aWall

Kontext

In Meetings entstehen Aufgaben, die danach mühsam von Hand in ein Ticketsystem übertragen werden müssen, fehleranfällig und zeitraubend. aWall setzt hier an: Meeting-Inhalte sollen automatisch analysiert und in strukturierte Jira-Tickets überführt werden.

Meine Rolle

Ich habe an der KI-gestützten Analyse-Pipeline und an der Integration in das bestehende System gearbeitet, von der Transkription über die Extraktion von Aufgaben bis zur Ticket-Generierung.

Ansatz & Architektur

Die Pipeline kombiniert automatisierte Transkription mit LLM-gestützter Issue-Extraktion: Aus dem Gesprächsverlauf werden Aufgaben, Verantwortlichkeiten und Kontext identifiziert und in das Jira-Format gebracht. Das Frontend wurde mit Angular/TypeScript umgesetzt, die Analyse-Logik in Python. Bewusst wurde auf die Integration in ein bestehendes System gesetzt, statt eine isolierte Insellösung zu bauen, der Mehrwert entsteht erst im Workflow der Nutzer.

Herausforderungen

Sprache in Meetings ist unstrukturiert: Nicht jede Aussage ist eine Aufgabe, und Kontext geht leicht verloren. Die Kunst lag darin, mit LLMs verlässlich die tatsächlich umsetzbaren Aufgaben herauszufiltern und in ein konsistentes Ticket-Format zu bringen.

Ergebnis

Ein Prototyp, der Meetings automatisiert auswertet und daraus Jira-Tickets erzeugt und so den manuellen Nachbearbeitungsaufwand nach Besprechungen reduziert.