Wie KI-Agenten unsere Kunden-E-Mails automatisch in ClickUp-Tasks verwandeln

Montag, 8:47 Uhr. Eine E-Mail landet im Postfach. Betreff: "Problem beim Upload — bitte dringend schauen." Im Body drei Absätze, eine Fehlermeldung, ein Screenshot-Anhang.

Früher: Jemand liest sie. Denkt "muss ich weiterleiten." Vergisst es im Trubel des Tages. Oder sie landet in ClickUp — aber ohne Priorität, ohne Zusammenfassung, ohne Kontext. Zwei Tage später fragt der Kunde nach. Niemand weiß, wo der Task ist.

Heute: Die E-Mail landet im Postfach. Vier Stunden später hat ClickUp automatisch einen Task mit Titel "Fehler beim Datei-Upload im Warenanmeldeformular", Priorität Hoch, Zusammenfassung der Fehlerbeschreibung, und Zuordnung zum richtigen Projekt. Die E-Mail in Outlook zeigt eine grüne Fahne: verarbeitet.

Das ist kein Zukunftsszenario. Das läuft seit dieser Woche in unserem System.

Das Problem — quantifiziert

Lass mich das konkret machen. Wir betreuen mehrere Kundenprojekte gleichzeitig. Jedes Projekt hat aktive Kommunikation. Im Schnitt kommen pro Woche 20 bis 40 Kunden-E-Mails rein, die potenziell einen Task erfordern.

Was passiert, wenn eine davon untergeht?

• SLA-Verletzung: Der Kunde erwartet innerhalb von 24h eine Reaktion. Wenn der Task nicht existiert, gibt es keine Reaktion.
• Vertrauensverlust: "Ich hatte das doch geschrieben" ist eines der schlimmsten Sätze, die ein Kunde sagen kann.
• Nacharbeit: Jedes zweite Follow-up-Gespräch beginnt damit, den Kontext wiederherzustellen, der schon in der ursprünglichen E-Mail stand.

Das Problem ist nicht, dass Menschen schlechte Arbeit machen. Das Problem ist, dass manuelle Übertragung von Natur aus fehleranfällig ist. E-Mails gehen unter. Prioritäten werden falsch eingeschätzt. Kontext geht verloren — weil er in einer E-Mail steckt und nicht im Task-System.

Die Lösung — im Detail

Schritt 1: Projekte zuordnen

Jedes Kundenprojekt hat eine JSON-Datei mit seinen Kontakten — E-Mail-Adressen und Domains. Wenn eine E-Mail von [email protected] reinkommt, weiß das System sofort: Das gehört zum einem E-Commerce-Kunden-Projekt, ClickUp-List-ID XXXXXXXXX.

Die Zuordnung funktioniert auf zwei Ebenen:

• Direkte E-Mail-Adresse: [email protected] → einem E-Commerce-Kunden
• Domain-Fallback: Alle E-Mails von @kunde.example.com → einem Personalvermittler-Projekt

Generische Domains wie gmail.com, outlook.com oder hotmail.com werden ignoriert — kein falsches Matching.

Schritt 2: E-Mail-Scan-Rhythmus

Das System scannt die Outlook-Postfächer Montag bis Freitag, alle vier Stunden: 8, 12, 16 und 20 Uhr. Außerhalb der Geschäftszeiten läuft nichts — kein unnötiger API-Traffic, keine falschen Alarme am Wochenende.

Jede verarbeitete E-Mail wird in einem State-File mit ihrer ID gespeichert. Der 7-Tage-Rollover sorgt dafür, dass das File nicht unbegrenzt wächst und trotzdem Duplikate sicher erkannt werden.

Schritt 3: KI-Klassifizierung mit Claude Haiku

Das ist der Kern des Systems. Für jede E-Mail, die einem Projekt zugeordnet wurde, wird der vollständige E-Mail-Body an Claude Haiku geschickt. Der Prompt ist klar strukturiert:

Du bist ein Assistent, der E-Mails von Kunden klassifiziert. Projekt: [Projektname]. Betreff: [Betreff]. E-Mail-Text: [Body]. Antworte NUR mit einem JSON-Objekt: is_actionable (true/false), type (bug/feature/question/task/info), task_title (max 80 Zeichen), summary (1-2 Sätze), priority (urgent/high/normal/low).

Was zurückkommt ist strukturiert und direkt verwertbar:

• is_actionable: true — die E-Mail erfordert eine Handlung
• type: "bug" — es ist ein Fehler, kein Feature-Wunsch
• task_title: "Fehler beim Datei-Upload im Warenanmeldeformular" — klar, kurz, handlungsorientiert
• summary: "Kunde meldet 500-Fehler beim Upload von Bilddateien"
• priority: "high"

Bei Typ "info" — Danke-Mails, FYI-Nachrichten — legt das System keinen Task an. Es loggt die E-Mail nur als "verarbeitet".

Warum Claude Haiku und nicht GPT-4 oder Sonnet?

Drei Gründe:

• Kosten: Haiku kostet weniger als 0,01€ pro E-Mail-Klassifizierung. Bei 30 E-Mails pro Tag sind das unter 90€ im Jahr.
• Latenz: Haiku antwortet in unter 2 Sekunden. Für strukturierte Klassifizierungs-Tasks braucht man kein 200-Milliarden-Parameter-Modell.
• Zuverlässigkeit: Für klar strukturierte Outputs mit definierten Werten ist ein kleineres Modell oft stabiler als ein großes, das "kreativ" werden will.

Keyword-Fallback

Was passiert, wenn die KI nicht verfügbar ist? Das System greift auf eine Keyword-Liste zurück: "problem", "fehler", "bug", "dringend", "bitte" und 20 weitere Begriffe. Damit werden die offensichtlichsten Fälle auch ohne LLM erkannt. Kein Single-Point-of-Failure.

Microsoft Graph API — die technischen Details

Das Outlook-Scanning läuft über die Microsoft Graph API mit OAuth Client Credentials Flow. Das bedeutet: kein User-Login, kein Passwort im Code, kein Ablaufen von Sessions. Die App authentifiziert sich direkt mit Client-ID und Client-Secret gegen den Azure-Tenant.

Wir brauchten drei Berechtigungen:

• Mail.Read: Für den Zugriff auf Postfächer und das Lesen von E-Mails. Standard-Berechtigung.
• Mail.ReadWrite: Für das Setzen von Kategorien und Flags. Brauchte einen separaten Admin-Consent im Azure-Portal — das war der aufwändigste Teil der Implementierung.
• MailboxSettings.ReadWrite: Für das Anlegen der Kategorie "KoBra Task" in den Outlook-Mastereinstellungen.

Warum wir categories + flag kombinieren

Eine Kategorie allein würde in der Inbox-Listenansicht nicht auffallen. Eine Fahne allein sagt nichts über den Status. Zusammen ergibt das ein klares Signal: Grüne Kategorie "KoBra Task" + orangefarbene Fahne = diese E-Mail ist im System und wird bearbeitet.

Das Entscheidende: Man sieht es, ohne die E-Mail zu öffnen. In einer vollen Inbox ist das der Unterschied zwischen "gesehen" und "ignoriert".

ClickUp-Integration — wie Tasks tatsächlich angelegt werden

Für jedes Projekt ist eine ClickUp-List-ID hinterlegt. Wenn der Task angelegt wird, geht folgendes rein:

• Name: Der task_title aus dem LLM-Output — nicht der E-Mail-Betreff. Das ist ein wichtiger Unterschied. E-Mail-Betreffzeilen sind oft kryptisch ("Re: AW: Re: Thema vom letzten Mal"). Ein LLM-generierter Titel beschreibt die tatsächliche Aufgabe.
• Beschreibung: Die summary aus dem LLM plus der vollständige E-Mail-Body als Kontext. Wer den Task aufnimmt, hat alles, was er braucht.
• Priorität: Direkt aus dem LLM-Output — urgent (1), high (2), normal (3), low (4)
• Status: "not started"

Vor dem Anlegen prüft das System, ob es bereits einen ähnlichen offenen Task gibt — Duplicate-Check per Titelabgleich. Wenn drei oder mehr Wörter übereinstimmen, wird kein neuer Task angelegt, sondern der bestehende aktualisiert.

Was das in der Praxis bedeutet

Seit dem System läuft Folgendes anders:

Montags früh öffnet das Team ClickUp und sieht den Stand von Freitagabend bis heute Morgen — vollständig, ohne dass jemand am Wochenende Emails gesiebt hat.

Outlook ist jetzt ein Indikator. Grüne Fahne = im System. Rote Fahne = dringend, noch nicht erledigt. Ohne Fahne = noch nicht gescannt (kommt beim nächsten Lauf).

Kein Kontext geht mehr verloren. Weil die E-Mail komplett im Task-Body steckt, kann jeder, der den Task aufnimmt, direkt loslegen — ohne den ursprünglichen Absender um Wiederholung zu bitten.

Die Klassifizierung ist besser als manuelle Einschätzung. Nicht weil die KI schlauer ist — sondern weil sie konsistent ist. Menschen klassifizieren nach Tagesform. Das Modell klassifiziert nach Inhalt.

Ausblick

Was als nächstes kommt:

• Slack und Teams: Kunden-Nachrichten aus anderen Kanälen genauso verarbeiten wie E-Mails
• Automatische Antwortvorschläge: Für erkannte Bugs direkt einen Draft-Reply generieren, den das Team nur noch freigeben muss
• Eskalations-Logik: Bei "urgent"-Klassifizierung sofort eine Telegram-Benachrichtigung an den zuständigen Projektleiter
• Mehr Kunden-Projekte: Das System ist nicht auf unsere interne Nutzung beschränkt — wir bauen das für weitere Kunden aus

Das Muster dahinter

Was wir hier beschrieben haben, ist ein spezifisches System für ein spezifisches Problem. Aber das Muster dahinter ist generisch:

Identifiziere, wo in deinen Prozessen manuelle Übertragung stattfindet. Automatisiere genau diesen Schritt.

E-Mail-zu-ClickUp ist ein Beispiel. Jedes Unternehmen hat drei bis fünf solcher Lücken, in denen Information von einem System in ein anderes wandert — manuell, fehleranfällig, zeitaufwändig.

Wenn du wissen willst, wo diese Lücken in deinen Prozessen sind, buch dir eine Blueprint Session mit uns. Kostenlos, 45 Minuten, konkretes Ergebnis.

→ Blueprint Session buchen