Kernkonzepte: die Bausteine der Wamino KI-Mitarbeiter
Das Verständnis dieser sechs Konzepte ist der Schlüssel, um das volle Potenzial Ihrer AI Employees auszuschöpfen.
Beispielhafte Abläufe und Ergebnisse, keine gemessenen Kundenergebnisse oder Leistungsgarantien. Verfügbare Aktionen hängen von den verbundenen Systemen und den festgelegten Berechtigungen ab.
Aufgabe
Die kleinste Einheit der KI-Arbeit
Eine Aufgabe ist eine einzelne Aktion, die ein AI Employee ausführt — eine E-Mail senden, eine Bestellung erstellen, einen Kunden anrufen oder einen Datensatz aktualisieren. Aufgaben sind die Bausteine, die sich zu Routinen und Verfahren zusammenfügen.
Praxisbeispiele
Aufgabe — Praxisbeispiele
Szenario
Was passiert
Ergebnis
Forderungseinzug
Zahlungserinnerung per E-Mail an überfälliges Konto senden
Kunde erhält personalisierte Nachverfolgung
Vertrieb
Überarbeitetes Angebot mit 5 % Rabatt erstellen und senden
Käufer erhält aktualisierten Vorschlag in Minuten
Einkauf
Bestellung für Artikel unter dem Nachbestellpunkt erstellen
Bestellung automatisch an bevorzugten Lieferanten gesendet
Support
Bestellstatus prüfen und Antwort auf Kundenanfrage verfassen
Automatisierte Arbeitsabläufe, die wie ein Uhrwerk laufen
Eine Routine ist ein wiederkehrender automatisierter Arbeitsablauf, den ein AI Employee nach Zeitplan ausführt. Morgencheck Debitorenbuchhaltung, tägliche Angebotsnachverfolgung, wöchentliche Bestandsberichte — Routinen stellen sicher, dass nichts übersehen wird.
Management erhält jeden Montag verwertbare Bestandseinblicke
Tagesabschluss-Zusammenfassung
Durchgeführte Aktionen, getroffene Entscheidungen und offene Eskalationen zusammenfassen
Vollständige Transparenz über die AI Employee-Aktivitäten
Zeitachse: 8:00 → 10:00 → 14:00 → 17:00 mit Aufgabenblöcken
Zeitplan
Wann die KI-Arbeit stattfindet
Ein Zeitplan legt fest, wann und wie oft die Routinen und Aufgaben eines AI Employee ausgeführt werden. Zeitpläne können zeitbasiert (täglich um 8:00 AM), ereignisgesteuert (bei Eingang einer neuen Bestellung) oder bedingungsbasiert (wenn der Lagerbestand unter einen Schwellenwert fällt) sein.
Praxisbeispiele
Zeitplan — Praxisbeispiele
Szenario
Was passiert
Ergebnis
Zeitbasiert
Forderungseinzug-Routine jeden Werktag um 8:00 AM ausführen
Zuverlässige tägliche Ausführung ohne menschliches Eingreifen
Ereignisgesteuert
Neue Bestellung verarbeiten, wenn Shopify-Webhook ausgelöst wird
Sofortige Auftragsbearbeitung, null Verzögerung
Bedingungsbasiert
Warnung, wenn Lagerbestand unter Nachbestellpunkt fällt
Proaktive Nachbestellung vor Lieferengpässen
Intervallbasiert
Alle 4 Stunden auf veraltete Angebote prüfen
Kontinuierliche Pipeline-Überwachung über den gesamten Tag
Kalenderraster mit Trigger-Symbolen
Verfahren
Geschäftsprozesse mit eingebauter Intelligenz
Ein Verfahren ist ein schrittweiser Geschäftsprozess mit Entscheidungspunkten, bedingten Verzweigungen und Eskalationsregeln. Anders als starre Automatisierungen ermöglichen Verfahren AI Employees, sich kontextabhängig anzupassen — und in jeder Situation den richtigen Weg zu wählen.
Flussdiagramm mit Entscheidungsrauten und Aktionsblöcken
Ziel
Messbare Ergebnisse, die das Verhalten der KI steuern
Ein Ziel ist ein messbares Ergebnis, das beeinflusst, wie ein AI Employee seine Arbeit priorisiert und ausführt. Ziele wie 'überfällige Forderungen um 30 % reduzieren' oder 'alle Anfragen innerhalb von 5 Minuten beantworten' geben AI Employees einen klaren Auftrag und ermöglichen Ihnen die Leistungsmessung.
Praxisbeispiele
Ziel — Praxisbeispiele
Szenario
Was passiert
Ergebnis
Forderungseinzug
Überfällige Forderungen in diesem Quartal um 30 % reduzieren
KI priorisiert die wirkungsvollsten Konten zuerst
Vertrieb
80% der Angebote innerhalb von 7 Tagen abschließen
KI fasst bei alternden Angeboten intensiver nach
Support
Durchschnittliche Antwortzeit unter 2 Minuten halten
KI priorisiert Echtzeitkanäle während Stoßzeiten
Betrieb
Null Lieferengpässe in diesem Monat
KI überwacht Bestände häufiger, wenn Levels sinken
Dashboard mit Fortschrittsanzeigen und KPI-Metriken
Erfahrung
Selbstlernende Expertise aus echten Gesprächen
Eine Erfahrung ist kristallisiertes Wissen, das ein AI Employee im Laufe der Zeit durch die Verarbeitung realer Gespräche aufbaut. Fälle werden automatisch aus Interaktionen extrahiert, nach Szenariotyp geclustert und zu wiederverwendbaren Expertenleitfäden destilliert — mit Vertrauenswerten, Lösungsschritten und Sonderfällen. Neue AI Employees können mit vordefinierten Erfahrungen starten, während erfahrene ihre Wissensbasis kontinuierlich verfeinern.
Praxisbeispiele
Erfahrung — Praxisbeispiele
Szenario
Was passiert
Ergebnis
Kundenretouren
Nach 50+ gelösten Retourenfällen erstellt die KI einen Leitfaden zu häufigen Retourengründen, optimalen Lösungswegen und Sonderfällen wie Garantiestreitigkeiten
Neue Retourenanfragen werden 3x schneller bei 95 % Zufriedenheit gelöst
Preisverhandlungen
Die KI destilliert Muster aus 200+ Angebotsverhandlungen zu Expertise über Rabattschwellen, Wettbewerbspreisantworten und Mengenrabattstrukturen
Die Vertriebs-KI schließt Geschäfte schneller mit bewährten Verhandlungsstrategien ab
Technische Fehlerbehebung
Die KI clustert Support-Tickets nach Fehlertyp, erstellt Lösungsbäume mit Erfolgsraten und identifiziert wiederkehrende Grundursachen
Die Erstlösungsrate steigt von 60 % auf 85 %
Lieferanten-Onboarding
Die KI sammelt Best Practices aus dem Onboarding von 30+ Lieferanten — typische Verzögerungen, erforderliche Dokumente, häufige Compliance-Probleme
Die Einrichtungszeit für neue Lieferanten sinkt von 2 Wochen auf 3 Tage
Wachstumsverlauf: Ihr AI Employee wird mit jedem Gespräch klüger
Bereit, Ihre Geschäftsabläufe zu automatisieren?
Setzen Sie diese Konzepte in die Praxis um. Beginnen Sie mit einer klaren Rolle und legen Sie fest, wann Ihr KI-Mitarbeiter handeln, eine Freigabe anfordern oder Ihr Team einbeziehen soll.