Wie künstliche Intelligenz das Service-Management verändert

DruckAlle reden von Artificial-Intelligence, um AI gibt es einen regelrechten Hype: Die Erwartungen sind enorm, die Ziele oft vage, konkrete Lösungen noch selten. Der Nutzen von AI, dessen Auswirkungen in Unternehmen und wo die Grenzen liegen am Beispiel des IT-Service-Management (ITSM).

In Gartners „Hype Cycle for Emerging Technologies“ vom August 2017 lag AI – vertreten durch Deep-Learning und Machine-Learning (ML) – ganz an der Spitze der Hype-Kurve. Wie es weitergeht, ist klar: bergab. Überzogene Hoffnungen werden enttäuscht, bevor die neue Technologie dann letztlich Einzug in den Alltag findet. Bei Deep-Learning und ML wird dies laut Gartner zwei bis fünf Jahre dauern, bei AI-basierten Virtual-Assistants fünf bis zehn. Aber AI wird kommen.

Woher also die Enttäuschung? Heute herrscht oft die Erwartung vor, man könne AI als Produkt kaufen, und plötzlich funktioniere alles viel besser. Doch künstliche Intelligenz wird nicht auf dem Silbertablett serviert: Auch der AI-Einsatz erfordert Planung, Budget und Organisation, Unternehmen müssen geeignetes Personal finden, und die Implementierung wird – wie immer in der IT – Zeit und Nerven kosten.

Zunächst aber ist zu klären, wo AI überhaupt nützt. ITSM bietet gleich mehrere Anknüpfungspunkte. Sie reichen vom First-Level-Support über das Asset- und Problem Management bis hin zur Prozessoptimierung.

 

AI als Kollege im Service-Desk

Viele kennen AI aus dem privaten Umfeld: Virtuelle Assistenten wie Alexa, Siri oder Google-Home beantworten auf Zuruf Fragen oder stoßen einfache Aktionen an. So versteht es sich fast von selbst, dass AI an der Schnittstelle zwischen Endanwender und Service-Management große Vorteile bietet: beim First-Level-Support. Dank Microsofts Bot-Framework lässt sich solche Funktionalität in Service-Desk-Lösungen integrieren. Mit Chatbots und Virtual-Agents kann eine IT-Organisation die Annahme von Trouble-Tickets vollständig digitalisieren – sogar bis hin zur Störungsbehebung.

Ein Beispiel: Erhält ein Anwender eine unerklärliche Fehlermeldung, hilft AI-gestützte Bilderkennung bei der schnellen Behebung des Incidents. Ein Chatbot fordert den Anrufer auf, einen Screenshot des Fehlers zu senden; die Service-Management-Lösung analysiert den Screenshot mittels AI, erkennt den Fehler, füllt das Ticket aus und leitet es weiter. Die Software trackt die Incidents, und nach mehrmaliger deckungsgleicher Fehlerbehebung schickt sie dem nächsten Anrufer automatisch den Link zum passenden Knowledge-Base-Artikel zur Selbsthilfe auf sein Smartphone.

Ein anderes Szenario: Der Anwender meldet eine Störung mit „Alexa, mein Powerpoint stürzt immer ab.“ Die AI-gestützte Service-Management-Lösung kennt den Nutzer wie auch dessen Rechner. In der Knowledge-Base ermittelt sie die beiden Lösungsvarianten. Alexa antwortet: „Sie können eine automatische Neuinstallation von Powerpoint anstoßen, das dauert 30 Minuten. Oder Sie können ein Austauschgerät erhalten, das dauert zwei Stunden.“ Der Nutzer entscheidet sich: „Neuinstallation!“ Die Service-Desk-Software stößt dies im Idealfall per integrierter Workspace-Management-Lösung direkt an. Eine halbe Stunde später meldet Alexa dem Nutzer den Abschluss der Installation und fragt nach seiner Zufriedenheit. Er gibt fünf Sterne für den perfekten Service, das Ticket wird automatisch geschlossen.

 

Integration ist der Schlüssel

In beiden Fällen ist die Einbindung der AI in das Service- und Workspace-Management elementar: Dank Integration in das Active-Directory, die ITSM-Lösung, die Knowledge-Base und die CMDB kennt die AI-Software die Rolle des Endanwenders, seine IT-Ausstattung und Lösungswege. Bei Zugriff auf das Projekt-Management-Tool weiß sie sogar, ob der Anrufer in der heißen Phase eines Projekts steckt und deshalb priorisiert zu bearbeiten ist. Dies sorgt für kundenfreundliche Abläufe sowie zeit- und kostensparende Prozessautomation.

Doch virtuelle Agenten bringen bei Routine-Incidents noch weitere Vorteile: Mitarbeiter im First-Level-Support müssen selbst angesichts verärgerter oder gestresster Kunden stets freundlich bleiben – für Alexa und Co. kein Problem. Die Technik ist zudem längst so ausgereift, dass ein Virtual-Agent sogar die Stimmung des Kunden an dessen Stimme erkennt – und so den wütenden Vorstand gleich zum Second-Level-Support durchstellen kann.

Für den Service-Desk bedeutet dies: Virtual-Agents werden als vorgeschaltete Support-Instanzen helfen, zeitraubende Routinefälle zu automatisieren. So kann sich das IT-Team besser um das anspruchsvollere Exception-Handling kümmern. Denn AI wird die Support-Kollegen aus Fleisch und Blut bis auf Weiteres nicht ersetzen, sondern bestenfalls ergänzen: Komplexe Problemfälle erfordern Intuition, soziale Kompetenz und Wissen um den Geschäftskontext – da stößt AI an Grenzen.

 

Hinter den Kulissen

Ihre Stärken kann AI „hinter den Kulissen“ erst so richtig ausspielen. So vereinfacht beispielsweise 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 (z. B. 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 beispielsweise 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 – 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.

#Netzpalaver #Matrix42

Von Fabian Henzler, Director Product Marketing beim Workspace- und Service-Management-Spezialisten Matrix42 AG

Über Fabian Henzler:

Fabian Henzler, Director Product Marketing bei Matrix42
Fabian Henzler, Director Product Marketing bei Matrix42

Als Director Product Marketing ist Fabian Henzler für die Vermarktung aller Matrix42 Produkte verantwortlich. Er führt das Produktmarketing-Team und ist außerdem zuständig für das Relationshipmanagement  und Briefing von Analysten. Er greift auf viele Jahre Erfahrung im Produktmanagement, im Vertrieb und im Marketing zurück. Er kam 2014 zu Matrix42 und war dort bis 2016 Senior Product Manager für den Bereich Workspace Management und für den Matrix42 Marketplace verantwortlich.   Bevor er 2014 bei Matrix42 startete, war er in mehreren Positionen, zuletzt als Head of Product Management, bei Consulting4IT tätig gewesen, davor bei EgoSecure (früher CynapsPro) und bei Softbroker.