Vom Kundenmeeting zur freigegebenen Aufgabe in etwa 15 Minuten

Vorher und nachher

So funktioniert es

1. Auslöser. Ein Zoom-Webhook meldet das fertige Transkript; Polling läuft als Sicherheitsnetz, falls ein Webhook verloren geht.
2. Verstehen. Ein LLM erkennt, wer was gesagt hat, und zieht Aufgabenvorschläge heraus.
3. Zuordnen. Zuständige werden vorgeschlagen — auf Basis früherer, ähnlicher ProofHub-Aufgaben.
4. Zwischen den Meetings. Anfragen, die Kunden in Slack schreiben, laufen durch dieselbe Pipeline.
5. Prüfen. Vorschläge erscheinen in Slack und im Dashboard; nichts landet ohne menschlichen Klick in ProofHub.

Vier Entscheidungen, auf die es ankam

1. Ein Mensch gibt jeden Vorschlag frei. Kein Vorschlag landet ungeprüft in ProofHub. Eine Auto-Push-Logik mit vier Filtern ist gebaut und wurde pilotiert.

Warum: Eine falsche Aufgabe kostet mehr Vertrauen als ein Klick Zeit — und jede Entscheidung liefert Daten, mit denen eindeutige Fälle später automatisch übertragen werden.

2. Duplikate werden abgefangen. Wurde etwas schon in einem früheren Meeting besprochen, wird die bestehende Aufgabe ergänzt statt eine neue angelegt.

3. Modellwahl pro Aufgabe, getestet auf echten Meetings. Die Klassifizierung blieb bei Gemini 2.0 Flash — im Test genauer und 7× schneller. Roadmaps laufen mit einem neueren Modell, das 4× mehr Punkte erkannte. Für die Meeting-Bewertung wurden vier Modelle per Konsens kalibriert; gewählt wurde GPT-5.4.

4. Schutz gegen Stille (09/2026). Aufnahmen ohne Zoom-Transkript transkribiert Gemini aus der Audiodatei. Eine 13-Minuten-Aufnahme war digitale Stille — und das Modell erfand ein komplettes Gespräch. Seitdem lehnt ein Vorfilter (ffmpeg volumedetect) Audio unter −45 dB ab, bevor es das Modell erreicht.

Warum: Sonst wären Aufgaben aus einem Meeting entstanden, das nie stattgefunden hat.

So sieht die Prüfung aus

Technik