TERMINVERWALTUNG MIT LLMs AUTOMATISIEREN
=========================================

Stand: 2026-01-24

QUELLEN
-------
  Web-Recherche durchgefuehrt am 2026-01-24:
  - gptbots.ai/blog/ai-scheduling-assistant
  - lindy.ai/blog/ai-scheduling-assistant
  - getclockwise.com/ai
  - zapier.com/blog/best-ai-scheduling/
  - aobyte.com (MCP Calendar Integration)
  - oneai.com/learn/ai-appointment-scheduling

GRUNDPRINZIP
============
AI-Terminverwaltung nutzt LLMs um:
  1. Natuerliche Sprache zu verstehen ("Termin mit Team naechsten Donnerstag")
  2. Kalender zu analysieren und freie Slots zu finden
  3. Einladungen, Absagen, Verschiebungen zu automatisieren
  4. Erinnerungen zu versenden

ARCHITEKTUR
-----------
  Moderne Systeme haben mehrere Schichten:

  1. UNDERSTANDING LAYER
     - LLM interpretiert Anfragen
     - Extrahiert: Name, Datum, Uhrzeit, Servicetyp
     - Erkennt Intent (Buchen, Verschieben, Absagen)

  2. KALENDER-INTEGRATION
     - Google Calendar, Outlook, Calendly, Acuity
     - API-Zugriff fuer Lesen/Schreiben

  3. DECISION LAYER
     - AI ueberlegt Verfuegbarkeit
     - Beruecksichtigt Praeferenzen und Regeln

  4. ACTION LAYER
     - Erstellt Termine
     - Versendet Bestaetigungen

  5. FOLLOW-UP LAYER
     - Automatische Erinnerungen
     - Verschiebungs-Handling

FUEHRENDE TOOLS 2025-2026
=========================

| Tool        | Typ                    | Besonderheit                      | Preis          |
|-------------|------------------------|-----------------------------------|----------------|
| Clockwise   | Kalender-Optimizer     | Proprietaere Engine, LLM-Intent   | Free / Paid    |
| Lindy       | Autonomer Agent        | Email/Slack-Trigger, selbstaendig | Ab $49/Mo      |
| Reclaim     | Dynamisches Blocking   | Tasks, Habits, Focus automatisch  | Free / Paid    |
| Cal.ai      | AI-Scheduling          | Natuerliche Sprache via Email     | Kostenlos      |
| Motion      | AI Task Manager        | Automatische Umplanung            | $19/Mo         |

CLOCKWISE
---------
  - Nutzt LLM NUR fuer Intent-Erkennung
  - Scheduling-Entscheidungen durch eigene Engine
  - Vorteil: Deterministischer als reine LLM-Loesungen
  - Link: https:/getclockwise.com/ai

LINDY
-----
  - Autonomer Scheduling-Agent
  - Kann auf Email-Threads kopiert werden
  - Identifiziert passende Zeiten selbstaendig
  - Kontaktiert Teilnehmer und bestaetigt
  - Link: https:/lindy.ai

RECLAIM
-------
  - Dynamisches Time-Blocking
  - Reorganisiert bei neuen Meetings/Deadlines
  - Schuetzt Focus-Zeit automatisch

MCP-INTEGRATION (ADVANCED)
==========================
  Model Context Protocol fuer Kalender-Automatisierung:

  Vorteile:
    - LLM ruft Kalender-Tools strukturiert auf
    - Skalierbar und erweiterbar
    - Eliminiert manuelle Schritte

  Beispiel-Prompt:
    "Set up a sync with the team next Thursday afternoon
     to finalize the Q2 plan"

  Das System:
    - Parst die Anfrage
    - Erstellt Event
    - Waehlt richtige Zeit
    - Laedt passende Teilnehmer ein

VOICE AI FUER TERMINE
=====================
  Speech-native Modelle (GPT-4o Realtime API):
  - Verarbeiten Audio direkt
  - 60% Preissenkung in 2025
  - 48% bessere Instruction-Following
  - 24/7 Erreichbarkeit (85% der Anrufer legen bei Voicemail auf)

ROI UND BUSINESS IMPACT
=======================
  - 95% der Buchungsanfragen automatisierbar
  - $48k/Jahr Ersparnis (typisch)
  - 3.2 Monate Payback-Periode
  - 20-40 Stunden/Woche gespart bei 20+ Anfragen/Tag

BACH-INTEGRATION
================
  Empfohlener Ansatz:
    1. MCP-Server fuer Google/Outlook Kalender
    2. Claude als Scheduling-Agent
    3. Integration ueber partners/claude/

  Moegliche Partner-Zuweisung:
    - Claude Code: Komplexe Scheduling-Logik
    - Gemini: Interaktive Terminplanung
    - Lokale LLMs: Datenschutz-kritische Termine

N8N WORKFLOW-INTEGRATION
========================
  Workflow fuer lokale/hybride Loesung:

  1. Eingehende Mail
  2. n8n extrahiert Datum/Intention
  3. Ollama (lokal) formatiert JSON
  4. n8n traegt in Kalender ein

  Vorteile:
    - Keine Mail-Inhalte verlassen lokales System
    - Datenschutz-konform (DSGVO)
    - Kostenguenstig (eigene Infrastruktur)

KONTEXTLOGIK UND REGELN
=======================
  Regelbasierte Constraints (im Orchestrator, nicht LLM):
    - "Nur vormittags"
    - "Nicht an Schultagen"
    - "Mind. 60 Minuten Abstand"
    - "Keine Termine nach 18 Uhr"

  Wichtig: Harte Regeln gehoeren in Regel-Engine,
           nicht in LLM-Prompts (Vermeidung Halluzinationen)

DOPPELBUCHUNGS-VERMEIDUNG
=========================
  LLM allein kann Doppelbuchungen nicht verhindern!

  Loesung:
    - Harte Logik im Kalender-Backend
    - Transaktionale API-Calls
    - Optimistic Locking bei Updates

SICHERHEITSHINWEISE
===================
  - Kalender enthalten sensible Daten
  - API-Keys sicher speichern
  - Berechtigungen minimal halten
  - Keine Patiententermine ueber Cloud-LLMs
  - Personenbezogene Daten (DSGVO) beachten

SIEHE AUCH
==========
  wiki/automatisierung/mail_automation.txt
  wiki/automatisierung/kundensupport.txt
  wiki/mcp.txt
  wiki/n8n.txt (zu erstellen)
