Decision Engine: Anwendungsfälle und Vorlagen

Die Decision Engine bringt zehn fertige Vorlagen mit, etwa für Ticket-Routing, Posteingang, Lead-Qualifizierung und KI-Agenten. Diese Seite zeigt je Vorlage, was sie entscheidet, welche Eingabe sie erwartet, welche Antworten möglich sind und wann ein Mensch prüfen sollte.

Was eine Vorlage ist

Eine Vorlage (englisch preset) ist ein fest hinterlegtes Fragenpaket mit festen Optionen, Stufen oder Ja/Nein. Sie schicken nur die Kennung und den Zustand, also den Text oder das JSON-Objekt, über das entschieden wird. Weil die Fragen bei uns liegen, lauten sie bei jedem Aufruf gleich; das ermöglicht später Kalibrierung je Vorlage. Die Versionsnummer der Vorlage kommt in jeder Antwort mit.

So rufen Sie eine Vorlage auf

curl https://sovrgpt.com/api/v1/decisions \
  -H "Authorization: Bearer $SOVR_KEY" -H "content-type: application/json" \
  -d '{
    "preset": "ticket-routing-v1",
    "state": "Seit heute früh kann ich mich nicht mehr anmelden."
  }'

Die vollständige Liste mit allen Fragen und Beispielzuständen liefert GET /v1/decisions/presets.

Was für alle Vorlagen gilt

• Die Engine handelt nicht selbst. Sie schreibt niemandem eine Antwort, verändert keinen Text und führt nichts aus. Was aus dem Ergebnis folgt, entscheidet Ihr Workflow.
• Jede Antwort trägt eine Empfehlung: recommendation: "act" (Ihre Anwendung kann handeln) oder "review" (vorher prüft ein Mensch), die Gründe in reasons. Die Vorgabe threshold gibt act, solange kein Warnsignal vorliegt; review_only legt jede Antwort vor, autonomous keine. Details unter Automatik oder Mensch.
• Die Regeln je Vorlage gelten zusätzlich. Was unten unter „Mensch prüft“ steht, geht auch bei act an einen Menschen, ebenso jede Antwort mit review.
• Jede Auswahlfrage hat eine Enthaltung als letzte Option, etwa unclear oder other. Wählt das Modell sie, lautet die Empfehlung review (chose_abstain_option, außer bei autonomous). Für „unsicher, bitte prüfen“ ist das verlässlicher als eine Prozentzahl.
• Auswahlfragen laufen mit Doppelprüfung: ein zweiter Durchlauf mit umsortierten Optionen, zu doppelten Eingabetoken. Kippt die Antwort, empfiehlt die Engine review (unstable_under_reordering), auch bei einer Wahrscheinlichkeit nahe 1. Fehlurteile, die in jeder Reihenfolge gleich ausfallen, erkennt sie nicht.
• Drei Vorlagen erwarten ein JSON-Objekt als Zustand (Antrag vollständig?, Quellentreue-Prüfung, Agenten-Schritt freigeben). Schicken Sie das Objekt direkt als state, nicht als Zeichenkette; die Fragen beziehen sich auf seine Felder.
• Bei zwei Vorlagen empfehlen wir review_only oder eine eigene, strengere Regel: Freigabe-Check Veröffentlichung und Agenten-Schritt freigeben. Die Gründe stehen dort.

Ticket-Routing

Kennung: ticket-routing-v1 · Für: Kundenservice, Helpdesk, Shared-Service-Center

Ordnet eine Support-Nachricht einem Team zu und stuft Dringlichkeit, Prüfbedarf und Sprache ein. Eingabe ist der Nachrichtentext aus Ihrem Ticketsystem. team bestimmt die Warteschlange, urgency die Position darin, language die Vorlage der Erstantwort.

curl https://sovrgpt.com/api/v1/decisions \
  -H "Authorization: Bearer $SOVR_KEY" -H "content-type: application/json" \
  -d '{
    "preset": "ticket-routing-v1",
    "state": "Seit heute früh kann ich mich nicht mehr anmelden. Außerdem wurde meine Rechnung für September doppelt abgebucht — bitte prüfen Sie das dringend."
  }'

Mensch prüft: unclear und jedes Ticket mit needs_human: true, bevor eine Antwort rausgeht.

Anpassen: Ersetzen Sie die drei Teams durch Ihre eigenen. Die Beschreibung je Option ist der Text, den das Modell liest: „Rechnungen, Zahlungen, Erstattungen“ trennt besser als nur „Buchhaltung“. Die Enthaltung unclear bleibt an letzter Stelle.

Posteingang-Klassifikation

Kennung: inbox-document-v1 · Für: Verwaltung, Backoffice, Poststelle, Buchhaltung

Sortiert eingehende Schreiben vor: Rechnung, Mahnung, Vertrag, Bewerbung, Behördenpost oder Werbung, dazu Frist, Handlungsbedarf und Sprache. Eingabe ist der OCR-Text aus DMS oder Mailserver. doc_type wählt Ablagefach und Zuständigkeit, has_deadline setzt die Wiedervorlage, action_level sortiert die Liste.

curl https://sovrgpt.com/api/v1/decisions \
  -H "Authorization: Bearer $SOVR_KEY" -H "content-type: application/json" \
  -d '{
    "preset": "inbox-document-v1",
    "state": "Sehr geehrte Damen und Herren,\n\nzu unserer Rechnung Nr. 2026-0871 vom 12.08.2026 über 1.845,20 € haben wir bislang keinen Zahlungseingang festgestellt. Wir bitten um Ausgleich bis spätestens 30.09.2026. Sollte die Zahlung bereits erfolgt sein, betrachten Sie dieses Schreiben als gegenstandslos.\n\nMit freundlichen Grüßen\nBuchhaltung Müller & Sohn GmbH"
  }'

Mensch prüft: alles, was other ist, eine Frist trägt oder Handlungsbedarf 3 bis 4 hat.

Anpassen: Kopf- und Fußzeilen dürfen im OCR-Text bleiben. Eigene Dokumentarten (Lieferschein, Auftragsbestätigung) fügen Sie als Optionen mit klarer Abgrenzung hinzu; other bleibt am Ende.

Kundenfeedback-Analyse

Kennung: customer-feedback-v1 · Für: Kundenservice, Customer Success, Produktmanagement

Bewertet eine Kundenäußerung aus Umfrage, Shop-Bewertung oder Social Media: Stimmung, Abwanderungsrisiko, Hauptthema und ob eine persönliche Reaktion nötig ist. Eingabe ist der Text, optional mit NPS-Wert oder Quelle als JSON. Die vier Werte gehen ins CRM oder BI-System, etwa als Aufgabe für Customer Success oder als Themenverteilung im Dashboard.

curl https://sovrgpt.com/api/v1/decisions \
  -H "Authorization: Bearer $SOVR_KEY" -H "content-type: application/json" \
  -d '{
    "preset": "customer-feedback-v1",
    "state": "Die Kamera macht bei Tageslicht wirklich gute Bilder, aber nachts ist alles verrauscht, da hilft auch der Nachtmodus nicht. Der Support hat freundlich geantwortet, konnte aber nichts ändern. Für 349 € hätte ich mehr erwartet. Wenn das angekündigte Firmware-Update nichts bringt, geht sie zurück."
  }'

Mensch prüft: Abwanderungsrisiko 2 bis 3 und jede Einstufung needs_response: true.

Anpassen: Für sentiment und churn_risk liefert expected_index einen feineren Wert als die gewählte Stufe, nützlich für Verläufe über Monate. Nehmen Sie dafür sovr-decision-v2, dessen Wahrscheinlichkeiten feiner abgestuft sind.

Lead-Qualifizierung

Kennung: lead-qualification-v1 · Für: Vertrieb, Inside Sales, Marketing-Automation

Bewertet eine Vertriebsanfrage aus Formular, E-Mail oder Messe-Notiz nach Passung, Zeithorizont, Budgetsignal und Entscheidungsbefugnis. Eingabe ist der Anfragetext plus Formularfelder wie Firma oder Mitarbeiterzahl. Aus fit und timeline bildet das CRM eine Priorität: hoher Fit mit kurzem Horizont geht sofort an den Vertrieb, schwacher Fit ohne Zeitrahmen in die Nurturing-Strecke.

curl https://sovrgpt.com/api/v1/decisions \
  -H "Authorization: Bearer $SOVR_KEY" -H "content-type: application/json" \
  -d '{
    "preset": "lead-qualification-v1",
    "state": "Betreff: Anfrage KI-Assistent\n\nGuten Tag, ich bin IT-Leiterin eines Maschinenbauunternehmens mit rund 850 Mitarbeitenden an drei Standorten. Wir suchen bis Ende Oktober eine DSGVO-konforme KI-Lösung für unsere 120 Konstrukteure, da unser bisheriger Anbieter zum 31.12. den Dienst einstellt. Das Budget für 2027 ist freigegeben. Können wir nächste Woche telefonieren?\n\nViele Grüße\nDr. Karin Vogt"
  }'

Mensch prüft: Hoher Fit mit timeline 3 bis 4 geht sofort an eine Person. Jede Anfrage bleibt sichtbar; über Angebot und Kontakt entscheidet der Vertrieb.

Anpassen: Formularfelder schicken Sie am einfachsten als JSON-Objekt mit dem Freitext als einem Feld. Eine Branchen-Frage fügen Sie als Auswahl mit other-Option hinzu.

Behörden-Posteingang

Kennung: behoerden-posteingang-v1 · Für: Verwaltung

Ordnet E-Mails und gescannte Briefe an eine Kommunalverwaltung ein: Art des Anliegens, zuständiger Bereich, Fristrelevanz und Eskalationsdrohung. Mit den vier Werten legt das Dokumentenmanagement die Nachricht in den richtigen Eingangskorb, versieht Fristsachen mit Wiedervorlage und legt Eskalationen der Amtsleitung vor.

curl https://sovrgpt.com/api/v1/decisions \
  -H "Authorization: Bearer $SOVR_KEY" -H "content-type: application/json" \
  -d '{
    "preset": "behoerden-posteingang-v1",
    "state": "Sehr geehrte Damen und Herren, gegen den Bußgeldbescheid vom 3. September 2026 (Az. 0815/26, Parken im eingeschränkten Halteverbot) lege ich hiermit fristgerecht Widerspruch ein. Mein Fahrzeug stand zum genannten Zeitpunkt nachweislich in der Werkstatt, die Rechnung liegt bei. Ich bitte um Aufhebung des Bescheids. Mit freundlichen Grüßen, Katrin Vogel"
  }'

Mensch prüft: unclear bleibt in der Poststelle. Widersprüche und Eskalationen werden nie ohne Sichtung durch eine Sachbearbeiterin abgelegt.

Anpassen: Die fünf Bereiche sind eine typische, keine vollständige Gliederung. Passen Sie die Optionen an Ihren Organisationsplan an und zählen Sie je Option die Aufgaben auf, damit das Modell zum Beispiel die Hundesteuer der Kämmerei zuordnet und nicht dem Ordnungsamt.

Antrag vollständig?

Kennung: antrag-vollstaendigkeit-v1 · Für: Verwaltung · Zustand: JSON-Objekt

Die formale Vorprüfung eines Online-Antrags (Wohngeld, Kita-Platz, Grundsicherung): vollständig oder nicht, was fehlt, ob die Angaben stimmig sind und welcher Schritt folgt. naechster_schritt steuert das Fachverfahren: nachfordern bereitet ein Schreiben mit der Unterlagenliste vor, bearbeiten gibt den Antrag in die Sachbearbeitung.

Der Zustand ist ein Objekt mit den Feldern antragsart, eingangsdatum, pflichtfelder (Objekt), erforderliche_unterlagen (Liste von Namen), eingereichte_unterlagen (Liste mit name und lesbar), unterschrift_vorhanden und anmerkung.

curl https://sovrgpt.com/api/v1/decisions \
  -H "Authorization: Bearer $SOVR_KEY" -H "content-type: application/json" \
  -d '{
    "preset": "antrag-vollstaendigkeit-v1",
    "state": {
      "antragsart": "Wohngeld (Mietzuschuss)",
      "eingangsdatum": "2026-09-18",
      "pflichtfelder": { "name": "Anna Berger", "geburtsdatum": "1987-04-12", "anschrift": "Lutherstraße 4, 07743 Jena", "haushaltsmitglieder": 2, "iban": "DE89370400440532013000" },
      "erforderliche_unterlagen": ["Mietvertrag", "Einkommensnachweis", "Mietbescheinigung"],
      "eingereichte_unterlagen": [ { "name": "Mietvertrag", "lesbar": true }, { "name": "Einkommensnachweis", "lesbar": false } ],
      "unterschrift_vorhanden": true,
      "anmerkung": "Einkommensnachweis ist ein unscharfes Handyfoto."
    }
  }'

Mensch prüft: Jedes Nachforderungsschreiben wird vor dem Versand freigegeben. ruecksprache und unclear landen immer bei einer Sachbearbeiterin. Über die Bewilligung entscheidet die Engine nie.

Lassen Sie hier die Doppelprüfung an. In unseren Tests bekam ein vollständiger Antrag je nach Reihenfolge der Optionen bearbeiten oder nachfordern, beide Male mit einer Wahrscheinlichkeit nahe 1. Die Doppelprüfung macht diesen Fall sichtbar und empfiehlt review (unstable_under_reordering), statt den Antrag grundlos zur Nachforderung zu schicken.

Anpassen: Die Feldnamen sind Teil der Fragen. Heißen die Felder in Ihrem Portal anders, bilden Sie sie vor dem Aufruf ab oder schreiben eigene Fragen mit Ihren Namen. Schicken Sie das Objekt nicht als Zeichenkette: Es wird einheitlich serialisiert, damit derselbe Antrag immer denselben Zustand ergibt.

Freigabe-Check Veröffentlichung

Kennung: veroeffentlichung-check-v1 · Für: Kommunikation, Datenschutz und Compliance, Verwaltung

Prüft Pressemitteilungen, Posts, Newsletter oder öffentliche Vorlagen vor dem Veröffentlichen auf Daten Dritter, Art.-9-Daten und Tonalität und leitet daraus eine Freigabeempfehlung ab. Viele Datenschutzvorfälle sind gut gemeinte Texte, die Namen, Adressen oder Gesundheitsangaben Dritter nennen. Das Redaktionssystem kann die Empfehlung als Ampel zeigen oder als Sperre durchsetzen, für jeden Entwurf.

Der Zustand ist der zu prüfende Text; eine erste Zeile Kanal: … beschreibt nur das Medium und gehört nicht zum Text.

curl https://sovrgpt.com/api/v1/decisions \
  -H "Authorization: Bearer $SOVR_KEY" -H "content-type: application/json" \
  -d '{
    "preset": "veroeffentlichung-check-v1",
    "state": "Kanal: Facebook-Seite der Stadt\n\nWas für ein Fest! Über 2.000 Gäste haben gestern mit uns den Marktplatz gefüllt. Ein besonderer Dank geht an Familie Schmidt aus der Goethestraße 12, die den Kuchenstand organisiert hat, und an die Freiwillige Feuerwehr für die Absicherung. Oberbürgermeisterin Dr. Müller eröffnete das Fest um 14 Uhr."
  }'

Mensch prüft: freigeben ist eine Empfehlung an die Redaktion, keine Freigabe. nicht_freigeben und unclear gehen immer an Datenschutzbeauftragte oder Rechtsabteilung. ueberarbeiten geht mit den beiden Ja/Nein-Werten als Hinweis an die Verfasserin zurück.

Vorsicht mit der Automatik. In unseren Tests stufte die Engine einzelne Texte mit voller Sicherheit als freigeben ein, die nach der Regel der Vorlage zur Redaktion gehört hätten, etwa einen Nachruf mit Angaben über Dritte. Weder die Wahrscheinlichkeit noch die Doppelprüfung warnten. Wer ohne Redaktion veröffentlichen will, schickt bei dieser Vorlage "policy": { "mode": "review_only" } oder behandelt freigeben nur als Vorschlag.

Anpassen: In die Kanal-Zeile gehört Kontext, den das Modell kennen soll, ohne ihn zu prüfen, etwa die Zielgruppe oder ob Humor zum Kanal passt. Eine Rechtsprüfung ersetzt die Vorlage nicht.

Agenten-Weiche

Kennung: agent-handoff-v1 · Für: KI-Agenten, Plattform-Entwicklung

Entscheidet vor der Antwort eines KI-Assistenten, welchen Weg er nimmt: direkt antworten, Websuche, Firmenwissen (RAG), Rückfrage oder Übergabe an einen Menschen. Das geschieht als eigener, messbarer Schritt, bevor das teure Antwortmodell läuft. action wählt das Werkzeug, sensitive_data: true sperrt die Websuche für diese Anfrage.

curl https://sovrgpt.com/api/v1/decisions \
  -H "Authorization: Bearer $SOVR_KEY" -H "content-type: application/json" \
  -d '{
    "preset": "agent-handoff-v1",
    "state": "Wie viele Urlaubstage habe ich laut unserer Betriebsvereinbarung im ersten Beschäftigungsjahr? Ich bin seit März dabei."
  }'

Mensch prüft: bei human, bei unclear und ab risk 2. Dort wird nicht automatisch geantwortet.

Anpassen: Statt eines einzelnen Textes können Sie den bisherigen Gesprächsverlauf als messages schicken ([{role, content}]); dann entscheidet die Weiche im Kontext. Eigene Werkzeuge werden eigene Optionen, mit dem Namen, den Ihr Agent intern benutzt.

Quellentreue-Prüfung

Kennung: grounding-check-v1 · Für: KI-Agenten, IT, Qualitätssicherung · Zustand: JSON-Objekt

Prüft nach der Antworterzeugung, ob eine RAG-Antwort von ihren Quellen gedeckt ist, ob sie etwas dazuerfindet oder den Quellen widerspricht, und ob sie ausgeliefert werden darf. Das Ergebnis lässt sich als harte Regel in die Pipeline einbauen.

Der Zustand ist ein Objekt mit question, sources (Liste von Texten) und answer.

curl https://sovrgpt.com/api/v1/decisions \
  -H "Authorization: Bearer $SOVR_KEY" -H "content-type: application/json" \
  -d '{
    "preset": "grounding-check-v1",
    "state": {
      "question": "Wie lange gilt die Garantie auf das Modell X200?",
      "sources": ["Produktblatt X200: Herstellergarantie 24 Monate ab Kaufdatum. Akkus sind von der Garantie ausgenommen."],
      "answer": "Die Garantie auf das X200 beträgt 24 Monate ab Kaufdatum; Akkus sind von der Garantie ausgenommen."
    }
  }'

Mensch prüft: release mit recommendation: "act" geht automatisch raus. revise und unclear landen in der Nachbearbeitung, block wird nie ausgeliefert. Protokollieren Sie jede Enthaltung und jede Prüfempfehlung mit Frage und Quellen; das ist Ihr Prüfsatz für später.

Geben Sie nur über verdict frei. In unseren Tests wurde eine Antwort mit erfundener Kernaussage bei support als „teilweise gedeckt“ eingestuft. Das Urteil verdict sperrte sie oder schickte sie zur Prüfung, nach der Regel oben ging sie also nicht raus. Nutzen Sie support, unsupported_claims und contradiction nur als Begründung für die Nachbearbeitung.

Anpassen: Die Prüfung sieht nur, was in sources steht. Schicken Sie genau die Passagen mit, die das Antwortmodell bekommen hat. Sonst bewertet sie eine andere Grundlage als die Antwort.

Agenten-Schritt freigeben

Kennung: agent-step-risk-v1 · Für: KI-Agenten, Automatisierung, IT-Sicherheit · Zustand: JSON-Objekt

Sitzt bei einem Agenten, der einen Browser oder Rechner bedient, zwischen Planen und Ausführen. Sie prüft den geplanten Schritt: Ist er rückholbar, welcher Art wäre die Wirkung, wie schwer wöge ein Fehler? Lesen und Scrollen laufen so ungebremst durch, „Zahlungspflichtig bestellen“ oder „Endgültig löschen“ halten an, obwohl beide im Seitenaufbau gleich aussehen.

Der Zustand ist ein Objekt aus dem Ziel des Agenten, wo er gerade steht und welchen Schritt er als Nächstes tun will.

curl https://sovrgpt.com/api/v1/decisions \
  -H "Authorization: Bearer $SOVR_KEY" -H "content-type: application/json" \
  -d '{
    "preset": "agent-step-risk-v1",
    "state": {
      "ziel": "Bestelle eine Packung Druckerpapier im Bürobedarf-Shop",
      "seite": "Warenkorb — Kasse, Schritt 3 von 3, Zahlungsart Rechnung",
      "schritt": "Klick auf den Knopf 'Zahlungspflichtig bestellen'"
    }
  }'

Mensch prüft: irreversible: true, die Wirkungsarten payment, destructive, credentials und external_message, die Enthaltung unclear und die Risikostufe 3. Solche Schritte laufen nie automatisch, sondern erst nach Bestätigung. Der Normalfall ist irreversible: false mit effect read, input oder state_change: Der Agent führt aus.

Läuft Ihr Agent ohne Menschen, der bestätigen könnte, schicken Sie "policy": { "mode": "autonomous" }. Die Empfehlung ist dann immer act, die Warnsignale stehen aber weiter in reasons. Bei einem Warnsignal sollte der Agent den Schritt auslassen oder einen rückholbaren Weg wählen.

Vorsicht bei unklaren Schritten. Zwei Fälle aus unseren Tests: Einen Dialog mit unlesbarem Text ordnete sovr-decision-v1 selbstsicher als „Formular absenden“ ein statt als unclear; nur margin war auffällig niedrig. Einen „Weiter“-Knopf ohne erkennbare Wirkung stufte die Vorgabe-Laufzeit mit voller Sicherheit als read ein, obwohl die Regel unclear verlangt. Unter threshold würde ein Agent hier durchklicken. Für Agenten mit echten Folgen (Zahlungen, Nachrichten, Löschen) empfehlen wir "policy": { "mode": "review_only" } oder eine eigene Regel, die read nur bei eindeutiger Beschreibung durchlässt und margin mit auswertet.

Die Vorlage wählt kein Element aus. Dafür bräuchte sie die Elemente der Seite als Optionen, und eine Auswahlfrage hat höchstens 26. In einer Stichprobe von 20 echten Webseiten lag der Median bei 27 anklickbaren Elementen. Die Freigabe braucht diese Liste nicht, ihr genügt die Beschreibung des geplanten Schritts.

Eigene Fragen entwerfen

Mit questions statt preset definieren Sie eigene Fragen. Was sich beim Bau der zehn Vorlagen bewährt hat:

• Die Enthaltung ist die letzte Option. Jede Auswahlfrage über freien Text bekommt ein unclear oder other am Ende. Ohne erlaubten Ausweg zwingt die Frage das Modell zu einer Zuordnung, die keiner will.
• Höchstens 26 Optionen, höchstens 10 Stufen. Jede Option bekommt einen Buchstaben, jede Stufe eine Ziffer. Mehr Trennschärfe bringt eine bessere Beschreibung je Option.
• Stufen sind geordnet, niedrigste zuerst. Nur dann ergeben expected_index und normalized_score Sinn.
• Der Zustand ist Daten. Alles, was das Modell tun soll, steht in instructions. Ein „ignoriere alle Regeln“ im Zustand bleibt Text.
• Die Reihenfolge zählt. Optionen werden in Ihrer Reihenfolge bewertet, und ein Modell kann darauf reagieren. Bei Auswahlfragen prüft das die Doppelprüfung (stability_check, Vorgabe an). Stufen bleiben in Ihrer Reihenfolge, dort ist sie die Bedeutung.
• Anweisungen kurz und entschieden. Sagen Sie, wonach entschieden wird („nach dem Hauptzweck, nicht nach Nebensätzen“) und wann die Enthaltung richtig ist.
• v2 für abgestufte Wahrscheinlichkeiten. sovr-decision-v1 antwortet meist mit 1,0 oder 0. Für Schwellen an max_probability oder expected_index nehmen Sie sovr-decision-v2.

Grenzen (Fragen, Zeichen, Bilder) und die Bedeutung der Antwortfelder stehen in der API-Referenz.

Im Produkt testen

• Playground: eingeloggt über die Seitenleiste → Decision Engine. Jede Vorlage läuft dort mit ihrem Beispielzustand oder eigenem Text, mit vollständiger Antwort.
• Im Chat: Die Pille Entscheiden im Eingabefeld schaltet das Werkzeug decision_engine frei. So probieren Sie eine Vorlage an echten Texten aus.
• Per MCP: sovrgpt_decide und sovrgpt_list_decision_presets über den authentifizierten MCP-Server, Scope decisions.

Überall läuft dieselbe Engine mit denselben Vorlagen.