Lang.ai
Lang.ai (part of Capacity) · Marketing
Lang.ai ist eine Analyseplattform für Support-Teams. Sie kategorisiert, priorisiert und routet jedes Gespräch automatisch und lässt Sie die Daten danach in normaler Sprache abfragen.
Über Lang.ai
About
Was ist Lang.ai
Lang.ai ist Software für Kundensupport-Analyse. Sie liest Support-Gespräche und macht daraus geordnete Daten. Gegründet wurde das Unternehmen 2018 in San Francisco, bekannt wurde es mit automatischer Kategorisierung: Ein Modell geht durch die Ticket-Historie, erkennt die tatsächlichen Themen der Kunden und vergibt diese Labels an neue Gespräche, sobald sie eintreffen.
Das Problem kennen alle, die einen Helpdesk betreiben. Tickets sammeln sich mit Betreff und Freitext, und um zu wissen, was schiefläuft, muss sie jemand lesen. Lang.ai ersetzt dieses Lesen durch Klassifikation. Die CX-Verantwortliche sieht dann, dass Fragen zu Rückerstattungen diese Woche um 30 Prozent zugenommen haben, ohne ein einziges Ticket zu öffnen.
Zwei Grenzen sollten Sie vor der Auswahl kennen. Verkauft wird an Unternehmen mit echtem Ticketvolumen, nicht an Einzelpersonen, und es gibt weder Self-Service-Registrierung noch öffentliche Preise. Capacity hat Lang.ai im April 2026 übernommen, die Website leitet inzwischen dorthin weiter. Neue Kunden verhandeln also mit Capacity und nicht mit einem unabhängigen Anbieter.
Erste Schritte
- Sprechen Sie mit Capacity über Ticketvolumen, Helpdesk und die Entscheidungen, die aus den Daten entstehen sollen.
- Verbinden Sie Zendesk über einen Admin-API-Token, oder planen Sie eine API-Integration, falls Ihr Helpdesk ein anderer ist.
- Laden Sie die Gesprächshistorie als CSV hoch, um ein Projekt anzulegen, und lassen Sie das Modell Absichten und Merkmale extrahieren.
- Prüfen Sie die erzeugten Labels, fassen Sie sie zu den Begriffen Ihres Teams zusammen und benennen Sie Unklares neu.
- Schalten Sie die Echtzeit-Kategorisierung zuerst im Sandbox-Modus ein, kontrollieren Sie die Ergebnisse und geben Sie sie dann für echte Tickets frei.
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von Lang.ai.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- Leiter Support-Operations
- CX-Analysten
- Zendesk-Administratoren
- Große Support-Organisationen
Aufgaben
- Automatische Ticket-Triage
- Ticket-Routing
- Voice-of-Customer-Reporting
- Spontane Datenfragen
Szenarien
- Eine geänderte Rückerstattungsrichtlinie flutet die Warteschlange
- Saisonale Spitzen
- Beobachtung nach dem Launch
Wichtigste Funktionen
Labels aus Ihrer eigenen Ticket-Historie
Ein Projekt beginnt mit einer CSV-Datei vergangener Gespräche. Das Modell zieht Absichten und Merkmale zweiter Ebene selbst heraus und schlägt Labels vor, die Sie prüfen und umbenennen. Es gibt keinen manuellen Annotationsmarathon und keine Taxonomie, die von null geschrieben werden muss. Genau deshalb steht ein brauchbarer Klassifikator in Tagen und nicht in Monaten.
Automatische Ticket-Kategorisierung mit KI in Echtzeit
Ist das Projekt live, arbeitet die automatische Ticket-Kategorisierung mit KI auf eingehenden Gesprächen. In Zendesk schickt ein Trigger jedes Ticket ins Projekt, die Labels kommen auf dem Ticket zurück. Ein Sandbox-Schalter zeigt die Ausgabe, bevor Produktionstickets berührt werden. Das ist der Unterschied zwischen einem sicheren Piloten und einem Chaos.
Automatische Ticket-Triage und Ticket-Routing
Die Labels füttern die Regeln, die Ihr Helpdesk schon kennt. Prioritäten verschieben sich, Tickets landen bei Agenten mit dem richtigen Fachwissen, interne Notizen fassen das Anliegen zusammen. Automatische Ticket-Triage und Ticket-Routing nutzen dieselbe Klassifikation, die Logik wird also einmal eingerichtet.
Agentische Analyse zum Nachfragen
Die neuere Schicht heißt agentische Analyse: Ein Agent liest strukturierte und unstrukturierte CX-Daten und antwortet in normaler Sprache. Statt für jede Frage ein Dashboard zu bauen, fragt die Führungskraft, was sich bei den Kündigungsgründen im letzten Monat verändert hat, und bekommt eine schriftliche Antwort mit den Zahlen dahinter.
Eine REST-API für eigene Abläufe
Jede Klassifikation ist über HTTP erreichbar. Sie schicken Text mit einer Projekt-ID an den Analyse-Endpunkt und erhalten Labels und Absichten zurück, oder speichern Dokumente mit Metadaten für spätere Auswertungen. Wenn Ihr Stack ein CRM, ein Data Warehouse oder ein internes Tool enthält, bringt die API die Conversation Intelligence dorthin.
Volumen-Dashboards nach Label und Metadaten
Gespeicherte Dokumente behalten die Metadaten, die Sie senden. Dashboards können das Volumen daher nach Tarif, Region oder Produktlinie aufschlüsseln. Dort hört CX-Analyse auf, eine Liste von Labels zu sein, und zeigt Trends: welche Themen wachsen, welche nachlassen und welches dieses Quartal einen Verantwortlichen braucht.
Vor- und Nachteile
Vorteile
- Die Kategorisierung startet mit Daten, die schon vorliegen, ohne manuelles Annotationsprojekt vor dem ersten Nutzen.
- Die Zendesk-Integration ist nativ und bringt einen Sandbox-Modus mit, was den Piloten risikoarm macht.
- Die Klassifikation deckt mehrere Sprachen ab, sobald das Modell genug Gespräche hat.
- Die REST-API gibt Labels und Absichten heraus, sodass die Klassifikation auch Abläufe außerhalb des Helpdesks steuert.
- Die agentische Analyse beantwortet Fragen in normaler Sprache und verkürzt den Weg von den Daten zur Entscheidung.
Nachteile
- Es gibt keine öffentlichen Preise und keinen Self-Service-Test, die Bewertung beginnt also mit einem Verkaufsgespräch und einem Angebot.
- Die Übernahme durch Capacity im April 2026 bedeutet, dass das eigenständige Produkt ausläuft. Wer jetzt einsteigt, übernimmt Plattform und Roadmap von Capacity.
- Kleine Teams mit ein paar hundert Tickets im Monat erzeugen zu wenig Daten für verlässliche Labels, der Nutzen liegt daher bei volumenstarken Abteilungen.
- Jeder Helpdesk außer Zendesk braucht API-Arbeit, was meist Entwicklungszeit vor dem ersten Ergebnis bedeutet.
Häufige Fragen
Es liest Support-Gespräche und macht daraus Labels und Absichten. Diese Labels steuern Triage, Routing und Reporting, und die agentische Schicht erlaubt Fragen zu den entstandenen Daten.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu Lang.ai.
Alternativen zu Lang.ai
ngram 2.0
ngram · Video · Marketingngram 2.0 ist ein KI-Videogenerator für Teams. Aus einem Prompt, einer Bildschirmaufnahme oder einer Produkt-URL entsteht ein Erklärvideo, eine Demo oder ein KI-Avatar-Video, und jede Szene bleibt bearbeitbar.
shippedit.me
Krawlup · Marketing · Businessshippedit.me leitet inzwischen auf Krawlup um, eine Web-Plattform, die SEO, AEO und Ladezeit wöchentlich prüft und die Korrekturen per MCP an Coding-Agenten übergibt.
MePersona
MePersona, Inc. · Schreiben · Produktivität · MarketingMePersona ist ein einheitlicher KI-Posteingang für Creator. Das Tool lernt Ihre Stimme, entwirft Antworten auf Fan-Nachrichten von 12 Plattformen und sendet nur, was Sie freigeben.