← Back to Trusted Shops automates 50% of support requests with Amazon Bedrock and Anthropic Claude

Source proof for Trusted Shops automates 50% of support requests with Amazon Bedrock and Anthropic Claude

Source-bound proof

Verified source excerpts for every supported field

Each colour maps a published value to the exact source passage used to support it. Only bounded excerpts are public; administrators can inspect the complete captured source.

13 fields supported

Title

Trusted Shops automates 50% of support requests with Amazon Bedrock and Anthropic Claude

derived · high
…Bedrock , AWS Lambda , Case Study , Europe , SaaS , Serverless Permalink Share Wie Trusted Shops mit Amazon Bedrock und Anthropic Claude wiederkehrende Kundenanfragen datenschutzkonform automatisiert und dabei die Bearbeitungszeit um 60% reduziert hat Autoren: Sabrina Engling, A…
Trusted Shops automatisiert 50% der Support-Anfragen und erreicht 24/7-Verfügbarkeit mit Amazon Bedrock | AWS Germany – Amazon Web Services in Deutschland Skip to Main Content Filter:…

Description

Trusted Shops, Europe's leading provider of buyer protection and trust seals for e-commerce, uses Amazon Bedrock with Anthropic Claude to classify incoming Zendesk support tickets into more than 30 intent categories. An AWS Lambda function anonymizes ticket content before it is sent to the model. Being able to process this data only in European data centres was a critical criterion in choosing Amazon Bedrock. The AWS Germany blog post reports that the automation rate rose from an initial 15 percent to 50 percent of incoming support requests and that full resolution time for human handling fell by 60 percent.

derived · high
…ior Solutions Architect, AWS Wachsende Ticketvolumina und gleichartige Anfragen Trusted Shops, Europas führender Anbieter für Käuferschutz und Gütesiegel im E-Commerce, kennt das Problem vieler wachsender SaaS-Unternehmen: Mit dem Erfolg wächst au…
…auigkeit der KI-Lösung steht und fällt mit der Qualität des Prompt Engineering. Trusted Shops entwickelte ein detailliertes System von über 30 verschiedenen Kategorien von Kundenanfragen (sogenannte „Intents“), die die gesamte Bandbreite der Support-Anfragen abdecke…
…rteninformationen, persönliche Details und vertrauliche Geschäftsinformationen. Die Möglichkeit, diese Daten ausschließlich in europäischen Rechenzentren zu verarbeiten, ist daher ein kritisches Auswahlkriterium. „Datenschutz und Compliance sind für uns keine nachgelagerten Überlegungen, son…
…ich die Zufriedenheit mit der menschlichen Bearbeitung um 4 Prozent verbessert. Besonders beeindruckend ist die Reduktion des Bearbeitungszyklus (Full Resolution Time) um 60 Prozent bei menschlicher Bearbeitung, während KI-Antworten in Sekunden bereitstehen. Die 24/7-Verfügbarkeit führt zu reduzierten Backlogs und gibt Kunden bei zeitkr…

Company

Trusted Shops

quote · high
…ior Solutions Architect, AWS Wachsende Ticketvolumina und gleichartige Anfragen Trusted Shops, Europas führender Anbieter für Käuferschutz und Gütesiegel im E-Commerce, kennt das Problem vieler wachsender SaaS-Unternehmen: Mit dem Erfolg wächst au…

Region

Europe

classification · high
…ior Solutions Architect, AWS Wachsende Ticketvolumina und gleichartige Anfragen Trusted Shops, Europas führender Anbieter für Käuferschutz und Gütesiegel im E-Commerce, kennt das Problem vieler wachsender SaaS-Unternehmen: Mit dem Erfolg wächst au…

Industry

Technology & Software

classification · medium
…hops, Europas führender Anbieter für Käuferschutz und Gütesiegel im E-Commerce, kennt das Problem vieler wachsender SaaS-Unternehmen: Mit dem Erfolg wächst auch das Volumen der Support-Anfragen. Das Unternehmen n…

Problem

As Trusted Shops grew, so did its volume of support requests, now hundreds of tickets per day in Zendesk, and a large share were similar standard requests. Staff spent most of their time on recurring tasks while complex customer issues waited longer, resulting in longer response times and less time for truly complex cases.

derived · high
…als strukturierte „Tickets“ erfasst und von Service-Agenten bearbeitet werden. Was als überschaubare Anzahl täglicher Anfragen beginnt, entwickelt sich zu einem kontinuierlichen Strom von Hunderten von Tickets pro Tag. Die Analyse der eingehenden Tickets offenbart ein wiederkehrendes Muster: Ein G…
…arenz über häufige Themen und aufkommende Trends in den Kundenanfragen erhöhen. Das Ergebnis sind längere Antwortzeiten und weniger Zeit für die Bearbeitung wirklich komplexer Fälle, die tiefe Expertise erfordern. Amazon Bedrock als Enterprise-KI-Plattform im Customer Service Eine KI-gestützt…

Solution

Trusted Shops took a step-by-step approach, starting with the most frequent and clearest use cases such as membership and shop-contact requests. It defined more than 30 categories of customer requests (intents) and built an AWS Lambda function, triggered by a Zendesk webhook, that anonymizes ticket content before sending it to Amazon Bedrock, where Anthropic Claude classifies the intent. The Lambda function validates each response against the predefined intent list, falling back to an error tag for unknown intents, and tags the Zendesk ticket for downstream workflows. Only the initial customer request is handled automatically, a QA dashboard monitors approval rates, and an A/B testing system queries different foundation models or prompt versions in parallel.

derived · high
…on, AWS-Services bis zur automatischen Ticket-Klassifizierung und -bearbeitung. Wenn ein neues Ticket in Zendesk erstellt wird, löst ein Webhook die Lambda-Funktion aus, die dann eine mehrstufige Verarbeitung der Kundenanfrage durchführt. Der erste Schritt ist die Datenbereinigung und Anonymisierung. Die Lambda-Funkt…
…verhindern und sicherzustellen, dass nur validierte Intents verarbeitet werden. Die Lambda-Funktion validiert jede Antwort von Claude gegen die vordefinierte Liste der 30+ Intent-Kategorien. Falls das Model einen unbekannten Intent zurückgibt oder eigene Kategorien erfi…
…er Sicherheitsmechanismus ist die Beschränkung auf die erste Kundeninteraktion: Nur die initiale Anfrage wird automatisch bearbeitet. Bei Rückfragen oder der Wiedereröffnung eines Tickets erfolgt immer eine mensch…
…rektes Feedback über die Qualität der Intent-Erkennung für jeden Kategorie-Typ. Für kontinuierliche Verbesserung implementiert Trusted Shops ein A/B-Testing-System, das parallel verschiedene Basismodelle oder Prompt-Versionen abruft. Bei unterschiedlichen Ergebnissen wird das Ticket mit dem Tag ai_beta_intent_di…

Business value

According to the blog post, Trusted Shops raised its automation rate from an initial 15 percent to 50 percent of all incoming support requests. Customer satisfaction with the AI-generated answers averages 4 out of 5 stars, satisfaction with human handling improved by 4 percent, and full resolution time for human handling fell by 60 percent, while 24/7 availability reduces backlogs.

derived · high
…isse der KI-Implementation übertreffen die ursprünglichen Erwartungen deutlich. Trusted Shops kann die Automatisierungsrate von anfänglich 15 Prozent auf 50 Prozent aller eingehenden Support-Anfragen steigern. Die Kundenzufriedenheit mit den KI-generierten Antworten erreicht durchschnittl…
…fänglich 15 Prozent auf 50 Prozent aller eingehenden Support-Anfragen steigern. Die Kundenzufriedenheit mit den KI-generierten Antworten erreicht durchschnittlich 4 von 5 Sternen, während sich die Zufriedenheit mit der menschlichen Bearbeitung um 4 Prozent verbessert. Besonders beeindruckend ist die Reduktion des Bearbeitungszyklus (Full Resoluti…
…nt bei menschlicher Bearbeitung, während KI-Antworten in Sekunden bereitstehen. Die 24/7-Verfügbarkeit führt zu reduzierten Backlogs und gibt Kunden bei zeitkritischen Anliegen sofortige Gewissheit. „Durch die AI…

AI capabilities

Generative AI

classification · high
…wohl technische Flexibilität als auch höchste Compliance-Standards bieten kann. Amazon Bedrock erweist sich als ideale Lösung, da die Plattform einen umfassenden Ansatz für Generative KI bietet. Unternehmen können aus verschiedenen Basismodelle (englisch: „Foundation Models…

Technology

Amazon Bedrock, Claude, AWS Lambda, Zendesk

classification · high
…igen Kontext über Käuferschutz, Plus Membership und Review Management zu geben. Das Herzstück der technischen Lösung ist eine AWS Lambda-Funktion, die als Brücke zwischen Zendesk und Amazon Bedrock fungiert und diese Intent-Definitionen nutzt. Die folgende Architektur zeigt den komplet…
…auigkeit der Intent-Erkennung mit der Anzahl der definierten Kategorien steigt. Je spezifischer und umfassender das Intent-Schema, desto präziser kann Claude zwischen verschiedenen Anfrage-Typen unterscheiden. Die Trusted Shops Services werden zusätzlich im System-Prompt erklärt, um dem M…

Implementation approach

Trusted Shops chose a step-by-step approach to introducing AI automation. Rather than automating all request types at once, the team started with the most frequent and clear-cut use cases, with membership requests and shop contact requests as the starting point.

derived · high
…erarbeitung bietet. Technische Implementierung: Intent-Erkennung und AWS Lambda Trusted Shops entschied sich für einen schrittweisen Ansatz bei der Einführung der KI-Automatisierung. Anstatt sofort alle Arten von Support-Anfragen zu automatisieren, konzentrierte…
…te sich das Team zunächst auf die häufigsten und eindeutigsten Anwendungsfälle. Anfragen zur Mitgliedschaft und Kontaktmöglichkeiten zu einem Online-Shop bilden den Startpunkt, da diese Anfragen klare Muster aufweisen und gut strukturierte Antworten erfor…

Headline outcome

derived · high
Trusted Shops automatisiert 50% der Support-Anfragen und erreicht 24/7-Verfügbarkeit mit Amazon Bedrock | AWS Germany – Amazon Web Services in Deutschland Skip to Main Content Filter:…

Use case type

Workflow automation

classification · high
…rkennung erfolgt die nahtlose Integration in die bestehenden Zendesk-Workflows. Die Lambda-Funktion fügt automatisch Tags im Format ai_intent_ {intent_name} zu den entsprechenden Tickets hinzu, beispielsweise ai_intent_product_damage_report , um Produktdefekte zu melden.…
Capture details
Captured
10 Oct 2026, 06:03 UTC
Extractor
fetch-strip@1
Snapshot hash
bda438246a36484283e5312a64fdca997188ab17f25c58b863113ef617ca823e