Problem
Ein Unternehmen der Unterhaltungsindustrie ertrank in Inbound-E-Mails — Agent-Einreichungen, Presseanfragen, Fan-/PR-Eskalationen, rechtliche Hinweise, interne Team-Threads — alle in geteilte Posteingänge fließend, ohne Zeit für sauberes Triage. Wichtige Threads gingen durch; Routine-Threads konsumierten unverhältnismäßige Aufmerksamkeit.
Ansatz
LLM-basierte E-Mail-Kategorisierungs- und Routing-Schicht gebaut. Jede eingehende Nachricht über mehrere Achsen charakterisiert — Intent (Einreichung, Beschwerde, Anfrage, Rauschen), Abteilung (Recht, A&R, Talent, Ops, PR), Dringlichkeit (sofort, diese Woche, FYI), Sentiment, Named Entities — mit LLM-Klassifikation statt brüchiger Keyword-Regeln. Automatisch in die richtige Inbox oder den Team-Channel geroutet mit Confidence-Score, plus einer „needs human review"-Queue für Low-Confidence-Fälle.
Stack
Claude for classification · embedding-based similarity for known-pattern recognition · Python service layer · existing email-infrastructure integration
Ergebnis
Routine-E-Mails ohne menschliches Triage gehandhabt; dringende innerhalb von Minuten an die Oberfläche gebracht statt vergraben. Das Klassifikationsmodell produzierte nicht nur Routing-Entscheidungen, sondern Charakterisierungen — wiederkehrende Muster, von denen das Team nicht wusste, dass sie existierten, als monatliche Reports an die Oberfläche gebracht.