Enterpret

Eine kurze Beschreibung

Enterpret ist eine plattformbasierte Lösung für die Analyse von Kundendaten und -feedback auf Unternehmensebene. Sie ermöglicht es, Serviceanfragen, Umfragen, Bewertungen in App-Stores, Verkaufsgespräche sowie soziale Inhalte zu bündeln und mithilfe von Wissensgraphen, adaptiver Klassifizierung, Wisdom AI sowie aktiven Agenten in nachvollziehbare Erkenntnisse über Produkte und Kunden umzuwandeln.

Einführung in die Tools

Das Team für Produkte, Kundenerlebnis und Voice of Customer ist häufig mit Problemen konfrontiert, wie z. B. zerstreuten Feedbacks, inkonsistenten Kennzeichnungen, unvollständigen Beispielen sowie Ergebnissen, die keine Handlungsanregungen liefern. Interpret verfolgt mit dem Leitprinzip „Einheitlichkeit, Verständnis, Handlung“ das Ziel, Feedback, Konten, Benutzer, Produkte, Chancen sowie Geschäftsindikatoren in einen gemeinsamen Kontext zu bringen.

Die Plattform eignet sich besser für digitale Unternehmen, die monatlich viele Rückmeldungen erhalten, anstatt für Einzelpersonen, die nur wenige Umfragen durchführen. Offiziell wird empfohlen, dass ein Team monatlich mindestens etwa 1.000 Rückmeldungen aus Quellen wie Support, sozialen Netzwerken oder der Community erhält, um einen stabilen Nutzen zu erzielen.

Die Kernarchitektur von Interpret 2.0

Hauptfunktionen

Customer Knowledge Graph

Wissensgraphen verbinden automatisch Rückmeldungen, Benutzer, Konten, Chancen, Produkte sowie benutzerdefinierte Geschäftsobjekte miteinander, wodurch jeder Eintrag mit Kontextinformationen wie ARR, Paketen, Lebenszyklus, Region oder Phase der Chance versehen wird. Das Team kann Probleme, die hochwertige Konten oder bestimmte Produktlinien betreffen, vorrangig behandeln, anstatt nur nach der Anzahl der Erwähnungen zu sortieren.

Adaptive Taxonomy

Ein anpassungsfähiges Klassifizierungssystem lernt die Produktbezeichnungen des Unternehmens kennen und passt sich mit den Geschäftsveränderungen an – es ist nicht notwendig, dass das Team langfristig manuell ein gemeinsames Set an Labels verwaltet. Die Benutzer können die Gründungen für die Klassifizierung einsehen, Schlüsselwörter und Themen bearbeiten sowie auf Ebene der einzelnen Einträge Korrekturen vornehmen.

Das Hilfesystem beschreibt dies als Schlüsselwörter der Stufen L1, L2 und L3 sowie zwei semantische Ebenen: Theme und Subtheme; die offizielle Website gibt an, dass dadurch eine fünfstufige Struktur entsteht. Beide Beschreibungen spiegeln unterschiedliche Auffassungen bezüglich der Hierarchie der Schlüsselwörter und der Themenebenen wider.

Automatische Intent-Klassifizierung

Die Plattform ordnet die Rückmeldungen in Kategorien wie Help, Improvement, Complaint und Praise ein, um dem Team zu helfen, Anfragen um Hilfe, Verbesserungsvorschläge, Beschwerden sowie Lob voneinander zu unterscheiden. Die Intent-Tags können zusammen mit dem Thema, der Emotion und den Eigenschaften des Kunden zur Filterung verwendet werden.

Wisdom AI

Wisdom ist ein dialogbasiertes Assistenten-Tool für Kundendaten. Nutzer können in natürlicher Sprache nach Gründen für Kundenabwanderung, Funktionsanforderungen, Veränderungen im NPS oder Feedback zu bestimmten Kundengruppen fragen. Die Antworten können Erklärungen, Diagramme, Tabellen sowie direkte Verweise auf das ursprüngliche Feedback enthalten und unterstützen mehrfache Nachfragen.

Modellauswahl und Wisdom Rules

In der aktuellen Hilfedokumentation werden die Modelle Sonnet 4.6 und Opus 4.6 aufgeführt. Der erste ist die Standardoption, bei der Geschwindigkeit im Vordergrund steht, während der zweite für komplexere Analysen geeignet ist. Häufig gestellte Fragen und Abläufe können als Wisdom Rules gespeichert werden, um sie wiederholt zu verwenden oder im Arbeitsbereich zu teilen.

Aktive KI-Agenten

Die Agenten überwachen kontinuierlich neue Rückmeldungen und informieren das Team proaktiv, wenn Anomalien auftreten, ein Eskalationsrisiko besteht oder wichtige Trends sichtbar werden. Sie ermöglichen es dem Team, von regelmäßigen manuellen Suchvorgängen auf eine kontinuierliche Überwachung umzustellen, doch Schwellenwerte für Alarme, die Behandlung wiederkehrender Vorfälle sowie die Zuweisung der Verantwortlichkeiten müssen weiterhin konfiguriert werden.

Quantifizieren, Trends und Dashboards

Quantify dient dazu, die Anzahl und Struktur der Rückmeldungen innerhalb eines Klassifizierungssystems zu überblicken. Trends wird verwendet, um Veränderungen bezüglich bestimmter Themen, Produktbereiche oder Kundengruppen im Laufe der Zeit nachzuvollziehen. Dashboards ermöglichen es, wichtige Kennzahlen in einer gemeinsamen Ansicht darzustellen, damit Produktentwickler, Kundenbetreuer sowie das Management diese ständig einsehen können.

Anomalieerkennung

Die Anomalieerkennung warnt das Team, wenn sich das Feedbackmuster deutlich von der Normalität entfernt – beispielsweise durch einen plötzlichen Anstieg an Beschwerden oder schnelle Veränderungen in den Funktionsanforderungen. Eine Anomalie weist lediglich auf statistische oder verhaltensbedingte Veränderungen hin; es ist notwendig, zu den ursprünglichen Feedbacks und Geschäftsereignissen zurückzukehren, um die Ursachen zu ermitteln.

Datenverstärkung und standardisierte Felder

Die Plattform kann eingebaute Erweiterungsfelder wie Stimmungsänderungen, Gesamtreaktionszeit, Standardisierung von Ländercodes sowie Timestamp-Umwandlungen hinzufügen. Kunden, die spezielle Berechnungen oder Geschäftsregeln benötigen, können über das Customer Success Team individuelle Erweiterungen konfigurieren.

Saved Items

Benutzer können Analysen, Dashboards und Erkenntnisse speichern, um die wiederholte Erstellung derselben Ansichten zu vermeiden. Geeignet zur Aufbewahrung fester Eingänge wie wöchentliche Meetings, Überprüfungen von Roadmaps, Kundenrisiken sowie Überwachung nach der Veröffentlichung.

Unterstützte Feedback-Kanäle

Enterpret gibt offen an, dass es mit mehr als 50 Plattformen verbunden werden kann – und zwar mit Plattformen für Support, Umfragen, Kommentare, Verkäufe sowie soziale und kooperative Funktionen. Die konkreten Anschlüsse, die Synchronisierungsrichtungen sowie die Felder können sich ändern; bei der Anschaffung sollte man sich daher an dem aktuellen Integrationskatalog sowie den Umfang der Implementierung orientieren.

Der Workflow von Feedback bis zur Umsetzung

1. Übersicht über Feedback-Kanäle, Kundendaten, Produktstruktur, Schlüsselindikatoren und Fragen, die das Team beantworten muss.
2. Verbindet Support, Untersuchungen, Kommentare, Anrufe, CRM und soziale Kanäle und überprüft Zeit, Identität und Feldzuordnungen.
3. Durch Wissensgraphen werden die Mehrkanal-Kommentare desselben Benutzers und Kontos mit Produkten, Chancen und Geschäftsmerkmalen verknüpft.
4. Ein adaptives Klassifikationssystem extrahiert Schlüsselwörter, Themen, Unterthemen, Absichten, Emotionen und andere erweiterte Felder.
5. Das Team stellt Fragen mithilfe von Quantify, Trends, Dashboards oder Wisdom und prüft die ursprünglichen Beweise.
6. Die Agenten überwachen kontinuierlich abweichende und hochriskante Signale und senden Benachrichtigungen an Slack oder die zuständigen Personen.
7. Bestätigte Bugs, Anforderungen oder Kundenaktionen werden in Jira, Linear und andere Workflows synchronisiert und der Abschluss verfolgt.

Anleitung zur Verwendung

Vorbereitung der Datenanbindung

1. Listen Sie alle Feedbackquellen sowie die zuständigen Personen auf und bestimmen Sie, welche Felder den Kontext von Benutzern, Konten, Einnahmen und Produkten enthalten.
2. Die ersten Anwendungsfälle wurden ausgewählt, wie beispielsweise die Sortierung der Roadmap, das Abwanderungsrisiko, die Qualität der Versionen oder die wöchentlichen Voice-of-Customer-Berichte.
3. Entfernen Sie doppelte Identitäten, ungültige Konten und sensible Felder sowie konfigurieren Sie Ingestion Blocker und Scrubbing-Regeln.
4. Der Administrator verbindet sich mit der Datengrundlage, synchronisiert zunächst einen begrenzten Zeitraum und vergleicht die Anzahl der Einträge im Quellsystem mit der in der Plattform.
5. Überprüfen Sie, ob die Verbindungen desselben Benutzers über Tickets, Kommentare, Umfragen und Anrufe korrekt sind, bevor Sie den Synchronisierungsumfang erweitern.

Etablierung eines adaptiven Klassifikationssystems

1. Produktstufen, Funktionslisten, interne Begriffe sowie bestehende Feedbackkategorien werden als Geschäftskontext importiert.
2. Überprüfen Sie die Schlüsselwörter sowie Themen und Unterthemen von L1 bis L3, um sicherzustellen, dass die Struktur Fragen zu Produkten und CX beantworten kann.
3. Zufällig werden Auszüge aus den ursprünglichen Rückmeldungen jeder Hauptkategorie ausgewählt, um Fehlklassifizierungen, Auslassungen und semantische Überschneidungen zu dokumentieren.
4. Bearbeiten Sie direkt den Namen, die Definition oder eine einzelne Kategorie, um die Struktur mit der aktuellen Produktversion in Einklang zu bringen.
5. Nach dem Einführen neuer Funktionen oder dem Markteintritt in neue Märkte sollte der Kategoriewechsel überprüft werden, um zu vermeiden, dass historische Trends durch Änderungen in der Messmethode verzerrt werden.

Verwendung von Wisdom zur Erforschung von Problemen

1. Zuerst müssen Zeitrahmen, Kundengruppen, Produktregionen sowie die zu vergleichenden Geschäftsindikatoren klar definiert werden.
2. Stellen Sie eine überprüfbare Frage in natürlicher Sprache, zum Beispiel warum Unternehmenskunden kürzlich über den Einstiegsprozess geklagt haben.
3. Wählen Sie je nach Komplexität der Aufgabe Sonnet 4.6 oder Opus 4.6 und warten Sie, bis die Analyse im Hintergrund abgeschlossen ist.
4. Prüfen Sie die Diagramme, Tabellen und Verweise in den Antworten, um den Kontext der repräsentativen Originalfeedbacks zu überprüfen.
5. Fragen Sie weiter nach Unterschieden bei verschiedenen Kundengruppen, Versionen oder Regionen und dokumentieren Sie die Filterkriterien und Anforderungen.
6. Stabile und wiederkehrende Probleme sollten als Wisdom Rules gespeichert werden, um sie in wöchentlichen Berichten, bei Reviews oder in gemeinsamen Arbeitsräumen wiederverwenden zu können.

Aktiver Proxy konfigurieren

1. Wählen Sie die Szenarien Qualität, Aufwertung oder Informationszusammenfassung aus und legen Sie die zu überwachenden Datensätze sowie Themen fest.
2. Einstellen Sie Konten, Emotionen, Menge an Feedback, Produktbereiche oder andere Bedingungen, um den Umfang der Benachrichtigungen zu steuern.
3. Legen Sie Empfänger über Slack, E-Mail oder Arbeitsbereich fest und definieren Sie Schweregrad sowie Verantwortliche für die Reaktion.
4. Verwenden Sie historische Daten, um die Anzahl der Warnungen zu testen, und passen Sie die Schwellenwerte an, um Störgeräusche und wiederholte Benachrichtigungen zu verringern.
5. Nach dem Go-Live sollten regelmäßig Fehlalarme, übersehene Fälle sowie die tatsächlichen Behandlungsergebnisse überprüft werden, um anschließend die Regeln zu optimieren.

Workflow-Integration

MCP Server

Der MCP-Server ermöglicht es externen AI-Tools, auf den vollständigen Datensatz an Feedbacks der Organisation zuzugreifen – mit Informationen zu Themen, Konten, Emotionen, Originalaussagen sowie weiteren relevanten Feldern. Die aggregierten Zahlen können wieder auf die entsprechenden Einträge in der Plattform verknüpft werden, wodurch es möglich ist, von den Schlussfolgerungen der KI zu den zugrunde liegenden Beweisen zurückzukehren.

Verschiedene Clients können entweder über OAuth verbinden oder Bearer-Tokens erstellen; die genaue Vorgehensweise wird von dem Client sowie der Organisation festgelegt. MCP bringt die Daten der Unternehmenskunden in eine neue AI-Interaktionsoberfläche – die Administratoren müssen dabei die Berechtigungen, den Token-Austausch sowie den Umfang der Datenverteilung kontrollieren.

Schritte zur MCP-Anbindung

1. Der Administrator bestimmt die AI-Clienten, den Datenumfang sowie die Benutzerrollen, deren Zugang gestattet wird.
2. Aktivieren Sie MCP in den Interpret-Einstellungen, wählen Sie für den Client die OAuth-Authentifizierung oder erstellen Sie einen speziellen Zugriffstoken.
3. Fügen Sie Verbindungen in Claude, Cursor, Notion, Glean oder andere kompatible Tools hinzu.
4. Zuerst werden Entitäten, Klassifikationsfelder, aggregierte Zahlen und Verweis-Links mit weniger sensiblen Fragen getestet.
5. Überprüfen Sie die Einstellungen für Chat-Speicherung, Schulung, Sharing und Auditing am Client, bevor Sie eine offizielle Nutzung ermöglichen.
6. Regelmäßig werden die verbundenen Benutzer überprüft, nicht mehr benötigte Berechtigungen entzogen und langfristige Token ausgetauscht.

Benutzerrollen und Berechtigungen

Neue Benutzer sind standardmäßig Member. Administrator, Editor und Member können Agenten erstellen oder bearbeiten, doch Member können nur die von ihnen selbst erstellten Agenten bearbeiten. Viewer können weder erstellen noch ändern.

Für welche Benutzer geeignet

• Produktteam:Quantifizierung der funktionalen Anforderungen, Erkennung von Fehlern, Vergleich der Auswirkungen auf die Zielgruppen sowie Bereitstellung von Belegen für den Roadmap.
• Team Voice of Customer:Einheitliche Multikanal-Kommunikation schaffen sowie wöchentliche und monatliche Berichte sowie Leistungsübersichten für die Führungsebene erstellen.
• Kundenerfahrungs-Team:Überwachung von NPS, CSAT, Beschwerdesthemen und Veränderungen in den Serviceprozessen.
• Kundenerfolgsteam:Erkennen von emotionalen Veränderungen bei strategischen Konten, Anzeichen für den Verlust sowie Maßnahmen, die ergriffen werden müssen.
• Support-Team:Abweichungen in den Tickets, wiederkehrende Probleme sowie Veränderungen in der Qualität der Versionen werden festgestellt.
• Vertriebs- und Marketingteam:Aus Gesprächen und Rückmeldungen werden Wettbewerber, Einwände, die Sprache der Nutzer sowie die Stärken der Kunden zusammengefasst.
• Leitung:Erhalten Sie durch ein einheitliches Dashboard Einblicke in die Kundenanforderungen und die Geschäftsauswirkungen, anstatt sich auf isolierte Fälle zu verlassen.

Typische Anwendungsszenarien

• Es werden Statistiken darüber ermittelt, wie viele Kunden von einer bestimmten Funktionalität betroffen sind, welcher Umsatz damit verbunden ist sowie welche Pakete und Lebenszyklusphasen relevant sind.
• Bevor die Warteschlange erweitert wird, werden ungewöhnliche Beschwerden festgestellt, und die betroffenen Versionen, Regionen oder Produktbereiche werden ermittelt.
• Analysieren Sie die Gründe für den Verlust von Unternehmenskunden und überprüfen Sie dies anhand der ursprünglichen Tickets, Anrufe und Umfragen.
• Bestätigte Bugs werden automatisch in Jira-Anfragen umgewandelt, und Funktionsanfragen werden an Linear gesendet, wobei der Kontext des Kunden beigefügt wird.
• Erstellen Sie wöchentliche Zusammenfassungen der Voice of Customer-Daten und leiten Sie den verschiedenen Teams die mit ihren Zuständigkeitsbereichen verbundenen Trends zu.
• Vergleichen Sie die Veränderungen bei Themen, Stimmungen und NPS vor und nach der Einführung eines neuen Produkts, um zu prüfen, ob die Produktentscheidungen das Erlebnis verbessern.
• Erstellung von Wettbewerbsinformationen durch die Extraktion echter Kundenaussagen aus Verkaufsgesprächen, Bewertungen und Support-Kommentaren.

Vorteile des Produkts

• Verknüpfen Sie die Rückmeldungen mit Konten, Einnahmen, Möglichkeiten und Produkten, um eine Sortierung nur nach Lautstärke zu vermeiden.
• Anpassbare Klassifizierungen reduzieren die Pflege manueller Etiketten und ermöglichen es den Benutzern, Klassifizierungen anzusehen und zu korrigieren.
• Wisdom antwortet mit Quellenangaben zu den ursprünglichen Rückmeldungen, um die von der KI erzeugten Darstellungen und Zahlen überprüfen zu können.
• Proaktive Agenten erkennen kontinuierlich Abweichungen und Aufstiegsgefahren und verringern so die Abhängigkeit von regelmäßigen manuellen Suchen.
• Mehr als 50 Feedbackquellen in Kombination mit den Workflows von Jira, Linear und Slack bilden einen geschlossenen Kreislauf von der Datenerfassung bis zur Umsetzung.
• Die MCP- und Export-APIs ermöglichen es, Kundendaten in KI-Klienten sowie Datenlager zu übertragen.
• Rollen, SSO, SCIM, die Verarbeitung von PII sowie SOC 2 Type 2 eignen sich für Prozesse im Bereich der Unternehmenssicherheit.

Einsatzbeschränkungen und Hinweise

• Die Plattform richtet sich hauptsächlich an Unternehmen mit einer hohen Menge an Feedback. Kleine Teams oder solche, die nur wenige Daten pro Monat haben, haben möglicherweise Schwierigkeiten, den Nutzen der Investition nachzuweisen.
• Die Klassifizierung von Emotionen, Themen und Absichten durch KI kann von Sprache, Ironie, Kontext und der Trainingsverteilung beeinflusst werden.
• Fehler bei der Zusammenführung von Konten führen dazu, dass Rückmeldungen von verschiedenen Personen miteinander vermischt werden, was wiederum die Analyse der Einnahmen und des Kundenverlusts beeinträchtigt.
• Anpassungen des Klassifikationssystems können die Darstellung der Trends verändern; daher müssen Definitionen, Versionen und Änderungsprotokolle aufbewahrt werden.
• Die Antwort von Wisdom muss noch überprüft werden, indem man auf die Quellen verweist; das erstellte Resümee kann daher nicht direkt als endgültige Entscheidung angesehen werden.
• Der Zugriff auf Slack, Verkaufsgespräche und Support-Systeme beinhaltet die Verarbeitung sensibler Kundendaten, weshalb eine Minimierung sowie ein Zugriffsmanagement erforderlich sind.
• Wenn MCP Feedback an externe AI-Kunden freigibt, erhöht sich die Datenerfassung, der Datenaustausch sowie die Berechtigungsgrenzen.
• Die offizielle Website gibt keine Standardpreise oder eine kostenlose Version an; die Kosten für Einkauf, Implementierung und Sicherheitsprüfung müssen separat bewertet werden.

Sicherheit und Privatsphäre

Enterpret macht die SOC 2 Type 2-Berichte öffentlich zugänglich und gibt an, dass die Systeme für Sicherheit, Privatsphäre und KI-Management auf Rahmenwerken wie ISO 27001, ISO 42001 und ISO 27701 beruhen. Die Verwendung dieser Rahmenwerke sollte nicht automatisch als Beweis dafür angesehen werden, dass alle Aspekte separat zertifiziert wurden; Unternehmen sollten daher die aktuellen Dokumente zu den Anwendungsbereichen anfordern.

Die Plattform wird in der Amazon Web Services-Umgebung in den USA gehostet. Die Übertragung erfolgt mithilfe sicherer Protokolle wie TLS 1.2; statische Daten werden mit AES-256 verschlüsselt. Die Daten mehrerer Mieter werden durch Zugriffskontrollmechanismen basierend auf Unternehmen, Benutzern und Rollen logisch getrennt.

PII und Datenminimierung

Die Kundenbewertungen, die auf der Plattform eingereicht werden, werden durchsucht, um persönliche Identifikationsdaten zu erkennen und diese zu entfernen oder zu maskieren. Kunden können außerdem Ingestion Blocker sowie Scrubbing-Regeln konfigurieren, um bestimmte Inhalte vor dem Eintreffen auf der Plattform zu blockieren oder sensible Teile zu entfernen.

Rechte der betroffenen Person und Löschung

Im Rahmen der DSGVO ist der Kunde in der Regel der Datenverantwortliche, wobei Enterpret als Verarbeiter bei Anfragen zur Einsicht, Korrektur oder Löschung hilft. Nach Beendigung des Vertrags kann eine schriftliche Anfrage des Kunden den Prozess zur Löschung der Daten in Gang setzen. Die verbindliche Zusage besagt, dass dieser Prozess 30 Tage nach Inkrafttreten der Beendigung beginnt und innerhalb von etwa 3 bis 4 Wochen abgeschlossen wird.

Preise und Einkauf

Stand zum 22. August 2026 bietet Enterpret keine offiziellen Standardpakete, Preise pro Sitzplatz, eine kostenlose Version oder einen kostenlosen Probemonat an. Die Hauptverbindung zur Website ist die Anfrage nach einer Demonstration. Die Leistungen sowie die Kosten sind im Unternehmensauftrag festgelegt. Standardmäßig wird im Voraus jährlich bezahlt – innerhalb von 30 Tagen nach Erhalt der Rechnung, sofern im Auftrag nicht etwas anderes vereinbart ist.

Bei der Kostenermittlung sollte dies bestätigt werden.

• Die Kosten werden je nach benanntem Benutzer, Anzahl der Rückmeldungen, Datenquelle, historischer Rückblick oder Funktionsmodul berechnet.
• Gehören Wisdom, das Opus-Modell, Agents, MCP, die Export-API sowie fortgeschrittene Sicherheitsfunktionen zu den Grundfunktionen eines Auftrags?
• Einführung einer Obergrenze für die unterstützten Stunden, zusätzlicher Servicegebühren sowie Kosten für maßgeschneiderte Integrationen.
• Steigende Menge an Feedback, zunehmende Anzahl an Datensquellen und Preisanpassungsregeln bei Verlängerung.
• Exportformat nach Beendigung des Vertrags, Löschzeit und Prozess zur Aufhebung der MCP-Lizenz.

APIs, SDKs und Open Source

Enterpret bietet die Export-API 2.0 an, um Plattformdaten in Datenlager, RevOps-Dashboards, Produktanalysen oder Berichte zum Kundenerfolg zu exportieren. Konkrete Endpunkte, Authentifizierungsmethoden, Paginierung, Geschwindigkeitsbeschränkungen sowie Felder sind im Hilfesystem oder in der Kundenumgebung einsehbar.

Die Plattform bietet außerdem die Möglichkeit, einen MCP-Server zu hosten, doch es wurden weder ein offiziell veröffentlichtes Open-Source-SDK noch die Quellcodes der Plattform oder die Gewichte der Modelle gefunden. Die Export-API und MCP gehören zu den Funktionen der kommerziellen Plattform; daher kann Enterpret nicht als Open Source bezeichnet werden.

Grundlegende Informationen

Empfehlungswert

Empfehlungswert: 4,5 / 5. Enterpret eignet sich für große Unternehmen, die monatlich viele Rückmeldungen verarbeiten müssen, die die Stimmen der Kunden mit den Auswirkungen auf Konten und Einnahmen in Verbindung bringen möchten und direkt von den Erkenntnissen aus zu den Arbeitsabläufen bei Produkten und Dienstleistungen übergehen wollen.

Die Hauptmängel sind die Unklarheit der Preise, hohe Anforderungen an die Umsetzung und das Datenmanagement sowie die Notwendigkeit, die Klassifizierung durch KI sowie die Verknüpfung mit Identitäten weiterhin stichprobenartig zu überprüfen. Teams, die über wenig Daten verfügen oder nur einfache Umfragedaten benötigen, brauchen möglicherweise keine so umfassende Plattform.

Häufige Fragen

Ist Enterpret kostenlos?

Es wurde weder eine öffentlich verfügbare, dauerhaft kostenlose Version noch ein Standard-Testansatz oder selbstbestimmte Preise gefunden. In der Regel muss ein Termin für eine Demonstration vereinbart werden, und der Preis wird anhand der Anzahl der Rückmeldungen, der Datenquellen sowie der Anforderungen der Nutzer und Funktionen kalkuliert.

Eignet sich Enterpret für kleine Teams?

Es lässt sich bewerten, aber offiziell wird empfohlen, dass etwa mehr als 1.000 umfassende Rückmeldungen pro Monat erforderlich sind, um einen besseren Überblick über den Wert zu gewährleisten. Bei wenigen Rückmeldungen können einfache Tabellen, Umfrageinstrumente oder manuelle Untersuchungen kostengünstiger sein.

Welche Modelle verwendet Wisdom AI?

Im aktuellen Hilfesystem wird Sonnet 4.6 als schnelles Standardmodell aufgeführt, während Opus 4.6 als leistungsstärkere Option dient. Die verfügbaren Modelle sowie die Bestellrechte können sich mit Updates der Plattform ändern.

Kann die Antwort zu der ursprünglichen Rückmeldung zurückgeführt werden?

Ja. Wisdom unterstützt die ein-Klick-Zitierung; die Erkenntnisse sowie zusammengefassten Zahlen in den Antworten können auf die Quellenangaben innerhalb der Plattform verlinkt werden, was eine manuelle Überprüfung erleichtert.

Welche Klassifizierungsstufen werden unterstützt?

Die Hilfeseite beschreibt die Schlüsselwörter der Ebenen L1, L2 und L3 sowie weitere Themen und Unterkategorien. Die von der offiziellen Website als fünfstufige Struktur bezeichnete Hierarchie kann als Einbeziehung auch dieser beiden Arten von Themenebenen verstanden werden.

Kann man automatisch Jira- oder Linear-Probleme erstellen?

Die Plattform ermöglicht es, Erkenntnisse in Jira und Linear zu übertragen, sowie Rückmeldungen in Jira zu verknüpfen, den Kontext zu erweitern und Aktualisierungen nachzuvollziehen. Die automatische Erstellung, die bidirektionalen Felder sowie die Zustandsbereiche hängen von der Integrationseinstellung ab.

Wird ChatGPT, Claude und Cursor unterstützt?

Der Zugriff auf Kundendaten über MCP wird unterstützt. Die Verbindungsweisen für verschiedene Clients, die Zahlungserfordernisse sowie die Administratorrechte unterscheiden sich. Vor der Aktivierung sollten die Einstellungen zur Datenspeicherung und -weitergabe überprüft werden.

Wird eine API bereitgestellt?

Es wird die Export-API 2.0 bereitgestellt, die hauptsächlich zum effizienten Export in Datenlager und nachgelagerte Tools dient. Es handelt sich dabei nicht um eine öffentliche, anonyme Schnittstelle; es ist eine Unternehmenszulassung sowie entsprechende Berechtigungen erforderlich.

Ist Enterpret Open Source?

Keine Offenlegung des Quellcodes. Die Plattform, Wisdom und die Agenten gehören zu kommerziellen Dienstleistungen – die Offenlegung von API-Endpunkten und MCP-Verbindungen bedeutet nicht, dass der Quellcode oder die Modellgewichte zugänglich gemacht werden.

Wie werden Kundendaten geschützt?

Die Plattform stellt öffentlich SOC 2 Type 2, statische sowie transportbezogene Verschlüsselung, logische Trennung, Rollenrechte, PII-Scans sowie Regeln zur Bereinigung bereit. Unternehmen sollten dennoch die aktuellen Prüfberichte, Unterauftragnehmer, DPA, Datenstandorte sowie die Nutzungsbedingungen der Modelle überprüfen.

Wird SSO und automatische Benutzermanagement unterstützt?

Es wird die Unterstützung von OpenID-Identitätsanbietern bereitgestellt, sowie SAML-Konfigurationen für Okta und Azure AD. Okta und Azure unterstützen außerdem die automatische Aktivierung per SCIM 2.0. Die genauen Funktionen müssen im Auftrag festgelegt werden und vor dem Go-Live getestet werden.

Zusammenfassung

Enterpret ordnet die verstreuten Kundenstimmen zu einem Wissensgraphen mit Informationen zu Konten, Produkten und Geschäftseffekten zusammen. Anschließend helfen adaptive Klassifizierungen, Wisdom AI, Trendanalysen sowie aktive Agenten dem Team dabei, Probleme zu erkennen. Jira, Linear, Slack, MCP und die Export-API tragen dazu bei, diese Erkenntnisse in die Umsetzungsphase zu übertragen.

Sein wahrer Wert ergibt sich aus einer hochwertigen Identitätszuordnung, einer stabilen Klassifizierungsmethode sowie einem Überprüfungsprozess, der auf die ursprünglichen Rückmeldungen zurückgreift. Vor dem Kauf sollten mit echten Daten Pilotversuche durchgeführt werden, um Connector, Genauigkeit, Berechtigungen, Modelle, Datenstandorte sowie die monatlichen Gebühren zu überprüfen, bevor eine weitere Einführung beschlossen wird.