Zum Hauptinhalt springen
QA-Review · Auftragserfassung

Bestellungen aus E-Mails ohne Abtippen ins ERP

Ein bestehendes Make-Szenario eines Baustoffhändlers haben wir im QA-Review zerlegt und als gehärteten n8n-Workflow nachgebaut. Die Klassifizierung steuert jetzt den Ablauf, unsichere Treffer bekommen eine Prüfmarke, nichts geht still verloren.

Erkannte Unklarheiten werden vorgelegtstatt still durchgewinkt
PostfachPDF✦KlassifizierenBestellung?PositionenStammdatenKunde · ArtikelAuftragsdateiERPsicher?Änderung / RückfragePRÜFENMensch prüftunklar

Engpass

Bestellungen kommen als PDF per E-Mail. Jemand tippt Positionen ins ERP, vertauscht Artikelnummern oder legt eine Änderung als neuen Auftrag an. Im geprüften Szenario steuerte die KI-Klassifizierung nichts, Sonderzeichen brachen die Auftragsdatei und Artikel ohne Treffer verschwanden still. Fehler fielen erst beim Kunden auf.

Lösung

  • Klassifizieren jede E-Mail als Bestellung, Änderung, Rückfrage oder Spam und lassen nur Bestellungen in die Verarbeitung.
  • Extrahieren Kopf- und Positionsdaten aus PDF und Mailtext in eine feste Struktur, mit Konfidenz je Feld.
  • Gleichen Kunde und jede Position gegen die Stammdaten ab; ohne sicheren Treffer bekommt die Position eine Prüfmarke, statt zu verschwinden.
  • Bauen die Auftragsdatei strukturiert und maskiert, damit Sonderzeichen den ERP-Import nicht brechen.
  • Führen einen Fehlerpfad, der jeden Abbruch meldet, statt ihn zu verschlucken.

Wie es funktioniert

  1. 01
    E-Mail-Eingang
    Postfach-Trigger sammelt die Anhänge, kurze Wartezeit für nachgereichte PDFs.
  2. 02
    Klassifizieren
    Ein LLM ordnet die Mail ein: Bestellung, Änderung, Rückfrage, Spam. Nur Bestellungen laufen weiter, alles andere geht in den Prüfpfad.
  3. 03
    Extrahieren
    Kopf- und Positionsdaten aus PDF plus Mailtext werden in eine feste Struktur überführt, mit Konfidenz je Feld.
  4. 04
    Abgleichen
    Kunde und Artikel gegen die Stammdaten; unsichere Treffer tragen die Marke PRÜFEN.
  5. 05
    Auftragsdatei
    Strukturiert erzeugt und maskiert, dann zur ERP-Übernahme abgelegt.
  6. 06
    Fehlerpfad
    Jeder Abbruch erzeugt eine Meldung an den Verantwortlichen. Kein Auftrag geht still verloren.

Wirkung

Der Nachbau schließt die drei Bruchstellen des Ausgangsszenarios: Die Klassifizierung steuert den Ablauf, Sonderzeichen brechen die Datei nicht mehr, kein Artikel wird still verworfen. Was bleibt, ist ein Prüfpfad für die Fälle, die ein Mensch entscheiden muss.

Warum dieser Stack

n8n
Fehlerpfade, Wiederholung und Protokoll in einer Oberfläche, selbst betreibbar.
LLM-Extraktion
Liest Bestell-PDFs unterschiedlicher Formate und gibt je Feld eine Konfidenz zurück.
Stammdaten-Abgleich
Der Abgleich gegen Kunden- und Artikelstamm entscheidet, was ins ERP darf.
ERP-Import
Strukturierte Auftragsdatei statt frei zusammengesetztem Text.
Mehr zu unserem Angebot KI & Automation

Verwandte Use Cases

WebhookPOST /lead{ }Validieren✦ClaudeklassifizierenCRMappend: rowGGeminiAntwortGmailsend: replysuccess{ }Fehler: Daten{ }Fehler: CRMTelegram-Alarmerror
Eigene Toolchain · 01

n8n-Workflows mit LLM-Klassifizierung

Webhook → Daten validieren → Claude klassifiziert (Heat-Score, Intent) → CRM speichern → Gemini entwirft personalisierte Antwort → Gmail. Plus Error-Branch mit Telegram-Alarm.

Ein Workflowje Integration statt eigenem Service
n8nClaudeGeminiWebhooks
Mehr erfahren→
Telegram-Sprachnachricht auf dem Smartphone wird auf EU-Server-Infrastruktur transkribiert, klassifiziert und als Task-Liste abgelegt
Eigene Toolchain · 03

Aufgaben-Dashboard mit Voice-Eingabe

Telegram-Sprachnachricht → Whisper-Transkript → automatisch klassifizierte Tasks im Backlog. Cron-Jobs schieben Erinnerungen zurück.

Sprachnachricht statt Tippenklassifizierte Tasks ohne Mehraufwand
Whisper (self-hosted)Telegram Botn8nLlama / Mistral
Mehr erfahren→