
Gladly hat kein Prioritätsfeld. Wer als Nächstes Hilfe bekommt, ergibt sich aus vier Ebenen: Kanalstufe, People-Match-Boost-Punkte, Fälligkeitsdatum und das älteste Fälligkeitsdatum als Tiebreaker. Keine davon wird, soweit Gladlys Hilfe-Center es sagt, von Gladly AI festgelegt. Die KI antwortet zuerst, und die SLA-Uhr startet erst bei der Übergabe, also prägen deine Übergabegründe die Warteschlange mehr als jede Rule. eesel hat keinen Gladly-Connector, aber sein AI-Helpdesk-Teammitglied übergibt dringende Tickets an Menschen in Freshdesk, Zendesk und Gorgias.
Mit der eesel CLI kann ein KI-Coding-Agent genehmigte Eskalationsregeln als Wissen hochladen und Testfragen stellen, bevor etwas live geht. Einen Helpdesk zu verbinden braucht weiterhin die Freigabe eines Admins.
Hat Gladly ein Prioritätsfeld?
Nein, und das ist das Erste, das man verlernen muss, wenn man aus einem Ticket-Tool kommt. In Zendesk oder Freshdesk setzt man Low, High oder Urgent auf ein Ticket und sortiert eine Ansicht danach. Gladlys Routing-Überblick beschreibt etwas anderes: Arbeit wird nach Kanalstufe geordnet, dann nach selbst gebauten Scores, dann nach einem Fälligkeitsdatum, das die SLA erzeugt.
Ich baue und betreibe KI-Agenten bei eesel, also achte ich beim Lesen der Doku eines Anbieters auf zwei Dinge: welches Feld die Reihenfolge bestimmt, und wer es befüllt. Bei Gladly lautet die Antwort: "niemand befüllt eine Priorität; du setzt sie aus Einstellungen zusammen." Das ist eine Designentscheidung, keine Auslassung, und sie passt zu einem kundenorientierten Modell. Es bedeutet aber, dass du wissen musst, welche Einstellung gewinnt, wenn zwei sich widersprechen.

Für die Routing-Seite (Inboxes, Entry Points, Skills) geht mein Beitrag Gladly AI conversation routing tiefer. Dieser hier bleibt bei einer Frage: was eine Konversation vorrücken lässt.
Wie setzt die Kanalstufe die Grundlinie?
Sie ist die stärkste Ebene, und du kannst sie nicht einstellen. Gladlys Seite routing priority by channel gibt eine feste Reihenfolge vor: zuerst Telefonkunden, dann Messaging (Chat, SMS, Facebook Messenger), dann Email, Tasks und Voicemail. Gladlys genannter Grund: Menschen auf Echtzeit-Kanälen erwarten, Minuten zu warten, nicht Stunden.
Ist ein Agent für mehrere Kanäle verfügbar, wird ihm Telefon- und Messaging-Arbeit angeboten, solange sie wartet, vor Email. Eine Rule kann Kanäle nicht umsortieren: Gladlys Seite Rules limitations sagt, man kann zum Beispiel nicht immer eine SMS vor eine Chat-Nachricht routen.
Das hat einen praktischen Effekt auf die Personalplanung. Ein stetiger Chat-Strom kann Email in derselben Inbox warten lassen, solange niemand nur für Email verfügbar ist. Eine eigene Email-only-Inbox ist die Lösung, zu der ich greifen würde. Meine Notizen zu Zendesk priority by channel zeigen denselben Kompromiss in einem Ticket-Tool, wo man es wenigstens pro Kanal einstellen kann.
Wie entscheidet das Fälligkeitsdatum über die Reihenfolge?
Innerhalb einer Kanalstufe gilt standardmäßig: ältestes Fälligkeitsdatum zuerst. Ein Fälligkeitsdatum ist der Kontaktzeitpunkt plus die SLA, ein Kontakt um 10 Uhr mit einer Fünf-Minuten-SLA ist also um 10:05 fällig. Gladlys Seite How SLA Impacts Routing legt die Regeln dar, drei davon sind es wert, sie sich zu merken:
- Entry-Point-SLA schlägt Inbox-SLA. Existieren beide, gewinnt der Entry Point, sodass eine 15-Minuten-Telefon-SLA innerhalb einer Inbox mit einer 24-Stunden-SLA sitzen kann.
- Das frühere Datum gewinnt immer. Ein neuer Kontakt in einer offenen Konversation vergleicht sein mögliches Fälligkeitsdatum mit dem bestehenden und behält das frühere.
- Eine Verschiebung kann die Uhr verkürzen. Verschiebt eine Rule oder ein Agent eine Konversation in eine andere Inbox, gilt die kürzere der beiden SLAs.

Gladlys Beispiel macht das konkret. Ein Kunde schreibt die General Inbox (24-Stunden-SLA) am Montag um 10 Uhr an, das Fälligkeitsdatum ist also Dienstag 10 Uhr. Eine Rule erkennt etwas Dringendes und verschiebt die Konversation in eine Escalations-Inbox mit einer Ein-Stunden-SLA. Das neue mögliche Fälligkeitsdatum ist Montag 11 Uhr, und weil das früher ist, gewinnt es.

Dieses Muster, eine Escalation-Inbox mit kurzer SLA, ist das Nächste, was Gladly zu "das hier ist dringend" hat. Es funktioniert für die Ticket-Eskalation, weil es kein neues Feld braucht. Es bedeutet auch, dass das Signal, das es auslöst, etwa ein Keyword im Nachrichtentext, aus einer selbst geschriebenen Rule kommen muss.
Was stoppt die Uhr?
Gladlys Aktion No Reply Needed stoppt den SLA-Countdown für einen Kontakt. Ein Kunde, der nach deiner Bitte um ein Foto "Klar, mach ich!" schreibt, sollte keinen grünen Punkt und eine laufende Uhr zurücklassen. Bedeutet die letzte Nachricht, dass die Konversation geschlossen werden kann, schließe sie. Schuldest du dem Kunden noch etwas, markiere den Kontakt als No Reply Needed und lass die Konversation offen.
Zwei Grenzen sind es wert, sie zu kennen. Eine Rule, die auf "Konversations-Fälligkeitsdatum ist überfällig" aufbaut, gilt nicht für Konversationen im Status Waiting, und laut Gladly müssen die manuell von einer Person bearbeitet werden. Und zeitbasierte Trigger sind nicht rückwirkend, eine neue Overdue-Rule rührt also Konversationen nicht an, die den Schwellenwert schon überschritten haben.
Wie lassen Priority Boosts einen Kunden vorrücken?
People Match ist, wo Gladly einem Prioritäts-Score am nächsten kommt. Du schreibst Szenarien in einem Rules-ähnlichen Bildschirm namens Priority Boost, gibst jedem eine Größe, und die passenden Szenarien eines Kunden summieren sich. Wird ein Agent frei, kommt der wartende Kunde mit dem höchsten Gesamtwert zuerst. Die Größen sind Small (1 Punkt), Medium (3), Large (5) und Very Large (10).

Die Bedingungen, auf die du werten kannst, von Gladlys Bedingungsseite:
| Bedingung | Was sie prüft | Wissenswert |
|---|---|---|
| Skills | Agent-Skills, die zum Kunden passen | Additiv, keine Garantie |
| Channel | Chat, Email, SMS, Messenger, WhatsApp, Instagram, Voicemail | Voice und Tasks werden nicht unterstützt |
| Inbox | Die Inbox, in der die Konversation liegt | Ein Inbox-only-Boost trifft alles darin |
| Transfer status | Erster Match oder Rematching | Rematching schützt einen Kunden, dem schon einmal geholfen wurde |
| Due date | Fällig in, überfällig, überfällig um | Ignoriert Geschäftszeiten |
| Wait time | Länger oder kürzer als ein Schwellenwert | Ignoriert Geschäftszeiten |
| Topics | Eines oder alle aus einer Menge | Topics können von Menschen, Rules oder KI hinzugefügt werden |
| Custom attributes | Werte aus deinem Lookup, etwa VIP-Stufe oder Ausgaben | Greift womöglich nicht, wenn sofort ein Agent frei ist |
Zwei Punkte hier zählen mehr als der Rest. Erstens: Gladlys eigene Doku sagt, geboostete Emails routen immer vor Tasks, egal welches Fälligkeitsdatum der Task hat, ein breiter Boost kann Tasks also leise begraben. Gladlys Leitfaden zum Boost-Design nennt die üblichen Verursacher: einen Inbox-only-Boost und einen flachen Boost, der allem dieselbe Größe gibt. Zweitens verändert People Match die SLAs: Gladly sagt, man solle erwarten, diese Ziele nicht immer zu treffen, und schlägt vor, Erfolg stattdessen an CSAT, Customer Lifetime Value, Bestellwert und First Contact Resolution zu messen.
Wie halten zeitbasierte Boosts nicht geboostete Kunden davon ab, ewig zu warten?
Indem sie das Warten selbst bewerten. Gladlys Seite time-based boosts zeigt drei Beispiele: einen Chat-Boost, wenn ein Kunde 10 Minuten über einer Fünf-Minuten-SLA liegt, einen kleinen Boost auf Messaging nach zwei Stunden und einen mittleren Boost auf Email nach zwei Tagen gegen eine 12-Stunden-SLA. Du kannst auch alles Überfällige mit einem Szenario über alle Kanäle hinweg boosten.

Auch ohne konfigurierten Boost brechen Fälligkeitsdaten Gleichstände zwischen Kunden mit demselben Score oder ganz ohne. Diese Vorgabe ist es, die einen stillen Kunden davor bewahrt, hinter einem Strom geboosteter Kunden zu warten. Das zählt, weil G2-Rezensenten eine steile Lernkurve beschreiben, ein erstes Boost-Setup ist also selten perfekt. Noch ein Haken: Die Bedingungen Due Date und Wait Time prüfen keine Geschäftszeiten, Gladly schlägt deshalb vor, zeitbasierte Boosts vorübergehend abzuschalten, wenn ein Montagmorgen mit frischen Kunden starten soll.
"Now, because Gladly unifies every interaction under a single customer profile, we're able to serve customers more efficiently and consistently meet our SLAs."
Legt Gladly AI die Konversationspriorität fest?
Nicht nach allem, was ich in Gladlys Hilfe-Center gefunden habe, und ich habe dafür die Seiten zu AI, Rules, People Match und SLA gelesen. Die Reihenfolge zählt mehr als die Feature-Liste. Gladly AI übernimmt zuerst, und Gladlys SLA-Seite sagt, dass die Nachrichten in diesem Fall "are not considered as routed and queued", die SLA-Uhr startet also erst nach der Übergabe. Rules greifen auch nicht bei Nachrichten, während die KI sie bearbeitet, eine Grenze, die ich in Gladly AI conversation routing behandelt habe.

Drei KI-Features liegen nah an der Priorität, ohne sie festzulegen:
- Enhanced Automatic Topics (Beta). Gladly AI fügt einmalig bis zu 1 bis 5 Topics hinzu, kurz vor einer Übergabe oder bei Resolution, und die Doku sagt, sie "flow into your Rules, routing, and reporting". Ein Topic kann dann eine People-Match-Bedingung sein. Das ist die Verbindung zwischen KI und Priorität, aber eine Person muss den Boost bauen, der sie nutzt.
- Signals. Es bewertet KI-bearbeitete Sessions gegen selbst definierte Kriterien. Die Doku sagt, es sei kein Echtzeit-Alert, es kann also sagen, was letzte Woche passiert ist, nicht die heutige Warteschlange umsortieren.
- Session Intent (Gladly). Ein verwalteter Signal, der KI-Sessions in Sales, Service, Mixed oder None einsortiert. Gladly beschreibt es als eine Sicht darauf, wofür Shopper zur KI kommen.
Ich habe auch SupporTrends gefunden, das Gladlys Doku als Nutzung von KI und NLP zur Analyse der Kundenstimmung nach Abschluss einer Konversation beschreibt. Es ist ein Analysetool, keine Steuerung der Warteschlange. Für die Stimmungsseite deckt mein Beitrag Gladly AI sentiment analysis das ab.
Mein Fazit: Was Gladly KI nennt, deckt Antworten, Zusammenfassen und Taggen ab. Priorität bleibt etwas, das du konfigurierst, was fair ist. Es hält die Reihenfolge der Arbeit für eine Führungskraft erklärbar, die sie verteidigen muss, und ein Modell, das Dringlichkeit rät, wäre schwer zu prüfen. Das würde ich nicht als Grund nehmen, das Übergabe-Design zu überspringen: die AI agent handoff best practices, die ich geschrieben habe, gelten direkt, denn "die KI übergibt das" ist der Moment, in dem Dringlichkeit für deine Warteschlange sichtbar wird.
Wie würde ich Gladly-Priorisierung einrichten, Schritt für Schritt?
- SLAs pro Entry Point setzen, bevor alles andere kommt. Eine 15-Minuten-Chat-SLA und eine 12-Stunden-Email-SLA bewirken mehr als jeder Boost.
- Übergabegründe als Nächstes definieren. Rechtliche Drohungen, eine Bitte um einen Menschen und alles mit hohem Wert gehen früh an einen Menschen, laut Gladlys Übergabe-Setup.
- Eine Escalation-Inbox mit kurzer SLA hinzufügen und eine Rule, die überfällige oder sensible Konversationen dorthin verschiebt.
- Ein oder zwei Boosts hinzufügen, nicht zehn. Ein Kundenattribut (VIP-Stufe) mit einer einengenden Bedingung koppeln, damit es nicht alles trifft.
- Einen Overdue-Boost über alle Kanäle hinweg hinzufügen, damit nicht geboostete Kunden nicht endlos warten.
- Wöchentlich überprüfen. Prüfen, ob Tasks überfällig sind, während Emails weiter routen, Gladlys eigenes Symptom für zu breite Boosts.
Für die Überlegungen hinter Schritt 2 und 6 siehe meine Leitfäden zu ticket triage automation und reviewing AI conversations.
Wo bleibt Gladlys Priorisierung hinter dem Nötigen zurück?
| Lücke | Was Gladlys Doku sagt | Warum das zählt |
|---|---|---|
| Kein Prioritätsfeld | Reihenfolge kommt aus Kanal, Boosts und Fälligkeitsdatum | Nichts, wonach man eine Ansicht direkt sortieren oder berichten kann |
| Feste Kanalreihenfolge | Rules können keinen Kanal vor einen anderen stellen | Chat kann Email in einer gemeinsamen Inbox aushungern |
| Voice und Tasks | People Match greift nicht; geboostete Email schlägt Tasks | Telefon hat die höchste Priorität und ist am wenigsten einstellbar |
| Geschäftszeiten | Due-Date- und Wait-Time-Boosts ignorieren sie | Ein Text mitten in der Nacht kann bis zum Morgen überfällig wirken |
| KI und Dringlichkeit | KI fügt Topics erst am Ende einer Session hinzu | Dringlichkeit erreicht die Warteschlange erst nach der Übergabe |
| Status Waiting | Overdue-Rules greifen nicht | Hängende Konversationen brauchen einen Menschen |
Das sind Kompromisse eines konversationsorientierten Modells, keine Mängel. Dasselbe Design, das Agents einen Thread pro Kunde gibt, ist der Grund, warum Gladly dich Dringlichkeit aus Einzelteilen bauen lässt. Brauchst du ein ticket-artiges Prioritätsfeld und ein klar formuliertes Regelwerk, sind Gladly alternatives und Kustomer vs Gladly die Vergleiche, bei denen ich anfangen würde.
Wie gehen andere Helpdesks mit KI-Ticket-Priorisierung um?
Gladly ist nicht allein damit, das Feld den Menschen zu überlassen. Ich habe drei andere mit derselben Frage geprüft:
- Kustomer. Priorität kommt aus Skills-basiertem Routing, ohne separate KI-Prioritätseinstellung: siehe Kustomer AI ticket prioritization.
- Help Scout. Es hat kein natives Prioritätsfeld, Teams nutzen also ein Custom Field in höheren Plänen: siehe Help Scout AI ticket prioritization.
- HubSpot. Es liest Priorität für SLA-Ziele und die Warteliste, aber ich habe keine KI-Einstellung gefunden, die sie festlegt: siehe HubSpot help desk ticket prioritization.
Für die allgemeine Methode legt AI ticket prioritization die Signale dar, die ein Agent lesen kann, und Freshdesk VIP priority scenarios zeigt eine feldbasierte Version.
Wo passt eesel hin, wenn du Gladly nutzt?
Ehrlich gesagt, nicht hinein. eesel hat keinen Gladly-Connector: seine Helpdesk-Integrationen nennen Zendesk, Freshdesk, Gorgias, HubSpot, Help Scout, Front und mehr, und Gladly steht nicht auf der Liste. Gladlys eigene KI ist dort die Ebene, die man nutzt, und die obigen Prioritätskontrollen sind der Teil, den man konfiguriert.
Wo eesel greift, arbeitet es als KI-Helpdesk-Teammitglied in der Warteschlange, die schon da ist, und der nützliche Teil dafür ist die Übergabe. SE Ranking betreibt eesel auf Zendesk für drei Produkte, mit einem Agent pro Produkt. Im Monat vom 8. August bis zum 8. September 2026 hat es rund 4.650 Konversationen bearbeitet, 2.100 davon Live-Chats, die eesel zuerst beantwortet hat, und rund 1.260 Chats an das Team übergeben. Rückerstattungen, Testverlängerungen und Bitten um einen Menschen gehen mit Namen und Email des Kunden an Menschen, und Fragen zu Datenqualität, White Label, Audit und API werden zu Tier-2-Tickets mit angehängten Belegen.
Das ist dieselbe Disziplin wie eine Gladly-Escalation-Inbox: der Agent entscheidet, wann er aufhört, und die Warteschlange entscheidet, wer als Nächstes dran ist. Das Team bat außerdem um einen ai_handled-Tag auf jedem Ticket, das eesel berührt, damit Containment in Zendesk gezählt wird, statt geraten zu werden, eine Gewohnheit, die ich in jedes Gladly-Topics-Setup übernehmen würde. Weiterlesen: AI escalation management, chatbot escalation und AI support agent permissions.
eesel neben deinem Helpdesk ausprobieren
Lebt deine Warteschlange in Zendesk, Freshdesk, Gorgias, Front oder HubSpot statt in Gladly, reiht sich eesel als KI-Helpdesk-Teammitglied ein: es taggt Tickets, entwirft oder beantwortet, wo du es erlaubst, und übergibt dringende oder sensible Fälle mit Kontext an einen Menschen.
Im Entwurfsmodus starten, an vergangenen Tickets testen, dann den Umfang erweitern. Siehe Preise oder eesel testen.