Eine Meldung kommt herein: Ein Nutzer kann sich nicht anmelden, ein Drucker funktioniert nicht, ein Server gibt Fehlermeldungen aus. Jemand im Service-Desk wandelt das in ein Ticket um, wählt eine Kategorie und legt die Dringlichkeit fest. Kann KI das übernehmen? Größtenteils ja, mit einer wichtigen Ausnahme, die sich von Unternehmen zu Unternehmen unterscheidet.
Drei Achsen geben den Ausschlag: Volumen, Beurteilungsspielraum und Kundenkontakt.
Das Volumen ist hoch. Ein Service-Desk verarbeitet täglich Dutzende bis Hunderte von Meldungen, und viele davon sind Variationen einer kleinen Anzahl bekannter Probleme: Passwort vergessen, kein Zugriff auf eine Freigabe, Laptop startet nicht. Bei hohem Volumen und Wiederholung ist eine Aufgabe per Definition geeignet, um automatisiert zu werden, weil ein Modell aus Mustern lernt, die sich häufig wiederholen.
Der Beurteilungsspielraum ist begrenzt. Dringlichkeit und Kategorie ergeben sich meist aus einem Entscheidungsbaum: Wie viele Nutzer sind betroffen, gibt es einen Workaround, welches System ist es. Das ist genau die Art von Arbeit, in der Textmodelle gut sind: eine Meldung lesen, die Merkmale herausfiltern und mit einem Kategorisierungsmodell abgleichen. Was KI heute mit Text leisten kann, sind die Meldungen selbst, oft in freier Formulierung vom Nutzer eingegeben, und die Rückübersetzung davon in ein strukturiertes Ticket.
Der Kundenkontakt ist funktional, nicht relational. Ein Nutzer, der eine Störung meldet, möchte vor allem, dass sie aufgenommen wird, nicht dass ein Gespräch entsteht. Das ist anders, sobald etwas schiefgeht oder sensibel wird — siehe dazu auch, wie eine Störung gegenüber Nutzern kommuniziert wird, denn das ist eine andere Aufgabe mit einem anderen Profil.
Die physische Komponente spielt keine Rolle: Dies ist administrative Arbeit am Bildschirm, keine Handlung an Geräten. Die Fehlerkosten sind durchschnittlich. Eine falsch priorisierte Meldung führt selten zu direktem Schaden, aber bei Systemen, die unter Compliance fallen — ein Finanzsystem, eine Patientenakte — liegt das anders, und die Achse Compliance bewertet hier dementsprechend höher als im Durchschnitt. Eine Störung in einer Umgebung mit gesetzlicher Meldepflicht erfordert eine dokumentierte Begründung für die Einordnung, nicht nur ein Label.
Die Schwachstelle ist Kreativität, und genau deshalb ist dies keine vollständige Übernahme. Eine Meldung, die nicht in das bekannte Muster passt — eine neue Kombination von Symptomen, ein System, das zum ersten Mal ausfällt, ein Nutzer, der das Problem unklar beschreibt — erfordert jemanden, der nachdenkt statt nur einordnet. Dazu gehört Aufsicht: KI schlägt eine Kategorie und Dringlichkeit vor, ein Mensch genehmigt oder korrigiert, mit Begründung. Das ist eine andere Einrichtung als eine vollständige Übernahme, und es ist auch die häufigste Praxis bei Unternehmen, die schon damit arbeiten.
Bei einem Unternehmen mit einer kleinen, übersichtlichen Anwendungslandschaft und ein paar Hundert Nutzern ist neunzig Prozent der Meldungen eine Wiederholung von etwas, das schon hundertmal vorgekommen ist. Dort kann ein Modell mit einem guten Kategorisierungsmodell den größten Teil der Aufnahme eigenständig erledigen, wobei ein Mensch nur die Ausnahmen sieht.
Bei einem Unternehmen mit vielen Legacy-Systemen, Individualsoftware und einer Geschichte von Fusionen ist das Muster weniger vorhersehbar. Meldungen sind vielfältiger, die Kategorien sind weniger scharf abgegrenzt, und die Wahrscheinlichkeit, dass eine Meldung außerhalb des bekannten Musters liegt, ist größer. Dort bleibt ein größerer Teil der Arbeit beim Menschen, nicht weil KI es nicht tun wollte, sondern weil die Eingabe zu unstrukturiert ist, um daraus automatisch etwas Verlässliches zu machen.
Die Randbedingung ist also nicht die Technik, sondern die Aufnahme: strukturierte Aufnahmeformulare und ein ausgearbeitetes Kategorisierungsmodell für Vorfälle bestimmen größtenteils, wie viel dieser Arbeit heute schon übertragbar ist. Ohne diese beiden bleibt der größte Teil Handarbeit, mit KI als Hilfsmittel statt als Ausführender.
Dies ist kein Personalratschlag und keine Begründung für den Abbau eines Service-Desk-Teams. Ob und wie eine Organisation personelle Konsequenzen aus sich verändernder Arbeit zieht, liegt beim Arbeitgeber, und dafür gelten eigene gesetzliche Anforderungen; siehe für die dabei gebotene Sorgfalt auch die Sorgfaltspunkte beim Wegfall von Funktionen. Diese Seite beschreibt nur, was mit der Aufgabe selbst geschieht.
Es ist außerdem sinnvoll, diese Aufgabe nicht losgelöst vom Rest des IT-Betriebs zu betrachten. Die Erfassung von Vorfällen hängt zusammen mit Arbeit wie dem Überwachen der Systemleistung, die oft die frühen Signale liefert, bevor eine Meldung vorliegt, und mit Verwaltungsaufgaben wie dem Ausführen und Kontrollieren von Backups oder dem aktuell Halten von Stammdaten, die dieselbe Kombination aus hohem Volumen und begrenztem Beurteilungsspielraum aufweisen. Wer für die gesamte IT-Abteilung wissen möchte, wo die Verschiebung bereits liegt, sieht sich am besten alle Aufgaben zusammen an, nicht nur einen einzelnen Ticketprozess.
Das Ergebnis für Ihren eigenen Service-Desk hängt davon ab, wie viele Ihrer Meldungen in erkennbare Muster fallen und wie gut Ihre Aufnahme bereits strukturiert ist. Das unterscheidet sich von Unternehmen zu Unternehmen und lässt sich nicht mit einer festen Faustregel bestimmen.
Der kostenlose Quickscan von FTE TO AI gibt dazu eine erste Indikation: zwölf Fragen, ohne Konto, mit einer Angabe, welcher Anteil der Stunden in Ihrem Profil heute schon von KI übernommen werden kann. Der vollständige Werkscan, der die Arbeit eines ganzen Unternehmens Aufgabe für Aufgabe auf fte-Kapazität umrechnet, befindet sich noch im Aufbau.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.