Automatisierte E-Mail-Klassifizierung mit KI: sortieren statt entscheiden

53 berufliche E-Mails am Tag. So viele bekommt ein Beschäftigter in Deutschland im Schnitt, das hat Bitkom Ende 2025 unter 532 berufstätigen Internetnutzern erhoben. 2021 waren es noch 26. Jeder Siebte liegt inzwischen bei über 100 Mails täglich.

In einem gemeinsamen Postfach, das mehrere Leute bearbeiten, steckt die Arbeit nicht im Antworten. Sie steckt im Schritt davor: Wer ist zuständig, wie eilig ist das, um welchen Kunden geht es, hängt ein Auftrag dran. Genau diesen Schritt übernimmt eine E-Mail-Klassifizierung mit KI. Sie entscheidet nichts. Sie vergibt eine Kategorie, schätzt die Dringlichkeit ein, erkennt Kunden- und Auftragsnummer, legt die Mail in die richtige Postfach-Gruppe und bereitet auf Wunsch einen Antwortentwurf vor. Freigeben tut ein Mensch.

Für mich ist das der am stärksten unterschätzte KI-Anwendungsfall im Mittelstand. Nicht weil er spektakulär wäre, sondern weil das Schlimmste, was schiefgehen kann, eine Mail im falschen Ordner ist. Vorausgesetzt, du hältst zwei Regeln ein, die weiter unten stehen.

Was die Klassifizierung tatsächlich liefert

Vier Ausgaben, und sie sind unterschiedlich zuverlässig.

Entitäten. Kunden-, Auftrags-, Rechnungs- oder Sendungsnummer aus Betreff, Text und Anhang. Der prüfbarste Teil und deshalb der erste, den du baust: Die Nummer existiert in deinem ERP oder sie existiert nicht.

Kategorie. Worum geht es, aus einer festen Liste. Der interessanteste und der wackeligste Teil, dazu gleich mehr.

Dringlichkeit. Meist drei Stufen. Nimm harte Regeln dazu, nicht nur die Einschätzung des Modells: Absender aus der A-Kunden-Liste, Wörter wie Frist oder Mahnung, Mail an die Störungsadresse. Modelle schätzen Dringlichkeit schlechter ein als Kategorien, weil sie deinen Kalender nicht kennen.

Verteilung und Entwurf. Zuordnung an eine Postfach-Gruppe, optional ein vorbereiteter Antworttext.

Ein Chatbot, der selbst mit dem Kunden spricht, ist das nicht. Wo der sinnvoll ist, steht im Beitrag zu KI im Kundenservice.

Ab welchem Aufkommen sich die E-Mail-Klassifizierung mit KI rechnet

Ab 100 eingehenden Mails pro Tag in einem gemeinsamen Postfach, das mindestens zwei Personen bearbeiten. Darunter lohnt es nicht, weil der laufende Pflegeaufwand einen zu großen Teil der Ersparnis auffrisst.

Die Rechnung. Einordnen, zuständige Person suchen, weiterleiten, Nummer nachschlagen: rund 30 Sekunden pro Mail, unser Erfahrungswert aus Postfach-Analysen, keine Erhebung. Bei 100 Mails sind das 50 Minuten am Tag, auf 250 Arbeitstage gerechnet 208 Stunden im Jahr. Zu 50 Euro internen Stundenkosten also rund 10.400 Euro.

Dagegen steht die Einrichtung mit 3 bis 6 Entwicklertagen für Postfach-Anbindung, Nummernerkennung und Freigabeschritt. Bei einem Tagessatz um 1.000 Euro, der Mitte der in Deutschland üblichen 700 bis 1.200 Euro, sind das 3.000 bis 6.000 Euro einmalig. Im Betrieb rechne mit rund 50 Stunden im Jahr für Stichproben, Nachschärfen und Fehlerfälle, also 2.500 Euro, plus Modellkosten im niedrigen zweistelligen Eurobereich pro Monat. Dieser Posten sinkt bei weniger Mails kaum, er hängt am Kategorienschema und nicht am Volumen. Netto bleiben knapp 7.900 Euro, die Einrichtung trägt sich in knapp fünf bis neun Monaten.

Bei 50 Mails am Tag kippt das: 104 Stunden Ersparnis, nach Abzug der Pflege bleiben rund 2.700 Euro, und die Einrichtung braucht ein bis zwei Jahre. Technisch geht es trotzdem. Wirtschaftlich nicht.

Für die Kundenservice-Vorsortierung im Onlineshop nennen wir einen niedrigeren Kipppunkt, 40 Anfragen am Tag. Kein Widerspruch, es wird etwas anderes gemessen: Dort hängen Auftragsstatus, Sendungsnummer und letzte Retoure am Ticket, gespart werden Systemwechsel von mehreren Minuten pro Vorgang. Reine Vorsortierung spart Sekunden und braucht deshalb mehr Volumen.

Das Kategorienschema entscheidet über alles andere

Die Klassifizierung ist nur so gut wie die Liste, gegen die sie sortiert. Der häufigste Startfehler ist ein Schema mit 20 Kategorien, weil jede Abteilung ihre Sonderfälle untergebracht haben will. Zwei Dinge gehen dann kaputt. Die Trefferquote sinkt, weil die Grenzen unscharf werden: Eine Mail mit der Rechnung zu einer Retoure passt in drei Töpfe, und jede Zuordnung ist irgendwie richtig. Und die Auswertung wird wertlos, weil auf die Hälfte der Kategorien so wenige Mails entfallen, dass sich aus der Verteilung nichts ablesen lässt.

Fang mit fünf bis acht breiten Kategorien an. Zwei Prüfungen helfen beim Zuschnitt:

1. Der Zuständigkeitstest. Hinter jeder Kategorie muss eine andere Person oder ein anderer Ablauf stehen. Landen zwei Kategorien immer bei derselben Kollegin, sind es keine zwei Kategorien.
2. Die Mengenuntergrenze. Bekommt eine Kategorie im Monat weniger als etwa 30 Mails, legst du sie zusammen. Für kleinere Mengen lässt sich die Güte gar nicht mehr sinnvoll messen.

“Sonstiges” gehört ins Schema, und zwar als Messinstrument. Liegen dort dauerhaft mehr als 15 Prozent aller Mails, passt dein Schema nicht zur Realität. Nachschärfen darfst du jederzeit, aber erst mit drei Monaten Daten, die zeigen, welche Kategorie zu grob ist. Vorher rätst du.

So misst du die Trefferquote, statt sie zu behaupten

Anbieterangaben zur Genauigkeit gelten für deren Testdaten, nicht für dein Postfach. Miss selbst, Aufwand ein bis zwei Stunden:

1. Zieh 100 Mails aus einer normalen Woche, zufällig. Nicht die auffälligen, sonst misst du deine Erinnerung.
2. Zwei Kolleginnen kategorisieren sie von Hand, unabhängig voneinander und ohne die Maschinenausgabe zu sehen.
3. Vergleich zuerst die beiden Menschen miteinander. Sind sie sich bei 12 Mails uneinig, sind 88 Prozent deine Obergrenze, nicht 100. Eine Kategorie, bei der sich zwei Leute streiten, ist eine schlecht definierte Kategorie.
4. Erst dann gegen die Maschine halten, und zwar je Kategorie getrennt.

Punkt vier ist der wichtige. Eine Gesamtquote von 91 Prozent sieht gut aus und kann bedeuten, dass die größte Kategorie fast perfekt läuft und jede dritte Reklamation falsch einsortiert wird. Genau die Kategorie, bei der es weh tut. Wiederhol die Messung nach vier Wochen und danach quartalsweise, weil sich deine Mails ändern, das Modell aber nicht.

Was nie automatisch weiterlaufen darf

Hier liegt die harte Grenze. Kündigungen, Widerrufe, Fristsachen und rechtlich relevante Erklärungen dürfen auf Basis einer Klassifizierung nicht weggeräumt werden. In keinen Ordner, den niemand täglich öffnet, nicht ins Archiv, nicht auf “später”.

Der Grund steht im Recht, nicht in der Technik. Der Bundesgerichtshof hat 2022 entschieden, dass eine E-Mail im unternehmerischen Geschäftsverkehr bereits dann zugegangen ist, wenn sie während der üblichen Geschäftszeiten auf dem Mailserver des Empfängers abrufbereit liegt. Ob sie tatsächlich abgerufen und gelesen wurde, spielt keine Rolle. Deine Frist läuft also, während dein Klassifizierer die Mail in einen Ordner sortiert, in den keiner schaut. Eine falsch einsortierte Preisanfrage kostet einen verärgerten Anruf. Eine falsch einsortierte Kündigung kostet ein Vertragsjahr oder eine Frist, die du nicht mehr zurückholst.

Zwei Regeln, die das abfangen. Erstens: Die Klassifizierung darf verteilen, aber nie ausschließen. Jede Mail bleibt im Hauptlauf sichtbar. Zweitens: Alles, was nach Frist, Kündigung, Widerruf oder Mahnung aussieht, geht zusätzlich in eine Wiedervorlage, nie nur dorthin. Bei diesen Kategorien willst du bewusst zu viele Treffer statt zu wenige. Ein Fehlalarm kostet dreißig Sekunden Sichtprüfung.

Kurz zum Datenschutz: E-Mails enthalten personenbezogene Daten, die Verarbeitung stützt sich in aller Regel auf das berechtigte Interesse nach Art. 6 Abs. 1 lit. f DSGVO, dokumentiert in einer Interessenabwägung. Entscheidend ist außerdem, wo das Modell läuft und wer den Auftragsverarbeitungsvertrag hält. Die Pflichten in der Reihenfolge, in der sie anfallen, stehen im Beitrag zu KI und Datenschutz. Eine Rechtsberatung ist beides nicht, dafür brauchst du deinen Datenschutzbeauftragten.

Der Fehler, der am teuersten wird

Der automatisch versandte Antwortentwurf ohne Freigabeschritt. Der Ablauf ist immer derselbe. Die Entwürfe sind nach ein paar Wochen erkennbar brauchbar, jemand rechnet nach, wie viel Zeit der Freigabeklick kostet, und setzt eine Regel: Kategorie Standardanfrage geht direkt raus. Für die Standardanfragen funktioniert das auch.

Der Schaden entsteht in den Mails, die falsch einsortiert wurden. Eine Reklamation, die als Standardanfrage durchgeht, bekommt eine freundliche Auskunft auf eine Frage, die niemand gestellt hat. Das ist kein Bedienfehler mehr, das ist eine Äußerung deines Unternehmens mit deiner Absenderadresse, und Zusagen aus Firmenmails sind nicht folgenlos. Der Fall meldet sich meistens nicht: Der Kunde eskaliert an anderer Stelle, im System sieht der Vorgang beantwortet und sauber aus.

Der Freigabeschritt ist kein Misstrauen gegen das Modell. Er ist der Punkt, an dem ein Klassifizierungsfehler noch etwas kostet, das du dir leisten kannst.

Was du jetzt tun kannst

Zähl eine Woche lang mit, was in deinem Sammelpostfach ankommt, und schreib bei 50 Mails von Hand dazu, in welche fünf bis acht Kategorien sie fallen. Diese Liste ist dein Schema, und die Tagesmenge sagt dir, ob sich der Aufbau überhaupt rechnet. Beides brauchst du vor jedem Werkzeugvergleich.

Wie das an dein ERP und dein Nummernformat andockt, siehst du daran, wie wir KI-Automation umsetzen. Oder buch dir eine Fokus-Session: 60 Minuten Postfach am Bildschirm, danach steht, welche Kategorien automatisch laufen dürfen, welche einen Freigabeschritt behalten und ob deine Tagesmenge den Aufbau trägt.