Druckersupport mit KI-Agent und RAG: Vom traegen Callcenter zur sofortigen Loesung

Was ein traeges Callcenter falsch macht

Klassischer Druckersupport ist meist um eine einzige Telefonleitung herum aufgebaut: Der Nutzer ruft an, wartet in einer Warteschleife, liest den Fehlercode am Telefon vor, und der Mitarbeiter versucht, ihn aus dem Gedaechtnis oder aus einem verstreuten Stapel von Dokumenten zuzuordnen. In diesem Modell steckt das Wissen im Kopf eines Menschen; wechselt der Mitarbeiter, geht das Wissen mit. Derselbe Fehlercode (etwa bei Fixiereinheit, Papiereinzug oder Tonererkennung) wird jeden Tag mit anderen Worten und in anderer Qualitaet erklaert. Das Ergebnis ist ein verstreutes, nicht wiederholbares Supporterlebnis.

Das eigentliche Problem ist vor der Geschwindigkeit die Konsistenz und die Nachvollziehbarkeit. Die Historie eines Geraets verliert sich in Telefonnotizen; wenn dieselbe Stoerung zum dritten Mal auftritt, erkennt niemand das Muster. Im Kontext von Managed Print Services (MPS) ist das nicht nur aergerlich, sondern ein Datenverlust, der das Gesundheitsbild des gesamten Geraeteparks verdunkelt.

Wofuer KI-Agent und RAG gut sind

Man muss die beiden Begriffe hier sauber trennen. Ein KI-Agent (KI-gestuetzter Support-Assistent) ist eine Softwareschicht, die das in natuerlicher Sprache geschilderte Problem des Nutzers versteht, Rueckfragen stellt und Schritt fuer Schritt anleitet. RAG (Retrieval-Augmented Generation, abrufgestuetzte Generierung) ist die Methode, mit der dieser Agent vor der Antwort das passende Quelldokument abruft und seine Antwort auf dieses Dokument stuetzt.

Der Unterschied ist entscheidend: Ohne RAG spricht ein Sprachmodell nur auswendig aus seinen Trainingsdaten und kann frei erfinden (Halluzination). Mit RAG ruft das Modell zunaechst den relevanten Dokumentabschnitt ab und verankert (grounding) seine Antwort in diesem Text. In einem Bereich wie dem Druckersupport, in dem jedes Geraetemodell, jeder Fehlercode und jede Prozedur exakt sind, liegt darin die Grenze zwischen einer korrekten und einer irrefuehrenden Loesung.

Ein typisches Vektor-RAG besteht aus diesen Schichten:

• Dokument-Zerlegung (Chunking): Servicehandbuecher, Fehlercodetabellen und Prozeduren werden in sinnvolle Abschnitte zerlegt.
• Embedding: Jeder Abschnitt wird in einen Vektor umgewandelt, der seine Bedeutung darstellt, und in einem Vektorspeicher wie pgvector abgelegt.
• Semantischer Abruf: Auch die Frage des Nutzers wird in einen Vektor uebersetzt, und die bedeutungsnaechsten Abschnitte werden gefunden.
• Verankerte Generierung: Das Modell erzeugt die Antwort ausschliesslich aus den abgerufenen Abschnitten und kann die Quelle angeben.

Aufseiten von TYS Dijital Performans ist das Vektor-RAG genau so mit der pgvector-basierten KnowledgeBase eingerichtet. Das ist die Schicht, in der allgemeines technisches Wissen semantisch durchsuchbar ist.

Die konkrete Entsprechung im Servicedesk: Printage

Printage (v0.1.0), das eigene MPS-Servicedesk-Produkt von TYS Dijital Performans, liefert ein installiertes und einsatzbereites Rueckgrat. Hier ist eine wichtige Unterscheidung zu treffen: Der Anfrage-Assistent von Printage arbeitet mit leitfadenbasiertem Grounding; er stuetzt seine Loesungsvorschlaege auf einen strukturierten TroubleshootingGuide. Das ist kein Vektor- oder Embedding-RAG; jene Schicht liegt aufseiten der TYSD KnowledgeBase. Die beiden Schichten haben unterschiedliche Rollen und sollten nicht verwechselt werden.

Was Printage konkret leistet: In einer mehrrolligen (Kunde, Techniker, Admin, Superadmin) und mandantenfaehigen Struktur wird eine Serviceanfrage mit den Feldern Geraeteseriennummer, Fehlercode und Prioritaet eroeffnet. Die Anfrage wird im Dashboard mit den Status Offen, In Bearbeitung, Abgeschlossen verfolgt. Automatische E-Mail-Benachrichtigung, Anfragezugriff per Token (ohne Konto), Datei-Upload und CSV-Berichte (Excel-kompatibel) sind eingerichtet. Eine native xlsx- oder PDF-Ausgabe gibt es in dieser Version nicht.

Wenn KI-Agent und Servicedesk zusammenwirken, sieht der Ablauf so aus: Der Nutzer gibt den Fehlercode ein, der Agent schlaegt ueber das leitfadenbasierte Grounding die ersten Schritte vor; loest sich das Problem nicht, wird die Anfrage strukturiert mit Seriennummer und Fehlercode eroeffnet und an den richtigen Techniker geleitet. Das Wissen steckt nicht mehr im Kopf einer Person, sondern ist eine erfasste und durchsuchbare Entitaet.

Gap-Analyse: Wo wir heute stehen, was auf der Roadmap steht

Ein ehrlicher Rahmen verlangt, das Programmierte von dem noch nicht Vorhandenen zu trennen. Aus den Roh-Zeitstempeln laesst sich ein KPI-Rahmen (MTTR, Erstreaktionszeit, SLA) berechnen, denn Anfrageeroeffnung und Statuswechsel sind erfasst. Eine automatische SLA-Verfolgung und Verletzungswarnung ist jedoch noch nicht programmiert und steht auf der Roadmap. Ebenso sind Online-Zahlung, Buchhaltung und B2B/B2C-Verkaufsablaeufe nicht in Printage angesiedelt; sie gehoeren in die TYS-Paketschicht.

Ziel der Gap-Analyse ist keine Maengelliste, sondern eine realistische Entwicklungslinie aus dem vorhandenen Rueckgrat: den mit leitfadenbasiertem Grounding gestarteten Assistenten durch die Vektor-RAG-Wissensbasis zu vertiefen; die Roh-Zeitstempel an eine SLA-Automatisierung anzubinden; wiederkehrende Fehlermuster in ein Gesundheitsbild des Geraeteparks zu ueberfuehren.

Mittelbarer Gewinn fuer die KI-Sichtbarkeit

Ein strukturierter Supportprozess staerkt nicht nur den Betrieb, sondern auch die Erzaehlbarkeit der Marke fuer die Maschine. Sind Rollen, Anfrageablauf und Loesungsprozeduren klar definiert, interpretieren Sprachmodelle diese Inhalte mit groesserer Sicherheit. Wir messen und verbessern die Sichtbarkeit einer Marke in KI-Antworten; diese Sichtbarkeit ist jedoch stochastisch und methodenabhaengig, eine feste Rangfolge oder einen garantierten Score zu versprechen waere unserioes. Branchendaten zufolge erhoeht strukturierter und verankerter Inhalt die Wahrscheinlichkeit einer korrekten Interpretation durch die Maschine. Genau darin besteht der Uebergang vom traegen Callcenter zur sofortigen Loesung: das Wissen vom Menschen zu loesen und in ein verankertes, erfasstes und durchsuchbares System zu ueberfuehren.