KI-gestützte CRM-Datenerfassung für Telegram: Felder und Labels automatisch füllen mit MCP

Jedes Team, das Vertrieb oder Support über Telegram abwickelt, landet früher oder später beim gleichen Problem. Man richtet ein Telegram CRM ein, entwirft ein sinnvolles Set an Spalten — Phase, Priorität, Deal-Größe, Sprache, Quelle — und ungefähr zwei Wochen lang füllt sie auch jeder aus. Dann kommt ein hektischer Dienstag, vierzig neue Chats landen im Postfach, und danach aktualisiert niemand mehr irgendetwas. Sechs Monate später hat man 1.400 Konversationen und ein Spaltenlayout, das zu 80 % leer ist.

Die Spalten sind nicht das Problem. Niemand hat Lust, einen Chat zu öffnen, sich durch 200 Nachrichten zurückzulesen, herauszufinden, dass diese Person ein türkischsprachiger Wiederverkäufer ist, der im April nach Mengenrabatten gefragt hat, und das dann in vier verschiedene Felder zu tippen. Das sind fünfzehn Minuten Arbeit pro Chat, und es produziert nichts, was ein Kunde jemals sieht. Also passiert es nicht.

Die Information fehlt aber gar nicht. Sie steht komplett in den Nachrichten. Jeder Chat verrät bereits, welche Sprache die Person spricht, wo sie ungefähr im Funnel steht, ob sie ein Käufer oder ein Supportfall ist und wie dringend die Sache ist. Diese Information war nur nie für irgendetwas lesbar außer für einen Menschen mit Zeit im Überfluss.

Genau diese Lücke schließt MCP. Mit dem angebundenen Telegram-MCP-Server von Entergram kann ein KI-Agent diese Nachrichten lesen, entscheiden, welche Werte richtig sind, die Spalten anlegen, falls es sie noch nicht gibt, und die Werte zurück ins CRM schreiben — für 1.400 Chats, in einem Durchgang, während Sie etwas anderes tun.

In diesem Beitrag geht es genau um diese Aufgabe: eine KI als Datenerfassungsmaschine für Ihr Telegram-CRM. Nicht „mit dem Postfach chatten", sondern tatsächlich ein strukturiertes Schema befüllen, nach dem Sie anschließend filtern, auswerten und Broadcasts versenden können.

Das Model Context Protocol ist der Standard, über den KI-Clients externe Systeme ansprechen. Entergram betreibt einen gehosteten MCP-Server, und die Tool-Oberfläche, die er veröffentlicht, bestimmt, was ein Agent wirklich tun kann. Für diese Aufgabe sind vier Gruppen relevant:

• Chats & Discovery — entergram_list_workspace_chats, entergram_get_workspace_chat. Das ist die CRM-Sicht auf eine Konversation: aktuelle Feldwerte, verknüpfte Tickets, interne Notizen.
• Nachrichten — entergram_list_messages, entergram_send_message. Das ist die Beweisgrundlage, über die der Agent nachdenkt, und der Kanal, über den er antwortet.
• CRM-Benutzerfelder — entergram_list_custom_columns, entergram_create_custom_column, entergram_create_custom_column_option, entergram_patch_chat_custom_fields. Schema lesen, Schema erweitern, Werte schreiben.
• Interne Notizen und Tickets — entergram_create_chat_comment, entergram_create_ticket. Dort hinterlässt der Agent seine Begründung, und dort eskaliert er.

Entscheidend ist, dass es create_custom_column überhaupt gibt. Die meisten Integrationen lassen eine Maschine nur in Felder schreiben, die jemand anderes entworfen hat. Hier kann der Agent das Feld selbst entwerfen — Typ wählen (text, textarea, number, date, select, multiselect, checkbox), die Optionsliste definieren, jeder Option eine Farbe zuweisen — und es dann sofort befüllen. Das verändert den Ablauf von „erst konfigurieren, dann automatisieren" zu „beschreiben Sie das gewünschte Ergebnis, und lassen Sie die Struktur bauen".

Die Einrichtung dauert wenige Minuten: MCP-Server-URL unter Einstellungen → Entwickler → Connectors (API & MCP) kopieren, in Claude, ChatGPT, Cursor, n8n oder den Client Ihrer Wahl einfügen und die Scopes autorisieren. Die Hilfeseite zu MCP-Connectors und unsere Anleitung zum Verbinden beliebiger KI-Clients beschreiben die Details je Plattform. Alles Folgende setzt eine aktive Verbindung voraus.

Fangen wir mit der an, die sich sofort bezahlt macht — besonders, wenn Sie über Ländergrenzen hinweg verkaufen.

Sie haben keine Ahnung, welche Sprache die meisten Ihrer Kontakte bevorzugen. Ihr Team schreibt standardmäßig auf Englisch, bekommt kurze Antworten und liest das als geringes Interesse. In der Hälfte der Fälle ist es kein geringes Interesse — es ist jemand, der in seiner dritten Sprache tippt und sich kurz fasst, weil es anstrengend ist.

Hier der gesamte Workflow als Prompt:

Lege in meinem Entergram-Workspace eine neue Chat-Benutzerspalte namens „Sprache" an, Typ select, mit diesen Optionen: Englisch (en), Russisch (ru), Spanisch (es), Türkisch (tr), Portugiesisch (pt), Farsi (fa), Arabisch (ar), Chinesisch (zh), Deutsch (de), Französisch (fr) und Gemischt/Unklar (unclear). Gib jeder Option eine eigene Farbe.

Gehe dann alle Chats im Workspace durch. Lies bei jedem die letzten 100 Nachrichten, betrachte ausschließlich das, was der Kontakt geschrieben hat (ignoriere meine eigenen Nachrichten und jede Bot-Ausgabe), und bestimme die vorherrschende Sprache. Schreibe sie ins Feld „Sprache". Wenn weniger als fünf Kontaktnachrichten existieren oder der Kontakt in zwei Sprachen ungefähr gleich häufig schreibt, setze unclear statt zu raten.

Bevor du irgendetwas schreibst, zeige mir die ersten 20 Chats mit deinem Vorschlagswert und einer einzeiligen Begründung. Ich bestätige, dann machst du den Rest.

Was der Agent tatsächlich tut, Schritt für Schritt:

1. Ruft entergram_list_custom_columns auf, um zu prüfen, ob eine Sprach-Spalte bereits existiert — damit ein zweiter Durchlauf kein Duplikat anlegt.
2. Ruft entergram_create_custom_column mit type: "select" und dem Options-Array auf, jeder Eintrag mit label, stabilem value und einer Hex-color.
3. Ruft entergram_list_workspace_chats auf, um die Konversationen aufzuzählen, und verwendet items[].telegramId als kanonische Chat-ID.
4. Ruft für jeden Chat entergram_list_messages auf und zieht den jüngeren Verlauf.
5. Entscheidet den Wert und ruft dann entergram_patch_chat_custom_fields mit { language: "tr" } auf.

Ein paar Dinge machen den Unterschied zwischen einer wirklich nützlichen Spalte und einer, der Sie irgendwann nicht mehr trauen:

Filtern Sie Ihre eigenen Nachrichten heraus. Wenn der Agent den gesamten Verlauf inklusive Ihrer Seite liest, verschiebt ein englischsprachiges Supportteam jedes Ergebnis Richtung Englisch. Die Anweisung „betrachte ausschließlich das, was der Kontakt geschrieben hat" leistet echte Arbeit.

Trennen Sie Schrift von Sprache. Kyrillisch ist nicht automatisch Russisch — es könnte Ukrainisch, Bulgarisch oder Serbisch sein. Arabische Schrift ist nicht automatisch Arabisch — Farsi und Urdu verwenden sie ebenfalls. Schreiben Sie das explizit in den Prompt, wenn Sie in diese Märkte verkaufen, dann liest der Agent nach Vokabular statt nach Alphabet-Mustern.

Geben Sie ihm eine Notausfahrt. Die Option unclear verhindert, dass sich die Spalte mit selbstbewusstem Unsinn füllt. Ein zu 90 % gefülltes und korrektes Feld schlägt ein zu 100 % gefülltes, das zu 15 % falsch ist — denn das zweite vergiftet stillschweigend jeden Broadcast, den Sie darauf aufbauen.

Ergänzen Sie ein Konfidenzfeld, wenn viel auf dem Spiel steht. Eine zweite Spalte — Sprach-Konfidenz, Typ number — lässt den Agenten zu jeder Einschätzung einen Wert von 0–100 festhalten. Dann filtern Sie alles unter 70 und schauen es selbst an. Vierzig Chats zur Prüfung statt 1.400.

Ist die Spalte einmal da, ist sie keine Dekoration. Sie steuert, wer welche Antwortvorlage bekommt, welcher Kollege den Chat übernimmt und — siehe unten — welche Broadcast-Variante ein Kontakt erhält.

Gleiche Mechanik, schwierigeres Urteil. Das ist die Spalte, die Ihre Vertriebler pflegen sollten und nie gepflegt haben.

Lege eine select-Spalte „Pipeline-Phase" an mit den Optionen: Neuer Lead, Qualifizierung, Demo terminiert, Angebot verschickt, Verhandlung, Gewonnen, Verloren, Ruhend.

Lies bei jedem Chat die letzten 100 Nachrichten und wähle die Phase, die das Gespräch tatsächlich hergibt. Nutze Belege, kein Bauchgefühl: „Angebot verschickt" nur, wenn ich Preise oder ein Dokument geschickt habe; „Demo terminiert" nur, wenn ein Termin mit Uhrzeit vereinbart wurde; „Gewonnen" nur bei einer Bestätigung von Zahlung oder Start; „Verloren" nur bei einer ausdrücklichen Absage. Wenn die letzte Kontaktnachricht älter als 45 Tage ist und es kein klares Ergebnis gibt, setze Ruhend.

Hinterlasse bei jedem Chat, den du labelst, außerdem eine interne Notiz, die die konkrete Nachricht zitiert, die die Phase begründet, mit Datum.

Diese letzte Zeile macht das Ganze vertrauenswürdig. entergram_create_chat_comment schreibt eine Notiz, die nur Ihr Team sieht, niemals der Kunde. So trägt jeder gelabelte Chat seine eigene Nachvollziehbarkeit — „Angebot verschickt, laut 12. Juni: ‚hier das Angebot für 200 Lizenzen'". Wenn ein Vertriebler mit einem Label nicht einverstanden ist, sieht er in zwei Sekunden, warum der Agent so entschieden hat, und korrigiert das Label, statt das Vertrauen in die ganze Spalte zu verlieren.

Sinnvolle Varianten, sobald die Basisversion läuft:

• Eine Datumsspalte Letzter echter Kontakt, gefüllt aus dem Zeitstempel der letzten nicht-trivialen Nachricht — „ok", „danke", Sticker und Reaktionen ausgenommen. Danach sortiert bekommen Sie eine echte Follow-up-Liste statt einer, die von Daumen-hoch-Emojis verunreinigt ist.
• Eine number-Spalte Deal-Wert, befüllt mit jeder Zahl, die der Kontakt tatsächlich genannt hat. Leer, wenn nichts besprochen wurde. Plötzlich hat Ihre Pipeline eine Zahl, gezogen aus Gesprächen, die nie jemand dokumentiert hat.
• Ein textarea-Feld Blocker, ein Satz dazu, warum ein Deal noch nicht abgeschlossen ist. Lesen Sie diese Spalte für zwanzig Chats durch, und Sie lernen mehr über Ihren Funnel als aus jedem Dashboard.

Wenn Sie Outreach in größerem Umfang betreiben, kombinieren Sie das mit dem Ansatz aus unserem Leitfaden zur Telegram-Vertriebsautomatisierung — die Phasen-Spalte ist das, was die restliche Pipeline überhaupt adressierbar macht.

Support braucht eine andere Form als Vertrieb, und hier zahlt sich multiselect aus, denn eine Konversation ist oft gleichzeitig eine Abrechnungsfrage und ein Bugreport.

Lege eine multiselect-Spalte „Anfragetyp" an mit den Optionen: Abrechnung, Bug, Onboarding, Feature-Wunsch, Integration, Kontozugang, Missbrauchsmeldung. Lege eine checkbox-Spalte „Mensch nötig" an. Lege eine select-Spalte „Stimmung" an mit den Optionen: Zufrieden, Neutral, Frustriert, Verärgert.

Lies bei jedem Chat mit Kontaktaktivität in den letzten 14 Tagen die jüngeren Nachrichten und setze alle drei Felder. Hake „Mensch nötig" an, wenn der Kontakt eine Frage gestellt hat, die nie beantwortet wurde, oder wenn die Stimmung Frustriert oder Verärgert ist.

Öffne dann für alles, wo „Mensch nötig" gesetzt und die Stimmung Verärgert ist, ein Ticket mit hoher Priorität, betitle es mit einer einzeiligen Zusammenfassung des Problems und verknüpfe es mit dem Chat.

Multiselect-Werte werden als Arrays von Optionswerten gesendet — ["billing", "bug"] —, nicht als Labels. Genau deshalb sollte der Agent immer erst das Schema lesen, bevor er schreibt. Checkbox-Felder nehmen echte Booleans. Datumsfelder nehmen ISO-8601-Strings. Macht man dabei etwas falsch, wird der Schreibvorgang abgelehnt statt stillschweigend verstümmelt — genau das Verhalten, das man will.

Am Ende steht eine Support-Warteschlange, die nach etwas Besserem sortiert ist als der Eingangszeit. Filtern Sie nach Mensch nötig = wahr und sortieren Sie nach Stimmung, und Sie arbeiten die Liste in der Reihenfolge ab, die Abwanderung tatsächlich reduziert. Kombiniert mit einem Kanban-Board für Tickets landen die vom Agenten eröffneten Eskalationen in derselben Spur, in der Ihr Team ohnehin arbeitet.

Die beiden oben sind die naheliegenden. Diese hier überraschen die meisten.

Aktivzeiten. Eine number-Spalte Aktive Stunde, gefüllt mit der Tagesstunde (in UTC), zu der der Kontakt am häufigsten schreibt, berechnet aus den Zeitstempeln der letzten 100 Nachrichten. Es kostet den Agenten nichts extra — er hat die Zeitstempel bereits — und es sagt Ihnen, wann jemand wirklich am Schreibtisch sitzt. Einen Käufer in Dubai um 07:00 UTC und einen in São Paulo um 19:00 UTC anzuschreiben, bedeutet eine spürbar höhere Antwortquote für null Zusatzaufwand.

Antwortverhalten. Eine select-Spalte — Antwortet schnell, Antwortet am nächsten Tag, Antwortet nach Tagen, Antwortet selten — abgeleitet aus dem Median-Abstand zwischen Ihrer Nachricht und der Antwort. Dieses Feld sagt Ihnen, ob Schweigen überhaupt etwas bedeutet. Ein Kontakt, der immer vier Tage braucht, wird nicht kalt; ein Sofort-Antworter, der seit einer Woche still ist, schon.

Firma und Rolle. Text-Spalten, befüllt aus dem, was die Person über sich selbst gesagt hat — ihre Signatur, ihre Vorstellung, die Nachricht aus Monat eins mit „wir sind eine 40-köpfige Börse in Singapur". Es steht im Verlauf, und niemand hat es je in ein Feld übertragen.

Empfehlungsquelle. Eine select-Spalte, gefüllt aus dem, was der Kontakt darüber gesagt hat, wie er Sie gefunden hat — eine Community, ein Partner, ein bestimmter Kanal. Über den ganzen Workspace laufen lassen, und Sie haben einen Attributionsbericht für einen Kanal, der nie einen hatte.

Compliance-Flags. Eine Checkbox Keine Werbung erwünscht, gesetzt, wenn jemand jemals gebeten hat, nicht beworben zu werden. Einmal über Ihre gesamte Historie laufen lassen, und Sie haben eine Sperrliste aus Nachrichten gebaut, an die sich Ihr Team nur halb erinnert. Vor Ihrer nächsten Kampagne ist allein dieses eine Feld den ganzen Aufwand wert.

Nichts davon erfordert neue Produktfunktionen. Es sind alles nur Spalten plus ein Lesedurchgang — und genau das macht MCP die Anbindung wert.

Jetzt die Auszahlung. Die Spalten oben sind kein Selbstzweck; sie existieren, damit Sie auf Gruppen statt auf Einzelpersonen reagieren können.

Sobald Sprache, Pipeline-Phase und Letzter echter Kontakt befüllt sind, wird eine Anfrage wie diese möglich:

Finde jeden Chat, bei dem Pipeline-Phase Ruhend ist, Sprache Russisch, „Keine Werbung erwünscht" nicht gesetzt und Letzter echter Kontakt mehr als 60 Tage her. Zeig mir die Liste mit Namen und der letzten Aussage der Person.

Entwirf eine kurze Reaktivierungsnachricht auf Russisch — zwei Sätze, keine Emojis, mit Bezug darauf, dass wir zuletzt über Preise gesprochen haben. Zeig mir den Entwurf und die Empfängerliste. Sende noch nichts.

Sie prüfen. Sie ändern die Formulierung. Dann:

Sende sie, ein Chat nach dem anderen, vom Vertriebsaccount, mit einer Pause dazwischen. Überspringe alle, die uns in den letzten 48 Stunden geschrieben haben. Setze nach dem Senden die Pipeline-Phase auf Qualifizierung und hinterlasse eine interne Notiz mit Datum und Kampagne.

Das ist ein segmentierter, sprachlich passender, sperrlistenbewusster Broadcast, der nebenbei Ihr CRM aktualisiert — gebaut aus Feldern, die eine Stunde vorher noch nicht existierten. Der Leitfaden zu Broadcast-Nachrichten behandelt dieselbe Aufgabe über die Entergram-Oberfläche; der MCP-Weg ist der richtige, wenn das Segment durch etwas definiert ist, das nur ein Lesedurchgang ermitteln konnte.

Drei Regeln zählen hier mehr als irgendwo sonst in diesem Beitrag:

Verlangen Sie immer einen Probelauf. „Zeig mir die Liste und den Entwurf, sende nichts" gehört in jeden Broadcast-Prompt, den Sie schreiben. Senden ist die einzige Aktion, die Sie nicht zurücknehmen können, und messages.write erlaubt einem Agenten, in Ihrem Namen zu senden.

Drosseln Sie das Tempo. Telegrams eigene Anti-Spam-Mechanik reagiert auf Stoßverkehr. Eine Nachricht nach der anderen mit Abstand ist kein Vorsichtstheater — so bleibt der Account gesund. Unser Beitrag zum Versand von Massennachrichten auf Telegram geht detailliert auf die Grenzen ein.

Schreiben Sie Sprachvarianten, keine Übersetzungen einer englischen Nachricht. Sie haben jetzt eine Sprach-Spalte. Nutzen Sie sie richtig — eine als Russisch geschriebene russische Nachricht schlägt eine maschinell übersetzte englische, und der Agent kann Ersteres problemlos entwerfen, wenn Sie darum bitten.

Ein paar praktische Hinweise für das erste große Backfill.

In Chargen arbeiten. Bitten Sie um 50 Chats auf einmal statt um 1.400 in einer Anweisung. Agenten-Kontext ist endlich, und ein gestückelter Lauf, der Fortschritt meldet, ist einer, den Sie stoppen, korrigieren und fortsetzen können. „Mach Chat 1–50, zeig mir eine Übersichtstabelle, dann warte" ist eine bessere Anweisung als „mach alles".

Nach Wert sortieren. Aktive Chats zuerst, nicht alphabetisch. Wenn der Lauf auf halber Strecke abbricht, soll die nützliche Hälfte fertig sein.

Wiederholungen idempotent machen. Sagen Sie dem Agenten, er soll Chats überspringen, deren Feld bereits gesetzt ist, außer Sie fordern ausdrücklich eine Aktualisierung. Dann können Sie denselben Prompt wöchentlich laufen lassen, um neue Konversationen einzufangen, ohne dass Arbeit doppelt gemacht wird.

Nur die nötigen Scopes vergeben. Für einen reinen Lese- und Label-Durchlauf reichen chats.read, messages.read und chat_custom_fields.write. Lassen Sie messages.write komplett weg, bis Sie beim Broadcast-Schritt sind. Scopes sind die eigentliche Sicherheitsgrenze — siehe was Teammitglieder und verbundene Clients sehen.

Bei allem Unumkehrbaren einen Menschen einbinden. Labels sind billig zu korrigieren. An 300 Personen versendete Nachrichten nicht.

Kann eine KI wirklich meine privaten Telegram-Chats lesen?
Über den MCP-Server von Entergram ja — sie arbeitet auf Ihrem verbundenen Account, nicht über einen Bot, sieht also dieselben DMs, Gruppen und Kanäle wie Sie. Das ist der Punkt: Bots sehen die Konversationen nicht, in denen Ihr eigentliches Geschäft stattfindet. Den Unterschied erklärt Telegram MCP vs. Bot API.

Geht das auch mit einem Telegram-Bot?
Nein. Die Bot-API kann nur Nachrichten lesen, die an den Bot gehen. Jeder Workflow in diesem Beitrag hängt davon ab, echten Gesprächsverlauf aus einem normalen Account zu lesen.

Welche KI-Clients unterstützen das?
Jeder MCP-fähige Client — Claude, ChatGPT, Perplexity, Cursor, Cline, Windsurf, Zed, Goose, Raycast, dazu n8n und Make. Die Einrichtung ist eine URL plus eine OAuth-Autorisierung; siehe Claude mit Telegram MCP verbinden oder die vollständige Connector-Übersicht.

Was passiert, wenn der Agent etwas falsch labelt?
Sie korrigieren den Wert in der Chat-Tabelle wie jedes andere Feld. Genau deshalb ist die Gewohnheit mit den internen Notizen wichtig — Sie sehen die Begründung, erkennen das Muster und passen den Prompt an, statt die Spalte aufzugeben.

Erscheinen über MCP angelegte Felder auch in der normalen Oberfläche?
Ja. Es sind ganz gewöhnliche Benutzerspalten — filterbar, sortierbar, für Ihr Team sichtbar, nutzbar in der Analyse und beim Segmentaufbau. MCP ist eine zweite Tür in dasselbe Schema, kein Parallelsystem.

Der Fehler ist, am ersten Tag ein perfektes Zwölf-Spalten-Schema entwerfen zu wollen. Tun Sie das nicht. Nehmen Sie Sprache, lassen Sie es über den Workspace laufen und schauen Sie, wie es sich anfühlt, das Postfach danach zu filtern. Das kostet einen Prompt und einen Kaffee, und man sieht sofort, ob die Werte stimmen.

Dann kommt die Pipeline-Phase. Dann die Support-Labels. Dann die seltsamen — aktive Stunde, Antwortverhalten, Empfehlungsquelle —, die kein CRM mitliefert, weil kein CRM ahnen konnte, dass Sie das wollen.

Der eigentliche Gewinn ist nicht, dass eine KI in Ihre Datenbank schreibt. Es ist, dass eine Konversation endlich ein abfragbares Objekt wird: etwas, das man labeln, zählen, segmentieren und bearbeiten kann, ohne dass jemand sich durch 200 Nachrichten zurücklesen muss, um sich zu erinnern, wer diese Person war.

Verbinden Sie Ihren Telegram-MCP-Server und fangen Sie mit einer Spalte an.