
Gladly routet nach Kunde, nicht nach Ticket: Eine Konversation kommt über einen Entry Point herein, landet in einer Inbox und geht an einen verfügbaren Agent, wobei Rules und People Match über Reihenfolge und Empfänger entscheiden. Die KI sitzt vor all dem, und Gladlys Doku sagt, dass Rules nicht greifen, solange die KI eine Konversation bearbeitet. Also entscheiden Übergabegründe, nicht Rules, was zuerst in deiner Warteschlange landet. People Match bewertet nur Email und Messaging, nie Voice oder Tasks. eesel hat keinen Gladly-Connector; sein Helpdesk-Teammitglied arbeitet stattdessen in Tools wie Freshdesk und Gorgias.
Ich arbeite bei eesel täglich in der Support-Warteschlange, deshalb prüfe ich bei jedem KI-Tool zuerst das Routing: Was tut es, bevor ein Mensch die Konversation sieht? Um das zu beantworten, habe ich Gladlys Hilfe-Center von vorne bis hinten gelesen. Mit der eesel CLI kann ein Coding-Agent genehmigte Routing- und Eskalationsrichtlinien als Wissen hochladen, dann Testfragen stellen und die Antworten prüfen, bevor etwas live geht. Einen Helpdesk zu verbinden braucht weiterhin jemanden mit Admin-Zugriff, der zustimmt.
Wie routet Gladly eine Konversation?
Gladlys Routing-Überblick stellt sich gegen ticketbasierte Tools, bei denen jeder Kanal ein eigenes Ticket erzeugen kann und mehrere Agents an einem Fall landen. Bei Gladly ist das Kundenprofil die Einheit, und eine Konversation wird jeweils einem Agent zugewiesen.
Der Standardablauf, laut Gladlys Seite How Routing Works:
- Der Kunde meldet sich über einen Kanal.
- Gladly prüft den Kanal. Dedicated-Hero- und People-Match-Logik läuft, falls genutzt.
- Der Lookup Adaptor ruft benutzerdefinierte Attribute aus Systemen wie Shopify ab.
- Rules laufen und können den Kontakt in eine andere Inbox verschieben oder einen Agent zuweisen.
- Ist ein Agent in dieser Inbox verfügbar, wird ihm die Konversation angeboten oder zugewiesen.
Gladly beschreibt das als Push-und-Pull-Modell. Die Engine schiebt Arbeit an verfügbare Agents, und Agents holen sich mehr, indem sie auf Next klicken. Über alle Kanäle hinweg ist die Reihenfolge fest: zuerst Telefon, dann Messaging (Chat, SMS, Facebook Messenger), dann Email, Tasks und Voicemail, laut Routing-Priorität nach Kanal. Rules können diese Kanalreihenfolge nicht überschreiben, laut Gladlys Einschränkungen von Rules.
"I also like how all the actions with conversations are tracked so everyone can see what's going on with routing."
Wo sitzt die KI in Gladlys Routing-Reihenfolge?
Davor. Gladlys KI-Agent (früher Sidekick, in der Doku jetzt Gladly AI genannt) ist mit jedem Entry Point verbunden, und du wählst, welcher Agent und welche gespeicherte Version dort antwortet. Du kannst den Traffic zwischen Konfigurationen auch als A/B-Test aufteilen.

Die wichtigste Abfolge ist diese: Die KI antwortet, löst dann entweder oder übergibt, und erst nach einer Übergabe startet der normale Mechanismus.

Rules greifen nicht bei einer Konversation, solange Gladly AI sie bearbeitet. Gladlys Doku listet Keyword-Routing, Topic-Zuweisung, Spam-Filterung und Auto-Close als Rules auf, die bis zur Übergabe warten. Für jemanden, der auf der alten Einrichtung eine saubere Rules-Bibliothek aufgebaut hat, ist das die größte Überraschung.
Was löst eine Übergabe von der KI an einen Menschen aus?
Drei Dinge, laut Gladlys Einrichtungsseite When to get more help:
- Globale Gründe. Die Standardwerte sind eine rechtliche Drohung, eine ausdrückliche Bitte um einen Menschen und eine Sprache außer Englisch. Gladlys Doku sagt sowohl, dass sich die Standardwerte nicht entfernen lassen, als auch, dass sie bearbeitet werden können, also im eigenen Workspace nachsehen.
- Übergaben auf Guide-Ebene. Du schreibst eine Aussage wie "wenn die Bestellung außerhalb des Lieferfensters liegt, dann übergeben" und hängst einen Grund an. Gladlys Seite Author Handoffs sagt, dass der Grund in der Übergabe-Zusammenfassung auf der Conversation Timeline erscheint.
- Unfähigkeit, genau zu antworten. Gladlys Seite agent experience sagt, dass die KI, wenn sie nicht genau antworten kann, eine optionale Übergabe-Nachricht sendet, eine Zusammenfassung schreibt und den Kunden dann an einen Agent routet.
Die Zusammenfassung lässt sich übersetzen, ein Muster, das ich auch in Help Scout Konversationszusammenfassungen behandelt habe, und Gladly prüft Agent-Antworten auf übergebenen Konversationen, um neue Public Answers vorzuschlagen. Trifft ein Sofort-Übergabe-Grund zu, befasst sich die KI gar nicht erst mit der Konversation, sendet aber trotzdem die Übergabe-Nachricht, außer du leerst sie.
Sollen bestimmte Emails nie zur KI gelangen, bieten Gladlys AI FAQs zwei Optionen: sie an eine Adresse ohne KI-Automatisierung richten, oder ein Transfer-Szenario hinzufügen. Das ist Routing nach Adresse, das gleiche Muster wie Freshdesk-Routing nach Gruppe.
Wie entscheiden Inboxes und Entry Points, wo Arbeit landet?
Eine Inbox ist das, was bei Gladly einer Support-Warteschlange oder einem gemeinsamen Posteingang am nächsten kommt. Ein Kunde befindet sich jeweils in einer Inbox, und Agents erhalten nur Arbeit aus Inboxes, zu denen sie gehören. Entry Points, etwa eine Telefonnummer, Email-Adresse oder Chat-Seite, zeigen auf eine Inbox, mit Ausnahmen je Entry Point.

Zwei Details übersieht man leicht. Der SLA lässt sich auf der Inbox oder auf dem Entry Point festlegen, und die SLA-Uhr startet, wenn der Kontakt in die Warteschlange eintritt, nicht erst nach Abschluss der Rules, sodass ein langsamer Lookup an deinem Ziel zehrt, laut Gladlys Seite How SLA Impacts Routing. Und Email-Antworten können an denselben Agent gepinnt werden, solange eine Konversation offen ist, was den Kontext erhält, aber Mail bei einer Person anhäufen kann.
Zum Vergleich lösen Fronts Lastverteilungs-Zuweisung, Gorgias-Zuweisungsregeln und Freshchat-KI-Routing das gleiche Problem mit anderen Stellschrauben. Wer eine Plattform-Tour von einem Nachbarn sucht, findet im Beitrag Salesforce Omni-Channel-Routing den strukturell nächsten Verwandten.
Wie entscheidet People Match, wer den nächsten Kunden bekommt?
People Match ist Gladlys patentgeschützte Routing-Ebene für Email und Messaging. Du baust Priority-Boost-Szenarien, einen Rules-ähnlichen Bildschirm mit Bedingungen und einer Boost-Größe: Small ist 1 Punkt, Medium 3, Large 5, Very Large 10. Die Szenarien eines Kunden summieren sich, und wenn ein Agent frei wird, bekommt ihn der wartende Kunde mit dem höchsten Gesamtwert. Gleichstände und unbewertete Kunden fallen auf das Fälligkeitsdatum zurück.

Zu den Bedingungen zählen Skills, Channel, Inbox, Transfer Status, Due Date, Wait Time, Topics und benutzerdefinierte Attribute. Drei Verhaltensweisen sind gut zu kennen, bevor du baust:
- Scores werden neu bewertet. Wendet ein Agent ein "De-Escalation"-Topic an und schickt den Kunden zurück in eine Inbox, kann der Boost erneut greifen, und eine Rematching-Bedingung verhindert, dass übertragene Kunden wieder hinten anfangen.
- Summen sind unsichtbar. Gladly weist darauf hin, dass aufsummierte Scores nicht im UI angezeigt werden und sich die Punkteskala ändern kann.
- Breite Boosts können Tasks aushungern. Eine geboostete Email routet vor eine ungeboostete Task, egal wie überfällig die Task ist, laut People Match and Voice.
Gladlys Versprechen ist, dass Routing Historie, Situation und Bedarf nutzen kann: VIP-Status, ein abgebrochener Warenkorb, ein stornierter Flug, eine Sprache. Das stimmt, aber beachte, was das Signal erzeugt: deine Rules, Topics und benutzerdefinierten Attribute. Gladlys Doku beschreibt People Match als Szenarien, die du konfigurierst, und ich habe keine Beschreibung gefunden, in der ein Modell selbst den Agent auswählt.
Wann solltest du Skills verwenden, und wann eine eigene Inbox?
Skills ist nur für People Match und wirkt additiv. Gladlys Seite What is Skills? sagt, dass es die Chance auf eine Übereinstimmung erhöht, statt sie zu garantieren, und dass es nur Messaging und Mail abdeckt. Für strikte Anforderungen empfiehlt Gladly selbst einen eigenen Entry Point und eine Inbox, die mit den richtigen Leuten besetzt ist.
Meine Faustregel: Ist eine falsche Zuordnung teuer (Lichtfragen an jemanden, der sich mit Licht nicht auskennt), nutze eine Inbox. Ist es eine Präferenz (spanischsprachige Kunden sollten wenn möglich an spanischsprachige Agents gehen), nutze eine Skill. Vergleiche, wie Freshdesk skill-basiertes Routing und Zendesk Skills-basiertes Routing dieselbe Trennung handhaben, oder meinen Leitfaden KI-Ticket-Routing für E-Commerce für eine auf Shops fokussierte Version.
Wie lassen Topics die KI ins Routing einfließen?
Das kommt KI-gesteuerten Routing-Signalen bei Gladly am nächsten. Enhanced Automatic Topics ist eine Beta, die pro Gladly-Agent aktiviert wird. Am Ende einer Session, direkt vor einer Übergabe oder wenn sie löst, liest die KI das vollständige Transkript gegen deine Topic-Beschreibungen und fügt bis zu 1 bis 5 Topics hinzu. Diese Topics fließen dann wie von Menschen angewendete in Rules, People-Match-Boosts und Reporting ein.
Die Grenzen sind konkret. Jeder Agent hält bis zu 250 aktive Topics mit Beschreibungen unter 250 Zeichen. Topics werden einmal hinzugefügt, am Ende, nicht mitten in der Konversation. Die KI sieht keine Daten, die von Actions wie Bestelldetails zurückgegeben werden, und ihre Wissensdatenbank-Antworten sind getrennt von Topics. Catch-all-Topics wie "Other" funktionieren nicht, Gladly sagt, dass nicht-englische Sessions nicht getestet wurden, und du solltest dich nicht auf Topics verlassen, um Voice zu routen, weil Rules nicht laufen, bevor ein Anruf routet.
Der praktische Punkt: Ein Topic, das die KI vor der Übergabe hinzufügt, kann den Kunden für People Match boosten, und so hängen "KI-Intent-Erkennung" und "Priority-Routing" bei Gladly zusammen. Meine Sicht dazu steht unter Intent-Erkennung fürs Routing, und der Glossareintrag zu Absichtsklassifizierung.
Wie würde ich Gladlys Routing der Reihe nach einrichten?
- Mit Entry Points und Inboxes beginnen. Eine Inbox pro echter Spezialisierung, SLAs je Kanal gesetzt. Das erledigt den Großteil der Arbeit.
- Die KI pro Entry Point verbinden. Beim Testen eine Version fixieren, dann auf Always latest umstellen.
- Übergabegründe vor dem Go-Live schreiben. Die Standardwerte behalten, denen du zustimmst, eigene ergänzen und für die Formulierung Best Practices lesen.
- Rules für den Pfad nach der Übergabe ergänzen. Denk daran, dass sie erst laufen, nachdem die KI loslässt, und schau für Rule-Ideen bei Ticket-Triage-Automatisierung nach.
- People Match zuletzt hinzufügen, ein oder zwei Boosts, mit einem zeitbasierten Boost, damit unbewertete Kunden nicht endlos warten.
- KI-Sessions wöchentlich überprüfen. Schau dir laut Gladlys eigenem Rat die Ergebnisse "handed off" und "did not resolve" an und ergänze oder entferne Übergabegründe.
Mein Leitfaden KI-Support-SLA-Management, der Glossareintrag SLA und KI-Konversationen überprüfen decken Schritt 1 und 6 ausführlicher ab.
Wo hat Gladlys Routing Schwächen?
| Lücke | Was Gladlys Doku sagt | Warum das wichtig ist |
|---|---|---|
| Rules blind für KI-bearbeitete Chats | Rules greifen erst nach der Übergabe | Keyword- und Spam-Rules schützen die KI-Strecke nicht |
| Voice | Anrufe routen vor Rules; People Match und Skills decken Voice nicht ab | Telefon ist der Kanal mit höchster Priorität und am wenigsten einstellbar |
| Kanalreihenfolge | Rules können SMS nicht vor Chat setzen | Die Reihenfolge ist fest: Telefon, Messaging, dann Email und Tasks |
| Tasks | Geboostete Email schlägt eine ungeboostete Task | Breite Boosts können Follow-ups verzögern |
| Geschäftszeiten | SLAs laufen nach Kalenderzeit | Eine SMS um 22 Uhr mit 5-Stunden-SLA ist um 3 Uhr überfällig |
| Skills | Nur additiv | Braucht Inboxes für harte Anforderungen |
| Topics | Beta, nur auf Englisch getestet | Noch kein kritisches Routing darauf aufbauen |
Fair gesagt: Das ist ein Modell, das Kontinuität über strikte Warteschlangen stellt. Gladlys eigene Bewertungen auf G2 erwähnen eine steile Lernkurve und dichte Bildschirme, und der Rat eines Reddit-Praktikers zu KI im Allgemeinen gilt auch hier:
"it makes more sense to let it handle the easy 30-40% of tickets and route everything else to a human."
Bei Gladly heißt das: Deine Übergabe-Liste ist die eigentliche Routing-Richtlinie (und ein regelbasierter Chatbot verhält sich anders als ein Agent), investiere deine Einrichtungszeit also dort. Zu Deflection-Zahlen und Omnichannel-Support siehe meinen Beitrag Gladly-AI-Deflection.
Was kostet Gladlys Routing?
Gladly veröffentlicht keine Preisliste für die Plattform, du brauchst also ein Angebot. Der einzige öffentliche Zahlensatz ist der Eintrag im Shopify App Store, der eine Ausgabenobergrenze von 250 $ im Monat mit 1,50 $ pro AI Resolution, 0,25 $ pro AI Assist und 120 $ im Monat pro Teammitglied zeigt, laut Gladlys Shopify-Eintrag. Die AI FAQs weisen außerdem darauf hin, dass ein Workflow, der eine Session ohne Antwort schließt, nicht abgerechnet wird, was bei Spam hilft. People Match und Dedicated Hero gehören zur Plattform, und Dedicated Hero braucht Gladly Support zur Aktivierung. Siehe meinen Beitrag Gladly-Preise und den Überblick Gladly-Chatbot.
Wo passt eesel hin, wenn du Gladly nutzt?
Ehrlich gesagt: nicht direkt darin. eesel hat keinen Gladly-Connector: Die Liste der Helpdesk-Integrationen nennt Zendesk, Freshdesk, Gorgias, HubSpot, Help Scout, Front, Salesforce und mehr, Gladly steht dort nicht. Käufer, die einen gemeinsamen Posteingang suchen, können Shared-Inbox-Software vergleichen. Gladlys eigene KI lässt sich auch in andere Helpdesks einbinden, mit Gorgias und Zendesk als Partnern in ihrer Doku. Wer zwischen Ebenen wählt, landet bei der gleichen praktischen Frage, auf die dieser Beitrag immer wieder hinausläuft: Was passiert, bevor ein Mensch die Konversation sieht, und wie saubar ist die Übergabe.
Wo eesel passt, arbeitet es als KI-Helpdesk-Teammitglied in deiner bestehenden Warteschlange. SamCart lässt eesel auf Freshdesk-Tickets und einem Website-Chat laufen, mit getrennten Agents für jedes. Freshdesk-Automatisierungen entscheiden, auf welche Gruppen der Agent antwortet, und nur solange keine Person zugewiesen ist. Bittet ein Verkäufer um einen Menschen, oder geht die Frage über das Help Center hinaus, wird das Ticket für die Übergabe markiert, und der Agent hört auf. Der Workspace hat 4 Agents, die aus etwa 280 Help-Center-Artikeln antworten. Das ist die gleiche Übergabe-Disziplin wie oben, nur als Warteschlange statt als Entry Point ausgedrückt.
Die eesel-Chat-Bubble kann einen Besucher auch an einen Menschen übergeben, über Zendesk Messenger oder Freshchat, oder indem sie ein Ticket erstellt oder eine Email sendet. Gladly ist keines dieser Ziele, ich würde also nicht annehmen, dass es dort funktioniert. Verwandte Beiträge: KI-Chat-Eskalation, Zendesk-KI-Agent-Übergabe, Gorgias-Übergabekontrolle, HubSpot-Kanal-Übergaben und Gorgias-Ticket-Tagging und -Routing.
eesel für Helpdesk-Übergaben testen
Liegt deine Warteschlange in Zendesk, Freshdesk, Gorgias, Front oder HubSpot statt in Gladly, reiht sich eesel als KI-Helpdesk-Teammitglied ein: Es taggt, routet und beantwortet die Tickets, die du erlaubst, und tritt zurück, sobald ein Mensch übernimmt. Starte mit Entwürfen, teste an vergangenen Tickets und erweitere den Umfang später, mit einem klaren Eskalationspfad und je Aktion gesetzten Berechtigungen. Siehe Preise, oder öffne die Seiten Freshdesk und Gorgias. eesel testen.