Jeden Morgen aus dem Postfach in die Tabelle: Daten aus E-Mails automatisch übertragen

Die Szene, die du kennst

Katrin (fiktiver Name) führt einen kleinen Ersatzteilhandel, neun Leute. Aufträge kommen als E-Mail: manche direkt von Kunden, manche als Bestätigung aus zwei Bestellportalen, dazu die Lieferavise der Hersteller. Alles landet im gemeinsamen Postfach, und alles ist als Text lesbar. Nur eben in achtundvierzig einzelnen Mails, nicht in einer Übersicht.

Deswegen sitzt Nadja (fiktiver Name) jeden Morgen zwischen halb acht und neun vor zwei Fenstern nebeneinander. Links das Postfach, rechts die Google-Sheets-Tabelle, in der Auftragsnummer, Kunde, Artikel, Menge und Liefertermin stehen. Sie liest, sie kopiert, sie tippt. Diese Tabelle ist die Grundlage für die Tourenplanung, für die Nachbestellung, für das Gespräch mit dem Kunden am Telefon. Sie ist das Herz des Betriebs, und sie wird von Hand befüllt.

Das Problem zeigt sich an zwei Tagen im Jahr besonders deutlich. Am Tag, an dem Nadja krank ist und die Tabelle bis mittags auf dem Stand von gestern steht. Und an dem Tag, an dem aus einer Menge von 120 in der Tabelle eine 12 wird, niemand es merkt, und drei Wochen später eine Palette zu wenig auf dem Hof steht.

Warum Abtippen die teuerste Art ist, Daten zu bewegen

Die Daten sind bereits digital. Sie sind nur in einem Format, das für Menschen gemacht ist und nicht für eine Tabelle: eingebettet in Anrede, Fließtext, Signatur und wechselnde Layouts. Genau dazwischen sitzt die Handarbeit. Sie erzeugt keinen neuen Wert, sie verschiebt vorhandene Werte von einer Stelle an eine andere, und bei jeder Verschiebung kann etwas kaputtgehen.

Das ist die Sorte Aufgabe, für die Menschen schlecht gebaut sind und Maschinen gut. Nicht weil sie schwer wäre, sondern weil sie stumpf ist und trotzdem hundertprozentige Genauigkeit verlangt. Konzentration lässt nach der zwanzigsten Mail nach, die Genauigkeitsanforderung nicht. Eine Maschine liest die achtundvierzigste Mail exakt so aufmerksam wie die erste.

Was dabei tatsächlich frei wird, ist nicht nur die Stunde am Morgen. Es ist der Kopf. Wer den Vormittag mit Abtippen beginnt, startet mit einer Aufgabe, die keine einzige Entscheidung enthält. Wenn dieser Teil wegfällt, bleibt Zeit für das, was in dieser Rolle wirklich zählt: die Rückfrage beim Kunden, dessen Termin nicht passt, oder der Blick auf die Bestellung, bei der die Menge komisch aussieht.

Und es ist gut investierte Arbeit, weil sich der Aufbau nicht bei einer Mail-Sorte erschöpft. Steht der Weg vom Postfach in die Tabelle einmal sauber, ist die zweite Mail-Sorte ein Bruchteil des Aufwands. Deswegen lohnt es sich, Phase eins so zu bauen, dass Phase zwei andocken kann.

Was das Abtippen wirklich kostet

Die verlorene Stunde pro Tag ist der sichtbare Teil. Der teurere Teil steht in keiner Zeiterfassung.

Was oft versucht wird und nicht trägt

• ✕Filter und Labels im Postfach. Die sortieren, aber sie extrahieren nichts. Am Ende hast du saubere Ordner und tippst denselben Inhalt trotzdem ab, nur besser vorsortiert.
• ✕Ein starres Parsing-Skript, das feste Textmuster sucht. Das läuft, solange kein Absender sein Template anfasst. Sobald ein Portal die Bestätigungsmail neu gestaltet, liefert das Skript entweder nichts mehr oder, deutlich unangenehmer, das Falsche an der richtigen Stelle.
• ✕Alle Absender bitten, ein Formular zu benutzen. Bei eigenen Leuten klappt das, bei Kunden und Herstellern nicht. Die schreiben weiter Mails, und du hast jetzt zwei Wege statt einem.
• ✕Ein fertiger E-Mail-Parser, dem man ein Beispiel anlernt. Der funktioniert für genau einen Absender in genau einem Layout. Bei Variantenvielfalt kippt die Trefferquote, und meist fehlt die Stelle, an der du siehst, welche Zeile aus einer unsicheren Lesung entstanden ist.
• ✕Die Mails einzeln in einen KI-Chat kopieren und das Ergebnis zurück in die Tabelle. Das liest besser als jedes Regex, verschiebt die Handarbeit aber nur an eine andere Stelle. Am Ende sitzt weiterhin ein Mensch zwischen zwei Fenstern.

Wie es gelöst wird: ein Weg vom Postfach in die Tabelle, mit Prüfung an der Grenze

Der Kern ist ein Workflow, der zwischen eurem Gmail-Postfach und der bestehenden Google-Sheets-Tabelle sitzt. Eine neue Mail kommt rein, der Workflow entscheidet zuerst, ob sie überhaupt zu der Sorte gehört, um die es geht. Wenn ja, liest er sie, zieht genau die vorher festgelegten Felder heraus, prüft sie und schreibt eine Zeile. Die Tabelle bleibt, wie sie ist. Niemand muss ein neues Werkzeug lernen oder sich woanders einloggen.

Der erste Schritt ist kein technischer, sondern ein inhaltlicher: das Feld-Schema. Welche Felder soll eine Zeile haben, welche davon sind Pflicht, welches Format ist erlaubt, was ist plausibel und was sicher falsch. Ein Liefertermin in der Vergangenheit ist keine Zahl, die man einfach übernimmt. Dieses Schema ist der Vertrag, gegen den später alles läuft, und es ist auch die Stelle, an der die späteren Phasen andocken.

Die Extraktion selbst macht ein Sprachmodell, weil es genau die Variabilität aushält, an der starre Muster brechen: eine höfliche Einleitung vor der Auftragsnummer, ein Datum mal als 03.09. und mal als September 3rd, eine Menge mal in der Tabelle und mal im Fließtext. Das Modell schlägt Werte vor, es entscheidet aber nicht, ob sie gültig sind.

Diese Entscheidung trifft eine harte Validierung dahinter. Fehlt ein Pflichtfeld, passt ein Format nicht oder liegt ein Wert außerhalb des Plausiblen, wird die Zeile nicht geschrieben, sondern als Klärfall markiert, mit Angabe, welches Feld gehakt hat und was in der Mail stand. So entsteht kein stiller Datenmüll, sondern eine kurze Liste, die ein Mensch in zwei Minuten durchsieht. Genau die Fälle, in denen ein Mensch wirklich gebraucht wird.

Dazu kommen zwei Dinge, die im Alltag den Unterschied machen. Erstens ein eindeutiger Schlüssel pro Vorgang, damit dieselbe Mail bei einer Weiterleitung oder einem Neustart nicht ein zweites Mal in der Tabelle landet. Zweitens ein Protokoll-Tab: welche Mail wurde wann wie gelesen, welche Felder kamen heraus. Wenn eine Zahl komisch aussieht, siehst du in dreißig Sekunden, woher sie stammt, statt im Postfach zu suchen.

Gebaut wird das als Workflow in n8n, in klar getrennten Schritten: Mail abholen, vorfiltern, extrahieren, validieren, schreiben, protokollieren. Jeder Schritt ist einzeln nachvollziehbar und einzeln austauschbar. Wenn ein Absender in vier Monaten sein Layout ändert, wird ein Schritt nachgeschärft, nicht das Ganze neu gebaut.

Phase eins ist bewusst eine Mail-Sorte end-to-end, statt fünf Sorten halb. Erst wenn dieser eine Weg zwei Wochen im echten Betrieb sauber läuft, kommt die nächste Quelle dazu. Weil das Schema und die Validierung dann schon stehen, ist jede weitere Sorte deutlich schneller als die erste. Das gilt genauso für die Schritte danach: Daten aus PDF-Anhängen, Anreicherung aus öffentlichen Quellen, oder der Umzug von der Tabelle in eine echte Datenbank, wenn das Volumen es verlangt.

Wann du das NICHT brauchst

• Wenn es um wenige Mails am Tag geht. Fünf Zeilen abtippen dauert vier Minuten, und der Aufbau lohnt sich noch nicht.
• Wenn die Quelle die Daten auch strukturiert herausgibt, etwa als CSV-Export oder über eine Schnittstelle. Dann ist die direkte Anbindung der bessere Weg, und Mail-Extraktion wäre ein Umweg über das Format für Menschen.
• Wenn jede Mail komplett anders aussieht und sich kein gemeinsames Feld-Schema finden lässt. Dann ist das zuerst eine Frage an euren Prozess, nicht an die Technik.
• Wenn die Tabelle am Ende ohnehin kaum genutzt wird. Dann automatisierst du das Befüllen von etwas, das niemand liest, und die ehrlichere Antwort ist, die Tabelle abzuschaffen.

So bauen wir das konkret

Das ist ein zugeschnittener Extraktions-Workflow: vom Gmail-Postfach in eure bestehende Google-Sheets-Tabelle, für eine Mail-Sorte, vollständig durchgebaut. Wir starten mit der Sorte, die bei euch das meiste Abtippen verursacht, damit der Effekt sofort im Alltag spürbar ist.

Der Anspruch dahinter: Der Workflow übernimmt das Übertragen, nicht die Verantwortung für die Daten. Was er nicht sicher lesen kann, schreibt er nicht, sondern legt es euch vor. Lieber ein Klärfall zu viel als eine falsche Zahl, die niemand bemerkt.

Das ist ein Ausgangspunkt, kein starres Paket, und es ist ausdrücklich auf weitere Phasen ausgelegt. Melde dich, dann schauen wir gemeinsam auf eure Mails und legen fest, welche Felder in Phase eins wirklich zählen.

Häufige Fragen

Müssen wir dafür unsere Tabelle umbauen?

Nein. Der Workflow schreibt in die Struktur, die ihr habt. Wenn beim Festlegen des Feld-Schemas auffällt, dass eine Spalte fehlt oder zwei Spalten dasselbe meinen, sprechen wir darüber, aber ein Umbau ist keine Voraussetzung.

Was passiert, wenn ein Absender sein Layout ändert?

Genau dafür liest ein Sprachmodell und kein starres Textmuster: Umformulierungen und verschobene Blöcke übersteht es meistens ohne Anpassung. Wenn ein Layout sich so stark ändert, dass ein Pflichtfeld fehlt, wird die Zeile nicht geschrieben, sondern als Klärfall gemeldet. Ihr merkt es also am selben Tag und nicht drei Wochen später.

Woher wissen wir, ob die Daten stimmen?

Aus drei Quellen: der Validierung, die Pflichtfelder, Formate und Plausibilität prüft, der Klärliste mit allem, was nicht eindeutig war, und dem Protokoll-Tab, in dem zu jeder Zeile steht, aus welcher Mail sie stammt. In den ersten Wochen läuft es sinnvollerweise parallel zur Handarbeit, damit ihr die Trefferquote an eurem eigenen Material seht, bevor ihr euch darauf verlasst.

Reicht Google Sheets als Datenbank?

Für die erste Phase in aller Regel ja, und es hat den Vorteil, dass alle es schon können. Wenn Zeilenzahl, Nebenläufigkeit oder Auswertungen darüber hinauswachsen, ist der Umzug in eine echte Datenbank ein späterer Schritt. Weil das Feld-Schema dann schon existiert, tauscht man dabei das Ziel aus und nicht den ganzen Weg.

Was ist mit Datenschutz, wenn eine KI unsere Mails liest?

Das gehört an den Anfang, nicht ans Ende. Konkret heißt das: für jedes eingesetzte Werkzeug ein Auftragsverarbeitungsvertrag, eine bewusste Entscheidung, welche Felder überhaupt an ein Modell gehen, und wo es passt eine Pseudonymisierung vorher. Wenn die Daten besonders sensibel sind, kommt ein selbst gehostetes Modell in Frage, dann verlässt der Inhalt eure Umgebung gar nicht.

Kann der Workflow auch Anhänge auswerten, etwa PDF-Rechnungen?

Ja, das ist technisch derselbe Weg mit einem zusätzlichen Schritt davor. In Phase eins lassen wir es meist bewusst weg, damit ein Weg vollständig sauber läuft, bevor die nächste Quelle dazukommt.