Chancen und Grenzen künstlicher Intelligenz: Wie AI das Service Management verändert
Hinter den Kulissen
Ihre Stärken kann AI „hinter den Kulissen“ erst so richtig ausspielen. So vereinfacht zum Beispiel Machine Learning zusammen mit Big-Data-Analysen die Inventarisierung, das Asset- und das Configuration Management: ML-Tools erlernen in Massendatenbeständen schnell die Zusammenhänge zwischen Assets, Usern und Services – selbst wenn diese in den diversen Datentöpfen nicht identisch, sondern nur ähnlich bezeichnet sind (beispielsweise mal „Office365“, mal „Microsoft Office 365“). Denn AI kann mit semantischer Unschärfe umgehen und ist – anders als die klassische Schlagwortsuche – nicht auf identische Begriffe angewiesen. So kann man Assets automatisch einem Service oder einer Applikation zuordnen (Application Dependency Mapping, ADM), analysieren und visualisieren. ADM ist heute noch sehr kostspielig; ein ML-gestütztes Service Management wird künftig automatisiert generierte Service Maps auch dem Mittelstand zugänglich machen – sogar inklusive extern bezogener (Cloud-) Dienste samt Tracking der Service-Nutzung.
Mittelfristig wird AI das Problem Management beschleunigen: Bei wiederkehrenden Fehlern können ML-Tools die Ursachenforschung erleichtern, also zum Beispiel bei gehäuften Störungen in einem Bürotrakt erschließen, dass der Etagen-Switch ausgefallen ist. Bei Bedarf kann ML-Software das Internet nach Lösungsvorschlägen absuchen – und wiederum in unterschiedlichsten Knowledge Base Lösungen finden, selbst wenn die Beschreibungen variieren. Die Lösungswege ordnet das ML-gestützte Service Management dann automatisiert dem Trouble Ticket zu.
Letztlich berührt AI sogar den Kern der IT und des Business: die Prozesse. Schon heute kann eine Fachabteilung mittels BPMN (Business Process Model and Notation) und einem Tool wie Matrix42 Workflow Studio bequem neue Workflows erstellen, die Lösung übersetzt sie dann automatisch in konkrete Konfigurationen. Künftig wird es mittels einer AI-Instanz möglich sein, diese individuellen Abläufe zu analysieren und dynamisch zu optimieren. AI vergleicht dazu die neuen Workflows und Prozesse selbsttätig mit bestehenden Best Practices. So deckt sie Prozessfehler auf, um die IT-Prozesse – und letztlich sogar beliebige Abläufe vom Facility Management bis zum Recruiting – schneller, effizienter und kostengünstiger zu machen.
Nicht nur auf AI setzen
AI wird einen enormen Effizienzsprung bringen – im ITSM wie auch generell beim Management digital transformierter Geschäftsprozesse. Insbesondere bei der Analyse von Massendaten wird AI ihre Stärken ausspielen. Dabei hat der AI-Einsatz jedoch, wie oben beschrieben, seine Grenzen, wenn es um Kenntnis des Kontexts außerhalb der Massendaten und um soziale oder Business-Aspekte geht.
Deshalb zu guter Letzt ein Tipp: Setzen Sie nicht allein auf AI! Matrix42 Pilotkunden-Projekte haben gezeigt, dass Alexa weder in Großraumbüros noch in Einzelbüros am nachhaltigsten genutzt wird, sondern in Konferenzräumen: Immer wieder bereitet die Präsentationstechnik Probleme, deren Lösung man dann gern per Alexa anfordert – das muss man aber nicht! Denn die IT kann heute schon mittels der ihnen zur Verfügung stehenden Daten problemlos ermitteln, beispielsweise nach welcher Nutzungsdauer eine bestimmte Beamer-Glühbirnen den Dienst versagen wird – um sie rechtzeitig auszutauschen. Das kann bereits mit Bordmitteln eines ordentlichen Service- und Asset Management passieren. Das kostet weder viel Zeit noch viel Geld, und die Teambesprechung des Vertriebs kann dann ebenso ungestört stattfinden wie die Vorstandssitzung. Für viele solcher sofort wirkungsvollen Verbesserungsmaßnahmen braucht man weder Predictive Maintenance noch AI – nur die inventarisierten Daten und ein wenig Kreativität.
