Steigende Produkt- und Prozesskomplexitäten stellen produzierende Unternehmen vor zahlreiche Herausforderungen. Von diesen sieht sich auch das Qualitäts- und speziell das Reklamationsmanagement betroffen, welches bei langen Wertschöpfungsketten zunehmend komplexer wird. Insbesondere, wenn in der Produktnutzungsphase Defekte auftreten, die zu rechtlichen Ansprüchen seitens der Kund*innen führen können, ist eine schnelle und exakte Bestimmung etwaiger Haftungsrisiken unerlässlich. Um diesem Problem zu entgegnen, wurde im DFG-Projekts AlGeWert ein Algorithmus entwickelt, der auf Basis von Natural Language Processing (NLP) Reklamationen automatisiert auf Kriterien für auf deutschem Recht basierende Haftungsgrundlagen überprüft und konkrete Handlungsanweisungen für Mitarbeitende generiert. Im Rahmen des Projektes erfolgt eine Fokussierung auf die grundlegenden Rechtsfälle nach deutschem Gewährleistungsrecht, der Produzentenhaftung nach dem BGB sowie dem Produkthaftungsgesetz. Ziel ist es, diese voneinander zu unterscheiden und die entsprechenden Kriterien mithilfe von NLP aus geschriebenen Kundenbeschwerden zu extrahieren. Die vorliegende Ausarbeitung stellt den aktuellen Stand der Technik im Bereich der automatisierten Reklamationsbearbeitung dar und untersucht die damit verbundenen Herausforderungen und Risiken im Hinblick auf die Identifizierung von Haftungsfällen. In diesem Kontext wird der AlGeWert-Algorithmus präsentiert, wobei die Chancen und Limitationen einer derartigen automatisierten Reklamationsbearbeitung beleuchtet werden.