Im ITSM gilt die Aufmerksamkeit heute ganz den virtuellen Assistenten, den immer präziseren Vorhersagen, den generativen Vorschlägen, der agentischen KI und der atemberaubenden Beschleunigung dieser Technologien. Aber es gibt einen entscheidenden Punkt, den man nicht umgehen kann: KI ersetzt nicht die Grundlagen des eigenen ITSM. Im Gegensatz dazu stellt sie diese wie nie zuvor auf die Probe.
Die Frage ist im Grunde einfach: Ist Ihr ITSM bereit, KI zu tragen? Um das zu beantworten, muss man zum Wesentlichen zurückkehren. So kommt es heute im ITSM mehr denn je auf die KI-Grundlagen an. An den ITSM-Grundsätzen und der Art, wie sie sich in KI-Systeme integrieren, entscheiden sich alle Herausforderungen der Zukunft.
Noch konkreter ausgedrückt: Ein Modell kann eine Antwort vorschlagen, ein Ticket klassifizieren, ein Routing vorschlagen oder eine Korrelation aufzeigen. Aber damit all dies nützlich ist, zählt Folgendes:
- sich in einen kohärenten Prozess einfügen
- dieselbe Sprache wie der Service Desk sprechen
- auf sinnvollen Kategorien basieren
- auf definierten SLAs aufbauen
- mit Daten arbeiten, die nicht widersprüchlich sind
Kurz gesagt: KI macht die ITSM-Grundsätze nicht überflüssig, sondern unvermeidlich. In diesem Artikel sehen wir das in der Praxis, wobei wir uns auf sechs entscheidende Kernbereiche konzentrieren.
1. Strukturierte Workflows
Die erste Ebene der KI-Grundlagen im ITSM ist die Struktur der Workflows. Dieser Punkt ist recht einfach, auch wenn er in Einführungsstrategien oft vernachlässigt wird: Künstliche Intelligenz arbeitet am besten, wenn sie auf klare Pfade trifft. Wenn ein Incident einem definierten Ablauf folgt, Service-Anfragen standardisiert sind und die Eskalationskriterien geteilt werden, kann sie präzise eingreifen und echte Mehrwerte generieren.
Wenn hingegen jedes Team Tickets anders kategorisiert, Prioritäten „nach Gefühl“ vergibt und Genehmigungen nicht formalisierten Ausnahmen folgen, kann die KI dies nicht ausmerzen. Stattdessen bildet genau dieses Chaos ihre Lerngrundlage, das sie schließlich nur reproduziert. Darin liegt ein erhebliches Problem, das den angedachten KI-Nutzen ad absurdum führt.
Deshalb ist es vor der Einführung fortgeschrittener Automatisierungen unerlässlich, die Grundlagen zu ordnen:
- ein gut strukturierter Service-Katalog
- eine kohärente Ticket-Taxonomie
- klare Genehmigungs-Workflows
- explizite Priorisierungslogiken
- dokumentierte Schritte
In diesem Sinne stellt eine Cloud-basierte ITSM-Plattform wie die von EasyVista einen ersten entscheidenden Schritt dar: Sie zentralisiert, standardisiert, macht Prozesse sichtbar und schafft die richtige Umgebung für KI.
2. Die Bedeutung sauberer Daten
Der zweite Pfeiler der KI-Grundlagen im ITSM ist vielleicht der entscheidende: die Datenqualität. Die KI nährt sich von historischen Tickets, Wissensartikeln, Logs, Asset-Informationen, CMDB-Daten, Service-Anfragen, Umfragen und Monitoring-Daten. Wenn diese Quellen unvollständig, veraltet, dupliziert oder inkonsistent sind, kann das Ergebnis nicht zuverlässig sein.
Das ist einer der wichtigsten Punkte, den man im Hinterkopf behalten sollte: Künstliche Intelligenz „versteht“ den Unternehmenskontext nicht auf magische Weise. Sie erkennt Muster in den Daten, die sie vorfindet. Wenn diese verzerrt sind, wird auch der Output verzerrt sein. Wenn die Wissensdatenbank veraltete Artikel enthält, Assets nicht aktualisiert sind, die CMDB lückenhaft ist oder Tickets willkürlich ausgefüllt werden, produziert das System nur scheinbar intelligente Empfehlungen.
Deshalb sind die KI-Grundlagen zu einem großen Teil eine Frage der Datenqualität, nicht im abstrakten Sinne des Begriffs, sondern in der täglichen Praxis. So braucht es Folgendes:
- gut gestaltete Pflichtfelder
- konsistente Namenskonventionen
- Verhinderung von Duplikaten
- kontinuierliche Pflege der Wissensdatenbank
- Aktualisierung der Konfiguration
- Governance der Informationsquellen
Es ist eine methodische Arbeit, die anfangs mühsam ist und viel Zeit in Anspruch nehmen kann, aber einen enormen Unterschied macht.
3. Governance: wo Wert entsteht
Bei KI besteht das Risiko, sich zu sehr auf die Technologie und zu wenig auf die Governance zu konzentrieren, die immer in menschlicher Hand liegen sollte. Doch ist einer der Gründe, warum die ITSM-Grundsätze heute wichtiger sind denn je, genau dieser: Sie sollen verhindern, dass die Einführung von KI eine Fragmentierung statt Kohärenz erzeugt.
Was würde passieren, wenn es keine klare Governance gäbe? Jedes Team würde sein eigenes Tool einführen, seine eigenen Prompts erstellen, auf seine eigene Art klassifizieren, dokumentieren und automatisieren. Man verlässt sich auf die Maschine und verliert die Kontrolle. Anfangs erscheint alles schnell sogar tugendhaft. Dann aber tauchen Abweichungen, Duplikate und operative Inkonsistenzen auf.
Es entstehen neue Formen der Schatten-IT, die noch schneller und schwerer zu kontrollieren sind. Governance hingegen bringt Ordnung an der Wurzel der Prozesse. Sie definiert Verantwortlichkeiten, Richtlinien, Nutzungskriterien, Qualitätsmetriken und Überprüfungsprozesse. Sie legt fest, wo KI eingreifen kann und wo noch nicht – mit welchen Zielen, mit welchen Daten und unter welcher Aufsicht. Sie verlangsamt Innovation nicht, sondern macht sie nachhaltig.
4. Ein service-zentrischer, kein tool-zentrischer Ansatz
Ein weiterer recht verbreiteter Fehler besteht darin, von Tools statt von Services auszugehen. „Was können wir mit KI machen?“ ist eine interessante Frage, aber nicht immer die nützlichste. Besser ist es, sie wie folgt umzuformulieren:
- „Welches Service-Erlebnis wollen wir verbessern?“
- „Welche Reibung wollen wir reduzieren?“
- „Welche Ineffizienz wollen wir beseitigen?“
Diese Perspektive ist zentral für die ITSM-Grundlagen. Das ITSM soll nämlich nicht Tools sammeln, sondern Services mit Mehrwerten entwerfen, bereitstellen und verbessern.
Ein konkretes Beispiel: Nehmen wir den Self-Service. Einen Chatbot überall einzusetzen, bedeutet nicht automatisch, das Nutzererlebnis zu verbessern. Wenn dahinter kein gut aufgebauter Service-Katalog steht, die Inhalte der Wissensdatenbank nicht zuverlässig sind oder der entsprechende Workflow langsam oder undurchsichtig ist, bildet der Chatbot nur eine neue Oberfläche mit alten Problemen. Wenn er hingegen in ein solides Ökosystem eingebettet wird, kann er einen wahren Unterschied machen.
Dasselbe gilt für die Automatisierung von Anfragen, für die Automatisierung des Incident Managements oder für komplexere Orchestrierungen. Der Wert der KI hängt nicht nur davon ab, was das Modell leisten kann, sondern davon, wie gut der jeweilige Service konzipiert wurde.
5. Standardisierung und Flexibilität: ein heikles Gleichgewicht
An diesem Punkt ist es sinnvoll, ein mögliches Missverständnis zu klären. Die Grundlagen des ITSM zu stärken, bedeutet nicht, alles starr zu halten, Prozesse in metaphorische Käfige zu verwandeln oder Innovationen zu bremsen. Ganz im Gegenteil: Eine gute Standardisierung ist das, was intelligente Flexibilität erst möglich macht: der wahre fruchtbare Boden, auf dem KI eine Rolle ausüben kann, die weit über die eines bloßen Beschleunigers hinausgeht.
Wenn die Grundprozesse kohärent sind, ist es viel einfacher, maßgeschneiderte Automatisierungen einzuführen, KI-Ebenen hinzuzufügen, neue Use Cases zu erproben, verschiedene Systeme zu integrieren und die Produktivität auf neue Weise zu verbessern.
Hier kommen Orchestrierungs- und Monitoring-Tools ins Spiel. Einerseits unterstützen Lösungen wie EV Orchestrate dabei, Systeme und Workflows zu verbinden und die Automatisierung geordneter und steuerbarer zu machen. Andererseits ermöglicht eine proaktive Sichtbarkeit der Performance dank EV Observe, die KI mit besseren und zeitnahen Signalen zu versorgen.
6. Kontinuierliche Verbesserung: das finale Ziel
Mit dem sechsten und letzten Punkt wechseln wir von den KI-Grundlagen im ITSM zum finalen Ziel jedes reifen Innovationsprozesses: der kontinuierlichen Verbesserung.
Die Organisationen, die am besten für KI gerüstet sind, sind nicht unbedingt diejenigen mit den meisten Tools, dem größten Budget oder den meisten laufenden Experimenten. Oft sind es diejenigen, die im Laufe der Zeit eine Disziplin der Verbesserung und eine Unternehmenskultur gepflegt haben, die auf diese Perspektive ausgerichtet ist.
Es reicht nicht aus, KI lediglich zu implementieren. Man muss sie nähren, überwachen, neu ausrichten und ihre tatsächlichen Auswirkungen auf den Service messen. Dies alles betont den Wert menschlicher Fähigkeiten, die nicht nur in dieser Hinsicht zentral bleiben.
Fazit
KI verspricht Geschwindigkeit, Präzision, Automatisierung, Produktivität und Skalierbarkeit. Aber gerade weil das Versprechen enorm ist, sollte man das stärken, was es trägt. Die KI-Grundlagen im ITSM sind kein vorläufiger Schritt, der schnell abgehakt werden kann, sondern die Bedingung, die alles andere erst möglich macht. Diesen Punkt heute zu begreifen, erlaubt es, die Herausforderungen von morgen aus einer vorteilhaften Position heraus anzugehen. Das ist mehr wert als jeder Slogan oder Hype.
FAQ
Warum sind die KI-Grundlagen im ITSM so wichtig?
Weil KI dazu neigt, das zu verstärken, was sie vorfindet. Wenn die Grundlagen solide sind, steigt der Wert; wenn die Grundlagen fragil sind, steigt das Rauschen.
Welche ITSM-Grundsätze sind bei der KI-Einführung am relevantesten?
Zu den wichtigsten gehören Workflow-Standardisierung, Governance, Datenqualität, Rollenklarheit, Serviceorientierung, Performance-Messung und kontinuierliche Verbesserung.
Wo empfiehlt es sich, mit der Vorbereitung des ITSM auf KI zu beginnen?
Es empfiehlt sich, stets bei den Grundlagen zu beginnen:
- ein gut konzipierter Service-Katalog
- standardisierte Workflows
- kohärente Taxonomien
- aktualisierte Wissensdatenbanken
- klare Rollen
- gemeinsame KPIs
- eine präzise Governance über den Einsatz von KI-Tools
