Entscheidungskriterien für die Wahl von KI-Tools im ITSM
Hat ein Unternehmen sich für den Einsatz von künstlicher Intelligenz im ITSM entschieden, muss es im nächsten Schritt prüfen, welches Tool die gewünschten Eigenschaften mitbringt.
von
Doug Tedder
Zuletzt aktualisiert:28 Jan. 2020
Die Anwendung künstlicher Intelligenz (KI) auf den IT-Betrieb (sogenanntes AIOps) ermöglicht es einer Organisation, vorhandenes IT-Wissen auf der Grundlage historischer Daten und Informationen zu kodifizieren. Für IT-Mitarbeiter ergeben sich daraus eine ganze Reihe von Vorteilen, darunter die Verringerung des manuellen Aufwands und mehr Zeit für strategische Aufgaben.
Vor der Implementierung von IT-Service-Management-Tools (ITSM) mit künstlicher Intelligenz sollten Käufer jedoch die Funktionen zur Automatisierung und Integration sowie deren Lizenz- und Preismodelle evaluieren.
Kriterien für den Kauf
ITSM-Plattformen, die auf künstliche Intelligenz setzen, verfolgen alle ein ähnliches, übergeordnetes Ziel: Sie sollen ITSM-Prozesse vereinfachen und beschleunigen und mühsame und sich wiederholende Arbeitsschritte, wie sie im Kunden-Support oft vorkommen, reduzieren oder gleich ganz eliminieren. Chatbots und virtuelle Agenten zum Beispiel übernehmen die Interaktionen mit Endnutzern, um die Bearbeitung von Serviceanfragen und die Protokollierung von Vorfällen zu vereinfachen.
Das Angebot für künstliche Intelligenz im ITSM lässt sich grob in drei Bereiche einteilen:
Das erste und vielleicht am weitesten verbreitete Segment ist die Erweiterung des Service Desks. Chatbots und virtuelle Agenten sind hier die vorherrschenden Tools. Sie ermöglichen Endanwendern die Selbsthilfe und sorgen dafür, dass die menschlichen Mitarbeiter entlastet werden.
Der zweite Bereich ist Automatisierung. Prozessorchestrierung und Robotic Process Automation (RPA) übernehmen die oft mühsamen und sich wiederholenden Aufgaben, die IT-Experten bis dahin eigenhändig ausführen mussten.
Der dritte Bereich ist die Daten- und Betriebskonsolidierung. Machine Learning und die Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) befähigen Automatisierungsplattformen dazu, Kontexte zu verstehen und auf diese angepasste Aktionen anzuwenden.
Einige ITSM-Tools mit künstlicher Intelligenz befassen sich hauptsächlich mit den repetitiven Aufgaben des Service Desks, aber auch mit dem allgemeinen Betrieb einer IT-Umgebung. Diese Tools können proaktiv auf Ereignisse reagieren und bestehende Daten interpretieren, Leistung vorhersagen und bestimmte Aktionen vorschlagen.
Andere Tools bieten Low-Code-/No-Code-Oberflächen für visuelles Workflow-Design und Integrationskits für die Zusammenarbeit mit nicht zum ITSM gehörenden Tools sowie eine Unterstützung des Workflow-Designs mit künstlicher Intelligenz.
Es existieren auch Open-Source-Plattformen und APIs (Application Programming Interface) für Unternehmen, die ihre eigenen KI-Anwendungen erstellen und verwenden möchten. Unternehmen müssen sich aber dessen bewusst sein, dass sie diese Funktionen dann selbst warten und unterstützen müssen.
Verfügbarkeit und Lizenzmodelle
KI-basierte ITSM-Systeme sind typischerweise auf eine der folgenden drei Arten verfügbar:
Die KI-Funktionalität ist in eine bestehende ITSM-Plattform integriert: Einige Anbieter von ITSM-Software, wie SysAid und Micro Focus, haben KI-Funktionen wie Chatbots und maschinelles Lernen in ihr Hauptprodukt integriert.
Die KI-Funktionalität ist als separates Modul, Feature oder Add-on zum bestehenden ITSM-Tool verfügbar. Beispiele für diesen Ansatz sind das ITSM Pro-Paket von ServiceNow und das Zia-Plugin von ManageEngine für ServiceDesk Plus Cloud.
Die KI ist als eigenständige Plattform verfügbar: Diese Anbieter ermöglichen Integrationen mit unterschiedlichen Datenquellen und bereits im Einsatz befindlichen ITSM-Programmen und vereinen diese unter einer einzigen Oberfläche. AISERA und BigPanda sind Anbieterbeispiele für diesen Ansatz.
Wertorientiert: Der Preis der Lizenz basiert auf dem Wert, den das System für das jeweilige Unternehmen generiert.
Gute Daten für eine gute KI
Damit ein KI-fähiges ITSM-Tool funktioniert, muss es mit Zugang zu den relevanten Daten und Informationen haben.
Um die Funktionsweise der intelligenten Tools zu verstehen, sollten Käufer mit Unterstützung einer Wissenspyramide (Data, Information, Knowledge and Wisdom Model, DIKW) über das Problem nachdenken und diskutieren, wie deren Hierarchie eine bessere Informationswissenschaft ermöglicht.
Die Data-, Information- und Knowledge-Schichten stehen für aktuelle und historische Vorgänge. ITSM-Anwender wenden in der Regel ihr individuelles oder in Datenbanken hinterlegtes Wissen an, um auf Ereignisse und veränderte Umstände in der verwalteten IT-Umgebung zu reagieren.
Da der Wissensaustausch nur auf freiwilliger Basis stattfindet, lösen verschiedene Teammitglieder immer wieder aufs Neue dieselben Probleme, obwohl Andere bereits eine Lösung erarbeitet haben. Wissensbasierte Reaktionen sind zudem anfällig für die Wahrnehmung und Interpretation von Daten und Informationen durch den Einzelnen.
Im Idealfall können die Mitarbeiter sich auf das Arbeiten auf der Weisheitsebene beschränken und die Daten- und Informationsebenen des DIKW-Modells der KI überlassen.
Wisdom (Erfahrung) ist bei einem Betrieb mit ausschließlich menschlichen Mitarbeitern ein Nebenprodukt von Zeit und gelernten Kenntnissen. Erfahrene ITSM-Mitarbeiter wissen die Antwort darauf, warum Dinge auf eine bestimmte Weise erledigt werden oder in einem bestimmten Zustand sind. Aber ihre Weisheit ist transaktional und geht leicht verloren.
Der Einsatz von KI-fähigen ITSM-Produkten verspricht, das aus historischen Daten und Informationen gewonnene Wissen zu kodifizieren. Sie erleichtern menschlichen Mitarbeitern, den Blick nach vorne zu richten, Strategien zu entwickeln und Chancen zu bewerten. KI kann auch neues Wissen aus neuen Daten und Informationen herausdestillieren, da sie in der Lage ist diese in einem viel größeren Volumen zu verarbeiten, als das einem Mensch je möglich sein wird.
Um das klarzustellen: Effektive KI-Nutzung ist nicht nur das Ergebnis guter Artikel in der Wissensdatenbank. Auch die gespeicherten Ereignis- und Anforderungsprotokolle können AIOps-Tools beim Lernen helfen. Eine genaue und gut gewartete Konfigurationsmanagement-Datenbank (Configuration Management Database, CMDB) ermöglicht es Tools, Situationen zu analysieren und Maßnahmen vorzuschlagen – und zwar in vollem Bewusstsein der Zusammenhänge zwischen einem fehlerhaften und den übrigen Konfigurationselementen.
Auch andere Daten können Teil der Quelle sein, aus der die KI ihr Wissen schöpft. Daten aus Monitoring und Alerting Tools ermöglichen es KI-Plattformen, selbstständig Korrekturmaßnahmen einzuleiten. Wenn Änderungen in der CMDB auftreten, kann die künstliche Intelligenz die entsprechenden Informationen in der IT-Asset-Management-Datenbank aktualisieren und umgekehrt.
Abbildung 1: KI im ITSM
Ohne etablierte Praktiken für Daten, Informationen und Wissen können KI-fähige ITSM-Tools ihre Arbeit jedoch nicht aufnehmen. Aus diesem Grund bieten viele der verfügbaren Tools zahlreiche Optionen, um dieses Problem zu beheben. Vordefinierte Workflows und Aktionen, Sammlungen von Schlüsselwörtern und Kontextphrasen, vom Anbieter bereitgestellte Wissensartikel und überwachte Lernmodelle können bei der Einführung von KI in eine ITSM-Umgebung hilfreich sein.
Im Idealfall können die Mitarbeiter sich auf das Arbeiten auf der Weisheitsebene beschränken und die Daten- und Informationsebenen des DIKW-Modells der KI überlassen, dank derer Wissen laufend erfasst und konsistent angewendet wird.
Einige KI- und ITSM-Weisheiten
Hier sind fünf Tipps für die Vorbereitung einer erfolgreichen KI-Implementierung:
Ist-Zustand einschätzen. Wenn die aktuelle ITSM-Umgebung zu sensibel und wartungsintensiv ist, sind KI-fähige ITSM-Tools möglicherweise nicht die beste Investition. In diesem Fall sollte zuerst in ein verbessertes Prozessdesign und eine effektive Governance investiert werden.
Governance nicht übersehen. Ohne klar definierte Vorgehensweisen und Richtlinien können KI-Technologien unbeabsichtigt – oder sogar gezielt – der Mission und Vision des Unternehmens zuwiderhandeln. Unternehmen müssen Richtlinien und Verfahren definieren und Problemen wie unethischem KI-Verhalten begegnen. Zudem müssen sie die Integrität und Genauigkeit der Daten gewährleisten, damit die KI auf diese wie gewünscht reagiert.
Einen Portfolio-Ansatz verfolgen. Auf dem sich schnell entwickelnden ITSM-Markt sollten IT-Abteilung eine langfristige Perspektive einnehmen. Während Kurzzeitziele benannt und angestrebt werden, sollten zeitgleich zukünftige Optionen getestet und außerdem längerfristige Ziele formuliert und festgelegt werden. Diese Art des Portfolio-Ansatzes stellt sicher, dass das Unternehmen die besten Ergebnisse mit KI-fähigem ITSM erzielt.
Wert der Mitarbeiter erkennen. Bei wem ist das Wissen und die Weisheit verfügbar, anhand derer der Chatbot trainiert werden kann? Wer weiß, wie man die sich wiederholenden Endbenutzerprobleme aus der Wissensdatenbank heraus bearbeitet? KI-fähige ITSM-Tools laufen am besten, wenn sie das aktuelle Wissen der IT-Mitarbeiter nutzen. Gleichzeitig ist es wichtig, den Mitarbeitern den Wert ihres Wissens zu spiegeln. Es ist die Basis, auf der die künstliche Intelligenz arbeitet, um ihnen den Rücken für strategisch wichtigere Aufgaben freizuhalten.
Eine ganzheitliche Perspektive einnehmen. Die KI kann im Unternehmen auch Funktionen jenseits des ITSM erfüllen. Viele der Anbieter auf dem AIOps-Markt bieten zusätzlich Plattformen für Kundenservice, Personalwesen und andere Geschäftsfunktionen an. Die Einführung von KI im ITSM bietet dem IT-Team die Gelegenheit, seine Bemühungen auf das gesamte Unternehmen auszuweiten. Ist sich die IT jedoch nicht über die Wertströme im Unternehmen im Klaren, besteht die Gefahr, dass eine Silo-Mentalität entsteht oder verstärkt wird.
