inhalte nie Ihre Infrastruktur. Außerdem ist n8n visuell aufgebaut – Ihr Team kann die Workflows sehen und nachvollziehen, ohne Code lesen zu müssen.
Warum Amazon Bedrock statt OpenAI? Bedrock läuft innerhalb Ihrer AWS Umgebung. Sie wählen die Region eu central 1 (Frankfurt), und Ihre E Mail Daten verlassen nicht die EU. Es werden keine Inhalte für das Training von Modellen verwendet. Für Unternehmen, die personenbezogene Daten in E Mails verarbeiten – und das trifft auf fast jedes Unternehmen zu – ist das ein entscheidender Punkt für die DSGVO Konformität.
Warum IMAP? Der n8n IMAP Trigger überwacht Ihr Postfach in Echtzeit. Sobald eine neue Mail eingeht, startet die Pipeline automatisch. Es ist keine Änderung an Ihrem bestehenden E Mail System nötig. In der Demo nutzen wir einen Webhook Trigger, der denselben Input simuliert.
Wie sieht der KI Prompt für E Mail Klassifizierung aus?
Das Herzstück der Lösung ist der Prompt, den wir an Bedrock senden. Hier der vollständige System Prompt aus dem produktiven Workflow:
``` Du bist ein E Mail Klassifikations Assistent für ein deutsches Unternehmen. Analysiere die E Mail und klassifiziere sie nach den folgenden Kriterien.
ANTWORTFORMAT (nur JSON, keine Erklärungen):
KATEGORIEN: anfrage: Produkt /Service Anfragen, Preisanfragen, Terminwünsche beschwerde: Beschwerden, Probleme, negative Rückmeldungen bewerbung: Initiativ oder Stellenbewerbungen rechnung: Rechnungen, Zahlungserinnerungen, Mahnungen spam: Werbung, Newsletters, irrelevante Massenmails ```
Vier Design Entscheidungen sind hier wichtig:
Strukturierter JSON Output. Wir fordern explizit JSON mit exakt definierten Feldern und erlaubten Werten. Das macht die Ausgabe maschinell auswertbar. Der nachfolgende „Parse und Route" Node in n8n kann direkt auf kategorie und prioritaet zugreifen, ohne fragilen Text zu parsen.
Sentiment Analyse als Bonus. Das Feld sentiment ist mehr als eine Spielerei. Wenn eine Beschwerde mit negativem Sentiment eingeht, eskalieren wir automatisch – dazu gleich mehr im Routing Abschnitt.
Dringend Flag. Zusätzlich zur Priorität gibt es ein boolesches dringend Feld. Das ermöglicht eine zweistufige Eskalation: Eine dringende Beschwerde mit negativem Sentiment wird sofort an die Teamleitung weitergeleitet.
Zusammenfassung in zwei Sätzen. Der Empfänger in Slack sieht sofort, worum es geht, ohne die gesamte Mail lesen zu müssen. Das spart nochmals Zeit bei der Bearbeitung.
Welche Ergebnisse liefert die E Mail Klassifizierung in der Praxis?
Hier zwei reale Tests mit den Demo E Mails aus dem Repository:
Test 1 – Dringender Support Fall:
Test 2 – Kooperationsanfrage:
Das Modell erkennt korrekt: Der Systemausfall ist dringend und geht an Support, die Partnerschaftsanfrage ist eine reguläre Vertriebsanfrage.
Routing mit n8n Switch
Nach der Klassifikation übernimmt der „Parse und Route" Node die Verteilung. Jede Kategorie hat ihren eigenen Branch mit einer klaren Zielkonfiguration. Die Slack Integration ermöglicht dann die zielgerichtete Benachrichtigung:
anfrage → Nachricht an den vertrieb Channel in Slack mit Zusammenfassung und Absender beschwerde → Nachricht an support. Bei Priorität „hoch" und Sentiment „negativ" zusätzlich ein @teamlead Mention, damit die Eskalation sofort sichtbar ist bewerbung → Nachricht an hr mit angehängtem Lebenslauf (falls als Attachment vorhanden) rechnung → Nachricht an buchhaltung mit Betreff und Absender spam → Wird archiviert oder übersprungen. Keine Benachrichtigung, kein manueller Aufwand
Die Eskalationslogik für Beschwerden ist besonders wirkungsvoll: Eine neutrale Beschwerde („Könnten Sie bitte den Status meiner Bestellung prüfen?") landet im normalen Support Flow. Eine aufgebrachte Beschwerde mit negativem Sentiment und hoher Priorität wird hingegen direkt an die Teamleitung eskaliert. Das verhindert, dass kritische Fälle in der Warteschlange untergehen.
Falls Sie Microsoft Teams statt Slack nutzen, ändern Sie lediglich den letzten Node im jeweiligen Branch. Die Klassifikation und das Routing bleiben identisch.
Demo selbst ausprobieren
Den gesamten Workflow stelle ich als Open Source Demo auf GitHub bereit. Sie können ihn in wenigen Minuten lokal starten und mit eigenen E Mails testen.
Repository: github.com/vibtellect/email classification routing
12 Test E Mails im Repository:
Das Repository enthält realistische Beispiel E Mails für verschiedene Szenarien:
| Datei | Kategorie | Priorität | Beschreibung | | | | | | | anfrage enterprise.txt | anfrage | hoch | Enterprise CTO, SAP Integration | | anfrage klein.txt | anfrage | niedrig | Kleinunternehmen, einfache Anfrage | | support technisch.txt | support | hoch | Produktionsausfall, dringend | | partnerschaft anfrage.txt | sonstiges | mittel | B2B Kooperationsanfrage | | beschwerde lieferung.txt | beschwerde | mittel | Lieferverzögerung | | bewerbung initiativ.txt | bewerbung | niedrig | Initiativbewerbung | | rechnung saas.txt | rechnung | niedrig | SaaS Rechnung | | spam newsletter.txt | spam | niedrig | Newsletter/Spam |
Jede Test E Mail ist als .txt Datei gespeichert mit Betreff: Zeile und E Mail Body. Der Webhook erwartet die Felder subject und body als JSON.
Voraussetzungen: Docker, AWS Account mit Bedrock Zugang (Region eu central 1), IAM User mit bedrock:InvokeModel Berechtigung auf inference profile/ und foundation model/ .
Ergebnisse
Im Testlauf mit 12 realen E Mails verschiedener Kategorien hat die Pipeline jede einzelne korrekt klassifiziert . Die durchschnittliche Verarbeitungszeit lag bei 2–3 Sekunden pro Mail – von Eingang bis JSON Response.
| Betreff | Kategorie | Priorität | Abteilung | | | | | | | DRINGEND: Produktionssystem ausgefallen | beschwerde | hoch | Support | | Kooperationsanfrage – KI Integration | anfrage | mittel | Vertrieb | | Bewerbung als DevOps Engineer | bewerbung | mittel | HR | | Rechnung RE 2026 0087 im Anhang | rechnung | niedrig | Buchhaltung |
Der größte Effekt zeigt sich bei der Reaktionszeit : Beschwerden, die vorher durchschnittlich 4 Stunden im Posteingang lagen, erreichen jetzt das Support Team in unter einer Minute. Bei eskalierten Fällen mit negativem Sentiment reagiert die Teamleitung im Durchschnitt innerhalb von 15 Minuten.
Quellen & Weiterführende Links
Amazon Bedrock – Übersicht – Foundation Models in Ihrer AWS Region Amazon Bedrock – Prompt Engineering Guidelines – Best Practices für strukturierte Outputs n8n – IMAP Trigger Node – E Mail Überwachung in Echtzeit n8n – Slack Integration – Benachrichtigungen und Channel Routing AWS DSGVO Konformität – Datenschutz Informationen für AWS Services GitHub: email classification routing – Open Source Demo mit Workflow und Test E Mails
Fazit
E Mail Klassifikation mit KI ist kein Zukunftsprojekt. Die hier gezeigte Lösung lässt sich in wenigen Tagen aufsetzen und ist sofort produktiv. Die Bausteine – n8n, AWS Bedrock, IMAP und Slack – sind erprobt, gut dokumentiert und DSGVO konform betreibbar.
Die Pipeline ist bewusst erweiterbar: Teams statt Slack, Anbindung an ein Ticket System wie Jira oder Zendesk, automatische Antwort Entwürfe bei Standardanfragen – all das sind logische nächste Schritte, die auf derselben Architektur aufbauen.
Verarbeitet Ihr Team noch manuell hunderte E Mails am Tag?