Wann ist künstliche Intelligenz im ITSM sinnvoll?

ITSM entwickelt sich weiter

Während ITSM in der Theorie seit langem den gesamten Lebenszyklus von IT-Diensten und -Produkten fördert – von der Idee bis zur Stilllegung – konzentrieren sich viele ITSM-Implementierungen nur auf laufende Aufgaben.

Viele Unternehmen haben einen Service Desk und ein Incident-Management sowie Prozesse zur Beantwortung von Anfragen eingerichtet. Andere haben einen simplen Change-Management-Prozess definiert, der Anfragen über eine zentrale Genehmigungsstelle abwickelt. Diese Vorgehensweisen haben zwar ihre eigenen Vorteile, sind aber weit entfernt von einer umfassenden und ganzheitlichen ITSM-Strategie.

Mit dem Aufkommen neuer Ansätze wie DevOps, VeriSM, Lean IT und Shift Left im IT-Service-Management, wurden Frameworks wie ITIL (Information Technology Infrastructure Library), ISO/IEC 20000 und COBIT einer bedeutenden Revision unterzogen. IT-Asset-Management und das Business-Relation-Management (PRM und CRM) sind dabei zu Betätigungsfeldern des ITSM geworden.

Technologien wie Cloud Computing, das Internet der Dinge (Internet of Things, IoT), Container, Microservices, Big Data, Automatisierung und künstliche Intelligenz verlangen nach einer grundlegenden Überarbeitung althergebrachter ITSM-Prozesse. Eine weitere treibende Kraft hinter dem Wandel des IT-Service-Managements sind rein geschäftliche Gesichtspunkte, zum Beispiel die Hinwendung zu den Themen Kunden- und Mitarbeitererfahrung.

IT-Teams müssen eine hohe Reaktionsfähigkeit, die in der digitalen Wirtschaft zum Standard geworden ist, mit organisatorischer Stabilität in Einklang bringen. Sie hoffen darauf, dass ITSM ihnen dabei hilft, diesen Spagat zu schaffen.

KI dringt auf dem ITSM-Markt vor

Künstliche Intelligenz kann eine Verbesserung oder Erweiterung der bisherigen Methoden im IT-Produkt- und Service-Management erreichen. Die meisten aktuellen KI-fähigen ITSM-Systeme konzentrieren sich auf folgende technische Bereiche, wobei Service Desk und IT-Operations die beliebtesten Anwendungsfälle sind:

• Service Desk: Erlöst Mitarbeiter von mühsamen und sich wiederholende Aufgaben, wie zum Beispiel der routinemäßigen Behebung wiederkehrender Probleme oder der Beantwortung von Anfragen.
• Laufende Überwachung: Verwaltung von Ereignissen mit Filtern und der Offenlegung von Beziehungen.
• Vorfallsmanagement: Kategorisiert Vorfälle anhand definierter Kriterien, leitet Tickets automatisch weiter oder behebt einfachere Vorfälle, ohne dass ein menschliches Eingreifen erforderlich ist.
• Beantwortung von Anfragen: Beantwortet die Anfragen von Endnutzern automatisch, am besten über ein Selbstbedienungsportal, einschließlich Anfragen um sämtliche Genehmigungen.
• Problemmanagement: Analysiert große Datenmengen, um Muster zu erkennen und IT-Vorfälle zueinander in Bezug zu setzen.

KI-fähige ITSM-Plattformen lassen sich in der Regel in drei Kategorien einteilen: reaktiv, proaktiv oder prädiktiv.

Reaktive KI-Tools unterstützen den Service Desk in erster Linie durch Selbstbedienungsfunktionen für den Endanwender. Diese Tools sind reaktiv, da sie erst auf einen Stimulus hin aktiv werden, zum Beispiel einen Alarm oder eine menschliche Interaktion. Beispiele für reaktive KI in ITSM-Tools sind Chatbots und virtuelle Assistenten.

Proaktive Werkzeuge erkennen einen kritischen Zustand oder eine anstehende Situation selbstständig. Sie leiten dann wirksame Maßnahmen ein – zum Beispiel, um einen kritischen Zustand aufzulösen, bevor es zu einer Betriebsunterbrechung kommt. Automatisierungs-, Robotic Process Automation (RPA) und Prozessorchestrierungs-Tools sind ein typischer Einstieg in diese Kategorie.

Die dritte Kategorie sind vorausschauende, prädikative Tools. Sie prognostizieren die zukünftige Leistung, Nachfrage oder notwendige Arbeiten in der IT-Abteilung. Die Prognose erfolgt auf Basis einer Analyse historischer und aktueller Daten. Um solche Vorhersagen zu treffen, erstellen einige Tools aus den gesammelten Datensätzen neue Datensätze. Beispiele sind ITSM-Tools, die auf Machine Learning und die Auswertung großer Datenmengen setzen.

Momentan entsteht noch eine vierte Kategorie von ITSM-Werkzeugen mit künstlicher Intelligenz: Autonome Tools. Sie können Werturteile fällen und Maßnahmen ergreifen, die möglicherweise nichts mehr mit ihrem ursprünglichen Programm zu tun haben.

Diese Plattformen können komplexe Konzepte wie Risiko-Nutzen-Abwägungen oder die ethischen Auswirkungen von Handlungen im ITSM erkennen und diese Erkenntnisse anwenden. Autonome ITSM-Werkzeuge sind allerdings noch nicht marktreif.

Wann KI einen echten Mehrwert im ITSM bietet

Im Folgenden werden einige Fälle genannt, bei denen die Einführung einer KI-fähigen ITSM-Plattform sinnvoll ist:

• Erweiterung (begrenzter) personeller Ressourcen: Das bedeutet nicht, dass ein Unternehmen kein IT-Personal mehr benötigt. Die KI übernimmt lediglich einfache, wiederkehrende Aufgaben. Damit kann das Unternehmen seine IT-Mitarbeiter von langweiligen Tätigkeiten freistellen und stattdessen für anspruchsvollere Arbeiten – wie die Wissensentwicklung und das Design von Prozessen, Workflows und Algorithmen
• Beseitigung von Reibungsverlusten durch unkoordinierte IT-Maßnahmen: KI-gesteuerte Tools fördern standardisierte und konsistente Ansätze und können Engpässe und Anomalien aufzeigen und eventuell beseitigen.
• Zentralisierung mehrerer unterschiedlicher Quellen von Daten aus dem IT-Service-Management: Die meisten IT-Unternehmen erfassen Daten, die sich auf IT-Services beziehen, aber nicht aus dem ITSM-Tool stammen. Diese Daten kommen zum Beispiel aus Tools für die Netzwerküberwachung, dem Application Performance Monitoring (APM) und IoT-Bereitstellungen. KI kann diese unterschiedlichen Datenformate verarbeiten und diese Daten bündeln.

Voraussetzungen für die Einführung von ITSM mit KI-Unterstützung

Obwohl IT-Service-Management mit künstlicher Intelligenz viele Vorteile bietet und eine ganze Reihe von Anwendungsfällen abdeckt, sollte die Einführung nicht zu schnell erfolgen. Folgende Punkte sollten im Vorfeld geprüft werden:

Das Unternehmen muss schon jetzt über gut definierte ITSM-Prozesse verfügen, die konsistent die erwarteten Ergebnisse liefern. Die IT-Abteilung sollte hinsichtlich wiederkehrender Aufgaben des Vorfallsmanagements und bei der Beantwortung von Anfragen über klar strukturierte Prozesse definiert haben.

Ein bestehender, einheitlicher, standardisierter Ansatz, auf den aufgebaut werden kann, erleichtert die Automatisierung. Administratoren sollten diese Prozesse regelmäßig überprüfen, um sicherzustellen, dass sie weiterhin relevant und angemessen sind. Auch sollte ein Bewusstsein dafür geschaffen werden, dass das Niederlegen von Wissen nicht mehr nur dazu dient, untereinander technische Informationen auszutauschen, sondern unter methodischen Ansprüchen erfolgt.

Darüber hinaus erfordert die Einführung von KI im IT-Service-Management eine klar definierte und gut verwaltete Configuration Management Database (CMDB). Manche KI-Technologien, wie zum Beispiel Machine Learning, haben die Fähigkeit zum Lernen. Hierfür benötigt die KI aber saubere und gründlich verwaltete Daten. Wenn die CMDB nicht angemessen und genau darstellt, wie die einzelnen Komponenten Dienste unterstützen, sind alle Vorteile der KI nichtig.

Von nachlässig geführten Daten kann die KI nicht das gewünschte exakte Verhalten erlernen.

IT-Teams sollten zudem eine Datenstrategie definieren und regelmäßig überprüfen. Dabei sollten Themen wie Governance, Integrität und Datenaufbewahrung angesprochen werden, um sicherzustellen, dass der Einsatz von KI einen langfristigen Nutzen bringt. Man sollte außerdem sicherstellen, dass die Wissensdatenbanken für die KI geeignet sind, das heißt, sie sollten auf dem neuesten Stand und für das Unternehmen relevant sein.

Fast täglich werden neue und erweiterte KI-fähige ITSM-Tools auf den Markt gebracht. Bevor man sich jedoch für eines davon entscheidet, sollten man die Bedürfnisse der IT- und des Geschäfts vollständig verstehen. Die Erstellung eines Business Case kann dabei helfen. Was ist der Grund für die Einführung eines KI-fähigen ITSM-Tools? Was sind die erwarteten Vorteile und die zu erwartende Rendite aus dieser Investition?

Auch, wenn der Einsatz dieser Tools die Effizienz und Geschwindigkeit verbessert, sind die Reduzierung von Ausgaben und der Abbau von Arbeitsplätzen die falsche Motivation für die Implementierung. Die effektive Nutzung von KI wird den Einsatz von menschlichen Ressourcen eher verlagern als verringern: Von langwieriger, sich wiederholender Arbeit – und damit einhergehenden Zeitverluste – hin zu produktiver Arbeit, die Kreativität, Werturteile und strategisches Denken verlangt.

Die Kompetenzen des vorhandenen Personals müssen zudem evaluiert werden, um sicherzustellen, dass das Know-how, das zur Nutzung und zur Wartung der KI-Technologie erforderlich ist, intern verfügbar ist. Sind Fähigkeiten wie Prozessdesign, Wertstromanalyse und der Entwicklung von Wissensartikeln vorhanden, können Unternehmen die KI-Fähigkeiten einer Plattform voll ausschöpfen.

Unternehmen sollten schließlich die Akzeptanz von Selbstbedienungsfunktionen mit KI-Unterstützung bei Mitarbeitern und Kunden überprüfen. Mitarbeiter sollten mit Bedacht auf die Einführung der künstlichen Intelligenz vorbereitet werden, damit Gerüchte über einen Abbau von Arbeitsplätzen erst gar nicht erst entstehen.

KI ist keine Wunderwaffe

Die Implementierung und Verwendung von künstlicher Intelligenz im ITSM sollte nicht auf die leichte Schulter genommen werden. Der Einsatz einer KI wird schlechte Prozessdesigns nicht auf magische Weise beheben.

Er wird auch keine Silo-Mentalitäten, wie sie oft in Unternehmen existieren, beseitigen. Verantwortliche müssen die Probleme, die sie lösen möchten, klar definieren und sich überlegen, welche Ergebnisse sie erzielen wollen. Dies sollte geschehen, noch bevor die Entscheidung fällt, in die Implementierung künstlicher Intelligenz zu investieren.

Anmerkung der Redaktion: Bei den umfassenden Recherchen zum ITSM-Tool-Markt haben sich die TechTarget-Redakteure auf Anbieter mit beträchtlicher Marktpräsenz konzentriert. Diese bieten ITSM-Tools mit KI-Funktionen an, die reaktionsfähig, proaktiv, prädiktiv und autonom sind. Die Recherchen umfassten Umfragen von Gartner, Forrester Research und TechTarget.