Wie KI-Agenten den manuellen Aufwand im E-Invoicing Service Desk um bis zu 25 % senken

Der E-Invoicing Service Desk bewältigt jedes Jahr ein hohes Ticketvolumen, das sich über Hunderte von betreuten Projekten und mehrere integrierte Produktlinien erstreckt. Bei Comarch E-Invoicing sind das rund 110.000 Tickets pro Jahr. Diese Größenordnung, kombiniert mit einer großen Vielfalt an Geschäftsbereichen und Kunden, macht die manuelle Bearbeitung von Natur aus langsam, inkonsistent und ohne zusätzliche Personaleinstellungen schwer skalierbar. Anstatt nach einer einzigen, generischen Automatisierungs-Abkürzung zu suchen, haben wir uns entschieden, den gesamten Arbeitsumfang des Service Desks in Kategorien zu unterteilen, jede einzelne davon dem bestehenden Bearbeitungsverfahren zuzuordnen und auf dieser Struktur ein zweiphasiges Agenten-Modell aufzubauen – ein Ansatz, der den gesamten Zeitaufwand für die Bearbeitung um etwa 20 bis 25 % reduziert hat.

Lesen Sie weiter, um zu erfahren:

• Warum ein einziger, generischer Automatisierungsansatz für den E-Invoicing Service Desk nicht funktioniert.
• Die Vier-Schritte-Methode, um aus über 150 Ticket-Kategorien eine realistische Automatisierungs-Roadmap zu erstellen.
• Wie ein zweiphasiges KI-Agentenmodell Tickets weiterleitet und löst, ohne die Genauigkeit zu beeinträchtigen.

Was den E-Invoicing Service Desk so besonders macht

Was den First-Line-Support im E-Invoicing-Bereich so spezifisch macht, ist nicht nur das Volumen – es ist die Vielfalt. Der Service Desk deckt mehrere integrierte Produktlinien ab, darunter E-Invoicing, EDI, ECM, OD und SFA, und unterstützt zahlreiche Wartungsprojekte. Diese Breite an Geschäftsbereichen und Kunden führt direkt zu einer hohen Projektfragmentierung, was wiederum eine große Anzahl hochspezifischer Bearbeitungsverfahren nach sich zieht. Ein Ticket über einen Fehler bei der Dokumentenübertragung folgt einem völlig anderen Pfad als eine Anfrage zum Onboarding eines Partners oder eine Änderung eines AS2-Zertifikats.

Diese Vielfalt ist das Kernproblem für die Automatisierung. Der Service Desk erhält jedes Jahr mehr als 150 verschiedene Ticket-Kategorien. Die manuelle Einstufung (Triage) all dieser Tickets ist von Natur aus langsam und inkonsistent, und ein falsch weitergeleitetes Ticket kann Stunden verlieren, bevor es den Spezialisten erreicht, der tatsächlich weiß, wie es zu lösen ist. Jede Automatisierungsmaßnahme muss damit beginnen, diese Komplexität zu durchdringen – und genau das haben wir bei Comarch E-Invoicing getan.

Wie man die Automatisierung im E-Invoicing Service Desk angeht

1. Auswahl der zu automatisierenden Prozesse

Um diese Komplexität in greifbare Maßnahmen umzuwandeln, war eine strukturierte Vier-Schritte-Methode erforderlich:

• Kategorien identifizieren: Über 150 Ticket-Kategorien wurden identifiziert, von denen jede für einen anderen Geschäftsbereich spezifisch ist.
• Vorlagen erstellen: Kategorien mit hohem Volumen – solche, die mehr als 1.000 Tickets pro Jahr generieren – wurden in Ticket-Vorlagen aufgeteilt, die deren typische Struktur und Inhalte erfassen.
• Verfahren zuordnen: Jeder Ticket-Typ wurde sortiert und seinem spezifischen, bestehenden Bearbeitungsverfahren zugeordnet.
• Automatisierungspotenzial prüfen: Jedes Bearbeitungsverfahren wurde anschließend individuell auf sein Automatisierungspotenzial hin bewertet.

Diese Art der strukturierten, nach Volumen priorisierten Betrachtung machte es möglich, eine realistische Automatisierungs-Roadmap zu erstellen – eine Roadmap, die zuerst auf die Kategorien abzielt, die den größten manuellen Aufwand verursachen, anstatt einfach das zu automatisieren, was gerade am einfachsten erscheint.

2. Das Automatisierungsmodell: Zweiphasige Bearbeitung

Die Automatisierung selbst folgt einem zweiphasigen Modell, das durch Tickets ausgelöst wird, die entweder per E-Mail oder über Jira eingehen.

• Phase 1 – Generische Verfahren: Jedes neue Ticket wird zunächst von einem Agenten bearbeitet, der Standard- und generischen Bearbeitungsverfahren folgt, die unabhängig von der Kategorie gelten.
• Kategorisierung: Nach Abschluss von Phase 1 wird das Ticket klassifiziert und dem Bearbeitungsverfahren zugeordnet, das seiner spezifischen Kategorie entspricht.
• Phase 2 – Kategoriespezifische Verfahren: Von dort aus übernimmt ein dedizierter Agent, der dem speziell für diese Ticket-Kategorie entwickelten Verfahren folgt.

Technisch gesehen ist der Ablauf unkompliziert. Tickets entstehen in Jira und werden von einer Empfängerkomponente (Receiver-Komponente) erfasst, die neue Tickets einliest. Geschäftsregeln validieren und leiten jedes Ticket weiter, wobei ein gemeinsames Dokumentenleser-Dienstprogramm (Document-Reader-Utility) konsultiert wird, wann immer XML-Inhalte oder Zertifikate analysiert (geparst) werden müssen. Ein KI-Assistent klassifiziert dann das Ticket und entwirft eine Antwort, wobei er auf einen Wissensstapel (Knowledge Stack) für den Musterabgleich sowie auf relevante Kunden- und EDI-Datenquellen zurückgreift, um die spezifischen Fakten zu liefern, die ein Ticket erfordert. Einige KI-Agenten schreiben die finale Antwort direkt in das ursprüngliche Jira-Ticket zurück, sodass die gesamte Interaktion sowohl für den Kunden als auch für das Service-Desk-Team an einem zentralen Ort bleibt, während andere den vollständigen Prozess übernehmen und das Ticket von Ende zu Ende (End-to-End) lösen.

Wie KI-Agenten den E-Invoicing Service Desk unterstützen

Mehrere auf diesem Modell basierende KI-Agenten laufen bereits im Produktivbetrieb, wobei jeder von ihnen auf einen spezifischen, volumenstarken Teil der Service-Desk-Arbeit abzielt. Die sechs wichtigsten sind:

• Ticket Categorizer: Versieht jedes neue Ticket auf Basis der Ticket-Zusammenfassung, der Beschreibung und der angehängten XML-Datei mit der richtigen Kategorie und Unterkategorie, sodass es von der ersten Minute an das richtige Spezialistenteam erreicht.
• Document Status Verifier: Ruft EDI-Dokumentenprotokolle und -status ab, um Validierungs- oder Verarbeitungsfehler zu diagnostizieren.
• Partner Data Retriever: Sucht das technische Setup eines B2B-Partners – Routing, Kanäle, Zertifikate – anhand einer einzigen GLN/ILN aus dem Ticket heraus.
• Fazer Error Handler: Klassifiziert wiederkehrende Vorfälle bei der Dokumentenübertragung in bekannte Fehlerpfade und entwirft die Antwort an den Kunden.
• AS2 Certificate Handler: Überprüft und bündelt Anfragen zur Änderung von AS2-Zertifikaten, sodass sie das Second-Line-Team direkt bearbeitungsbereit erreichen, ohne zeitaufwendiges Nachfragen wegen fehlender Daten.
• Similar Issues Finder: Fügt jedem neuen Ticket Links zu den ähnlichsten vergangenen Tickets hinzu, wodurch den Service-Desk-Mitarbeitern in Sekundenschnelle der passende Kontext und bekannte Lösungen zur Verfügung stehen.

Wie funktionieren diese KI-Agenten in der Praxis?

Jeder dieser Agenten liefert erhebliche Zeiteinsparungen für die alltäglichen Service-Desk-Prozesse. Am Beispiel des Document Status Verifier und des Similar Issues Finder sieht das in der Praxis wie folgt aus:

Zuvor verbrachten die Service-Desk-Mitarbeiter pro Ticket etwa drei Minuten damit, Dokumentenverläufe, Status und Validierungsfehler manuell im EDI Tracking zu suchen, bevor sie dem Kunden antworten konnten. Der Document Status Verifier-Agent findet nun die Nachrichten-ID oder Dokumentennummer im Ticket, fragt das EDI Tracking nach dem vollständigen Ereignisprotokoll ab und postet ein direkt lesbares Ergebnis als Jira-Kommentar.

Auf der anderen Seite bettet der Similar Issues Finder den Ticket-Inhalt bei jedem neuen Ticket ein, fragt eine Vektordatenbank nach den vier ähnlichsten vergangenen Tickets oberhalb eines definierten Ähnlichkeitsschwellenwerts ab und postet diese Liste als Jira-Kommentar. So sieht der Techniker sofort, wie ähnliche Fälle gelöst wurden, ohne manuell danach suchen zu müssen.

Die Ergebnisse der Automatisierung des E-Invoicing Service Desks

• Basierend auf dem Ticketvolumen von 2025 sparen die bereits im Produktivbetrieb befindlichen Agenten schätzungsweise fast 6.000 Stunden manuelle Arbeit pro Jahr ein – was in etwa drei Vollzeitäquivalenten (FTE) entspricht.
• Die durchschnittliche Bearbeitungszeit wurde um ca. 20 bis 25 % reduziert. 
• Schätzungsweise 8,8 % der Tickets werden vollständig automatisiert von Ende zu Ende gelöst, ganz ohne manuelles Eingreifen.

Ein Modell, das auf Skalierbarkeit ausgelegt ist

Der größte Hebel war hier nicht ein einzelnes, mächtiges Automatisierungstool – es war die Disziplin, die Ticket-Kategorien den Verfahren zuzuordnen, bevor auch nur ein einziger Agent gebaut wurde. Dieser strukturierte, volumenorientierte Ansatz hat einen unübersichtlichen Mix aus über 150 Kategorien in eine realistische, priorisierte Roadmap verwandelt.

Was dieses zweiphasige Modell so leistungsstark macht, ist seine von Grund auf offene Architektur. Wir erweitern es kontinuierlich um neue Agenten – die Anzahl der im Produktivbetrieb laufenden Agenten ist bereits auf weit über ein Dutzend angewachsen. Jeder neue Agent bedeutet geringere Kosten, schnellere Lösungen sowie eine bessere und konsistentere Betreuung unserer Kunden – und es gibt noch jede Menge Potenzial, um alle drei Bereiche weiter voranzutreiben.

Author:

Wojciech Nowak

Head of AI LAB bei Comarch E-Invoicing