Aktuell werden bereits rund 30 Prozent einer großen Menge an Supportanfragen innerhalb der Sparkassen-App automatisiert verarbeitet, um einerseits den menschlichen Support-Mitarbeiter zu entlasten und um anderseits dem Kunden unabhängig von Auslastung und Tageszeit schnellstmöglich eine Lösung für sein Problem zu liefern. Das vorliegende Paper untersucht dabei eine Möglichkeit, speziell die für Entwickler wichtigen Anfragen zu Bugs und Missverhalten der App ansich herauszufiltern. Hierfür findet ein maschinelles Lernverfahren auf Basis eines Random Forrests Anwendung. Die Trainingsdaten werden zuvor durch synthetische Generierung aufgewertet und auf Grundlage einer Poisson-Verteilung zeitlich an reale Gegebenheiten angenähert. Das entstandene Verfahren liefert eine hohe Präzision bei der gewünschten Klassifikation, die Sensitivität des Ansatzes lässt jedoch noch wesentlichen Spielraum für zukünftige Optimierungen.