Viele kleine und mittlere Unternehmen wollen ihr Postfach endlich in den Griff bekommen. Die Idee ist naheliegend: Eine KI liest mit und sortiert vor. Die Frage, an der die meisten hängenbleiben, ist aber nicht "welches Werkzeug", sondern "womit fange ich an". Und genau da wird oft die falsche Entscheidung getroffen, weil man direkt mit den Anfragen startet, die am meisten wehtun.

Ich erkläre dir hier, welche Nachrichtenart sich für den ersten Test eignet, warum, und wie der Testaufbau konkret aussieht.

Welche E-Mail-Kategorie richtet bei einem Fehler am wenigsten Schaden an?

Newsletter und allgemeine Werbung. Dazu zählen auch Veranstaltungsinformationen, Lieferantenwerbung und automatisch versendete Statusmeldungen. Diese Nachrichten haben eine Gemeinsamkeit: Wenn die KI sie falsch einsortiert, löst das keinen Vorgang aus. Kein Kunde wartet auf Antwort, kein Auftrag kippt, niemand ärgert sich.

Das klingt banal, ist aber der eigentliche Punkt beim Testen. Du willst in der ersten Runde nicht herausfinden, ob die KI perfekt ist. Du willst herausfinden, wo sie danebenliegt, ohne dass dich das etwas kostet. Newsletter eignen sich dafür, weil sie in fast jedem Postfach reichlich vorhanden sind und weil du beim Durchsehen sofort erkennst, ob die Zuordnung stimmt.

Eine Einschränkung: Das funktioniert nur, wenn diese Mails bei dir tatsächlich häufig vorkommen. Wenn dein Postfach fast nur aus Kundenanfragen besteht und dreimal im Monat ein Newsletter hereinkommt, bringt dir dieser Test wenig. Dann nimm die nächstunkritische Gruppe, etwa automatische Bestätigungsmails von Onlineshops, Portalen oder Lieferanten.

Welche Mails gehören auf keinen Fall in den ersten Test?

Alles, was unmittelbare Folgen hat. Die Abgrenzung ist wichtig, weil ein einziger Fehler hier mehr Schaden anrichtet als zehn falsch einsortierte Newsletter.

Auftragsänderungen und Stornierungen: Eine übersehene Stornierung blockiert dir Termine oder Kapazität, die du anders hättest vergeben können.

Beschwerden: Wer sich beschwert, erwartet eine schnelle persönliche Antwort. Ein falsches Label kann dich den Kunden kosten.

Zahlungsinformationen und Zugangsdaten: Gehören nicht in einen Testlauf, Punkt.

Bewerbungen: Auch hier wird eine Reaktion erwartet, und zwar zeitnah.

Alles mit Termin oder Rückmeldewunsch: Wenn eine Nachricht einen Vorgang auslöst, ist sie für den ersten Test ungeeignet.

Faustregel für die Auswahl: Stell dir vor, die KI legt diese Mail still in einen Ordner und du siehst sie erst in vier Tagen wieder. Wenn dich das unruhig macht, ist sie für den ersten Test die falsche Wahl.

Soll die KI sofort verschieben oder zunächst nur Labels vergeben?

Nur Labels. Im ersten Durchlauf wird nichts verschoben, nichts gelöscht, nichts beantwortet. Die KI schreibt an jede Nachricht einen Kategorienamen, mehr nicht. Du prüfst anschließend von Hand nach.

Der Grund ist einfach: Solange nur ein Label dranhängt, siehst du jeden Fehler, und jeder Fehler ist in Sekunden korrigiert. Sobald automatisch verschoben wird, merkst du einen Fehler erst, wenn jemand nachfragt, warum du nicht geantwortet hast.

Ein brauchbarer Auftrag an den Sortierer sieht so aus:

Ordne jede Nachricht genau einer Kategorie zu: Newsletter/Werbung, manuell prüfen, sonstige. Verschiebe, lösche oder beantworte keine Nachricht. Wenn die Zuordnung nicht eindeutig ist, verwende manuell prüfen.

Die dritte Kategorie "manuell prüfen" ist der wichtigste Teil. Sie gibt der KI einen Ausweg, statt sie zum Raten zu zwingen. Und sie zeigt dir, bei welchen Nachrichten die Zuordnung tatsächlich schwierig ist. Wenn sehr viel in "manuell prüfen" landet, ist deine Kategorienbeschreibung zu unscharf, nicht die KI zu schlecht.

Wie viele Nachrichten braucht ein sinnvoller erster Test?

20 bis 30 anonymisierte Nachrichten reichen für einen ersten Eindruck. Wichtig ist die Zusammensetzung, nicht die Menge.

01Typische Varianten der gewählten Kategorie: verschiedene Newsletter, unterschiedliche Absender, kurze und lange Mails.

02Bewusst ähnliche Gegenbeispiele: Nachrichten, die wie Werbung aussehen, aber keine sind. Etwa eine persönliche Nachricht mit "Angebot" im Betreff.

03Ein paar klare Gegenstücke: zwei, drei Kundenanfragen oder Beschwerden, damit du siehst, ob die KI sie korrekt als "manuell prüfen" kennzeichnet.

Vor dem Test raus: Namen, Kunden- und Auftragsnummern, Zahlungsangaben, Telefonnummern, Adressen. Ersetz sie durch Platzhalter. Das kostet dich etwas Zeit und erspart dir die Frage, ob da gerade Kundendaten in einem externen Dienst landen.

Leg dir eine Liste mit drei Spalten an:

Anonymisierte NachrichtGewünschte KategorieTatsächliche KI-Kategorie
Rundmail Getränkelieferant, neue AktionNewsletter/WerbungNewsletter/Werbung
Mail mit "Ihr Angebot" im Betreff, echte Anfragemanuell prüfenNewsletter/Werbung
Veranstaltungshinweis der IHKNewsletter/WerbungNewsletter/Werbung
Nachfrage zur Anreisezeitmanuell prüfenmanuell prüfen

Die Zeile mit der Fehlzuordnung ist die wertvollste. Genau dort schärfst du deine Kategorienbeschreibung nach.

Wo liegen die Grenzen, und woran erkennst du, dass es reicht?

Newsletter sehen manchmal aus wie echte Anfragen. Personalisierte Anrede, konkrete Termine, Links auf ein Angebot. Umgekehrt kann eine echte Anfrage werblich klingen. Ein Modell übersieht wichtige Inhalte, wenn Betreff und Text mehrdeutig sind. Das ist keine Schwäche eines bestimmten Werkzeugs, sondern liegt in der Sache.

Deshalb gibt es keine Zahl, ab der die Sortierung "gut genug" ist. Was zählt: Schau dir die Fehler einzeln an. Wenn die KI hin und wieder einen Newsletter als "manuell prüfen" markiert, ist das harmlos, du siehst ihn kurz an und gut. Wenn sie dagegen eine echte Anfrage als Werbung einstuft, ist das die Fehlerart, die du nicht haben willst. Erst wenn diese Richtung über mehrere Durchläufe hinweg sauber bleibt, kannst du über automatisches Verschieben nachdenken, und auch dann zunächst nur für die eine getestete Kategorie.

Wenn du einen externen KI-Dienst mit E-Mail-Inhalten nutzt, klär vorher die Datenoptionen deines Kontos. OpenAI beschreibt im Hilfe-Center, dass sich in den Einstellungen festlegen lässt, ob neue Unterhaltungen zur Modellverbesserung verwendet werden, und dass die Verfügbarkeit von Konto, Tarif und Arbeitsbereich abhängt. Für Business-, Enterprise- und Edu-Arbeitsbereiche gibt OpenAI an, dass Inhalte standardmäßig nicht zum Trainieren der Modelle genutzt werden (Stand 13.11.2026). Was davon für deinen Betrieb gilt, besprichst du am besten mit deiner eigenen Beratung.

Ein Detail, das gern untergeht: Das Abschalten der Modellverbesserung löscht den Chatverlauf nicht automatisch. Unterhaltungen können weiterhin im Verlauf erscheinen. Auch deshalb lohnt sich das Anonymisieren der Testmails.

Was ist dein erster Schritt?

01Postfach überfliegen und schauen, welche unkritische Nachrichtenart bei dir wirklich häufig vorkommt.

0220 bis 30 solcher Mails herauskopieren und anonymisieren.

03Kategorien festlegen, für diesen Vortest maximal drei, inklusive "manuell prüfen". Die feinere Sortierung deiner echten Anfragen kommt erst, wenn dieser Test sauber läuft.

04Durchlauf starten, nur Labels, keine Aktionen.

05Liste mit drei Spalten ausfüllen und die Fehlzuordnungen ansehen.

06Kategorienbeschreibung nachschärfen und ein zweites Mal durchlaufen lassen.

Das ist überschaubar und du kannst es an einem ruhigen Vormittag erledigen. Wichtiger als Tempo ist, dass du beim ersten Mal nichts anfasst, was deinem Betrieb wehtun kann.

Wenn du wissen willst, welche Nachrichtenarten in deinem Postfach sich für so einen Test eignen und wo Automatisierung bei dir am meisten bringt, schau dir den Digital-Check an. Du kannst ihn unter Digital-Check anfragen anstoßen, 290 Euro netto, bei einer späteren Umsetzung wird er angerechnet. Ein Erstgespräch vorab kostet nichts.