Thought Leadership
Der Servicedesk dient als zentrale Anlaufstelle für alle IT-bezogenen Anforderungen und Probleme, üblicherweise beim Verwalten von Vorfällen oder Dienstunterbrechungen, Anfragen und Änderungen.
Entsprechend umfangreich und breit gefächert kann die für den Servicedesk anfallende Arbeit sein, abhängig von der Art und Größe des Unternehmens. Das Servicemanagement spielt eine kritische Rolle und wird unternehmensweit von Mitarbeitern genutzt, sodass es auch entsprechend gemanagt werden muss.
Technologien haben die Art der Geschäftsführung in allen Branchen weltweit auf den Kopf gestellt. Gleichzeitig sind traditionelle IT-Servicemanagement-Lösungen (ITSM) ineffizient geworden, wenn es darum geht, für eine hohe Kundenzufriedenheit zu sorgen und die wachsenden Kundenerwartungen in einer schnelllebigen digitalen Welt zu erfüllen.
Laut dem „SolarWinds IT Trends Report 2019: Skills for Tech Pros of Tomorrow“ konnten 79 Prozent der befragten IT-Manager nicht genug Zeit für Geschäftsaktivitäten oder -initiativen mit Mehrwert aufwenden, da es Unterbrechungen im Zusammenhang mit dem alltäglichen Support gab. Dies führte zu irreführenden oder fehlerhaften manuellen Einträgen in ein Problemprotokoll, was wiederum auf falschen Grundlagen getroffene Entscheidungen verursachte. Manager, die geradezu mit Arbeit überflutet sind, fallen leicht einmal versehentlich einem manuellen oder menschlichen Fehler zum Opfer.
Bild: SolarWinds IT Trends Report 2019: Skills for Tech Pros of Tomorrow
IT-Umgebungen verändern sich immer schneller und IT-Servicedesks haben keine andere Wahl, als neue Technologien einzuführen. Der explosionsartige Anstieg der Daten in den letzten Jahren hat den Druck auf IT-Experten erhöht, doch automatisierte Prozesse und maschinelles Lernen (ML) können diesen Druck deutlich mindern. Künstliche Intelligenz (KI) und ML sind nicht mehr nur Modewörter: Weltweit führen Unternehmen diese Technologien ein, um ihre Betriebseffizienz zu erhöhen.
Ob für vorausschauende Analysen, Business Intelligence, das Performance-Monitoring in Netzwerken, Anwendungen und Systemen oder ihre zentrale Bedeutung für autonomes Fahren: KI und ML sorgen im IT-Bereich für einen enormen Wandel. Wie lässt sich ML also für ITSM anwenden? Servicedesk-Lösungen sind ein wesentlicher Motor des Geschäftsbetriebs und können von ML profitieren, um Prozesse zu optimieren und manuelle, zeitintensive Aufgaben zu reduzieren. Dadurch gewinnt man Zeit, die für zusätzliche Projekte und Schulungen für die unternehmensweite Transformation genutzt werden kann.
1. Effizienter Umgang mit Level-1-Vorfällen
Die Zeit für die Vorfallsbehebung kann potenziell um die Hälfte reduziert werden. Maschinelles Lernen wird es möglich machen, dass Vorfälle ohne die Beteiligung von Technikern selbständig behoben werden und Benutzer selbst nach Lösungen suchen können. Chatbots (wie Google Assistant) werden Informationen an Endbenutzer ausgeben können, ohne dass diese ein Ticket erstellen müssen, indem sie je nach Anfrage schnellen Zugang zu relevanten Wissensdatenbank-Artikeln bieten. Helpdesks können mithilfe von ML aus vergangenen Vorfällen und Daten lernen, um Tickets an passende Techniker oder Supportgruppen weiterzuleiten. Hierdurch kann die Effizienz enorm gesteigert werden. Noch besser ist, dass automatisierte Helpdesks rund um die Uhr aktiv sein können. Die Mitarbeiter können also nach Belieben zu jeder Zeit auf die Services zugreifen.
2. Assetmanagement
Alte IT-Assets können Leistungseinbußen für Mitarbeiter verursachen, die sich in ihrer Tätigkeit auf technologische Assets verlassen. Dies führt möglicherweise zu einer großen Zahl an Vorfällen in einem Unternehmen. Aufgrund von Assetmanagement-Lösungen mit geringer Transparenz geben Unternehmen sehr viel Geld für Hardware und Software aus. Assetmanagement-Lösungen mit ML-Technologie können den Spieß umdrehen: Sie machen es möglich, die Performance abhängig von Daten zu Performance-Leveln oder mit bestimmten Assets verbundenen Vorfällen zu überwachen. Wenn Vorfälle zu einem bestimmten technologischen Asset besonders häufig oder in großer Zahl im System auftreten, kann das maschinelle Lernen erkennen, dass sie zusammenhängen und vermutlich ein größeres Problem angegangen werden muss.
3. Problemprognosen und Prävention
ML kann große Datensätze mit Leistungsverlaufsdaten einlesen und die Vorfälle analysieren, um zukünftige Probleme zu prognostizieren. Mithilfe dieser Prognosefunktionen kann das gesamte Unternehmen Zeit, Geld und Arbeitsaufwand sparen und Maßnahmen ergreifen, bevor Probleme schwerwiegende Auswirkungen haben.
4. Automatisierte Ticketweiterleitung mithilfe von ML
Wenn Endbenutzer ein Ticket einreichen, nutzen Automatisierungsregeln hauptsächlich Daten wie Kategorien und Unterkategorien, um die korrekte Weiterleitung zu gewährleisten. Maschinelles Lernen vereinfacht diesen Prozess, indem Endbenutzer Vorschläge für die relevantesten Kategorien und Unterkategorien für ein bestimmtes Ticket erhalten.
5. Vorausschauende Ticketverarbeitung für das Servicedesk-Personal
Die Servicedesk-Berichterstellung kann Trends zur Saisonalität aufzeigen. Prädiktive Modelle berücksichtigen jedoch die Änderungsrate, die Häufigkeit von Problemen und andere zentrale Faktoren, mit denen Servicebeeinträchtigungen leichter prognostiziert werden können, was üblicherweise den Fluss an Vorfällen erhöht. So kann leichter festgestellt werden, wann eine höhere Abdeckung erforderlich ist, um die Servicequalität aufrechtzuerhalten.
Sprunghafte Entwicklungen
ML ist bereits sehr vielseitig anwendbar, doch gerade im Bereich ITSM gibt es einige kritische Anwendungsfälle. Unternehmen entwickeln sich bezüglich der digitalen Transformation sprunghaft weiter und naturgemäß wandeln sich ihre IT-Services mit ihnen. Die IT-Servicemanagement-Branche befindet sich gerade in einer kritischen Phase. Der Markt kann jedes Jahr ein zweistelliges Wachstum verzeichnen und wird Prognosen der Analysten von IDC zufolge bis 2023 über 8,5 Milliarden Dollar erreichen.
Heute müssen Unternehmen neu herausfinden, wie sie neue IT-Management-Software mit maschinellen Lernfunktionen für sich einsetzen können. Nur so kann das IT-Servicemanagement, das bisher in jeder IT-Abteilung eher ein ungeliebtes Dasein fristete, auf eine neue Bahn gelenkt werden.
Wie alle großen Transformationsprozesse können Software und maschinelles Lernen dazu beitragen, Prozesse zu optimieren und die Produktivität von Angestellten zu erhöhen, um bessere Geschäftsergebnisse zu erzielen. Mithilfe von Servicedesk-Software können IT-Experten Asset-Informationen aus mehreren Quellen konsolidieren und Asset-Intelligenz in Echtzeit zur Verfügung stellen, um die Servicebereitstellung sowie die Flexibilität beim Erfassen und Verwalten von Daten zu verbessern. Wenn Aufgaben wie die Ticketerstellung und die Überwachung von Assets und ihrer Leistung nicht mehr manuell erfolgen müssen, können IT-Experten sich ganz auf kritische Projekte und die Unternehmenstransformation konzentrieren.
