KI in ITSM – Ein Überblick

Künstliche Intelligenz (KI) verändert rasant die Art und Weise, wie Organisationen an die Informationstechnologie (IT) herangehen – nicht nur als Werkzeug, sondern als entscheidende Kraft zur Optimierung von Abläufen, Verbesserung der Entscheidungsfindung und Bereitstellung außergewöhnlicher Benutzererfahrungen. Diese Transformation zeigt sich besonders deutlich im IT Service Management (ITSM), einer Disziplin, die sich der Strategie, Planung, Bereitstellung, Verwaltung, dem Betrieb und der Verbesserung von IT-Services widmet, um die Bedürfnisse von Kunden und Organisationen zu erfüllen.

Während sich Unternehmen an zunehmend komplexe digitale Ökosysteme anpassen, erweist sich KI nicht nur als Trend, sondern auch als grundlegendes Element bei der Modernisierung von ITSM, das Organisation, Menschen, Informationen, Technologie, Partner, Lieferanten sowie Wertströme und Prozesse umfasst.

KI nimmt wahr, verarbeitet und reagiert wie das menschliche Nervensystem. Proaktiv beobachtend und reaktiv antwortend basierend auf erlerntem Verhalten – Gewohnheiten oder Regeln. Traditionelles ITSM stützte sich stark auf regelbasierte, deterministische Systeme. Obwohl diese in strukturierten Umgebungen effektiv sind, versagen sie oft unter dynamischen Bedingungen, wo Kontext, Vorhersage und Lernen wesentlich sind. KI verbessert ITSM, indem sie Systemen ermöglicht:

• Natürliche Sprache zu verstehen (über NLP)
• Service-Probleme vorherzusagen, bevor sie auftreten (Predictive Analytics)
• Muster aus riesigen Datensätzen zu erkennen (Machine Learning)
• Komplexe Entscheidungsfindung zu automatisieren (Cognitive Computing)
• Service-Erfahrungen zu personalisieren (kontextuelle KI)

Von Chatbots, die Tier-1-Tickets lösen, bis hin zu Vorhersage-Engines, die Change-Fenster empfehlen – KI definiert neu, wie Services entworfen, genutzt, unterstützt und bereitgestellt werden.

Künstliche Intelligenz ist vielfältig und besteht aus verschiedenen Modellen und Fähigkeiten. Das Verständnis dieser Arten hilft IT-Führungskräften dabei, Mitarbeiter, Praktiken und Tools mit ITSM-Zielen in Einklang zu bringen.

• Limited Memory AI
  • Eigenschaften: Lernt aus vergangenen Daten, um Entscheidungen zu treffen.
  • ITSM-Anwendungsbeispiele: Vorhersage von Incident-Trends, SLA-Prognosen, Modellierung des Nutzerverhaltens.
• Machine Learning (ML) und Deep Learning
  • Eigenschaften: Lernt aus umfangreichen Daten, erkennt Muster und verbessert sich über die Zeit.
  • ITSM-Anwendungsbeispiele:
    • Incident Management: Klassifizierung von Incidents basierend auf historischen Lösungswegen.
    • Problem Management: Clustering-Techniken zur Identifikation der Grundursache.
    • Change Management: Analyse historischer Ergebnisse zur Vorhersage des Änderungserfolgs.
• Natural Language Processing (NLP)
  • Eigenschaften: Versteht und generiert menschliche Sprache.
  • ITSM-Anwendungsbeispiele:
     
    • Knowledge Management (KM): Automatische Generierung von Artikeln aus gelösten Tickets.
    • Service Desk: Chatbots, die Nutzerabsichten verstehen und präzise antworten.
    • CCaaS: Analyse von Sprach- und Chat-Support zur Bewertung der Stimmungslage.
• Cognitive und Generative AI
  • Eigenschaften: Synthetisiert Antworten und imitiert menschliches Denken.
  • ITSM-Anwendungsbeispiele:
    • Request Fulfillment: Maßgeschneiderte Lösungen basierend auf Nutzerprofilen.
    • Experience Management: Generierung proaktiver Erkenntnisse aus Kundendaten.
    • Continual Improvement: Bereitstellung umsetzbarer Empfehlungen basierend auf Trendanalysen.
• Agentic AI (Aufkommend und transformativ)
  • Eigenschaften: Autonomes zielgerichtetes Verhalten, passt Strategien dynamisch an, zeigt prädiktives/proaktives Lernen.
  • ITSM-Anwendungsbeispiele:
    • Service Desk: Agentic AI überwacht autonom ungelöste Tickets, konsultiert KM und initiiert Lösungsworkflows.
    • Change Management: Bewertet Umgebungsvariablen, modelliert Ergebnisse und schlägt Zeitpunkte mit minimalem menschlichen Eingriff vor.
    • Configuration Management: Validiert kontinuierlich die CI-Datenintegrität und behebt Inkonsistenzen in Multi-Cloud-Umgebungen.
    • CCaaS: Fungiert als proaktiver digitaler Agent, überwacht Stimmungsveränderungen und eskaliert Probleme vor menschlichem Bewusstsein.
    • Knowledge Management: Kuratiert selbstständig Wissensbasen durch Erkennung von Wissensverlust und automatisiert Updates.

KI transformiert ITSM zu einem serviceorientierten, erfahrungszentrierten Ansatz und vollzieht den Übergang von einer reaktiven zu einer proaktiven Herangehensweise, wodurch sowohl der Kunden- als auch der Unternehmenswert gesteigert wird. Hier sind die wichtigsten Vorteile:

• Operative Effizienz - KI optimiert Arbeitsabläufe, automatisiert wiederkehrende Aufgaben und bearbeitet Störungen schneller als Menschen. Die Automatisierung durch KI reduziert menschliche Fehler, verkürzt Lösungszeiten und senkt Betriebskosten.
• Verbesserte Benutzererfahrung - KI-gesteuerte Chatbots und virtuelle Assistenten bieten rund um die Uhr Support, lösen häufige Probleme sofort und personalisieren die Kommunikation basierend auf historischem Verhalten und Stimmungsanalysen.
• Intelligentere Entscheidungsfindung - KI verbessert die Entscheidungsfindung durch Echtzeitanalysen und Vorhersagefähigkeiten und ermöglicht fundierte Entscheidungen.
• Proaktives Event- und Incident-Management - Maschinelles Lernen kann frühe Anzeichen von Systemverschlechterungen erkennen und automatische Abhilfemaßnahmen einleiten, wodurch sich ITSM von reaktiver Schadensbegrenzung hin zur proaktiven Prävention wandelt.
• Verbessertes Wissensmanagement - KI verfeinert Wissensartikel durch die Analyse von Nutzungsmustern, Benutzerfeedback und Suchtrends, um Relevanz, Struktur und Zugänglichkeit zu verbessern.
• Bessere Ressourcenzuteilung - KI kann Nachfragemuster prognostizieren und Entscheidungen zur Personalbesetzung oder Ressourcenbereitstellung leiten, wodurch die Servicequalität in verkehrsreichen Zeiten verbessert wird.

KI unterstützt und verbessert ITSM-Prozesse auf verschiedene und wirkungsvolle Weise:

• Incident Management - KI kann Incidents klassifizieren, Prioritäten zuweisen und Tickets basierend auf historischen Trends und Mustern weiterleiten, was ein effizienteres Incident Management ermöglicht. Predictive Analytics kann Ausfälle basierend auf Systemprotokollen und anderen Daten vorhersagen. Virtuelle Agenten bearbeiten Routine-Tickets und ermöglichen es menschlichen Agenten, sich auf komplexere Probleme zu konzentrieren.
• Problem Management - KI führt Ursachenanalysen mittels Mustererkennung und Clustering durch. Sie identifiziert wiederkehrende Probleme, bevor sie zu größeren Schwierigkeiten werden.
• Change Management - Risikobasierte Change-Bewertung mit KI ermöglicht intelligentere Genehmigungsentscheidungen. KI-Modelle bewerten die Auswirkungen von Änderungen auf Systeme unter Berücksichtigung von CMDB-Abhängigkeiten.
• Event Management - KI filtert Störgeräusche aus Echtzeit-Event-Streams und zeigt nur handlungsrelevante Anomalien auf. Sie korreliert Events systemübergreifend, um systemische Probleme zu identifizieren.
• Request Fulfillment - KI antizipiert häufige Benutzeranfragen und erfüllt sie automatisch basierend auf Rolle, Standort und vergangenem Verhalten. Conversational AI verbessert Katalog-Interaktionen und Genehmigungsprozesse.
• Experience Management - Sentiment-Analyse erfasst die emotionale Stimmung in Benutzerfeedback. KI personalisiert User Journeys und antizipiert Reibungspunkte in der Service-Erfahrung.
• Continual Service Improvement (CSI) - KI analysiert dynamisch KPIs und empfiehlt Bereiche für Service-Verbesserungen. Reinforcement Learning passt Modelle basierend auf dem Erfolg oder Misserfolg vorheriger Änderungen an.

Verschiedene Rollen im ITSM erleben die Vorteile von AI auf einzigartige Weise. Es ist wichtig, dies zu verstehen, um den ROI von AI-Investitionen zu bestimmen. 

• Service Desk Agents - AI kann dazu beitragen, ihre Arbeitsbelastung zu verringern, indem Tier-1-Tickets automatisch gelöst werden. Intelligente Empfehlungen und kontextbezogene Daten ermöglichen es den Agents, komplexe Probleme effizienter zu bearbeiten.
• IT-Manager - AI kann Managern prädiktive Warnungen, Kapazitätsprognosen und Optimierungsempfehlungen liefern.
• Change Manager - AI liefert historische Auswirkungsanalysen und Risikoprofile für fundiertere Genehmigungsentscheidungen.
• Knowledge Manager - AI hilft dabei, Inhalte basierend auf der tatsächlichen Nutzung zu kuratieren und zu organisieren. Chatbots und NLP-Tools erweitern die Reichweite und den Wert von Wissensdatenbanken.
• Endbenutzer - Schnellere, präzisere Antworten durch virtuelle Agents erhöhen die Zufriedenheit. Maßgeschneiderte Support-Erfahrungen fördern das Vertrauen und reduzieren Frustration.
• Führungskräfte und CIOs -  AI bringt ITSM mit dem Geschäftswert in Einklang, indem es Transparenz über Servicekosten, Risiken und ROI für Technologieinvestitionen und Personalentscheidungen schafft.

Da KI die ITSM-Landschaft transformiert, beeinflusst sie die menschliche Belegschaft erheblich, indem sie Rollen und Fähigkeiten innerhalb der Teams neu definiert. Organisationen, die diesen Wandel erkennen, können Veränderungen mit Empathie und strategischem Weitblick meistern. Um in diesem neuen Umfeld erfolgreich zu sein, muss die Belegschaft eine Kombination aus technischen, analytischen und zwischenmenschlichen Fähigkeiten entwickeln.

Entgegen weitverbreiteten Befürchtungen zielt KI nicht von Natur aus darauf ab, ITSM-Rollen zu eliminieren; vielmehr verstärkt sie diese, indem sie oft den Fokus „nach links" von wiederkehrenden operativen Aufgaben hin zu strategischen und wissensbasierten Verantwortlichkeiten verschiebt.

ITSM-Teams sind zunehmend für die Verwaltung KI-gestützter Tools verantwortlich, einschließlich Chatbots, AIOps-Plattformen, virtuellen Agenten und Entscheidungsmaschinen. Kompetenz gewährleistet ordnungsgemäße Überwachung, Fehlerbehebung und Optimierung. Insgesamt werden neue Fähigkeiten entwickelt, um die KI-Kompetenz und -Kenntnisse zu verbessern und die Interaktion sowie effektive Nutzung von KI-Systemen zu erleichtern.

• ITSM-Teams
  • Service-Desk-Analysten werden zu KI-Aufsehern, die das Bot-Verhalten überwachen, NLP-Antworten verfeinern und Eskalationen verwalten, die emotionale Intelligenz und Urteilsvermögen erfordern.
  • Incident Manager sollten von der Triage zur Überwachung KI-gestützter Automatisierung wechseln und dabei Erfahrungskorrelation und Ergebnisanalyse betonen.
  • Problem Manager arbeiten mit KI zusammen, um Muster zu identifizieren und den Problem-Backlog durch prädiktive Modellierung zu reduzieren.
  • Wissensmanager entwickeln sich zu Kuratierungsführern, die der KI ermöglichen, aus kollektivem Wissen und organisierten Inhalten zu lernen.
• Beispiele neuer Fähigkeiten
  • Prompt Engineering und Gesprächsdesign - Erstellung präziser, kontextbewusster Prompts und Dialogstrukturen für KI-Systeme.
  • Dateninterpretation und Service Intelligence - Fähigkeit zur Analyse von Datenanalytik, KI-Berichten und Service-Mustern zur Informierung von Entscheidungsfindung.
  • Wissenskuratierung und KI-Content-Überwachung - Verbesserung und Verwaltung von Wissen, das KI-Systeme informiert, insbesondere im Wissensmanagement und in der Automatisierung.
  • Workflow-Automatisierung und Orchestrierung - Entwurf, Implementierung und Verbesserung von Automatisierungsabläufen, die von KI und robotischer Prozessautomatisierung (RPA) angetrieben werden.
  • Ethische KI-Aufsicht und Governance - Verständnis dafür, wie KI-Systeme Überwachung erfordern, um Fairness, Transparenz und Verantwortlichkeit zu gewährleisten.
  • Emotionale Intelligenz und Mensch-KI-Zusammenarbeit - Gewährleistung menschenzentrierter Serviceleistung, während KI zunehmend die Arbeitsbelastung übernimmt.
• Gefährdete Fähigkeiten
  • Routine-Tier-1-Fehlerbehebung
    • Aufgaben umfassen Passwort-Zurücksetzungen, Druckerprobleme, Netzwerkdiagnose und Kontosperrung.
    • KI-gestützte virtuelle Agenten, selbstheilende Skripte, Self-Service-Portale mit natürlicher Sprachverarbeitung (NLP) und Automatisierungsplattformen bewältigen diese Aufgaben effizient und skalierbar.
    • Fähigkeitswandel: Wechsel von der Problemlösung zur KI-Schulung und Ausnahmebehandlung.
  • Manuelle Ticket-Triage und -Weiterleitung
    • Menschliche Agenten kategorisieren und priorisieren Tickets manuell.
    • KI-Modelle können automatisch kategorisieren, priorisieren und weiterleiten basierend auf historischen Daten, Schlüsselwörtern, Stimmung und Kontext. KI-Incident-Klassifizierer, AIOps-Korrelationsmaschine
    • Fähigkeitswandel: Fokus auf Verfeinerung von KI-Prozessen und Behandlung von Ausnahmen.
  • Statische Wissensmanagement-Aufgaben
    • Umfasst das Taggen von Artikeln und das Schreiben von Wissensdatenbank (KB)-Inhalten von Grund auf.
    • Generative KI und KI-erweiterte KM-Plattformen erstellen nun Artikelentwürfe, kategorisieren Themen und empfehlen Inhalte an Nutzer in Echtzeit. KI-verfasste Artikelentwürfe, Auto-Tagging über NLP und semantische Suchmaschine.
    • Fähigkeitswandel: Übergang zur Kuratierung und Genehmigung von Inhalten anstatt diese zu schreiben.
  • Reaktive Problemidentifikation
    • Derzeit beinhaltet dies das Warten auf Vorfälle oder Ereignisse, die Probleme signalisieren, und manuelle Analyse.
    • KI kann proaktiv Muster und Anomalien in Logs, Metriken und Tickets identifizieren, noch bevor Menschen sich deren bewusst sind. AIOps-Plattformen, Prädiktive Analytik-Maschinen
    • Fähigkeitswandel: Wechsel zu Hypothesenvalidierung und Problemmodellierung.
  • Prozess-Compliance-Überwachung
    • Manuelle Überprüfungen auf SLA-Verletzungen und Workflow-Einhaltung.
    • KI kann Workflows in Echtzeit überwachen, Ausnahmen auslösen und Prozessengpässe schneller und genauer analysieren. KI-gesteuerte Workflow-Maschinen und Compliance-Bots
    • Fähigkeitswandel: Wechsel zum Entwurf adaptiver Prozesse und Verwaltung von Governance.
  • Erstlinien-Callcenter-Skripte
    • Aufgaben umfassen das Ablesen von Skripten und die Beantwortung grundlegender Anfragen.
    • Konversationelle KI kann zunehmend komplexe Nutzerinteraktionen über verschiedene Kanäle verwalten. KI-Chatbots und Voice-Bots, Omnichannel-Orchestrierungsplattformen.
    • Fähigkeitswandel: Fokus auf höherwertigen Support und emotionale Wiederherstellung
  • Manuelle Konfigurations-(CMDB)-Audits
    • Manuelle Vergleichung von CI-Zuständen, händische Inventarabstimmung
    • Automatisierte Erkennung, AIOps und quantenbasierte CMDBs können Konfigurationen nahezu in Echtzeit validieren und auditieren. Echtzeit-CMDB-Agenten, KI-Drift-Erkennung und Benachrichtigung
    • Fähigkeitswandel:  Wechsel zu Ausnahmeanalyse, Service/CI-Modellierung und Zukunftszustandssimulationsrollen.

Die Belegschaft im IT Service Management (ITSM) entwickelt sich weiter, anstatt zu verschwinden. Seit den Anfängen der Informationstechnologie hat sich diese Belegschaft kontinuierlich an Veränderungen angepasst.

Genau wie die Industrielle Revolution durch mechanische Automatisierung neue Rollen schuf, hat das digitale Zeitalter die Branche durch Fortschritte in Software, Cloud Computing und dem Internet transformiert.

KI ist keine Bedrohung, sondern ein Katalysator für Wachstum. ITSM-Fachkräfte wandeln sich von Bedienern zu Dirigenten intelligenter Systeme. Ihr Wert wird nicht durch Ticket-Abschlüsse definiert, sondern durch die Erkenntnisse, Empathie und Orchestrierung, die sie zu einem KI-getriebenen Ökosystem beitragen.

Organisationen sollten in KI-Bildung investieren, praktisches Experimentieren fördern und KI als strategischen Partner betrachten. Genau wie Unternehmen eine Cloud-First-Strategie übernommen haben, müssen sie nun einen KI-First-Ansatz verfolgen, der sich auf Innovation, Wachstum, Betrieb und Kundensupport konzentriert.

In diesem KI-getriebenen Zeitalter wird Automatisierung Rollen transformieren, wobei Fachkräfte zu Technologen, Analysten und Ethikern werden. Anstatt Arbeitsplätze zu eliminieren, wird Automatisierung repetitive Aufgaben beseitigen und unterstreicht die Notwendigkeit für Einzelpersonen und Organisationen, ihre Fähigkeiten anzupassen. Als strategischer Partner ermöglicht KI.

Die Einführung von KI in das ITSM erfordert mehr als nur den Kauf eines Tools. Sie verlangt einen strategischen Wandel in der Denkweise, Governance und im Betrieb. So können Sie sich vorbereiten:

• Setzen Sie übergeordnete Prioritäten basierend auf Geschäftsanforderungen und entwickeln Sie eine strategische Roadmap, die sich auf organisatorische und personelle Veränderungen konzentriert: Informationen und Technologie, Partner und Lieferanten sowie Wertströme und Praktiken/Prozesse.
• Das Verständnis von Vision, Mission, Zielen, Zielsetzungen, kritischen Erfolgsfaktoren und Leistungskennzahlen ist wesentlich, zusammen mit Leitprinzipien und Werten.
• Verstehen Sie Lücken in Fähigkeiten und Ressourcen, führen Sie eine SWOT-Analyse durch und bestimmen Sie die Time-to-Market-Anforderungen für Build-or-Buy-Entscheidungen.

• Führen Sie eine KI-Reifegradbewertung durch, um die aktuellen Fähigkeiten in den Bereichen Automatisierung, Datenmanagement, Wissensmanagement und ITSM-Praxis-/Prozessreife zu verstehen.
• Die Reifegradbewertung sollte mit Ihrer IT Service Management (ITSM) Reife übereinstimmen. Wenn Sie einen "niedrigen" ITSM-Reifegrad haben, sind Sie möglicherweise noch nicht bereit für die KI-Einführung in bestimmten Bereichen.
• Starten Sie eine Initiative für Organisational Change Management (OCM).

• KI gedeiht durch hochwertige Daten, Informationen und Wissen für fundierte Entscheidungsfindung. Investieren Sie in saubere, strukturierte und sichere Datenpipelines und -warehouses.
• Stellen Sie Wissensmanagement und CMDB/CMS-Genauigkeit, konsistente Incident-Kategorisierung und Nutzungsmetriken sicher.

• Unterteilen Sie ein komplexes Projekt in überschaubare, aufeinanderfolgende Phasen, jede mit spezifischen Zielen, Deliverables und Bewertungskriterien.
• Dieser Ansatz verbessert die Klarheit, Kontrolle, das Risikomanagement und die Abstimmung mit den Stakeholdern während des gesamten Projektlebenszyklus.

• Wählen Sie ein Pilotprojekt, das mit den Zielen und der Bereitschaft Ihrer Organisation übereinstimmt.
• Zu den Optionen gehören wirkungsstarke Pilotprojekte, die auf komplexe Prozesse für eine umfassende Organisationstransformation abzielen, oder Quick-Win-Pilotprojekte, die sich auf spezifische Anwendungsfälle für sofortige, risikoarme Ergebnisse konzentrieren.
• Jeder Ansatz bietet deutliche Vorteile, und beide können in verschiedenen Phasen einer Transformationsreise wertvoll sein.

• Maßnahmen zur Minderung von Verzerrungen umsetzen, Transparenz gewährleisten und Rechenschaftspflicht fördern, einschließlich der Verwendung menschlicher Aufsicht.

• Teams in eine übergreifende OCM-Initiative integrieren.
• Mitarbeiter in AI-Interaktion und -Implementierung schulen. Kontinuierliche Weiterbildung in AI-Kompetenz anbieten und Mitarbeiter an der Front in die Optimierung von Arbeitsabläufen einbeziehen, dabei den Wert menschlicher Urteilskraft betonen.
• Um Ihr Team für AI im ITSM zukunftssicher zu machen:
  • Kontinuierlich weiterbilden: Kurse in AI-Kompetenz, Dateninterpretation und ethischer Automatisierung anbieten.
  • Lösungen gemeinsam entwickeln: Mitarbeiter an der Front in die AI-Implementierung und Workflow-Optimierung einbeziehen.
  • Menschlichen Wert würdigen: Fälle hervorheben, in denen Empathie, Urteilsvermögen und Erfahrung AI übertreffen.
  • AI-Feedback-Schleifen einbetten: Mitarbeitern ermöglichen, falsche positive Ergebnisse zu melden, Verbesserungen vorzuschlagen und AI-Verhalten zu beeinflussen.

• Wählen Sie Plattformen mit nativen KI-Funktionen oder zugänglichen APIs und stellen Sie sicher, dass Anbieter Erklärbarkeit und Sicherheit in der Governance von Machine-Learning-Modellen priorisieren.

Künstliche Intelligenz ist nicht nur die Zukunft des IT Service Managements (ITSM); sie ist bereits präsent. Unternehmen, die KI einsetzen, werden bei der Kundenerfahrung, operativen Agilität und Serviceexzellenz führend sein. Viele der hier diskutierten Konzepte werden derzeit bereits umgesetzt.

Während sich ITSM von starren Governance-Strukturen hin zu dynamischen, erkenntnisgetriebenen Ökosystemen entwickelt, verbindet KI Menschen, Prozesse und Plattformen. Durch das Setzen klarer Ziele und ethischer Standards sowie die Förderung einer Kultur des kontinuierlichen Lernens können Unternehmen jeder Größe die transformative Kraft der KI im ITSM nutzen. Die Ära der intelligenten Services ist da und wird sich weiter entwickeln.