Eine Störung ist gemeldet, das Ticketsystem steht auf Rot, und Nutzer wollen wissen: Was ist los, wie lange dauert es noch, und wann bekomme ich wieder Bescheid. Das ist Arbeit, die Servicedesk- und Kommunikationsmitarbeiter täglich verrichten. Die Frage hier ist nicht, ob KI Text schreiben kann, sondern ob KI diese spezifische Kommunikationsarbeit eigenständig übernehmen kann. Die Antwort: teilweise, und es hängt stark davon ab, um welche Art von Störung es sich handelt.
Die Aufgabe erzielt eine hohe Punktzahl bei Strukturiertheit (4): Eine Störungsmeldung folgt oft einem festen Muster — was ist falsch, seit wann, welche Systeme sind betroffen, wie hoch ist die voraussichtliche Behebungszeit. Dieses Muster ist genau das, was ein Sprachmodell gut ausfüllen kann, solange die zugrunde liegende Information stimmt. Auch körperlich (5) ist kein Hindernis: Es ist keine Handlung in der realen Welt nötig, nur Text, der hinausgehen muss.
Dem steht gegenüber, dass Kundenkontakt niedrig punktet (1). Dies ist per Definition Kommunikation mit Menschen, die oft bereits frustriert sind, weil ihre Arbeit stillsteht. Der Ton, der Zeitpunkt und die Präzision einer Nachricht bestimmen, ob Nutzer sich gehört fühlen oder gerade ignoriert. Eine generierte Nachricht, die sachlich korrekt ist, aber die Dringlichkeit falsch einschätzt, richtet mehr Schaden an als keine Nachricht.
Fehlerkosten (3) sind mäßig, aber nicht zu vernachlässigen: eine falsche Behebungszeit oder ein Status, der nicht aktualisiert wird, untergräbt das Vertrauen und führt zu einer Flut von Anschlussfragen — genau die Arbeit, die man einsparen wollte. Compliance (4) spielt eine Rolle, sobald der Vorfall unter SLA-Vereinbarungen fällt oder, in manchen Branchen, unter eine Meldepflicht: Dann muss die Kommunikation nachweislich rechtzeitig und nach festen Normen versendet worden sein. Beurteilungsspielraum (2) und Kreativität (2) sind niedrig: Es gibt wenig Spielraum, selbst zu bestimmen, was man meldet, es ist größtenteils das Befolgen einer Vorlage mit aktuellen Daten. Volumen (4) ist hoch: Bei einer großen Störung geht es um Hunderte oder Tausende von Nutzern, die dieselbe Nachricht benötigen, und genau dort schafft Automatisierung Zeit frei.
Drei Achsen bestimmen das Bild. Die Strukturiertheit macht es technisch machbar: Wenn der Vorfallsstatus eindeutig im System festgelegt ist, kann ein Sprachmodell daraus eine Nachricht nach einer festen Vorlage aufbauen. Aber der niedrige Kundenkontakt bremst das — nicht weil KI keinen korrekten Satz schreiben kann, sondern weil das Risiko einer falsch getimten oder falsch getönten Meldung höher ist als bei internem oder administrativem Text. Und die Fehlerkosten machen, dass Aufsicht nötig bleibt: ein Status-Update, das ausgeht, bevor eine Lösung bestätigt ist, oder das die Behebungszeit zu optimistisch einschätzt, führt zu neuen Beschwerden statt weniger.
Ein Beispiel macht es konkret. Bei einer Störung eines internen E-Mail-Systems, bei der die Auswirkung bekannt und die Behebungszeit einigermaßen vorhersehbar ist, kann KI die erste Meldung und das zwischenzeitliche Status-Update auf Basis des Tickets erstellen, wobei ein Mitarbeiter kurz zustimmt, bevor die Nachricht versendet wird. Bei einer Störung, die die Zahlungsfunktion von Kunden betrifft, mit finanziellen Folgen und ungewisser Behebungszeit, liegt das anders: Dort ist eine menschliche Abwägung nötig darüber, was man sagt und was nicht, und wann.
Bei einem Unternehmen mit einer ausgereiften Statusseite und einem Ticketsystem, das automatisch die richtigen Felder befüllt, ist der Anteil, den KI übernehmen kann, größer: Der Text kann direkt aus strukturierten Daten stammen. Bei einem Unternehmen, bei dem Störungen mündlich weitergegeben werden, in losen Slack-Nachrichten oder über einen IT-Manager, der es selbst einschätzt, fehlt die strukturierte Grundlage, und es gibt wenig, das KI eigenständig erstellen kann. Auch die Art der Nutzer zählt: Interne Mitarbeiter akzeptieren ein kurzes, sachliches Update; externe Kunden mit einem Vertrag und einer SLA erwarten einen Ton und eine Vollständigkeit, die eher menschliche Kontrolle erfordern.
Diese Aufgabe steht nicht losgelöst vom Rest der Vorfallskette. Ob eine Störung effektiv kommuniziert wird, hängt davon ab, wie gut die Systemleistung überwacht wird — ohne zuverlässige Überwachung gibt es keinen aktuellen Status zu kommunizieren. Es hängt auch damit zusammen, wie der Vorfall registriert und priorisiert wird, denn das bestimmt, welche Daten vorhanden sind, um eine Nachricht darauf zu stützen. Und in manchen Fällen läuft die Kommunikation parallel zur eigentlichen Behebung des Erstlinien-IT-Vorfalls, wobei das Update nur so gut ist wie der tatsächlich erreichte Fortschritt.
Konkret: Das Erstellen von Text auf Basis fester Vorlagen, mit dem aktuellen Vorfallsstatus als Input, ist machbar, sobald diese beiden Rahmenbedingungen vorhanden sind. Die Entscheidung, wann eine Nachricht ausgeht, in welchem Ton, und ob die Behebungszeit realistisch formuliert ist, bleibt beim Mitarbeiter. Das ist keine Zwischenphase auf dem Weg zur vollständigen Übernahme — es ist die Struktur, die zu dieser Art von Kommunikation passt, solange die Fehlerkosten einer unpassenden Nachricht höher bleiben als die Zeit, die es kostet, sie zu überprüfen.
Wenn diese Analyse Sie dazu veranlasst, über den Einsatz von Servicedesk- oder Kommunikationsmitarbeitern nachzudenken, gelten dafür eigene gesetzliche Anforderungen in Bezug auf Arbeit und Mitbestimmung; diese Seite bietet keine Personalberatung und ist keine Begründung für eine Entlassungsentscheidung. Für die umfassendere Sorgfalt rund um Funktionsänderungen siehe Sorgfalt beim Streichen von Funktionen.
Möchten Sie wissen, wie viel der Störungskommunikation in Ihrem eigenen Unternehmen heute bereits innerhalb dieser Rahmenbedingungen liegt? Der kostenlose Quickscan von FTE TO AI besteht aus zwölf Fragen, erfordert kein Konto und gibt eine Einschätzung, welcher Anteil der Stunden in diesem Profil heute von KI übernommen werden kann. Der vollständige Werkscan, mit der ausführlichen Aufgabenanalyse pro Team, befindet sich noch im Aufbau — den bieten wir hier bewusst noch nicht an.
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.