{"id":12992,"date":"2018-07-24T11:31:51","date_gmt":"2018-07-24T09:31:51","guid":{"rendered":"https:\/\/www.sysbus.eu\/?p=12992"},"modified":"2018-07-05T11:56:13","modified_gmt":"2018-07-05T09:56:13","slug":"chancen-und-grenzen-kuenstlicher-intelligenz-wie-ai-das-service-management-veraendert","status":"publish","type":"post","link":"https:\/\/www.sysbus.eu\/?p=12992","title":{"rendered":"Chancen und Grenzen k\u00fcnstlicher Intelligenz: Wie AI das Service Management ver\u00e4ndert"},"content":{"rendered":"

\"\"<\/a><\/p>\n

Autor\/Redakteur: Fabian Henzler, Director Product Marketing bei der Matrix42 AG<\/a>\/gg Alle reden von Artificial Intelligence, um AI gibt es einen regelrechten Hype: Die Erwartungen sind enorm, die Ziele oft vage, konkrete L\u00f6sungen noch selten. Dieser Beitrag zeigt, welche Auswirkungen AI auf das IT Service Management (ITSM) in Unternehmen haben wird \u2013 und wo die Grenzen liegen.<\/p>\n

<\/p>\n

In Gartners \u201eHype Cycle for Emerging Technologies\u201c vom August 2017 lag AI \u2013 vertreten durch Deep Learning und Machine Learning (ML) \u2013 ganz an der Spitze der Hype-Kurve. Wie es weitergeht, ist klar: bergab. \u00dcberzogene Hoffnungen werden entt\u00e4uscht, bevor die neue Technologie dann letztlich Einzug in den Alltag findet. Bei Deep Learning und ML wird dies laut Gartner zwei bis f\u00fcnf Jahre dauern, bei AI-basierten Virtual Assistants f\u00fcnf bis zehn. Aber AI wird kommen.<\/p>\n

Woher also die Entt\u00e4uschung? Heute herrscht oft die Erwartung vor, man k\u00f6nne AI als Produkt kaufen, und pl\u00f6tzlich funktioniere alles viel besser. Doch k\u00fcnstliche Intelligenz wird nicht auf dem Silbertablett serviert: Auch der AI-Einsatz erfordert Planung, Budget und Organisation, Unternehmen m\u00fcssen geeignetes Personal finden, und die Implementierung wird \u2013 wie immer in der IT \u2013 Zeit und Nerven kosten.<\/p>\n

Zun\u00e4chst aber ist zu kl\u00e4ren, wo AI \u00fcberhaupt n\u00fctzt. ITSM bietet gleich mehrere Ankn\u00fcpfungspunkte. Sie reichen vom First Level Support \u00fcber das Asset- und Problem Management bis hin zur Prozessoptimierung.<\/p>\n

AI als Kollege im Service Desk <\/strong><\/p>\n

Viele kennen AI aus dem privaten Umfeld: Virtuelle Assistenten wie Alexa, Siri oder Google Home beantworten auf Zuruf Fragen oder sto\u00dfen Aktionen an. So versteht es sich fast von selbst, dass AI an der Schnittstelle zwischen Endanwender und Service Management gro\u00dfe Vorteile bietet: beim First Level Support. Dank Microsofts Bot Framework l\u00e4sst sich solche Funktionalit\u00e4t in Service-Desk-L\u00f6sungen integrieren. Mit Chatbots und Virtual Agents kann eine IT-Organisation die Annahme von Trouble Tickets vollst\u00e4ndig digitalisieren \u2013 sogar bis hin zur St\u00f6rungsbehebung.<\/p>\n

Ein Beispiel: Erh\u00e4lt ein Anwender eine unerkl\u00e4rliche Fehlermeldung, hilft AI-gest\u00fctzte Bilderkennung bei der schnellen Behebung des Incidents. Ein Chatbot fordert den Anrufer auf, einen Screenshot des Fehlers zu senden; die Service-Management-L\u00f6sung analysiert den Screenshot mittels AI, erkennt den Fehler, f\u00fcllt das Ticket aus und leitet es weiter. Die Software trackt die Incidents, und nach mehrmaliger deckungsgleicher Fehlerbehebung schickt sie dem n\u00e4chsten Anrufer automatisch den Link zum passenden Knowledge-Base-Artikel zur Selbsthilfe auf sein Smartphone.<\/p>\n

<\/p>\n

Ein anderes Szenario: Der Anwender meldet eine St\u00f6rung mit \u201eAlexa, mein PowerPoint st\u00fcrzt immer ab.\u201c Die AI-gest\u00fctzte Service-Management-L\u00f6sung kennt den Nutzer wie auch dessen Rechner. In der Knowledge Base ermittelt sie die beiden L\u00f6sungsvarianten. Alexa antwortet: \u201eSie k\u00f6nnen eine automatische Neuinstallation von PowerPoint ansto\u00dfen, das dauert 30 Minuten. Oder Sie k\u00f6nnen ein Austauschger\u00e4t erhalten, das dauert zwei Stunden.\u201c Der Nutzer entscheidet sich: \u201eNeuinstallation!\u201c Die Service-Desk-Software st\u00f6\u00dft dies im Idealfall per integrierter Workspace-Management-L\u00f6sung direkt an. Eine halbe Stunde sp\u00e4ter meldet Alexa dem Nutzer den Abschluss der Installation und fragt nach seiner Zufriedenheit. Er gibt f\u00fcnf Sterne f\u00fcr den perfekten Service, das Ticket wird automatisch geschlossen.<\/p>\n

Integration ist der Schl\u00fcssel<\/strong><\/p>\n

In beiden F\u00e4llen ist die Einbindung der AI in das Service- und Workspace Management elementar: Dank Integration in das Active Directory, die ITSM-L\u00f6sung, die Knowledge Base und die CMDB kennt die AI-Software die Rolle des Endanwenders, seine IT-Ausstattung und L\u00f6sungswege. Bei Zugriff auf das Projekt-Management-Tool wei\u00df sie sogar, ob der Anrufer in der hei\u00dfen Phase eines Projekts steckt und deshalb priorisiert zu bearbeiten ist. Dies sorgt f\u00fcr kundenfreundliche Abl\u00e4ufe sowie zeit- und kostensparende Prozessautomation.<\/p>\n

Doch virtuelle Agenten bringen bei Routine-Incidents noch weitere Vorteile: Mitarbeiter im First Level Support m\u00fcssen selbst angesichts ver\u00e4rgerter oder gestresster Kunden stets freundlich bleiben \u2013 f\u00fcr Alexa und Co. kein Problem. Die Technik ist zudem l\u00e4ngst so ausgereift, dass ein Virtual Agent sogar die Stimmung des Kunden an dessen Stimme erkennt \u2013 und so den w\u00fctenden Vorstand gleich zum Second Level Support durchstellen kann.<\/p>\n

F\u00fcr den Service Desk bedeutet dies: Virtual Agents werden als vorgeschaltete Support-Instanzen helfen, zeitraubende Routinef\u00e4lle zu automatisieren. So kann sich das IT Team besser um das anspruchsvollere Exception Handling k\u00fcmmern. Denn AI wird die Support-Kollegen aus Fleisch und Blut bis auf Weiteres nicht ersetzen, sondern bestenfalls erg\u00e4nzen: Komplexe Problemf\u00e4lle erfordern Intuition, soziale Kompetenz und Wissen um den Gesch\u00e4ftskontext \u2013 da st\u00f6\u00dft AI an Grenzen.<\/p>\n

<\/p>\n

Hinter den Kulissen<\/strong><\/p>\n

Ihre St\u00e4rken kann AI \u201ehinter den Kulissen\u201c 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 Massendatenbest\u00e4nden schnell die Zusammenh\u00e4nge zwischen Assets, Usern und Services \u2013 selbst wenn diese in den diversen Datent\u00f6pfen nicht identisch, sondern nur \u00e4hnlich bezeichnet sind (beispielsweise mal \u201eOffice365\u201c, mal \u201eMicrosoft Office 365\u201c). Denn AI kann mit semantischer Unsch\u00e4rfe umgehen und ist \u2013 anders als die klassische Schlagwortsuche \u2013 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-gest\u00fctztes Service Management wird k\u00fcnftig automatisiert generierte Service Maps auch dem Mittelstand zug\u00e4nglich machen \u2013 sogar inklusive extern bezogener (Cloud-) Dienste samt Tracking der Service-Nutzung.<\/p>\n

Mittelfristig wird AI das Problem Management beschleunigen: Bei wiederkehrenden Fehlern k\u00f6nnen ML-Tools die Ursachenforschung erleichtern, also zum Beispiel bei geh\u00e4uften St\u00f6rungen in einem B\u00fcrotrakt erschlie\u00dfen, dass der Etagen-Switch ausgefallen ist. Bei Bedarf kann ML-Software das Internet nach L\u00f6sungsvorschl\u00e4gen absuchen \u2013 und wiederum in unterschiedlichsten Knowledge Base L\u00f6sungen finden, selbst wenn die Beschreibungen variieren. Die L\u00f6sungswege ordnet das ML-gest\u00fctzte Service Management dann automatisiert dem Trouble Ticket zu.<\/p>\n

Letztlich ber\u00fchrt 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 L\u00f6sung \u00fcbersetzt sie dann automatisch in konkrete Konfigurationen. K\u00fcnftig wird es mittels einer AI-Instanz m\u00f6glich sein, diese individuellen Abl\u00e4ufe zu analysieren und dynamisch zu optimieren. AI vergleicht dazu die neuen Workflows und Prozesse selbstt\u00e4tig mit bestehenden Best Practices. So deckt sie Prozessfehler auf, um die IT-Prozesse \u2013 und letztlich sogar beliebige Abl\u00e4ufe vom Facility Management bis zum Recruiting \u2013 schneller, effizienter und kosteng\u00fcnstiger zu machen.<\/p>\n

Nicht nur auf AI setzen<\/strong><\/p>\n

AI wird einen enormen Effizienzsprung bringen \u2013 im ITSM wie auch generell beim Management digital transformierter Gesch\u00e4ftsprozesse. Insbesondere bei der Analyse von Massendaten wird AI ihre St\u00e4rken ausspielen. Dabei hat der AI-Einsatz jedoch, wie oben beschrieben, seine Grenzen, wenn es um Kenntnis des Kontexts au\u00dferhalb der Massendaten und um soziale oder Business-Aspekte geht.<\/p>\n

Deshalb zu guter Letzt ein Tipp: Setzen Sie nicht allein auf AI! Matrix42 Pilotkunden-Projekte haben gezeigt, dass Alexa weder in Gro\u00dfraumb\u00fcros noch in Einzelb\u00fcros am nachhaltigsten genutzt wird, sondern in Konferenzr\u00e4umen: Immer wieder bereitet die Pr\u00e4sentationstechnik Probleme, deren L\u00f6sung man dann gern per Alexa anfordert \u2013 das muss man aber nicht! Denn die IT kann heute schon mittels der ihnen zur Verf\u00fcgung stehenden Daten problemlos ermitteln, beispielsweise nach welcher Nutzungsdauer eine bestimmte Beamer-Gl\u00fchbirnen den Dienst versagen wird \u2013 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 ungest\u00f6rt stattfinden wie die Vorstandssitzung. F\u00fcr viele solcher sofort wirkungsvollen Verbesserungsma\u00dfnahmen braucht man weder Predictive Maintenance noch AI \u2013 nur die inventarisierten Daten und ein wenig Kreativit\u00e4t.<\/p>\n","protected":false},"excerpt":{"rendered":"

Autor\/Redakteur: Fabian Henzler, Director Product Marketing bei der Matrix42 AG\/gg Alle reden von Artificial Intelligence, um AI gibt es einen<\/p>\n","protected":false},"author":1,"featured_media":12993,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"colormag_page_container_layout":"default_layout","colormag_page_sidebar_layout":"default_layout","footnotes":""},"categories":[8,10036],"tags":[6681,8982,3521,8767,4648,10986,1832,4130],"class_list":["post-12992","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-artikel","category-kuenstliche-intelligenz","tag-ai","tag-deep-learning","tag-itsm","tag-machine-learning","tag-matrix42","tag-ml","tag-service-desk","tag-service-management"],"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts\/12992","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=12992"}],"version-history":[{"count":1,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts\/12992\/revisions"}],"predecessor-version":[{"id":12995,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts\/12992\/revisions\/12995"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/media\/12993"}],"wp:attachment":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=12992"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=12992"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=12992"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}