Zuverlässige E-Mail-basierte Auftragsverarbeitung mit LLMs
Industry: Badezimmer- & Sanitärtechnik
Stabile und skalierbare LLM-basierte Auftragsextraktion aus der Kundenkommunikation für einen internationalen Hersteller von Badezimmerausstattung
Über das Projekt
Als Hersteller von Badezimmerausstattung, der Kunden in mehreren Märkten bedient, verarbeitet Radaway eine große Anzahl von Bestellungen, die über die alltägliche Kundenkommunikation eingehen, häufig per E-Mail. Um diesen Prozess zu modernisieren, führte das Unternehmen ein LLM-basiertes System ein, das darauf ausgelegt ist, Auftragsdaten automatisch aus eingehenden Nachrichten zu extrahieren. Während die erste Implementierung ein klares Potenzial zeigte, wurden im täglichen Betrieb Einschränkungen sichtbar. Um diese Herausforderungen zu adressieren, arbeitete Radaway mit theBlue.ai zusammen, um die bestehende Lösung weiterzuentwickeln und zu stärken. Anstatt bei null zu beginnen, lag der Fokus darauf, Zuverlässigkeit und operative Stabilität zu verbessern, sodass das System sicher und skalierbar eingesetzt werden konnte.
Herausforderung
Im Umgang mit realer Kundenkommunikation lieferte das System uneinheitliche Ergebnisse. Auftragsdetails wurden teilweise falsch interpretiert, und Produktreferenzen stimmten nicht immer mit der Datenbank überein. Zusätzlich waren E-Mail-Anhänge nicht Teil des automatisierten Extraktionsprozesses, wodurch Bestellungen, die in Dateien übermittelt wurden, zu einem späteren Zeitpunkt manuell verarbeitet werden mussten. Geringfügige Abweichungen in der Formulierung sowie fehlende Struktur führten häufig zu Fehlern in nachgelagerten Prozessen. Das Fehlen klar definierter Ausgabeformate oder umfassender Validierungslogik bedeutete, dass das System nicht für den operativen Einsatz auf Enterprise-Niveau bereit war und häufige manuelle Eingriffe erforderlich machte. Mit der Annäherung an den Produktivbetrieb brachte der zuverlässige Betrieb von LLMs zusätzliche Komplexität mit sich, die spezielles Fachwissen erforderte, um diese Herausforderungen zu bewältigen.
Lösung
theBlue.ai begann mit einer detaillierten technischen Analyse, um die zentralen Probleme zu identifizieren und zu beheben, die die Systemleistung beeinträchtigten. Anstatt bei null zu starten, bestand das Ziel darin, das bestehende System gezielt weiterzuentwickeln und an reale operative Anforderungen anzupassen.
Der erste Schritt bestand in der Verfeinerung des Prompt Engineerings, um das LLM zu einer präzisen Auftragsextraktion zu führen, Mehrdeutigkeiten zu reduzieren und die Genauigkeit der Modellantworten zu verbessern. Strukturierte Ausgabeschemata wurden eingeführt, um sicherzustellen, dass jede LLM-Antwort einem vorhersehbaren Format folgt – eine wesentliche Voraussetzung für einen zuverlässigen automatisierten Prozess.
Ein weiterer zentraler Verbesserungsbereich war das Produkt-Matching. Eine semantische Abgleichlogik auf Basis von Transformer-Modellen wurde integriert, um Produktnamen auch dann korrekt zu identifizieren, wenn die Formulierung von der Datenbank abwich. Zusätzlich wurde ein abschließender LLM-basierter Validierungsschritt eingeführt, der den Kontext prüft, bevor das korrekte Produkt bestätigt wird. Dadurch konnten Zuordnungsfehler deutlich reduziert und die Datenintegrität verbessert werden.
Um auch Anhänge verarbeiten zu können, wurden zusätzliche Funktionen in das System integriert, die es ermöglichen, Auftragsdaten sowohl aus dem E-Mail-Text als auch aus den Anhängen zu extrahieren. Ergänzend wurde ein Schritt zur E-Mail-Klassifikation eingeführt, um zu bestimmen, ob der Inhalt eine Bestellung, eine Stornierung oder eine andere Anfrage betrifft. Dadurch wurde sichergestellt, dass nur relevante Inhalte an die Extraktions- und Matching-Stufen weitergeleitet werden, was das Risiko von Fehlinterpretationen reduzierte.
Kontinuierliche Tests über vielfältige reale Anwendungsszenarien hinweg stellten sicher, dass das System im Produktivbetrieb zuverlässig und skalierbar blieb. Die verbesserte Lösung wurde umfassend validiert, um sicherzustellen, dass sie eine breite Palette von Eingaben ohne Ausfälle verarbeiten kann und damit die für Enterprise-Umgebungen erforderliche Robustheit und Präzision erfüllt.
Ergebnis
Mit der Unterstützung von theBlue.ai wandelte Radaway den ursprünglichen Automatisierungsprototyp in eine zuverlässige, produktionsreife Lösung um. Die Genauigkeit der Auftragsextraktion wurde erheblich verbessert, und Fehler beim Produkt-Matching konnten deutlich reduziert werden. Der manuelle Aufwand wurde minimiert, da die Automatisierung eine größere Vielfalt an Eingabeszenarien konsistenter verarbeiten konnte.
Durch die Verbesserung zentraler Komponenten und die Integration neuer Fähigkeiten entwickelte sich die Lösung zu einem verlässlichen und skalierbaren Workflow, dem im gesamten Unternehmen mit minimalem Überwachungsaufwand vertraut werden konnte. Die Zusammenarbeit zeigte, wie schrittweise Verbesserungen in Kombination mit der richtigen LLM-Expertise ein bestehendes System auf Enterprise-Niveau heben können.
Kontaktieren Sie uns
Wie können wir Ihnen helfen? Bitte geben Sie uns eine kurze Beschreibung Ihres Projekts, damit wir Sie bestmöglich unterstützen können.