KI-gestützte Lead-Analyse in combit CRM

Knowledgebase
1

Use-Case

Ein neuer Lead landet in combit CRM – und bevor das erste Gespräch sinnvoll geführt werden kann, braucht es Kontext.

Dieser Knowledgebase-Artikel zeigt hierfür eine KI-gestützte Lösung, die Recherche und Einordnung in zwei voneinander getrennte Schritte strukturiert und das Ergebnis direkt in der Verkaufschancen-Ansicht ausgibt.

Ablauf

Zwei Scripte, zwei Aufgaben:

  • custom.aiLeadEnrichmentResearch sammelt Informationen zum Interessenten. Ob Websuche dabei als Tool freigegeben wird, steuert allowWebsearch.
  • custom.aiLeadEnrichmentAnalysis bewertet den Lead auf Basis der Recherche und eines definierten Business-Kontexts. Daraus entstehen Vorschläge für das weitere Vorgehen.

Beide laufen über die OpenAI-API mit Structured Output – die Antwort folgt einem vorgegebenen JSON-Schema und wird auf Struktur und Datentypen validiert.

Ergebnis in der Praxis

Der Ablauf ist im neu erstellten KI-Analyse-Reiter direkt sichtbar – von der leeren Ausgangslage bis zum fertigen Report.

Ausgangslage
Ausgangslage1171×833 104 KB

Ausgangslage: Recherche und Analyse können unabhängig voneinander gestartet werden.

Nach der Recherche sind Firmenprofil, Kontaktdaten und erste Einordnung im Report sichtbar.

Ergebnis Recherche
Ergebnis Recherche1208×831 180 KB

Ausgabe der Rechercheergebnisse als Report

Die Analyse bewertet den Lead auf Basis der Recherche und des hinterlegten Business-Kontexts. Der Report enthält Lead-Profil, Fit-Bewertung und Vorschläge für das weitere Vorgehen.

Ergebnis Analyse
Ergebnis Analyse1177×829 228 KB

Analyse abgeschlossen: Der Report zeigt Lead-Profil, Fit-Bewertung und Vorschläge für das weitere Vorgehen.

HTML-Bericht und JSON-Datensatz stehen parallel zur Verfügung. Der Bericht ist direkt lesbar, der JSON-Datensatz lässt sich für die Weiterverarbeitung in einzelne Felder übernehmen.

Einrichtung

Voraussetzungen

  • combit CRM mit Large-Solution
  • aktivierte TypeScript-Funktionalität in der Solution

TypeScript aktivieren

Die TypeScript-Funktionalität wird in combit CRM in den Projekteigenschaften unter Datei > Verwalten > Projekteinstellungen > Eigenschaften aktiviert.
Bei der Option SDK muss dazu TypeScript angehakt werden. Daraufhin wird im Verzeichnis der geöffneten Solution das benötigte TypeScript-Unterverzeichnis erzeugt.

TypeScript aktivieren
TypeScript aktivieren448×534 12.2 KB

Scripte herunterladen

Laden Sie die nachfolgenden 5 Scripte herunter und legen diese in den TypeScript-Ordner der Solution ab. Am Beispiel der Large-Solution ist es der Pfad ..\combit\combit CRM\Solutions\Large\TypeScript.

combit.utils.createLogs.ts (1.9 KB)
combit.utils.getOpenaiResponse.ts (5.9 KB)
custom.aiLeadEnrichmentAnalysis.ts (49.2 KB)
custom.aiLeadEnrichmentResearch.ts (32.5 KB)
custom.utils.aiLeadEnrichment.ts (2.9 KB)

Felder anlegen

Die Ergebnisse werden in drei Feldern gespeichert – das macht sie direkt weiter verarbeitbar und in der Ansicht sichtbar.

Felder anlegen
Felder anlegen1373×502 107 KB

Felder in den Ansichteneigenschaften (Verkaufschancen)

Feldname Phys. Feldtyp Interner Feldtyp
leadResearchJSON varchar(max) Notizen
leadAnalysisJSON varchar(max) Notizen
leadAnalysisResult varchar(max) Notizen formatiert

Mindestens das Feld leadAnalysisResult sollte in der Ansicht platziert werden – dort erscheint der HTML-Bericht.

Schaltflächen einbinden

Über zwei Schaltflächen lassen sich die Schritte gezielt und unabhängig voneinander auslösen.

Recherche ausführen

<!--#language="TypeScript"-->
<!--#pragma autosave-->
import { cRM } from "./sdk/combitCRM.SDK.WindowsClient.v13";
import { startLeadResearch } from "./custom.aiLeadEnrichmentResearch.ts";

startLeadResearch(cRM.ActiveView.CurrentRecord);

Analyse ausführen

<!--#language="TypeScript"-->
<!--#pragma autosave-->
import { cRM } from "./sdk/combitCRM.SDK.WindowsClient.v13";
import { startLeadAnalysis } from "./custom.aiLeadEnrichmentAnalysis.ts";

startLeadAnalysis(cRM.ActiveView.CurrentRecord);

Konfiguration der Scripte

Alle Parameter sind in den beiden Scripten custom.aiLeadEnrichmentResearch.ts und custom.aiLeadEnrichmentAnalysis.ts zu finden.

Konfiguration
Konfiguration1500×710 37.7 KB

Parameter in custom.aiLeadEnrichmentResearch.ts

Parameter Funktion
apiKey API-Key für die OpenAI-API
model Modellbezeichnung
allowWebsearch Websuche als Tool freigeben (true / false)
responseSchemaName Interner Name des JSON-Response-Schemas in der OpenAI-API
targetViewName Genutzte Ansicht
leadResearchJSONFieldName Feld für die leadResearch-Ausgabe
leadAnalysisJSONFieldName Feld für die leadAnalysis-Ausgabe
leadAnalysisResultFieldName Feld für den HTML-Bericht

Optional: debugLogPath und openDebugLog für Logging.

Prompt anpassen

Der mitgelieferte Prompt kann unverändert verwendet werden. Erweiterungen sind über Variablen im Format [[VARIABLENNAME]] möglich – sie werden beim Prompt-Build über ein Schlüssel-Wert-Objekt ersetzt.

Promt
Promt506×147 4.11 KB

Standardmäßige Variablen im buildPrompt-Aufruf

Test
Test529×176 5.16 KB

Ergänzte Variable test – der Schlüsselname muss exakt mit dem Variablennamen im Prompt übereinstimmen.

Logging (optional)

Über die Logging-Optionen kann gesteuert werden, ob und in welchem Umfang das Script Informationen zur Ausführung protokolliert. Die Logdatei wird standardmäßig im temporären Ordner abgelegt und kann bei Bedarf zur Fehlersuche verwendet werden. Das allgemeine Logging kann ein- oder ausgeschaltet werden. Zusätzlich gibt es ein erweitertes Debug-Logging, bei dem auch vollständige KI-Antworten gespeichert werden. Da diese sensible Daten enthalten können, sollte diese Option nur zu Analyse- oder Supportzwecken aktiviert werden. Optional kann die Logdatei nach der Scriptausführung automatisch geöffnet werden.

Ablauflogik

  • leadResearch schreibt in leadResearchJSON und ergänzt den Bericht in leadAnalysisResult.
  • leadAnalysis liest leadResearchJSON, schreibt in leadAnalysisJSON und ergänzt den Bericht ebenfalls in leadAnalysisResult.

Die Schritte sind unabhängig aufrufbar – Recherche und Analyse lassen sich getrennt steuern und anpassen.

Hinweis zur Eingangsnachricht: Die Funktion getInboundMessageFromActivities übergibt das Kommentarfeld des ersten Aktivitätseintrags der Verkaufschance als Inbound-Nachricht an das Script. Je nachdem, wie eingehende Nachrichten in Ihrer Umgebung vorliegen, passen Sie diese Funktion und die genutzten Felder entsprechend an.

Ablauflogik
Ablauflogik1402×240 12.2 KB

Hinweise

Datenschutz

Bei einem lokalen KI-Server bleibt die Verarbeitung im eigenen Umfeld. Trotzdem sollten die übergebenen Inhalte gegen interne Richtlinien und Datenschutzanforderungen geprüft werden.

Disclaimer

combit macht keine Angaben zu einer bestimmten Eignung dieser Informationen. Irrtümer und Fehler bleiben ausdrücklich vorbehalten. Die Angaben erfolgen ohne Gewähr und ohne Zusicherung.

Alle Produktnamen und Marken gehören den jeweiligen Rechteinhabern.