KI in ITSM – Ein Überblick

Künstliche Intelligenz (KI) verändert grundlegend, wie Organisationen an die Informationstechnologie (IT) herangehen – nicht nur als Werkzeug, sondern als treibende Kraft zur Optimierung von Abläufen, zur Verbesserung der Entscheidungsfindung und zur Bereitstellung außergewöhnlicher Nutzererlebnisse. Dieser Wandel zeigt sich besonders deutlich im IT Service Management (ITSM), einer Disziplin, die sich der Strategie, der Gestaltung, der Bereitstellung, dem Management, dem Betrieb und der kontinuierlichen Verbesserung von IT-Services widmet, um die Bedürfnisse von Kunden und Organisationen gleichermaßen zu erfüllen.

Da Unternehmen sich an zunehmend komplexe digitale Ökosysteme anpassen, erweist sich KI nicht nur als vorübergehender Trend, sondern als grundlegendes Element bei der Modernisierung des ITSM – und umfasst dabei Organisation, Menschen, Informationen, Technologie, Partner, Lieferanten sowie Wertströme und Prozesse.

KI nimmt wahr, verarbeitet und reagiert ähnlich wie das menschliche Nervensystem. Sie überwacht proaktiv und reagiert reaktiv auf der Grundlage erlernter Verhaltensweisen – Gewohnheiten oder Regeln. Traditionelles ITSM stützte sich stark auf regelbasierte, deterministische Systeme. Obwohl diese in strukturierten Umgebungen wirkungsvoll sind, stoßen sie unter dynamischen Bedingungen oft an ihre Grenzen, wo Kontext, Vorhersage und Lernfähigkeit unverzichtbar sind. KI erweitert das ITSM, indem sie Systeme befähigt:

• Natürliche Sprache zu verstehen (mittels NLP)
• Serviceprobleme vorherzusagen, bevor sie auftreten (Predictive Analytics)
• Muster aus riesigen Datensätzen zu erkennen (Machine Learning)
• Komplexe Entscheidungsprozesse zu automatisieren (Cognitive Computing)
• Serviceerlebnisse zu personalisieren (kontextuelle KI)

Von Chatbots, die Tier-1-Tickets lösen, bis hin zu Predictive Engines, die geeignete Änderungszeitfenster empfehlen – KI definiert neu, wie Services konzipiert, genutzt, unterstützt und bereitgestellt werden.

Künstliche Intelligenz ist vielfältig und umfasst verschiedene Modelle und Fähigkeiten. Das Verständnis dieser Typen hilft IT-Führungskräften dabei, Menschen, Prozesse und Tools auf ITSM-Ziele auszurichten.

• Eingeschränkte Gedächtnis-KI
  • Merkmale: Lernt aus vergangenen Daten, um Entscheidungen zu treffen.
  • ITSM-Anwendungsbeispiele: Vorhersage von Incident-Trends, SLA-Prognosen, Modellierung des Nutzerverhaltens.
• Machine Learning (ML) und Deep Learning
  • Merkmale: Lernt aus umfangreichen Daten, erkennt Muster und verbessert sich kontinuierlich.
  • ITSM-Anwendungsbeispiele:
    • Incident Management: Klassifizierung von Incidents anhand historischer Lösungswege.
    • Problem Management: Clustering-Techniken zur Identifikation von Grundursachen.
    • Change Management: Analyse historischer Ergebnisse zur Vorhersage des Change-Erfolgs.
• Natural Language Processing (NLP)
  • Merkmale: Versteht und erzeugt menschliche Sprache.
  • ITSM-Anwendungsbeispiele:
     
    • Knowledge Management (KM): Automatische Erstellung von Artikeln aus abgeschlossenen Tickets.
    • Service Desk: Chatbots, die die Absicht von Nutzern verstehen und präzise antworten.
    • CCaaS: Analyse von Sprach- und Chat-Support zur Stimmungsauswertung.
• Kognitive und generative KI
  • Merkmale: Synthetisiert Antworten und ahmt menschliches Denken nach.
  • ITSM-Anwendungsbeispiele:
    • Request Fulfillment: Maßgeschneiderte Lösungen auf Basis von Nutzerprofilen.
    • Experience Management: Generierung proaktiver Erkenntnisse aus Kundendaten.
    • Continual Improvement: Bereitstellung umsetzbarer Empfehlungen auf Basis von Trendanalysen.
• Agentische KI (aufkommend und transformativ)
  • Merkmale: Autonomes, zielorientiertes Verhalten, dynamische Anpassung von Strategien, prädiktives und proaktives Lernen.
  • ITSM-Anwendungsbeispiele:
    • Service Desk: Agentische KI überwacht autonom offene Tickets, konsultiert das KM und leitet Maßnahmen zur Fehlerbehebung ein.
    • Change Management: Bewertet Umgebungsvariablen, modelliert Ergebnisse und schlägt Zeitpunkte mit minimalem menschlichem Eingriff vor.
    • Configuration Management: Validiert fortlaufend die Datenintegrität von CIs und behebt Inkonsistenzen in Multi-Cloud-Umgebungen.
    • CCaaS: Agiert als proaktiver digitaler Agent, überwacht Stimmungsveränderungen und eskaliert Probleme, bevor Menschen sie wahrnehmen.
    • Knowledge Management: Pflegt Wissensdatenbanken selbstständig, indem es Wissensverfall erkennt und Aktualisierungen automatisiert.

KI verwandelt ITSM in einen serviceorientierten, erlebniszentrierten Ansatz und vollzieht den Übergang von einer reaktiven zu einer proaktiven Vorgehensweise, wodurch sowohl der Kunden- als auch der Organisationswert gesteigert wird. Hier sind die wichtigsten Vorteile:

• Betriebliche Effizienz – KI optimiert Arbeitsabläufe, automatisiert wiederkehrende Aufgaben und bearbeitet Incidents schneller als Menschen. Die Automatisierung durch KI reduziert menschliche Fehler, verkürzt die Lösungszeit und senkt die Betriebskosten.
• Verbesserte Benutzererfahrung – KI-gestützte Chatbots und virtuelle Agenten bieten rund um die Uhr Support, lösen häufige Probleme sofort und personalisieren die Kommunikation auf Basis des bisherigen Nutzerverhaltens und der Stimmungsanalyse.
• Intelligentere Entscheidungsfindung – KI verbessert die Entscheidungsfindung durch Echtzeit-Analysen und Vorhersagefähigkeiten und ermöglicht so fundiertere Entscheidungen.
• Proaktives Event- und Incident-Management – Maschinelles Lernen kann frühe Anzeichen von Systemdegradierung erkennen und automatisierte Gegenmaßnahmen einleiten, wodurch ITSM vom reaktiven Feuerlöschen zur proaktiven Prävention übergeht.
• Verbessertes Wissensmanagement – KI verfeinert Wissensartikel, indem sie Nutzungsmuster, Benutzerfeedback und Suchtrends analysiert, um Relevanz, Struktur und Zugänglichkeit zu verbessern.
• Bessere Ressourcenzuteilung – KI kann Nachfragemuster vorhersagen und Entscheidungen zur Personal- oder Ressourcenplanung unterstützen, wodurch die Servicequalität in Spitzenlastzeiten verbessert wird.

KI unterstützt und verbessert ITSM-Prozesse auf vielfältige und wirkungsvolle Weise:

• Incident Management - KI kann Incidents klassifizieren, Prioritäten vergeben und Tickets auf Basis historischer Trends und Muster weiterleiten, was ein effizienteres Incident Management ermöglicht. Predictive Analytics kann Ausfälle anhand von Systemprotokollen und anderen Daten vorhersagen. Virtuelle Agenten übernehmen Routinetickets und geben menschlichen Agenten die Möglichkeit, sich auf komplexere Probleme zu konzentrieren.
• Problem Management - KI führt mithilfe von Mustererkennung und Clustering eine Ursachenanalyse durch. Sie erkennt wiederkehrende Probleme, bevor sie zu größeren Störungen werden.
• Change Management - KI-gestütztes risikobasiertes Change-Scoring ermöglicht fundiertere Genehmigungsentscheidungen. KI-Modelle bewerten die Auswirkungen von Änderungen auf Systeme unter Berücksichtigung von CMDB-Abhängigkeiten.
• Event Management - KI filtert irrelevante Informationen aus Echtzeit-Ereignisströmen heraus und zeigt nur relevante Anomalien an. Sie korreliert Ereignisse systemübergreifend, um systemische Probleme zu identifizieren.
• Request Fulfillment - KI antizipiert häufige Benutzeranfragen und erfüllt diese automatisch auf Basis von Rolle, Standort und früherem Verhalten. Conversational AI verbessert die Interaktionen mit dem Servicekatalog sowie Genehmigungsprozesse.
• Experience Management - Sentimentanalysen erfassen den emotionalen Ton in Nutzerfeedback. KI personalisiert User Journeys und erkennt Reibungspunkte in der Service-Erfahrung frühzeitig.
• Continual Service Improvement (CSI) - KI analysiert KPIs dynamisch und empfiehlt Bereiche für Serviceverbesserungen. Reinforcement Learning passt Modelle basierend auf dem Erfolg oder Misserfolg früherer Änderungen an.

Verschiedene Rollen im ITSM profitieren auf unterschiedliche Weise von den Vorteilen der KI. Dies zu verstehen ist entscheidend, um den ROI von KI-Investitionen zu bestimmen. 

• Service-Desk-Mitarbeiter - KI kann dazu beitragen, deren Arbeitsaufwand zu reduzieren, indem Tier-1-Tickets automatisch gelöst werden. Intelligente Empfehlungen und kontextbezogene Daten befähigen Mitarbeiter, komplexe Probleme effizienter zu lösen.
• IT-Manager - KI kann Managern Vorabwarnungen, Kapazitätsprognosen und Optimierungsempfehlungen liefern.
• Change Manager - KI liefert historische Auswirkungsanalysen und Risikoprofile für fundiertere Genehmigungsentscheidungen.
• Knowledge Manager - KI hilft dabei, Inhalte auf Basis der tatsächlichen Nutzung zu kuratieren und zu organisieren. Chatbots und NLP-Tools erweitern die Reichweite und den Mehrwert von Wissensdatenbanken.
• Endbenutzer - Schnellere und präzisere Antworten durch virtuelle Agenten steigern die Zufriedenheit. Individuelle Support-Erfahrungen fördern das Vertrauen und reduzieren Frustration.
• Führungskräfte und CIOs -  KI bringt ITSM mit dem Unternehmenswert in Einklang, indem sie Transparenz über Servicekosten, Risiken und den ROI von Technologieinvestitionen sowie Personalentscheidungen schafft.

Da KI die ITSM-Landschaft verändert, hat sie erhebliche Auswirkungen auf die menschliche Belegschaft, indem sie Rollen und Kompetenzen innerhalb von Teams neu definiert. Organisationen, die diesen Wandel erkennen, können Veränderungen mit Einfühlungsvermögen und strategischem Weitblick gestalten. Um in diesem neuen Umfeld erfolgreich zu sein, muss die Belegschaft eine Kombination aus technischen, analytischen und zwischenmenschlichen Fähigkeiten entwickeln.

Entgegen weit verbreiteter Befürchtungen zielt KI nicht grundsätzlich darauf ab, ITSM-Rollen zu eliminieren; vielmehr wertet sie diese auf, indem sie den Fokus häufig nach „links" verschiebt – weg von repetitiven operativen Aufgaben hin zu strategischen und wissensorientierten Verantwortlichkeiten.

ITSM-Teams sind zunehmend für die Verwaltung KI-gestützter Tools verantwortlich, darunter Chatbots, AIOps-Plattformen, virtuelle Agenten und Entscheidungsmaschinen. KI-Kompetenz gewährleistet eine angemessene Überwachung, Fehlersuche und Optimierung. Insgesamt werden neue Qualifikationen entwickelt, um die KI-Kompetenz und KI-Kenntnisse zu fördern und so die Interaktion mit KI-Systemen sowie deren effektive Nutzung zu erleichtern.

• ITSM-Teams
  • Service-Desk-Analysten werden zu KI-Supervisoren, die das Verhalten von Bots überwachen, NLP-Antworten verfeinern und Eskalationen managen, die emotionale Intelligenz und Urteilsvermögen erfordern.
  • Incident Manager sollten von der Triage zur Aufsicht über KI-gesteuerte automatische Klassifizierung wechseln und dabei den Schwerpunkt auf die Korrelation von Erfahrungen und die Ergebnisanalyse legen.
  • Problem Manager arbeiten mit KI zusammen, um Muster zu erkennen und den Problem-Rückstand durch Predictive Modeling zu reduzieren.
  • Knowledge Manager entwickeln sich zu Leitfiguren der Inhaltspflege und ermöglichen es der KI, aus kollektivem Wissen und strukturierten Inhalten zu lernen.
• Beispiele für neue Qualifikationen
  • Prompt Engineering und Conversational Design – Erstellung präziser, kontextbewusster Prompts und Dialogstrukturen für KI-Systeme.
  • Dateninterpretation und Service Intelligence – Fähigkeit zur Analyse von Datenanalysen, KI-Berichten und Service-Mustern zur Unterstützung der Entscheidungsfindung.
  • Wissenspflege und KI-Inhaltsüberwachung – Verbesserung und Verwaltung von Wissen, das KI-Systeme informiert, insbesondere im Wissensmanagement und in der Automatisierung.
  • Workflow-Automatisierung und Orchestrierung – Konzeption, Implementierung und Optimierung von Automatisierungsabläufen auf Basis von KI und robotergestützter Prozessautomatisierung (RPA).
  • Ethische KI-Aufsicht und Governance – Verständnis dafür, dass KI-Systeme Aufsicht benötigen, um Fairness, Transparenz und Verantwortlichkeit zu gewährleisten.
  • Emotionale Intelligenz und Mensch-KI-Zusammenarbeit – Sicherstellung einer menschenzentrierten Serviceerbringung, während KI zunehmend Aufgaben übernimmt.
• Gefährdete Qualifikationen
  • Routinemäßige Tier-1-Fehlerbehebung
    • Zu den Aufgaben gehören Passwortzurücksetzungen, Druckerprobleme, Netzwerkdiagnosen und Kontenentsperrungen.
    • KI-gestützte virtuelle Agenten, selbstheilende Skripte, Self-Service-Portale mit Natural Language Processing (NLP) und Automatisierungsplattformen erledigen diese Aufgaben effizient und in großem Maßstab.
    • Qualifikationsverlagerung: Von der Problemlösung hin zum Training von KI und zur Verwaltung von Ausnahmen.
  • Manuelle Ticket-Triage und -Weiterleitung
    • Mitarbeitende kategorisieren und priorisieren Tickets manuell.
    • KI-Modelle können auf Basis historischer Daten, Schlüsselwörter, Stimmungsanalyse und Kontext automatisch kategorisieren, priorisieren und weiterleiten. KI-Incident-Klassifikatoren, AIOps-Korrelationsmaschinen.
    • Qualifikationsverlagerung: Fokus auf die Verfeinerung von KI-Prozessen und die Bearbeitung von Ausnahmen.
  • Statisches Wissensmanagement
    • Dazu gehört das Verschlagworten von Artikeln und das Verfassen von Knowledge-Base-(KB-)Inhalten von Grund auf.
    • Generative KI und KI-gestützte KM-Plattformen erstellen nun Artikelentwürfe, kategorisieren Themen und empfehlen Inhalten in Echtzeit. KI-generierte Artikelentwürfe, automatisches Tagging mittels NLP und semantischen Suchmaschinen.
    • Qualifikationsverlagerung: Wechsel zur Pflege und Freigabe von Inhalten statt zu deren Erstellung.
  • Reaktive Problemerkennung
    • Derzeit bedeutet dies, auf Incidents oder Ereignisse zu warten, die auf Probleme hinweisen, sowie manuelle Analysen durchzuführen.
    • KI kann proaktiv Muster und Anomalien in Logs, Metriken und Tickets erkennen, noch bevor Menschen davon Kenntnis haben. AIOps-Plattformen, Predictive-Analytics-Engines.
    • Qualifikationsverlagerung: Verlagerung zur Hypothesenvalidierung und zum Problem Modeling.
  • Prozess-Compliance-Überwachung
    • Manuelle Prüfungen auf SLA-Verstöße und Einhaltung von Workflows.
    • KI kann Workflows in Echtzeit überwachen, Ausnahmen auslösen und Prozessengpässe schneller und präziser analysieren. KI-gesteuerte Workflow-Engines und Compliance-Bots.
    • Qualifikationsverlagerung: Wechsel zur Gestaltung adaptiver Prozesse und zur Governance-Verwaltung.
  • Erstlinien-Call-Center-Skripte
    • Zu den Aufgaben gehören das Vorlesen von Skripten und die Beantwortung einfacher Anfragen.
    • Conversational AI kann zunehmend komplexe Nutzerinteraktionen über verschiedene Kanäle hinweg verwalten. KI-Chatbots und Voice-Bots, Omnichannel-Orchestrierungsplattformen.
    • Qualifikationsverlagerung: Fokus auf anspruchsvolleren Support und emotionale Wiederherstellung.
  • Manuelle Konfigurations-(CMDB-)Audits
    • Manueller Vergleich von CI-Zuständen, manuelle Bestandsabstimmung.
    • Automatisierte Discovery, AIOps und quantengestützte CMDBs können Konfigurationen nahezu in Echtzeit validieren und prüfen. Echtzeit-CMDB-Agenten, KI-Drift-Erkennung und Alerting.
    • Qualifikationsverlagerung: Wechsel in Rollen der Ausnahmenanalyse, Service-/CI-Modellierung und Simulation zukünftiger Zustände.

Die IT-Service-Management (ITSM)-Belegschaft entwickelt sich weiter, anstatt zu verschwinden. Seit den Anfängen der Informationstechnologie hat sich diese Belegschaft kontinuierlich an Veränderungen angepasst.

So wie die Industrielle Revolution durch mechanische Automatisierung neue Berufsbilder schuf, hat das digitale Zeitalter die Branche durch Fortschritte in Software, Cloud-Computing und Internet grundlegend verändert.

KI ist keine Bedrohung, sondern ein Katalysator für Wachstum. ITSM-Fachleute vollziehen den Wandel von Operatoren zu Orchestratoren intelligenter Systeme. Ihr Wert wird nicht durch abgeschlossene Tickets definiert, sondern durch die Erkenntnisse, Empathie und Orchestrierungsleistung, die sie in ein KI-gesteuertes Ökosystem einbringen.

Unternehmen sollten in KI-Weiterbildung investieren, praktisches Experimentieren fördern und KI als strategischen Partner betrachten. So wie Unternehmen einst eine Cloud-First-Strategie verfolgten, müssen sie nun einen AI-First-Ansatz verfolgen, der auf Innovation, Wachstum, Betrieb und Kundensupport ausgerichtet ist.

In dieser KI-gesteuerten Ära wird die Automatisierung Berufsbilder verändern – Fachleute werden zu Technologen, Analysten und Ethikern. Anstatt Arbeitsplätze zu vernichten, wird die Automatisierung repetitive Aufgaben übernehmen und damit die Notwendigkeit unterstreichen, dass Einzelpersonen und Organisationen ihre Fähigkeiten anpassen müssen. Als strategischer Partner ermöglicht KI neue Möglichkeiten.

Die Einführung von KI in das ITSM erfordert mehr als nur den Kauf eines Tools. Sie verlangt einen strategischen Wandel in Denkweise, Governance und Betrieb. So bereiten Sie sich vor:

• Legen Sie übergeordnete Prioritäten auf Basis von Geschäftsanforderungen fest und entwickeln Sie eine strategische Roadmap, die sich auf organisatorische und personelle Veränderungen konzentriert: Informationen und Technologie, Partner und Lieferanten sowie Wertströme und Praktiken/Prozesse.
• Das Verständnis von Vision, Mission, Zielen, Vorgaben, kritischen Erfolgsfaktoren und Key Performance Indicators ist ebenso unerlässlich wie die Kenntnis der Leitprinzipien und Werte.
• Identifizieren Sie Lücken in Fähigkeiten und Ressourcen, führen Sie eine SWOT-Analyse durch und ermitteln Sie die Time-to-Market-Anforderungen für Eigenentwicklungs- oder Kaufentscheidungen.

• Führen Sie eine KI-Reifegradbewertung durch, um die aktuellen Fähigkeiten in den Bereichen Automatisierung, Datenmanagement, Wissensmanagement und ITSM-Praxis-/Prozessreife zu verstehen.
• Die Reifegradbewertung sollte mit Ihrem IT Service Management (ITSM)-Reifegrad übereinstimmen. Wenn Sie einen „niedrigen" ITSM-Reifegrad haben, sind Sie möglicherweise in bestimmten Bereichen noch nicht bereit für die Einführung von KI.
• Starten Sie eine Initiative zum organisatorischen Änderungsmanagement (OCM).

• KI gedeiht mit hochwertigen Daten, Informationen und Wissen für fundierte Entscheidungsfindung. Investieren Sie in saubere, strukturierte und sichere Datenpipelines und -warehouses.
• Stellen Sie die Genauigkeit des Wissensmanagements und der CMDB/CMS, eine einheitliche Kategorisierung von Vorfällen sowie Nutzungsmetriken sicher.

• Teilen Sie ein komplexes Projekt in überschaubare, aufeinanderfolgende Phasen auf, die jeweils spezifische Ziele, Ergebnisse und Bewertungskriterien umfassen.
• Dieser Ansatz verbessert Klarheit, Kontrolle, Risikomanagement und die Abstimmung mit Stakeholdern während des gesamten Projektlebenszyklus.

• Wählen Sie ein Pilotprojekt, das mit den Zielen und der Bereitschaft Ihrer Organisation übereinstimmt.
• Zu den Möglichkeiten gehören wirkungsstarke Pilotprojekte, die auf komplexe Prozesse für eine umfassende organisatorische Transformation abzielen, oder Quick-Win-Pilotprojekte, die sich auf spezifische Anwendungsfälle für sofortige, risikoarme Ergebnisse konzentrieren.
• Jeder Ansatz bietet unterschiedliche Vorteile, und beide können in verschiedenen Phasen einer Transformationsreise wertvoll sein.

• Maßnahmen zur Reduzierung von Voreingenommenheit umsetzen, Transparenz gewährleisten und Rechenschaftspflicht fördern, einschließlich des Einsatzes menschlicher Aufsicht.

• Teams in eine übergreifende OCM-Initiative einbinden.
• Mitarbeitende in der KI-Interaktion und -Implementierung schulen. Kontinuierliche Weiterbildung in KI-Kompetenz fördern und Mitarbeitende an der Front in die Optimierung von Workflows einbeziehen, während der Wert menschlichen Urteilsvermögens betont wird.
• Um Ihr Team zukunftssicher für KI im ITSM aufzustellen:
  • Kontinuierlich weiterbilden: Kurse zu KI-Kompetenz, Dateninterpretation und ethischer Automatisierung anbieten.
  • Lösungen gemeinsam gestalten: Mitarbeitende an der Front in die KI-Implementierung und Workflow-Optimierung einbeziehen.
  • Menschlichen Mehrwert feiern: Fälle hervorheben, in denen Einfühlungsvermögen, Urteilsvermögen und Erfahrung der KI überlegen sind.
  • KI-Feedbackschleifen einbetten: Mitarbeitende in die Lage versetzen, falsch-positive Ergebnisse zu melden, Verbesserungen vorzuschlagen und das Verhalten der KI zu beeinflussen.

• Wählen Sie Plattformen mit nativen KI-Funktionen oder zugänglichen APIs, und achten Sie darauf, dass Anbieter Erklärbarkeit und Sicherheit in der Governance von Machine-Learning-Modellen priorisieren.

Künstliche Intelligenz ist nicht nur die Zukunft des IT Service Managements (ITSM) – sie ist bereits Gegenwart. Organisationen, die KI einsetzen, werden bei Kundenerfahrung, operativer Agilität und Servicequalität führend sein. Viele der hier besprochenen Konzepte befinden sich bereits in der Umsetzung.

Da sich ITSM von starrer Governance hin zu dynamischen, erkenntnisgesteuerten Ökosystemen entwickelt, verbindet KI Menschen, Prozesse und Plattformen. Durch klare Ziele, ethische Standards und eine Kultur des kontinuierlichen Lernens können Organisationen jeder Größe das transformative Potenzial von KI im ITSM nutzen. Das Zeitalter des intelligenten Service ist angebrochen – und wird sich weiter entfalten.