Vergleich von KI-Algorithmen zwecks automatisierter Klassifizierung von Reklamationen

Die Qualität der Reklamationserfassung ist entscheidend für Unternehmen, da Fehler zu Kundenabwanderung und Imageschaden führen können. Ein effizienter Reklamationsbearbeitungsprozess erfordert Expertenteams, was für ein Unternehmen zusätzliche Kosten verursacht. Gerade KMUs sind daher dazu geneigt, Reklamationen stiefmütterlich zu behandeln. Dadurch gehen dem Unternehmen wertvolle Informationen zur Prozessverbesserung verloren. Künstliche Intelligenz (KI) bietet neue Möglichkeiten zur Bewältigung dieser Herausforderungen, insbesondere durch automatische Klassifizierung von Reklamationen. Diese Studie soll KI-Algorithmen untersuchen und spezifische Anforderungen für eine erfolgreiche Reklamationsklassifizierung ableiten. Bestehende Methoden wie Support Vector Machines, KNN-Algorithmen und SoftMax-Regression u. a. werden bereits für ähnliche, aber meist weniger komplexe Aufgaben eingesetzt. Während große Unternehmen auf KI-Eigenentwicklungen zurückgreifen können, stehen solche daten- und kostenintensive Varianten KMUs nicht zur Verfügung. Die Automatisierung der Reklamationsklassifizierung ist jedoch insbesondere für kleinere Unternehmen entscheidend für die Kundenbindung und betriebliche Effizienz. Die Ausführungen dieser Arbeit sollen das Potenzial von KI-gestützten Lösungen zur Verbesserung des Reklamationsbearbeitungsprozesses aufzeigen und Unternehmen und Forschenden neue Perspektiven der Nutzung von KI präsentieren. So kann die Forschung zukünftig die Optimierung bestehender Algorithmen fokussieren, oder die Entwicklung neuer Ansätze in Betracht ziehen. Diese Arbeit trägt zur Weiterentwicklung eines dynamischen Forschungsfeldes bei und zeigt die Bedeutung von kontinuierlicher Anpassung und zukünftiger Forschung in diesem Bereich auf.