E-Mail- & Dateiextraktion zu CSV

Dieser Workflow ist darauf ausgelegt, die Extraktion, Strukturierung und Verwaltung von Daten aus E-Mails und zugehörigen Dokumenten wie Dateianhängen und URLs zu automatisieren. Er nutzt fortschrittliche Sprachmodelle und Prompt Engineering, um unstrukturierte Informationen zu verarbeiten und strukturierte Zusammenfassungen auszugeben. Das macht ihn besonders nützlich für Aufgaben wie E-Mail-Triage, Kundensupport oder groß angelegte Datenextraktion aus Kommunikationskanälen.

Übersicht

Der Flow verbindet mehrere Komponenten, die Benutzereingaben, Datei- und URL-Inhaltsabruf, Prompt-Erstellung, LLM-Verarbeitung, agentenbasiertes Reasoning und strukturierte Datenausgabe übernehmen. Die wichtigsten Vorteile sind Skalierbarkeit, Automatisierung und die Fähigkeit, komplexe oder umfangreiche Datenextraktionsaufgaben mit minimalem manuellen Aufwand zu bewältigen.

Schritt-für-Schritt-Prozess

1. Benutzereingaben und Anhänge

• Chat-Eingabe: Der Workflow beginnt mit der Annahme der Benutzereingabe (eine E-Mail oder Nachricht) und optionaler Dateianhänge über eine Chat-Oberfläche.
• Datei-Abruf: Alle angehängten Dateien werden verarbeitet, um deren Textinhalt zu extrahieren. Dabei werden Strategien wie OCR (falls nötig) und Token-Limits zur Effizienzsteigerung verwendet.

2. Kontextanreicherung

• URL-Abruf: Der Workflow kann auch Inhalte von angegebenen URLs abrufen, die Informationen für nachgelagerte Verarbeitung parsen und in Abschnitte aufteilen. Dies ist nützlich, wenn E-Mails auf externe Ressourcen oder Wissensdatenbanken verweisen.

• Chatverlauf: Das System speichert die letzten 5 Chatnachrichten (bis zu 800 Token), um Kontext für besseres Verständnis und Kontinuität zu liefern.

3. Prompt Engineering

• Prompt-Vorlagen: Der Workflow verwendet Vorlagen, um Prompts für das LLM und den Agenten dynamisch zu erstellen. Dabei werden einbezogen:

  • Die E-Mail-/Nachrichteninhalte
  • Extrahierter Dateiinhalte
  • Chatverlauf als Kontext
  • Systemanweisungen

  Diese Prompts sind darauf ausgelegt, die Fähigkeit des LLM zu maximieren, die eingehenden Informationen zu verstehen und zu strukturieren.

4. LLM- und Agenten-Orchestrierung

• Google Gemini LLM: Der Workflow nutzt Gemini 2.5 Flash für hochwertige Sprachverarbeitung und -generierung, mit einer Temperatur von 0 für deterministische Ausgaben.

• Tool Calling Agent: Ein fortschrittlicher Agent erhält den zusammengestellten Prompt, Chatverlauf und Tools (wie Datei-/URL-Abruf) um:

  • E-Mail-Daten zu prüfen und zu organisieren
  • Relevante Informationen zu extrahieren und zu strukturieren
  • Einen umfassenden Überblick auf Basis von E-Mails und Anhängen zu liefern
  • Bei Bedarf externes Wissen über Tools zu nutzen

  Der Agent wird durch eine Systemnachricht darauf ausgerichtet, Effizienz und Datenstrukturierung zu priorisieren.

5. Strukturierung und Ausgabe

• Generator für strukturierte Ausgabe: Die Antwort des Agenten, zusammen mit zusätzlichem Kontext, wird durch einen weiteren Prompt und das LLM (ebenfalls Gemini) geleitet, um eine strukturierte Ausgabe zu erzeugen. Die erforderlichen Felder sind:

  • Benutzername: Name des Nutzers
  • E-Mail: E-Mail-Adresse des Patienten
  • Nachricht: Die in der E-Mail erwähnte Nachricht

• CSV-Ausgabe: Die strukturierten Daten werden anschließend als CSV-Datei exportiert, um sie einfach weiterzuverarbeiten, zu analysieren oder in andere Systeme zu importieren.

6. Nutzer-Feedback

• Chat-Ausgabe: Der Workflow stellt auch die Übersicht und Antworten des Agenten als Chat-Antwort zur Verfügung, sodass der Nutzer umgehend Feedback erhält.

Komponenten-Übersichtstabelle

Anwendungsfälle und Vorteile

• Skalierbarkeit: Automatisiert wiederkehrende Datenextraktion und -strukturierung aus E-Mails und Dokumenten und reduziert so den manuellen Aufwand.
• Konsistenz: Nutzt LLMs und Prompt-Vorlagen für eine einheitliche Verarbeitung großer Datenmengen.
• Erweiterbarkeit: Passt sich leicht an neue Eingabetypen (Dateien, URLs) und Ausgabeformate (strukturierte Objekte, CSV) an.
• Automatisierung: Geeignet für Kundensupport, Verarbeitung von Krankenakten oder jeden Workflow, der strukturierte Daten aus unstrukturierten Quellen benötigt.

Warum dieser Workflow nützlich ist

Dieser Workflow reduziert den Zeit- und Arbeitsaufwand erheblich, der erforderlich ist, um umsetzbare, strukturierte Daten aus E-Mails und deren Anhängen zu extrahieren. Er ist hoch skalierbar – in der Lage, mehrere Nachrichten und Dateitypen in großen Mengen zu verarbeiten – und automatisiert einen Prozess, der sonst erhebliche menschliche Anstrengungen erfordern würde. Durch die Integration fortschrittlicher LLMs, Tool-Agenten und Prompt Engineering wird sowohl hohe Präzision als auch Anpassungsfähigkeit gewährleistet. Das macht ihn zu einem leistungsstarken Werkzeug für Unternehmen und Organisationen, die ihre Informationsverarbeitungsprozesse optimieren möchten.