5 Schritte, um Ihren Redmine-Helpdesk mit einem KI-Plugin zu transformieren

Die Arbeit am neuen RedmineUP-Plugin AI Agent läuft auf Hochtouren. Jede Woche fügen wir neue MCP-Tools hinzu, und das Release steht kurz bevor. In der Zwischenzeit arbeitet unser eigenes Support-Team bereits mit dem Plugin, und die Ergebnisse beeindrucken uns. .

Das Plugin bringt einen integrierten MCP-Server mit, sodass ein KI-Assistent direkt mit Ihren Redmine-Daten arbeiten kann: Tickets lesen, Notizen hinzufügen und Berichte erstellen. In diesem Artikel zeigen wir Schritt für Schritt, was sich in einem Helpdesk ändert, wenn ein KI-Agent zum Team stößt.

Wenn Ihr Team den Support in Redmine abwickelt, besitzen Sie bereits den wertvollsten Input für KI: jahrelang gelöste Tickets, Wiki-Seiten, Wissensdatenbank-Artikel und Kundenprofile. Heute wird der Großteil dieses Wissens nur gespeichert. KI-Agenten ermöglichen es Ihrem Team und Ihren Kunden, es tatsächlich zu nutzen.

Der RedmineUP-Support war das erste Team, das den AI Agent an echten Tickets eingesetzt hat, und das, was wir dabei gesehen haben, ist der Grund für diesen Artikel. Im Folgenden beschreiben wir, welche Veränderungen er in einen Helpdesk bringt und in welcher Reihenfolge man sie einführt.

Hier unterscheidet sich unser Ansatz von anderen KI-Lösungen. Alle RedmineUP-Plugins sind miteinander verbunden: Helpdesk, CRM, Agile und die übrigen arbeiten mit denselben Tickets, Kontakten und Projekten. Deshalb erreichen uns jede Woche neue Ideen für kleine, aber nützliche MCP-Tools, und wir fügen sie dem AI Agent nach und nach hinzu. Diese Tools, die auf dem Zusammenspiel unserer Plugins aufbauen, werden der wichtigste Vorteil des AI Agent gegenüber anderen KI-Lösungen sein.

• Warum Sie Ihren Helpdesk überhaupt transformieren sollten
• Schritt 1: Eine Wissensdatenbank mit dem Redmine-Wiki aufbauen
• Schritt 2: Triage und Antwortentwürfe
• Schritt 3: Berichte, die Ihr Support-Team anfordern kann
• Schritt 4: Ein First-Level-Agent, der handelt
• Schritt 5: Den Rest des Unternehmens anbinden

Warum Sie Ihren Helpdesk überhaupt transformieren sollten

KI zahlt sich im Kundensupport bereits aus. In ihrem Bericht vom Dezember 2025 Agentic AI Is the New Frontier in Customer Service Transformation berichtet die Boston Consulting Group, dass ein globales Technologieunternehmen die Lösungszeit für Serviceanfragen um 50 % gesenkt hat. Weniger Zeit pro Anfrage bedeutet niedrigere Supportkosten, und dasselbe Team kann mehr Kunden betreuen.

Allerdings gibt es einen Haken: Bisher haben nur 28 % der Unternehmen messbaren Geschäftswert aus generativer KI erschlossen. Erfolgreiche Unternehmen gestalten den Workflow neu, statt einfach einen Chatbot einzuschalten. Deshalb transformiert dieser Artikel den Helpdesk Schritt für Schritt. Die Einsparungen zeigen sich in Kennzahlen, die Sie vom ersten Tag an verfolgen können: Erstreaktionszeit, Lösungszeit, Anteil der ohne Mitarbeiter gelösten Tickets und Auslastung pro Engineer.

Im Mai haben wir geschrieben, dass Redmine 7.0 Ihren Tracker KI-fähig machen würde. Redmine 7.0 ist am 30. Juni 2026 mit nativen Webhooks erschienen (wir haben über die Neuerungen in Redmine 7 berichtet), und das Helpdesk-Plugin stellt Tickets und Kunden über seine REST-API bereit. Die Bausteine sind vorhanden.

Dieser Artikel zeigt, wie die Transformation eines Redmine-Helpdesks in der Praxis aussieht, Schritt für Schritt: von einem Assistenten, der Antworten in Ihrer Historie findet, bis hin zu einem Agenten, der Routinetickets selbstständig schließt. Jeder Schritt zahlt sich für sich allein aus, und jeder Schritt wird durch Zahlen freigegeben, nicht durch Hoffnung.

Schritt 1: Eine Wissensdatenbank mit dem Redmine-Wiki aufbauen

Der erste Schritt ist ein Assistent, der Fragen anhand Ihrer eigenen Historie beantwortet und zeigt, woher jede Antwort stammt. Noch wird nichts automatisiert, und nichts wird an Kunden gesendet.

Der Assistent kann nur so gut sein wie das, was er findet. Beginnen Sie also mit den Inhalten. Pflegen Sie Anleitungen und bekannte Lösungen im Projekt-Wiki und tragen Sie die Lösung in das Ticket ein, bevor Sie es schließen.

Der Ansatz heißt RAG (Retrieval-Augmented Generation). Bevor das Modell etwas schreibt, durchsucht das System Ihr Redmine nach relevanten Seiten und Tickets und übergibt sie dem Modell. Das Modell antwortet auf Basis der Fundstellen und verlinkt sie, zum Beispiel „siehe Ticket #4521 und die Wiki-Seite SSO einrichten“, sodass eine Person die Quelle prüfen kann.

So funktioniert es mit dem RedmineUP-Plugin AI Agent

1. Suche. Der Agent nutzt die Redmine-eigene Suche über Wiki-Seiten und Tickets. Es muss kein separater Index aufgebaut oder synchron gehalten werden: Eine vor einer Minute gespeicherte Seite ist bereits durchsuchbar.
2. Berechtigungen. Jede Suche läuft im Namen des fragenden Benutzers. Der Agent findet nur die Projekte, Tickets und Wiki-Seiten, die diese Person in Redmine sehen darf, sodass ein privates Ticket eines Kunden nicht in einer Antwort für einen anderen landet.
3. Lesen. Der Agent öffnet die gefundenen Seiten und Tickets und liest sie vollständig, nicht nur die Suchausschnitte.
4. Entwurf. Das Modell schreibt einen Entwurf mit Links zu den Quellen. Der Entwurf wird zur Prüfung in das Notiz- oder Beschreibungsfeld eingefügt und niemals automatisch gespeichert.

Das Plugin enthält außerdem einen MCP-Server. Verbinden Sie Claude, ChatGPT oder einen anderen MCP-Client damit und stellen Sie Fragen zu Ihrem Redmine in natürlicher Sprache. Jeder Client meldet sich per OAuth an und erhält nur die Scopes, die ein Administrator für ihn freigegeben hat.

Wenn die Stichwortsuche nicht ausreicht

Die Redmine-Suche vergleicht Wörter. Das funktioniert gut, solange Kunden und Engineers ein Problem mit denselben Begriffen beschreiben. Bei einem großen Archiv oder wenn Kunden „kann mich nicht anmelden“ schreiben und die Lösung unter „SSO-Zertifikat abgelaufen“ abgelegt ist, ist die nächste Stufe die semantische Suche:

• Teilen Sie Wiki-Seiten und gelöste Tickets in kurze Fragmente auf und wandeln Sie jedes davon in einen Vektor (ein Embedding) um.
• Speichern Sie die Vektoren in einer Vektordatenbank. Wenn Redmine auf PostgreSQL läuft, können sie dank der Erweiterung pgvector direkt neben Ihren bestehenden Daten liegen.
• Nutzen Sie die Webhooks von Redmine 7, um den Index zu aktualisieren, wenn ein Ticket geschlossen oder eine Wiki-Seite geändert wird.

Hinweis: Mit einem separaten Index liegen die Berechtigungen in Ihrer Verantwortung. Speichern Sie zu jedem Fragment das Projekt und die Sichtbarkeit und filtern Sie die Suchergebnisse nach den Berechtigungen des fragenden Benutzers, bevor das Modell etwas zu sehen bekommt.

Semantische Suche ist ein individuelles Projekt, keine Plugin-Einstellung. Es lohnt sich, sie aufzubauen, sobald Sie sehen, welche Fragen die integrierte Suche nicht beantworten kann.

Wo Teams es einsetzen

• Antwortentwürfe. Ein Engineer öffnet ein Ticket, klickt im Notizeditor auf die Schaltfläche Agent und gibt ein paar Stichpunkte ein. Der Agent liest das Ticket, durchsucht das Wiki und ähnliche Tickets und liefert einen Entwurf mit Links.
• Intelligente Suche. Über einen MCP-Client fragen Mitarbeiter in natürlicher Sprache: „Wie haben wir letztes Jahr das Importproblem bei ACME gelöst?“
• Onboarding. Neue Teammitglieder fragen, wie ein Prozess funktioniert, und erhalten Antworten aus dem internen Wiki.
• Self-Service-Portal. Mit einer individuellen Integration stellen Kunden ihre Fragen in Ihrem Portal und erhalten eine Antwort, bevor ein Ticket erstellt wird.

Was Sie messen sollten: wie oft Engineers die vorgeschlagene Antwort verwenden und wie oft die verlinkte Quelle tatsächlich relevant war. Genau diese Daten brauchen Sie für Schritt 4.

Schritt 2: Triage und Antwortentwürfe

In Schritt 2 beginnt der Agent, an jedem neuen Ticket zu arbeiten: Er ordnet es ein, leitet es weiter und bereitet einen Antwortentwurf vor, aber jede Antwort wird weiterhin von einer Person gesendet.

Im Helpdesk-Plugin ist jedes Ticket ein reguläres Redmine-Ticket. Der Issue-Webhook wird in dem Moment ausgelöst, in dem aus einer E-Mail ein Ticket wird, und Ihr Agent-Service (ein Skript oder ein Workflow, der über die REST-API oder den MCP-Server des AI-Agent-Plugins mit Redmine verbunden ist) beginnt zu arbeiten:

1. Er lädt das Ticket und den Kunden: GET /helpdesk_tickets/.json?include=journal_messages liefert das Ticket mit seinem Kontakt und dem E-Mail-Verlauf (Doku).
2. Er wählt Kategorie, Priorität, Produkt und Bearbeiter ausschließlich aus den Werten, die in Ihrem Redmine existieren, und erkennt zusätzlich die Sprache und die Stimmung des Kunden.
3. Er nutzt die Suche aus Schritt 1, um ähnliche gelöste Tickets zu finden, und schreibt einen Antwortentwurf.
4. Er speichert die Felder und fügt den Entwurf als private Notiz hinzu – in einem einzigen Aufruf der regulären Issues-REST-API.

PUT /issues/4812.json
{
  "issue": {
    "category_id": 7,
    "priority_id": 4,
    "assigned_to_id": 23,
    "notes": "AI triage: billing, EN, customer frustrated (3rd ticket this month). Similar: #3310.\n\nDraft reply:\nHi Anna, thanks for the details. The duplicate charge on invoice #1045 ...",
    "private_notes": true
  }
}

Hinweis: Ihr Support-Team betreut möglicherweise verschiedene Kundensegmente. Jedes Segment erzeugt seine eigene Art von Anfragen – Zahlungen, Fehlerbehebung, Feature-Wünsche, Ausfälle und so weiter. Ein Agent-Service kann diese Anfragen triagieren und priorisieren und bei einem Ticket mit SLA (etwa einem Ausfall) zusätzlich eine Benachrichtigung über Slack oder Telegram senden. So erhalten Sie mit der Zeit immer präzisere Antworten.

Der Engineer öffnet ein bereits einsortiertes Ticket, überarbeitet den Entwurf und sendet ihn wie gewohnt mit aktivierter Option Notiz senden. Eine Notiz ohne dieses Häkchen ist nur für Ihr Team sichtbar, sodass der Kunde nie einen ungeprüften Entwurf sieht. Wenn Sie Ihre Support-Warteschlange bereits auf einem Board verwalten, landen die einsortierten Tickets automatisch in den richtigen Spalten Ihres Agile-Helpdesks.

Regeln für einen sicheren Betrieb

• Geschlossene Listen. Übergeben Sie dem Modell die genauen IDs Ihrer Kategorien, Prioritäten und Bearbeiter und verwerfen Sie jede andere Antwort.
• Noch kein automatisches Senden. In diesem Schritt schreibt der Agent-Service ausschließlich private Notizen über die reguläre Issues-API. Er ruft nie den Antwort-Endpunkt des Helpdesks auf, daher geht nichts per E-Mail hinaus.
• Keine Schleifen. Die eigene Aktualisierung des Agenten löst einen weiteren Webhook aus. Abonnieren Sie nur die Ticketerstellung oder überspringen Sie Ereignisse des Bot-Benutzers.

Hinweis: Das Tor zu Schritt 4. Arbeiten Sie 2 bis 4 Wochen in diesem Modus und protokollieren Sie jeden Entwurf. Erfassen Sie für jede Kategorie, wie oft der Engineer den Entwurf ohne oder mit nur geringen Änderungen gesendet hat. Diese Zahl entscheidet, wo Automatisierung sicher ist.

Helpdesk-Plugin holen

Schritt 3: Berichte, die Ihr Support-Team anfordern kann

In Schritt 3 arbeitet der Agent für die Personen, die den Support leiten. Er verwandelt Ihre Helpdesk-Historie in Antworten für Manager und sendet weiterhin nichts an Kunden – ein sicherer Schritt vor jeder Automatisierung.

Integrierte Berichte beantworten die Fragen, an die jemand im Voraus gedacht hat. Mit einem KI-Assistenten, der über den MCP-Server des AI-Agent-Plugins mit Ihrem Redmine verbunden ist, kann eine Support-Leitung den benötigten Bericht in natürlicher Sprache beschreiben, und der Assistent erstellt ihn aus den Helpdesk-Daten: Abfrage, Zahlen und Diagramme.

Zum Beispiel: „Zeige die Erstreaktions- und Lösungszeit für das Projekt RedmineSaaS: Median und P90, den Anteil der innerhalb von 4 Stunden beantworteten Tickets, wie viele mit einer einzigen Antwort gelöst wurden und wie sich die Erstreaktionszeit über die Jahre verändert hat.“

Das Ergebnis ist ein funktionierender Bericht, keine einmalige Antwort:

• Kernkennzahlen, die im Support zählen: Median und P90 der Erstreaktion, Anteil innerhalb von 4 Stunden beantwortet, mediane Lösungszeit, Lösung mit einer Antwort.
• Verteilungen statt nur Durchschnittswerte. Sie zeigen den Long Tail: Tickets, die länger als 48 Stunden warten oder wochenlang offen bleiben.
• Trends im Zeitverlauf, damit Sie sehen, ob ein neuer Prozess oder der KI-Agent die Zahlen tatsächlich bewegt hat.
• Filter nach Projekt, Zeitraum und Intervall, die das Team ändern und erneut ausführen kann.

Anschließend erklärt der Agent, was er sieht: welche Kunden oder Kategorien den langsamen Long Tail verursachen, wo die Erstreaktionszeit in die Höhe schießt und welche wiederkehrenden Fragen einen Wissensdatenbank-Artikel verdienen. So wird aus einem Bericht eine To-do-Liste für die nächste Woche.

Hinweis: KI-generierte Berichte verwenden dieselben Redmine-Berechtigungen wie alles andere. Ein Manager sieht die Projekte, auf die er in Redmine Zugriff hat, und nichts darüber hinaus.

Schritt 4: Ein First-Level-Agent, der handelt

In Schritt 4 löst der Agent einen Teil der eingehenden Tickets selbstständig, aber nur in den Kategorien, in denen er sich in Schritt 2 bewährt hat.

Hinweis: Schritt 4 befindet sich noch in der Konzeption. Was wir bauen und wann, hängt von den Testergebnissen der Schritte 1 bis 3 ab.

Was der Agent tut

• Liest Anfragen aus den Kanälen, die das Helpdesk-Plugin sammelt: E-Mail und das Helpdesk-Widget. Messenger wie Telegram lassen sich über eine individuelle Integration anbinden, die Tickets über die Helpdesk-API erstellt.
• Beantwortet typische Fragen aus der Wissensdatenbank mithilfe der Suche aus Schritt 1 und antwortet über die Helpdesk-API (POST /helpdesk/email_note.json, Doku).
• Führt einfache Aktionen über APIs aus: prüft den Status einer Bestellung oder Lizenz, sendet einen Download-Link, verlängert eine Testphase.
• Übergibt das Ticket an eine Person, wenn er unsicher ist oder die Anfrage ungewöhnlich ist, mit einer kurzen Zusammenfassung: „Der Kunde hat A und B bereits ausprobiert; die wahrscheinliche Ursache ist C.“

Einführung in drei Stufen

1. Nur Entwürfe. Das ist Schritt 2. Hier entsteht die Genauigkeitsstatistik für jede Kategorie.
2. Automatische Antworten in eng gefassten Kategorien, in denen die Genauigkeit nachgewiesen ist: Passwort-Resets, „Wo ist meine Rechnung“, „Wie installiere ich“.
3. Kategorie für Kategorie erweitern, jedes Mal auf Grundlage der Zahlen.

Immer an eine Person übergeben, wenn

• die Konfidenz des Agenten niedrig ist oder die Frage keiner bekannten Kategorie entspricht;
• der Kunde verärgert ist oder über Rückerstattungen, rechtliche Fragen oder einen Sicherheitsvorfall schreibt;
• der Kunde als VIP markiert ist oder einen Premium-SLA hat;
• der Kunde antwortet, dass die Antwort nicht geholfen hat. Dann geht das Ticket mit dem vollständigen Verlauf an eine Person.

Routinefragen werden innerhalb von Minuten beantwortet, Tag und Nacht, und Ihre Engineers gewinnen mehr Zeit für die Probleme, die sie wirklich brauchen.

Schritt 5: Den Rest des Unternehmens anbinden

In Schritt 5 sieht der Agent den ganzen Kunden, nicht nur das Ticket: Verträge, Rechnungen, SLA, Monitoring-Alarme und frühere Gespräche aus den Systemen rund um Redmine.

Die Kundengeschichte

Mit den Plugins CRM und Helpdesk liefert ein einziger Aufruf den Großteil des Bildes: GET /contacts/.json?include=notes,issues,deals (Doku). Der Agent macht daraus die Geschichte eines Kunden: wer die Person ist, ihr Unternehmen und ihre Rolle, die Ticket-Historie, offene Deals und ein Health Score.

Hier ein reales Beispiel. Ein KI-Assistent, der über den MCP-Server mit Redmine verbunden ist, liest die Korrespondenz mit einem Kunden und fügt der Kontaktkarte Tags hinzu: Branche, Land, Position im Unternehmen und so weiter. Niemand füllt diese Felder von Hand aus: Der Assistent speichert die Tags mit dem Kontakt-Tool des CRM-Plugins im Rahmen der Berechtigungen des Benutzers, der ihn verbunden hat. So können Sie Kontakte sofort danach filtern und Segmente bilden.

Derzeit arbeiten wir daran, die Zugriffsrechte zu trennen, damit der Agent jeder Person nur die Kundendaten zeigt, die sie in Redmine sehen darf. Sobald das fertig ist, können Sie:

• in Sekunden ein kurzes Briefing zu einem Kunden erhalten;
• den LTV des Kunden sehen;
• Kunden automatisch segmentieren;
• die Kundengeschichte in eine Case Study verwandeln.

Berechnen Sie Score und LTV im Code anhand klarer Regeln, etwa Ticket-Trend, offene dringende Tickets, die in Schritt 2 erfasste Stimmung, Deal-Phase und überfällige Rechnungen. Lassen Sie das Modell das Ergebnis dann in einfachen Worten erklären. Die Zahl bleibt reproduzierbar, und die Erklärung sagt den Mitarbeitern, was zu tun ist. Lesen Sie, wie DataCycle CRM und Agile kombiniert hat, um eine einheitliche Sicht auf seine Kunden zu erhalten.

Was Sie für den Start brauchen

Das AI-Agent-Plugin erfordert Redmine 6.1 oder höher und Ruby 3.2 oder neuer. Wenn Ihr Redmine älter ist, ist das ein guter Grund für ein Update: Sie erhalten eine aktuelle, unterstützte Version des Trackers und die Webhooks von Redmine 7, auf denen die oben beschriebenen Schritte aufbauen.

Falls das Upgrade Probleme bereitet, schreiben Sie uns. Unser Expertenteam prüft Ihre Redmine-Umgebung und empfiehlt den besten Weg für die KI-Transformation Ihres Helpdesks.

Werden Sie Teil der Pilotgruppe

In naher Zukunft stellen wir eine Gruppe von Kunden zusammen, die intensiv mit Helpdesk arbeiten und ihre Support-Kennzahlen auf dieselbe Weise verbessern möchten: schnellere Erstreaktion, kürzere Lösungszeit und weniger Routinetickets für Engineers. Wenn das nach Ihrem Team klingt, schreiben Sie uns, und wir erklären Ihnen, wie Sie teilnehmen können.