Blog

Du betrachtest gerade Automatisierte Meeting-Transkription mit Zoho WorkDrive, OpenAI API und Zoho Projects für Aufgabenmanagement

Automatisierte Meeting-Transkription mit Zoho WorkDrive, OpenAI API und Zoho Projects für Aufgabenmanagement

  • Beitrags-Autor:

Vom Meeting zum Automatisierten Workflow: Wie Du Gesprächsnotizen mit Zoho und APIs sicher verarbeitest

Meetings sind das Rückgrat vieler Unternehmen. Hier werden Strategien entwickelt, Entscheidungen getroffen und Aufgaben verteilt. Doch was passiert nach dem „Auflegen“? Oft versickern wertvolle Informationen in handgeschriebenen Notizen oder bleiben in den Köpfen einzelner Teilnehmer gefangen. Noch schlimmer: Technische Pannen bei der Aufzeichnung können dazu führen, dass der gesamte Inhalt eines wichtigen Gesprächs unwiederbringlich verloren geht. Dieser Artikel zeigt Dir, wie Du einen robusten, automatisierten Prozess aufbaust, der nicht nur solche Datenverluste verhindert, sondern Deine Meetings in strukturierte, verwertbare Daten und konkrete Aktionen umwandelt. Wir kombinieren dazu die Stärke verschiedener Zoho One Apps mit externen KI-APIs wie OpenAI und schaffen so einen Workflow, der für Dich arbeitet.

Praxisbeispiel: Der „Silent Meeting“ GAU

Stell Dir folgendes Szenario vor: Ein entscheidendes 45-minütiges Projektmeeting mit einem wichtigen Kunden findet statt. Um sicherzustellen, dass keine Details verloren gehen, wird das Gespräch aufgezeichnet. Das Ziel ist, die Aufzeichnung später zu transkribieren, die wichtigsten Punkte zusammenzufassen und die vereinbarten Aufgaben direkt im Projektmanagement-Tool anzulegen. Doch bei der Auswertung der Aufzeichnung folgt der Schock: Aufgrund eines nicht nachvollziehbaren technischen Fehlers besteht die gesamte Audio- und Transkriptdatei nur aus einer sich wiederholenden, sinnlosen Phrase. Alle Diskussionen, Entscheidungen und Aufgaben sind verloren. Das Projekt verzögert sich, da ein neues Meeting anberaumt werden muss und das Vertrauen in die eigenen Prozesse erschüttert ist. Genau dieses Worst-Case-Szenario wollen wir mit einem intelligenten System verhindern.

Schritt-für-Schritt: Dein robuster Workflow für Meeting-Intelligenz

Wir bauen einen Prozess, der eine Meeting-Aufzeichnung entgegennimmt, sie extern transkribiert und analysiert und die Ergebnisse nahtlos in Dein Zoho-Ökosystem integriert.

Schritt 1: Sichere Ablage der Meeting-Aufzeichnung

Der erste Schritt ist eine zentrale und sichere Ablage für Deine Aufzeichnungen. Egal, ob Du Zoho Meeting, Zoom oder Microsoft Teams verwendest, die meisten Tools erlauben den automatischen oder manuellen Download der Videodatei (z.B. als MP4 oder MKV).

  • Ziel: Jede Meeting-Aufzeichnung landet automatisch in einem bestimmten Ordner in Zoho WorkDrive.
  • Umsetzung: Richte einen dedizierten Ordner in WorkDrive ein, z.B. „Meeting-Aufzeichnungen zur Verarbeitung“. Du kannst Tools wie Zapier, Make oder Zoho’s eigenen Automatisierungsdienst Zoho Flow nutzen, um neue Aufzeichnungen aus Deinem Cloud-Speicher (z.B. Zoom Cloud) automatisch nach WorkDrive zu verschieben. Ein manueller Upload ist für den Anfang ebenfalls eine valide Option.

Schritt 2: Automatisierte Transkription via OpenAI API

Sobald eine neue Datei in unserem WorkDrive-Ordner landet, soll die Magie beginnen. Wir nutzen eine Custom Function in Zoho CRM oder Zoho Creator, die durch einen Workflow-Trigger (z.B. „Neue Datei in WorkDrive“) gestartet wird. Diese Funktion ruft die Whisper API von OpenAI auf, um aus der Audiodatei einen Text zu generieren.

Dafür benötigst Du einen API-Key von OpenAI. Die Funktion selbst schreiben wir in Deluge, der Scriptsprache von Zoho.


// Deluge Custom Function: Transkription einer Audiodatei aus WorkDrive
// Wichtig: Diese Funktion ist konzeptionell und benötigt Fehlerbehandlung und Anpassungen

// 1. Parameter: Die ID der Datei in Zoho WorkDrive
// 2. Annahme: Die Datei muss öffentlich zugänglich sein oder per API ausgelesen werden

string transcribeAudioFile(string workdriveFileId)
{
    // OpenAI API-Schlüssel sicher in Zoho Vault speichern und hier abrufen
    openai_api_key = zoho.vault.getSecret("OpenAI_API_Key");
    
    // Platzhalter für die URL zur WorkDrive-Datei. In der Praxis müsstest Du
    // eine "shareable link" URL generieren oder die Datei direkt herunterladen.
    // Whisper API kann oft direkt mit einer Datei arbeiten, statt sie zu uploaden.
    file_url = "https://workdrive.zoho.com/api/v1/files/" + workdriveFileId + "/content";
    
    // API-Endpunkt für OpenAI Whisper
    api_url = "https://api.openai.com/v1/audio/transcriptions";
    
    // Header für die Authentifizierung
    headers = Map();
    headers.put("Authorization", "Bearer " + openai_api_key);

    // Parameter für die Anfrage - wir nutzen das 'large' Modell für beste Qualität
    params = Map();
    params.put("model", "whisper-1");
    params.put("file_url", file_url); // Annahme, dass die API eine URL verarbeiten kann
    
    // API-Aufruf mit invokeurl
    // In der Realität müsste hier ein Multipart-Form-Data Request für den File-Upload erfolgen.
    // Deluge invokeurl unterstützt dies. Dies ist eine vereinfachte Darstellung.
    // response = invokeurl
    // [
    //     url :api_url
    //     type :POST
    //     headers:headers
    //     files: fileObject // Hier müsste das eigentliche File-Objekt hin
    // ];
    
    // Dummy-Antwort für das Beispiel
    response = {"text":"Das ist der transkribierte Text des Meetings..."};
    
    info "Transkription erfolgreich: " + response;
    
    // Gib den reinen Text zurück
    return response.get("text");
}

Hinweis: Der direkte Aufruf der Whisper API mit einer Datei aus WorkDrive erfordert in der Praxis einen Multipart-Upload. Das obige Skript dient der Veranschaulichung des Prinzips.

Schritt 3: KI-gestützte Zusammenfassung und Aufgabenextraktion

Ein rohes Transkript ist oft zu lang und unstrukturiert. Im nächsten Schritt senden wir den erhaltenen Text an ein weiteres KI-Modell, z.B. GPT-4 von OpenAI, um eine Zusammenfassung, eine Liste von Entscheidungen und extrahierte Aufgaben zu erhalten.


// Deluge Custom Function: Zusammenfassung und Analyse des Transkripts

map analyzeTranscript(string transcript)
{
    openai_api_key = zoho.vault.getSecret("OpenAI_API_Key");
    api_url = "https://api.openai.com/v1/chat/completions";
    
    headers = Map();
    headers.put("Authorization", "Bearer " + openai_api_key);
    headers.put("Content-Type", "application/json");
    
    // Der "Prompt" ist entscheidend für die Qualität des Ergebnisses
    prompt = "Analysiere das folgende Meeting-Transkript. Erstelle eine Zusammenfassung in 3-5 Sätzen. Extrahiere alle konkreten Aufgaben als nummerierte Liste mit dem Format 'AUFGABE: [Beschreibung]'. Extrahiere alle getroffenen Entscheidungen als nummerierte Liste mit dem Format 'ENTSCHEIDUNG: [Beschreibung]'. Der Output soll im JSON-Format sein mit den Schlüsseln 'summary', 'tasks' und 'decisions'. Transkript: " + transcript;

    body = Map();
    body.put("model", "gpt-4-turbo");
    messages = list();
    messages.add({"role":"user", "content":prompt});
    body.put("messages", messages);
    body.put("response_format", {"type": "json_object"}); // Fordert eine JSON-Antwort an
    
    // API-Aufruf
    response = invokeurl
    [
        url :api_url
        type :POST
        headers:headers
        data:body.toString()
    ];
    
    // Extrahiere und parse die JSON-Antwort
    json_response = response.get("choices").get(0).get("message").get("content");
    parsed_response = zoho.lang.parseJson(json_response);
    
    info "Analyse erfolgreich: " + parsed_response;
    return parsed_response;
}

Schritt 4: Überführung der Daten in die Zoho-Struktur

Jetzt haben wir strukturierte Daten (Zusammenfassung, Aufgaben, Entscheidungen). Diese verteilen wir nun an die passenden Zoho Apps.

  • Zusammenfassung: Wird als Notiz zum zugehörigen Kontakt oder Deal in Zoho CRM hinzugefügt.
  • Aufgaben: Für jeden extrahierten Punkt wird eine neue Aufgabe in Zoho Projects erstellt und dem relevanten Projekt und Benutzer zugewiesen.
  • Entscheidungen: Können in einem benutzerdefinierten Modul in CRM oder in einer dedizierten App in Zoho Creator protokolliert werden, um eine nachvollziehbare Historie zu gewährleisten.

// Deluge-Code-Schnipsel zum Erstellen von Zoho-Entitäten

// Annahme: 'analyzed_data' ist das Map-Objekt aus der analyzeTranscript-Funktion
// Annahme: 'crm_deal_id' und 'projects_project_id' sind bekannt

// 1. Notiz in Zoho CRM erstellen
summary_note = analyzed_data.get("summary");
note_map = Map();
note_map.put("Note_Title", "Zusammenfassung Meeting vom " + zoho.currentdate);
note_map.put("Note_Content", summary_note);
note_map.put("Parent_Id", crm_deal_id);
note_map.put("se_module", "Deals");
create_note_response = zoho.crm.createRecord("Notes", note_map);
info "CRM Notiz erstellt: " + create_note_response;

// 2. Aufgaben in Zoho Projects erstellen
tasks_list = analyzed_data.get("tasks");
for each task_description in tasks_list
{
    task_map = Map();
    task_map.put("name", task_description);
    // Weitere Parameter wie 'owner', 'start_date' etc. können hier gesetzt werden
    create_task_response = zoho.projects.createTask(projects_project_id, task_map, "YOUR_CONNECTION_NAME");
    info "Projects Aufgabe erstellt: " + create_task_response;
}

Schritt 5: Benachrichtigung und Verifizierung

Ein vollautomatischer Prozess sollte nicht im Verborgenen ablaufen. Informiere die Meeting-Teilnehmer über das Ergebnis.

  • Interne Benachrichtigung: Sende eine Nachricht an einen relevanten Kanal in Zoho Cliq. Die Nachricht sollte die Zusammenfassung und Links zu den erstellten Aufgaben in Zoho Projects enthalten.
  • Externe Kommunikation: Bei Bedarf kann auch eine Benachrichtigung via SMS oder WhatsApp erfolgen. Dafür kannst Du die APIs von Diensten wie Twilio oder Vonage nutzen und diese ebenfalls per `invokeurl` aus Deluge ansteuern.

Tipps und Best Practices

  • Fehlerbehandlung (Error Handling): Was passiert, wenn die Transkription fehlschlägt oder ein leeres Ergebnis liefert (wie in unserem GAU-Beispiel)? Baue in Deinem Deluge-Skript Prüfungen ein. Wenn der transkribierte Text zu kurz ist, sende eine Fehlermeldung an einen Admin in Zoho Cliq, anstatt den Prozess fortzusetzen.
  • Datenschutz und Compliance: Bedenke, dass Du potenziell sensible Gesprächsdaten an externe Dienstleister wie OpenAI sendest. Kläre die datenschutzrechtlichen Implikationen (DSGVO) und prüfe die Nutzungsbedingungen der API-Anbieter. Nutze gegebenenfalls die Business-Angebote der API-Provider, die strengere Datenschutzgarantien bieten.

    • – Kostenkontrolle: API-Aufrufe, insbesondere für Transkription und Analyse langer Gespräche, verursachen Kosten. Überwache Deine API-Nutzung bei OpenAI und setze Budgets, um unerwartete Ausgaben zu vermeiden.

  • Prompt Engineering: Die Qualität der Zusammenfassung und Aufgabenextraktion hängt massiv von der Qualität Deines Prompts an die GPT-API ab. Experimentiere und verfeinere den Prompt, um die bestmöglichen Ergebnisse für Deine Anwendungsfälle zu erzielen.

Zusätzliche Optimierungsmöglichkeiten

Dieser Workflow ist nur der Anfang. Erweitere ihn mit weiteren Zoho-Apps:

  • Zoho Analytics: Sammle Metadaten zu Deinen Meetings. Wie viele Aufgaben werden pro Meeting generiert? Wie hoch ist die Erledigungsquote dieser Aufgaben? Erstelle Dashboards, um die Effektivität Eurer Meeting-Kultur zu messen.
  • Zoho Sign: Wenn aus einem Meeting ein offizielles Protokoll entsteht, kannst Du den zusammengefassten Text automatisch in ein Dokument umwandeln und es über Zoho Sign zur digitalen Unterschrift an die Teilnehmer senden.
  • Zoho Books: Wenn in Meetings abrechenbare Leistungen besprochen werden, können die in Zoho Projects erstellten Aufgaben direkt für die Zeiterfassung und spätere Rechnungsstellung in Zoho Books genutzt werden.

Fazit

Ein technischer Fehler muss nicht zum Totalverlust wichtiger Geschäftsinformationen führen. Indem Du die Stärken des Zoho-Ökosystems – insbesondere die Flexibilität von Deluge-Skripten – mit der Leistungsfähigkeit externer KI-APIs von Anbietern wie OpenAI kombinierst, kannst Du einen widerstandsfähigen und hoch-effizienten Prozess schaffen. Du wandelst unstrukturierte Gespräche in wertvolle, strukturierte Daten um, automatisierst die Erstellung von Aufgaben und schaffst eine lückenlose Dokumentation. Das spart nicht nur Zeit und verhindert Fehler, sondern legt die Grundlage für eine datengestützte und transparente Arbeitsweise.

Verwendete Zoho Apps in diesem Konzept: