NLP: Sprachverarbeitung im Service Management mit Kontrolle über Daten und Entscheidungen

Natural Language Processing (NLP) umfasst die Verfahren, mit denen Software Texte und gesprochene Sprache auswertet und erzeugt – vom Erkennen der Sprache einer E-Mail bis zum automatisch formulierten Antwortentwurf. Grundlage sind heute fast immer Modelle, die ihre Fähigkeiten aus grossen Textmengen gelernt haben, statt von Hand programmierte Regeln.

Für Organisationen in der Schweiz stellen sich dabei zwei zusätzliche Fragen. Erstens: Wie zuverlässig arbeitet das System mit Deutsch, Französisch, Italienisch, Englisch und Mundart? Zweitens: Wo werden die Texte verarbeitet, wer sieht sie, und lässt sich später belegen, was ein Modell vorgeschlagen und wer entschieden hat? Im Service Management entscheiden diese Fragen darüber, ob NLP in einer regulierten Umgebung eingesetzt werden kann.

Das Wichtigste in Kürze

• Ein NLP-System besteht aus mehreren Stufen. An jeder Stufe lässt sich festlegen, welche Daten weitergegeben, maskiert oder protokolliert werden.
• Spezialisierte Klassifikatoren liefern prüfbare Ergebnisse aus einer festen Liste. Generative Sprachmodelle liefern freien Text, der fachlich kontrolliert werden muss.
• Das DSG ist laut EDÖB direkt auf KI-gestützte Bearbeitungen anwendbar. Relevant sind vor allem Art. 9 (Auftragsbearbeitung), Art. 16 (Bekanntgabe ins Ausland) und Art. 22 (Datenschutz-Folgenabschätzung).
• Die FINMA verortet KI-Risiken hauptsächlich bei den operationellen Risiken, unter anderem bei Modellrisiken und der Abhängigkeit von Drittanbietern.
• Vorschlag und Entscheidung gehören getrennt dokumentiert. Bei Anliegen mit Rechtsfolge entscheidet ein Mensch.

Stand: November 2026 · Rechtsbezüge geprüft auf Fedlex, beim EDÖB, beim Bundesamt für Justiz und in der FINMA-Aufsichtsmitteilung 08/2024 (Quellen am Ende des Artikels)

Verarbeitungsstufen und Datenflüsse

Aus Governance-Sicht ist ein NLP-System keine Blackbox, sondern eine Kette von Stufen. An jeder Stufe lässt sich eine Kontrollfrage stellen:

1. Eingang: Über welche Kanäle kommen Texte herein – E-Mail, Chat, Portal, Telefon mit Transkription? Welche Kanäle sind ausgeschlossen, etwa Meldungen aus der Personalabteilung?
2. Vorverarbeitung: Die Sprache wird erkannt, Signaturen und Zitatverläufe werden entfernt. Hier lassen sich Personendaten wie Namen, Telefonnummern oder AHV-Nummern erkennen und maskieren, bevor der Text weitergeht.
3. Modell: Läuft es in der eigenen Instanz oder bei einem Cloud-Anbieter? In welchem Land? Wechselt der Anbieter die Modellversion, ohne dass Sie es merken?
4. Ergebnis: Ist es ein Vorschlag, den eine Person bestätigt, oder löst es automatisch eine Aktion aus, etwa eine Antwort an den Anwender?
5. Nachweis: Wird festgehalten, was vorgeschlagen und was entschieden wurde, von wem und wann?

Mehrsprachigkeit und Mundart

Ein Service Desk in der Schweiz erhält Meldungen in mehreren Landessprachen und auf Englisch, im Chat oft auch in Mundart. Moderne mehrsprachige Modelle verarbeiten Deutsch, Französisch und Italienisch in einem Modell. Schweizerdeutsch hat dagegen keine verbindliche Schreibweise. Eine Nachricht wie «Grüezi, mis Outlook gaht sit em Update nümm» ist für ein allgemeines Modell schwerer als dieselbe Aussage auf Hochdeutsch.

Für den Betrieb heisst das: Die Qualität ist je Sprache separat zu messen. Ein Modell, das auf deutschen Tickets überzeugt, kann bei italienischen Meldungen aus dem Tessin deutlich schwächer sein, wenn diese im Trainingsbestand selten sind.

Klassifikator oder Sprachmodell: was sich prüfen lässt

Für eine Risikobeurteilung ist weniger entscheidend, wie ein Modell intern rechnet, als was es ausgibt und wie gut sich das kontrollieren lässt. Zwei Bauarten stehen sich gegenüber:

Die FINMA hält in ihrer Aufsichtsmitteilung 08/2024 fest, dass die Risiken aus dem KI-Einsatz hauptsächlich operationelle Risiken sind, insbesondere Modellrisiken wie mangelnde Robustheit, Korrektheit, Bias und Erklärbarkeit, dazu IT- und Cyberrisiken. Hinzu kommt eine wachsende Abhängigkeit von Drittparteien, etwa Anbietern von Modellen oder Cloud-Diensten. Die Mitteilung zeigt, worauf die Aufsicht bei Banken und Versicherungen achtet. Für andere Branchen taugt sie als Checkliste.

Mehrsprachiger Service Desk mit klaren Rollen

Im Service Management eignet sich NLP vor allem für Aufgaben, bei denen ein Mensch das Ergebnis mit wenig Aufwand prüfen kann. Drei Beispiele, jeweils angenommen:

• Sprachbasiertes Routing: Eine Meldung auf Französisch aus Lausanne geht direkt an das Team, das Französisch spricht. Eine Fehlzuordnung fällt schnell auf und ist rasch korrigiert.
• Vorschlag statt Entscheid bei sensiblen Kategorien: Erkennt das Modell, dass eine Meldung Berechtigungen, HR-Daten oder Zahlungsprozesse betrifft, schlägt es eine Kategorie vor. Die Zuweisung bestätigt eine verantwortliche Person, bei kritischen Anträgen gilt das Vier-Augen-Prinzip.
• Antwortentwurf mit Quellenangabe: Ein Sprachmodell formuliert eine Antwort auf Basis freigegebener Wissensartikel und nennt den Artikel. Die Fachperson gibt den Entwurf frei oder verwirft ihn.

Gemeinsam ist allen drei Fällen die Anforderung, dass Vorschlag, Bestätigung und Ergebnis im Ticket nachvollziehbar bleiben. Wie lückenlose Nachvollziehbarkeit von Serviceprozessen unabhängig von KI aussieht, zeigt das Personalamt des Kantons Thurgau: Es steuert seine HR-Prozesse für rund 6'000 Mitarbeitende mit ky2help^®. Sämtliche Aktivitäten sind lückenlos nachvollziehbar, dokumentiert und archiviert.

Sprachverarbeitung in ky2help^®

ky2help^® integriert den Chatbot «Apptiva Klar» des Schweizer Spezialisten Apptiva aus Sempach. Der Bot nutzt natürliche Sprachverarbeitung, greift auf die Knowledge Base und auf von Ihnen festgelegte Quellen zu, übernimmt den gesamten Chatverlauf in ein Ticket und übergibt an Mitarbeitende, wenn er nicht weiterkommt. Der KI-Supportagent schlägt zu eingehenden Anfragen Lösungen und passende Problem-Tickets vor. Das System selbst lässt sich als SaaS oder On-Premises betreiben, mit eigener Instanz in einem Rechenzentrum in der Schweiz. Die Oberfläche steht in Deutsch, Englisch, Französisch und Italienisch zur Verfügung, und Änderungen werden automatisch historisiert, revisionssicher dokumentiert und über ein integriertes Daten-Audit nachvollziehbar.

Funktionsumfang prüfen

Rechtsrahmen und Risiken nach Priorität

Die Schweiz hat derzeit keine spezifische KI-Gesetzgebung. Der Bundesrat hat das EJPD am 12. Februar 2025 beauftragt, bis Ende 2026 eine Vernehmlassungsvorlage zu erarbeiten. Bis dahin gilt das technologieneutrale DSG, das laut EDÖB direkt auf KI-gestützte Bearbeitungen anwendbar ist. Daraus ergibt sich folgende Reihenfolge:

1. Datenfluss und Bekanntgabe ins Ausland: Geht ein Tickettext an einen Cloud-Dienst ausserhalb der Schweiz, gilt Art. 16 DSG. Ohne Angemessenheitsentscheid des Bundesrats braucht es geeignete Garantien, etwa Standardvertragsklauseln. Der Anbieter ist Auftragsbearbeiter nach Art. 9 DSG und muss die Datensicherheit gewährleisten können.
2. Datenschutz-Folgenabschätzung: Art. 22 DSG verlangt sie vorgängig, wenn eine Bearbeitung ein hohes Risiko mit sich bringen kann, insbesondere beim Einsatz neuer Technologien. Für Sprachmodelle, die HR- oder Gesundheitsmeldungen lesen, ist sie in der Regel angezeigt.
3. Automatisierte Einzelentscheidung: Lehnt ein System einen Antrag ohne menschliche Prüfung ab und hat das eine Rechtsfolge oder erhebliche Beeinträchtigung, muss die betroffene Person nach Art. 21 DSG informiert werden und kann eine Überprüfung durch einen Menschen verlangen.
4. Manipulation über Eingaben: Liest ein Sprachmodell E-Mails oder Dokumente, können darin versteckte Anweisungen sein Verhalten ändern. OWASP führt diese Prompt Injection als LLM01:2025 an erster Stelle. Automatische Aktionen sollten nur nach Freigabe erfolgen.
5. Stille Modellwechsel: Aktualisiert ein Anbieter sein Modell, kann sich die Qualität ändern. Eine feste Testmenge je Sprache und ein dokumentierter Regressionstest gehören in den Change-Prozess.
6. EU-Bezug: Die EU-KI-Verordnung erfasst nach Art. 2 Abs. 1 lit. c auch Anbieter und Betreiber in Drittstaaten, wenn die Ausgabe des Systems in der EU verwendet wird. Für einen Chatbot, der Kundschaft in der EU bedient, verlangt Art. 50, dass die Nutzer erkennen, dass ein KI-System antwortet.

Häufige Fragen

Was versteht man unter NLP?

NLP (Natural Language Processing) bezeichnet die maschinelle Verarbeitung natürlicher Sprache. Software erkennt in Texten Sprache, Thema, Absicht und Begriffe, fasst sie zusammen, übersetzt sie oder formuliert selbst Text. Heute beruhen die meisten Verfahren auf Modellen, die aus grossen Textmengen gelernt haben.

Wie geht NLP mit Mehrsprachigkeit und Mundart um?

Mehrsprachige Modelle verarbeiten Deutsch, Französisch, Italienisch und Englisch in einem System. Schweizerdeutsch ist schwieriger, weil es keine verbindliche Schreibweise gibt. Die Qualität sollte deshalb je Sprache mit einer eigenen Testmenge aus echten, anonymisierten Meldungen gemessen werden.

Dürfen Tickettexte an einen KI-Dienst im Ausland gehen?

Das ist möglich, wenn Art. 16 DSG eingehalten wird: Entweder hat der Bundesrat dem Zielstaat einen angemessenen Datenschutz attestiert, oder es bestehen geeignete Garantien wie Standardvertragsklauseln. Der Anbieter wird als Auftragsbearbeiter nach Art. 9 DSG eingebunden. Für beaufsichtigte Institute kommen die Erwartungen der FINMA an Drittparteien hinzu.

Braucht ein NLP-Projekt eine Datenschutz-Folgenabschätzung?

Wenn die Bearbeitung ein hohes Risiko für die Persönlichkeit oder die Grundrechte der Betroffenen mit sich bringen kann, ja. Art. 22 DSG nennt den Einsatz neuer Technologien ausdrücklich als möglichen Grund. Liest ein Sprachmodell HR-, Gesundheits- oder Berechtigungsmeldungen, ist eine Abschätzung in der Regel angezeigt.

Was erwartet die FINMA beim Einsatz von KI?

Die Aufsichtsmitteilung 08/2024 beschreibt die Beobachtungen der FINMA zu Governance, Inventar und Risikoklassifizierung, Datenqualität, Tests und laufender Überwachung, Dokumentation, Erklärbarkeit und unabhängiger Überprüfung. Die Risiken verortet sie hauptsächlich bei den operationellen Risiken und bei der Abhängigkeit von Drittparteien.

Wie lässt sich NLP in ky2help® nachvollziehbar einsetzen?

Der integrierte Chatbot «Apptiva Klar» übernimmt den gesamten Chatverlauf ins Ticket, der KI-Supportagent liefert Lösungsvorschläge, über die Mitarbeitende entscheiden. ky2help® historisiert Änderungen automatisch, bietet ein integriertes Daten-Audit und lässt sich mit eigener Instanz in einem Schweizer Rechenzentrum betreiben.

Quellen und weiterführende Artikel

Quellen

• Fedlex: Bundesgesetz über den Datenschutz (DSG), Art. 9, 16, 21 und 22
• EDÖB: KI und Datenschutz
• Bundesamt für Justiz: Künstliche Intelligenz
• FINMA-Aufsichtsmitteilung 08/2024: Governance und Risikomanagement beim Einsatz Künstlicher Intelligenz (PDF)
• EUR-Lex: Verordnung (EU) 2024/1689 (KI-Verordnung), Art. 2 und 50
• OWASP: LLM01:2025 Prompt Injection
• Microsoft Learn: Was ist Azure Language? (u. a. Erkennung personenbezogener Daten)
• Devlin et al. (2018): BERT (arXiv)
• Vaswani et al. (2017): Attention Is All You Need (arXiv)

Weiterlesen

• Glossar: Künstliche Intelligenz
• Glossar: Machine Learning
• Glossar: Chatbot
• Glossar: ISO 27001
• Referenz: Personalamt Kanton Thurgau
• ky2help® für Finanzdienstleister und Banken
• Cloud oder On-Premises?
• KI im Helpdesk: So verändert KI den Kundensupport