Content-Based Smart E-Mail Dispatcher Using Large Language Models
Dieses Paper schlägt einen inhaltsbasierten intelligenten E-Mail-Dispatcher vor, der Large Language Models (LLMs) nutzt, um E-Mail-Inhalte automatisch zu analysieren und sie an die entsprechenden studentischen WhatsApp-Gruppen weiterzuleiten, wodurch manuelle Verarbeitungsfehler eliminiert und die organisatorische Produktivität gesteigert wird, ohne dass gekennzeichnete Datensätze erforderlich sind.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich eine geschäftige Universitätsabteilung wie ein riesiges, chaotisches Postamt vor. Jeden Tag treffen hunderte von Briefen (E-Mails) von den „Vorgesetzten“ (der Verwaltung) ein. Diese Briefe enthalten wichtige Neuigkeiten, Regeln und Zeitpläne für die Studierenden.
Das Problem: Der überarbeitete Sortierer
Momentan muss ein menschlicher Mitarbeiter als „Sortierer“ fungieren. Er muss jeden einzelnen Brief lesen, herausfinden, zu welcher Gruppe von Studierenden er gehört (z. B. „Erstes Jahr Maschinenbau“ oder „Abschlussjahr Informatik“) und diesen Brief dann manuell in den korrekten WhatsApp-Gruppenchat kopieren.
Das ist so, als würde man versuchen, einen Berg von Post stundenlang von Hand zu sortieren, während jemand ständig neue Briefe auf einen wirft. Es ist langsam, ermüdend und fehleranfällig. Wenn der Sortierer müde wird, könnte ein Student ein entscheidendes Prüfungsdatum verpassen, oder der Mitarbeiter gerät unter Stress.
Die Lösung: Der intelligente KI-Butler
Die Autoren dieser Arbeit haben einen „Smart Email Dispatcher“ entwickelt. Stellen Sie sich dieses System wie einen superintelligenten KI-Butler vor, der jedes Buch in der Bibliothek gelesen hat und die menschliche Sprache perfekt versteht.
So arbeitet dieser Butler, Schritt für Schritt:
- Das Lesen (Datenerfassung): Anstatt dass ein Mensch die E-Mails liest, erfasst das System die neuen Nachrichten automatisch aus dem Posteingang der Hochschule, genau wie ein Saugroboter, der Staub aufnimmt.
- Das Denken (Inhaltsanalyse): Das ist der magische Teil. Das System verwendet ein Large Language Model (LLM). Man kann sich ein LLM als ein sehr fortschrittliches „Gehirn“ vorstellen, das Kontext versteht.
- Das System fragt die KI: „Hier ist eine E-Mail über eine ‚Nachprüfung‘. Wer muss das sehen?“
- Die KI liest den Text, versteht die Bedeutung und antwortet: „Dies ist für die Fakultätsgruppe und die Studierenden im Abschlussjahr.“
- Es sucht nicht nur nach Schlüsselwörtern wie „Prüfung“; es versteht den Sinn der Nachricht, selbst wenn die Formulierung knifflig ist.
- Die Zustellung (Versand): Sobald die KI entschieden hat, wer die Neuigkeit erhalten soll, postet sie die Nachricht und alle Anhänge (wie PDFs) automatisch in die korrekten WhatsApp-Gruppen.
Wie sie es getestet haben
Das Team hat nicht nur geraten; sie haben diesen „Butler“ mit über 1.000 echten College-E-Mails getestet. Sie ließen verschiedene KI-Modelle (wie ChatGPT, Gemini und andere) diese E-Mails sortieren.
- Die Ergebnisse: Die KI-Modelle waren überraschend gut in ihrem Job. Gemini lag in 93,5 % der Fälle richtig, und ChatGPT lag in 92 % der Fälle richtig.
- Die Fehler: Manchmal war die KI etwas verwirrt. Wenn zum Beispiel eine E-Mail über eine „Nachprüfung“ (die Überprüfung von Prüfungsergebnissen) handelte, dachte die KI manchmal, sie müsse mit den Studierenden geteilt werden, obwohl sie eigentlich nur für die Lehrkräfte bestimmt war. Es ist wie ein Butler, der glaubt, dass ein privates Memo für den Chef der ganzen Familie vorgelesen werden sollte.
- Warum nicht die „alte Schule“ der KI? Die Autoren haben versucht zu erklären, warum sie nicht ältere, traditionelle Computerprogramme verwendet haben. Diese alten Programme benötigen eine riesige Liste von „beschrifteten“ Beispielen (wie Karteikarten, die zeigen: „Diese E-Mail = Gruppe A“), um zu lernen. Aber in einer Hochschule treten jedes Jahr neue Jahrgänge ein, und die Regeln ändern sich. Der „Smart AI Butler“ (LLM) benötigt diese Karteikarten nicht; er nutzt einfach sein allgemeines Wissen, um die Dinge spontan zu verstehen.
Das Wesentliche
Dieses System nimmt die schwere Arbeit von dem gestressten Personal ab. Es stellt sicher, dass die richtigen Informationen schnell die richtigen Studierenden erreichen, ohne dass das Personal alles manuell kopieren und einfügen muss.
Die Autoren sagen, dass sie den Butler in Zukunft noch intelligenter machen wollen, indem sie lange, langweilige E-Mails in kurze, prägnante Nachrichten zusammenfassen, bevor sie an WhatsApp gesendet werden, damit die Studierenden sofort den „Kern“ der Neuigkeiten erhalten.
Kurz gesagt: Sie haben einen Roboter gebaut, der College-E-Mails liest, deren Bedeutung versteht und sie automatisch in die richtigen Gruppenchats der Studierenden postet, was allen Zeit und Stress erspart.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.