Keith Andes hier. Früher Gartner-Analyst, heute im Produktmarketing, und ich beschäftige mich intensiv mit den Auswirkungen von Künstlicher Intelligenz (KI) im ITSM. Und es tut mir leid, aber wir müssen reden.
Die meisten IT-Organisationen wollen heute unbedingt auf den KI-Zug aufspringen. Während der Druck, „AI First” zu sein wächst, kämpfen IT-Führungskräfte auf der anderen Seite noch immer mit einer einfachen Frage: Wo fangen wir eigentlich an? Wir nutzen KI, ja. Aber wie entsteht daraus ein echter Mehrwert für uns?
Das Interesse an KI ist groß. Führungskräfte fragen danach und Teams experimentieren mit Tools wie ChatGPT. Aber nur wenige haben eine klare Strategie, wo und wie sie KI einsetzen können, sodass sie tatsächlich einen geschäftlichen Nutzen schafft.
Das Ergebnis ist das, was immer dann passiert, wenn ein neues Tool auf den Markt kommt, bevor es ein echtes Problem gibt. Alle probieren herum, aber die wenigsten wissen, was sie versuchen zu lösen. KI wird zu einer Lösung auf der Suche nach einem Anwendungsfall. Es ist lebhaft, es ist spannend – und komplett richtungslos. Und selbst dort, wo nützliche Ergebnisse entstehen: Was für eine einzelne Person isoliert mit ChatGPT funktioniert, lässt sich selten auf das gesamte Unternehmen übertragen.
Die Wahrheit ist, Sie müssen nicht “AI first” sein. Sie müssen “AI last” sein. Warum und wie, erkläre ich im Folgenden.
(Übrigens bin ich absolut KI-optimistisch. Ich gehöre ganz klar zum Lager derjenigen, die glauben, dass „KI die Zukunft bestimmen wird”. Aber ich halte nichts von der Illusion, dass das einfach wird.)
1. Das „AI First“-Problem
„AI First“-Initiativen werden in der Regel von oben angestoßen: Wir müssen KI einsetzen. Die Absicht ist gut, denn keine Führungskraft will die nächste Innovationswelle verpassen. Oft mangelt es diesen Anweisungen jedoch an Klarheit. Teams bekommen die Ansage, „etwas mit KI zu machen“, nicht konkrete Probleme zu lösen. So entstehen verstreute Pilotprojekte, redundante Initiativen und Mitarbeitende verbrauchen KI-Rechenleistung wie kostenlose Süßigkeiten.
Aktuellen Studiendaten von EasyVista zufolge sagen 95 % der Enterprise-Unternehmen, dass sie KI bereits in irgendeiner Form im ITSM einsetzen (und bei KMU lag die Quote immer noch bei 90 %). Doch Nutzung ist nicht gleich Wertschöpfung. Ohne Struktur, Abstimmung und messbare Ergebnisse skalieren Experimente selten und am Ende kommen Teams zu dem Schluss: KI war wohl doch überbewertet.
Die eigentliche Herausforderung ist nicht, KI einzusetzen. Die Herausforderung ist, sie dort anzuwenden, wo sie wirklich einen Unterschied macht.
2. Reparieren, um zu skalieren
KI repariert keine fehlerhaften Prozesse (im Gegenteil: KI verstärkt sie). Bevor Sie also KI auf Ihren ITSM-Stack packen, konzentrieren Sie sich auf die Bereiche, die bereits so gut funktionieren, dass sie von einer Beschleunigung profitieren.
Wenn Ihr Incident Routing heute inkonsistent ist, wird KI nur noch schneller falsch routen. Ist Ihre CMDB unstrukturiert, werden KI-Insights nur das Chaos widerspiegeln. Garbage in, garbage out.
Das bedeutet übrigens nicht, dass Prozesse perfekt sein müssen, bevor Sie loslegen. Darauf will ich nicht hinaus. Es bedeutet lediglich, dass Sie mit den Bereichen starten sollten, die bereits solide laufen. Dort, wo Sie verlässliche Daten, klare Workflows und konsistente Ergebnisse haben, wird KI die größte Wirkung entfalten. In chaotischen Bereichen erzeugt sie nur mehr Rauschen (wie würden Sie da erkennen, ob die KI richtig liegt?).
Betrachten Sie KI als einen Kompetenzverstärker, nicht als Heilmittel für Dysfunktion. Sie funktioniert am besten in ausgereiften Bereichen Ihrer Organisation, in denen Automatisierung und menschliches Urteilsvermögen bereits Hand in Hand arbeiten. Beginnen Sie dort, beweisen Sie den Mehrwert und bauen Sie darauf auf.
3. Kompetenzen durch gemeinsames Lernen aufbauen
Jede erfolgreiche KI-Strategie beginnt mit Lernen. Ermutigen Sie zum Experimentieren, aber machen Sie das Lernen zu einer gemeinsamen Sache. Lassen Sie Ihre Teams mit ChatGPT oder anderen KI-Tools “spielen”, aber sorgen Sie dafür, dass dieses Lernen nicht in Silos steckenbleibt.
Veranstalten Sie zum Beispiel einmal im Monat eine kurze „KI-Hacks”-Session (idealerweise jeweils fokussiert auf eine bestimmte Rolle), in der die Teammitglieder teilen, wie sie KI in diesem Monat genutzt haben:
Wo hat KI ihnen am meisten Zeit gespart? Wie haben sie KI in einem Workflow eingesetzt? Gab es kreative Anwendungsfälle, die andere übernehmen könnten?
Diese Erfahrungen werden zu Ihrem internen Playbook. Mit der Zeit werden Sie Muster erkennen, bei denen KI konsequent Zeit spart, die Nutzererfahrung verbessert oder den manuellen Aufwand reduziert. Das sind die Anwendungsfälle, die sich skalieren lassen. Dokumentieren Sie sie und bauen Sie darauf auf.
Wenn Vertrauen und internes Wissen im Team wachsen, ist der nächste Schritt, diese Erkenntnisse mit realen Geschäftsprozessen zu verbinden. Und hier kommt „AI Last“ ins Spiel: Es geht darum, zu entscheiden, wo KI wirklich in Ihre Workflows gehört und wo einfache Automatisierung ausreicht.
4. Seien Sie „AI Last“ (smartere Fragen stellen)
Haben Sie eine Basis gemeinsamen Lernens etabliert, gehen Sie dazu über, die gewonnenen Erkenntnisse in echte Prozessverbesserungen zu übersetzen.
Statt zu fragen: „Wo können wir KI einsetzen?“, fragen Sie zunächst: „Wie lässt sich das am einfachsten lösen?“.
Nutzen Sie nach Möglichkeit einfache Automatisierungen. Automatisieren Sie beispielsweise die Ticketkategorisierung zunächst mit Logik. Wenn sich Ausnahmen häufen, kann maschinelles Lernen der richtige nächste Schritt sein. Es geht nicht darum, KI zu vermeiden, sondern sie dort einzusetzen, wo sie ihren Platz verdient.
Beginnen Sie mit Prozessreife. Automatisieren Sie zuerst, was Sie über Regeln und Workflows lösen können. Wenn ein einfaches If-Then-Statement das Problem lösen kann, brauchen Sie keine KI. Das ist günstiger, konsistenter und einfacher zu verwalten.
Und ja, fragen Sie Ihre Anbieter nach Ideen. Aber stellen Sie die richtigen Fragen:
„Welche Anwendungsfälle kann KI lösen, die wir anders nicht automatisieren könnten?“
Das ist die zentrale Frage. Weitere sind: Wie setzen die Anbieter KI intern ein? Welche Erfolge haben sie mit Implementierungen bei anderen Kunden erzielt? Wo verzeichnen sie den schnellsten ROI?
Validieren Sie dann diese Aussagen. Analystenstudien wie das „AI Use-Case Assessment for IT Service Desk” von Gartner bewerten KI-Anwendungen im ITSM nach Machbarkeit und Wirkung. Das sind die Daten, die Ihre Roadmap leiten sollten, nicht eine Produktbroschüre.
Sind Ihre Prozesse und Ihre Lernkultur einmal gut aufgestellt, schauen Sie gezielt dorthin, wo KI im ITSM bereits Wirkung zeigt. Ausgehend von unseren Beobachtungen bei Kunden und auf dem Markt gehören derzeit folgende Bereiche zu den vielversprechendsten:
Portal- oder Teams-Bots für dialogbasierten Servicezugang. LLM-Suche, um kontextbezogene Ergebnisse über Wissensartikel und Tickets hinweg zu liefern. Incident-Korrelation und Anomalieerkennung, um Muster zu erkennen (vorausgesetzt, Sie verfügen über leistungsfähige Sensoren und Integrationen). Wissenssynthese, um Lösungsdaten zusammenzufassen, nicht nur automatisch Artikel zu generieren.
Das Ziel ist natürlich nicht, KI abzulehnen. Stattdessen müssen wir sie bewusst und clever einsetzen.
Fazit
Wir dürfen uns auf die KI-Zukunft freuen, aber Mehrwert entsteht heute nicht durch ein pauschales “AI first”. Er entsteht, indem wir die Technologie verstehen und wissen, welche Probleme sie lösen kann, die ohne sie zuvor unlösbar waren.
Denken Sie aber zuerst an Prozesse und Automatisierung und setzen Sie KI nur dort ein, wo KI wirklich Sinn ergibt. Fangen Sie mit einfachen Dingen an. Reparieren Sie, was kaputt ist. Teilen Sie, was funktioniert. Setzen Sie KI dann dort ein, wo sie Ihre Leistungsfähigkeit wirklich verbessert.
KI wird nicht reparieren, was kaputt ist. Aber wenn Sie ein solides Fundament aufbauen und KI zielgerichtet einsetzen, wird sie Ihren Betrieb grundlegend verändern.
