Du öffnest morgens das Postfach. 74 neue Mails. Drei davon sind echte Kundenanfragen. Fünf sind interne Rückfragen vom Team. Der Rest ist Newsletter, Werbung, automatisch generierte Systembenachrichtigungen und zwei Phishing-Versuche. Du weißt das – aber erst, nachdem du alles überflogen hast. Das dauert. Jeden Tag.
Genau das ist das Problem, das ein KI-Vorfilter löst. Nicht durch Magie, sondern durch eine klare Abfolge: erst Regeln, dann Bewertung.
Wie der Vorfilter aufgebaut ist
Das System arbeitet in zwei Schichten. Die erste ist regelbasiert und läuft ohne jede KI. Sie prüft bekannte Absender, bestimmte Betreffwörter und Domänen. Eine Mail von deinem Steuerberater landet direkt im richtigen Ordner. Eine Bestellbestätigung von deinem Lieferanten ebenfalls. Das ist schnell, zuverlässig und braucht keine Rechenleistung.
Was nach dieser ersten Schicht übrig bleibt, geht in die zweite: die KI-Bewertung. Das Modell liest den Mailinhalt, erkennt Muster und ordnet jede Mail einer Kategorie zu. Kundenanfrage. Internes. Werbung. Verdächtig. Unwichtig. Die Reihenfolge im Postfach richtet sich danach.
Wer zuerst Regeln anwendet und dann die KI arbeiten lässt, bekommt das Beste aus beiden Welten: Geschwindigkeit bei klaren Fällen, Urteilsvermögen beim Rest.
Der Aufbau ist kein Zufall. Regeln allein scheitern an allem, was sie nicht kennen. KI allein ist langsamer und teurer, wenn sie auch offensichtliche Fälle prüft. Die Kombination macht das System schnell und trotzdem präzise.
Was die KI tatsächlich bewertet
Ein Sprachmodell liest nicht wie ein Mensch – aber es erkennt Strukturen, die ein Mensch nach hundert Mails nicht mehr wahrnimmt. Es merkt, ob eine Mail eine konkrete Frage enthält oder nur Fülltext. Es erkennt, ob ein Absender zum ersten Mal schreibt oder ob die Domain verdächtig ist. Es bewertet den Ton: dringend, freundlich, aggressiv, automatisch generiert.
Phishing-Mails haben dabei typische Muster. Zeitdruck. Ungewöhnliche Absenderadressen. Aufforderungen, Links zu öffnen oder Zugangsdaten zu bestätigen. Ein trainiertes Modell erkennt diese Muster zuverlässiger als ein Mensch, der die zwanzigste Mail des Tages liest.
Werbemails wiederum haben ihre eigene Struktur: Unsubscribe-Links, Bilder-zu-Text-Verhältnis, typische Formulierungen. Auch das erkennt das Modell – und sortiert es aus, ohne dass du es je siehst.
Was oben landet und was rausfliegt
| Mail-Typ | Erkennungsmerkmal | Ergebnis |
|---|---|---|
| Kundenanfrage | Konkrete Frage, direkter Ton, bekannte oder neue Kontaktadresse | Priorität oben |
| Interne Rückfrage | Bekannte Absenderdomain, kurzer Text, Bezug auf laufende Projekte | Team-Ordner |
| Newsletter / Werbung | Unsubscribe-Link, Bild-lastig, generischer Betreff | Werbung-Ordner oder gelöscht |
| Phishing | Fremde Domain, Zeitdruck, Link-Aufforderung | Quarantäne |
| Automatische Systemmails | Kein menschlicher Absender, technischer Inhalt | System-Ordner |
Das Ergebnis: Du öffnest das Postfach und siehst oben die drei Mails, die wirklich auf eine Antwort warten. Alles andere ist schon sortiert – oder verschwunden.
Was das im Arbeitsalltag verändert
Stell dir vor, du arbeitest mit zwei Kolleginnen in einem kleinen Büro. Alle drei teilen ein gemeinsames Postfach für Kundenanfragen. Früher hat eine von euch morgens als erstes das Postfach geöffnet und manuell sortiert. Das hat täglich 20 bis 30 Minuten gekostet – und trotzdem gingen manchmal Anfragen unter, weil sie zwischen Newslettern verschwunden waren.
Mit einem Vorfilter entfällt dieser Schritt. Das Postfach ist beim Öffnen schon sortiert. Die erste Aufgabe ist nicht mehr „Überblick verschaffen“, sondern „antworten“.
Das klingt nach einer kleinen Verbesserung. Aber über eine Woche gerechnet sind das anderthalb bis zwei Stunden, die zurückgewonnen werden. Über ein Jahr sind es Wochen.
Was Teams häufig falsch machen
- ✗ Nur Regeln einsetzen, ohne KI-Bewertung – neue Absender und unbekannte Muster werden nicht erkannt
- ✓ Regeln für bekannte Fälle nutzen, KI für alles andere – das spart Rechenleistung und erhöht die Genauigkeit
- ✗ Das Modell einmalig einrichten und nie anpassen – Muster verändern sich, Phishing-Methoden auch
- ✓ Regelmäßig prüfen, was falsch einsortiert wurde – das verbessert das Modell kontinuierlich
- ✗ Alle Mails automatisch löschen lassen – auch ein guter Filter macht Fehler
- ✓ Verdächtige Mails in Quarantäne legen, nicht sofort löschen – so bleibt eine Kontrolle möglich
Der häufigste Fehler ist Übervertrauen. Ein Vorfilter ist kein Autopilot, der nie irrt. Er ist ein Werkzeug, das den Großteil der Arbeit übernimmt – aber gelegentlich muss ein Mensch nachschauen, ob etwas falsch einsortiert wurde. Das passiert selten. Aber es passiert.
Was du brauchst, um anzufangen
Du brauchst keinen eigenen Server und kein IT-Team. Die meisten Lösungen hängen sich an bestehende Postfächer – ob das Google Workspace, Microsoft 365 oder ein anderes System ist. Die Einrichtung folgt einer klaren Abfolge.
- Bekannte Absender und Domänen in die Regelliste aufnehmen
- Kategorien festlegen, in die das Postfach sortiert werden soll
- Das Modell mit Beispielmails trainieren oder ein vortrainiertes nutzen
- Eine Testphase durchlaufen, in der du prüfst, was falsch landet
- Die Regeln und Kategorien auf Basis der Testergebnisse anpassen
- Den Filter scharf schalten und das Postfach täglich kurz kontrollieren
Die Testphase ist dabei der wichtigste Schritt. Kein Filter ist beim ersten Durchlauf perfekt. Aber nach zwei bis drei Wochen kennt das Modell dein Postfach gut genug, um zuverlässig zu arbeiten. Wenn du mehr darüber wissen möchtest, wie KI-gestützte Prozesse im Büroalltag eingesetzt werden, findest du auf unserer Seite zur KI-Mail-Vorsortierung einen konkreten Überblick.
Wann sich der Aufwand lohnt
Wenn du täglich unter zwanzig Mails bekommst und die meisten davon von denselben fünf Absendern stammen, reicht eine einfache Regelstruktur in deinem Mailprogramm. Ein KI-Vorfilter ist in diesem Fall mehr Aufwand als Nutzen.
Anders sieht es aus, wenn das Postfach täglich 40 oder mehr Mails bringt, wenn mehrere Personen dasselbe Postfach nutzen, oder wenn Kundenanfragen und Werbung sich regelmäßig mischen. Dann rechnet sich der Aufwand schnell.
Besonders deutlich wird das bei gemeinsamen Postfächern. Wenn drei Personen dasselbe Postfach lesen, hat jede von ihnen bisher dieselbe Sortierarbeit gemacht – oder eine Person hat sie für alle erledigt. Beides ist ineffizient. Ein Vorfilter löst das einmal und für alle.
Wer auch andere Schritte im Büroalltag automatisieren möchte – etwa die Bearbeitung eingehender Kundenanfragen nach der Sortierung – findet bei der automatisierten Bearbeitung von Kundenanfragen einen sinnvollen nächsten Schritt.
Wenn du wissen möchtest, wie ein solcher Vorfilter konkret für dein Postfach aussehen könnte, schreib uns – wir schauen es uns gemeinsam an.