Wenn ITSM auf KI trifft: Vorteile und Herausforderungen

Was ist ITSM überhaupt?

Mit IT-Service-Management bezeichnet man einen strategischen Ansatz zum Entwerfen, Bereitstellen, Verwalten und Verbessern von IT-gestützten Diensten in Organisationen aller Art. ITSM stellt ein Framework bereit, mit dem die IT-Services an die Bedürfnisse eines Unternehmens angepasst werden können. Außerdem lassen sich damit zusätzliche Vorteile für die Nutzer schaffen.

Zum Bereich des ITSM gehören zahllose verschiedene IT-Aktivitäten. Ein paar grundlegende Beispiele:

• Infrastructure Management. Dazu gehört das Aufsetzen und Verwalten der Backend-Server, auf denen die jeweiligen Unternehmensanwendungen laufen.
• Asset Provisioning. Damit ist das zur Verfügung stellen und Konfigurieren von Hardware wie zum Beispiel der Laptops für die Mitarbeiter gemeint.
• Technische Unterstützung. Hier geht es um das Bereitstellen von Support für die Endnutzer, wenn sie etwa auf Probleme treffen wie Fehler beim Login oder auch Schwierigkeiten beim Drucken.

Das ursprüngliche Konzept von ITSM stammt noch aus den 1960er Jahren als IT-Ressourcen erstmals in Unternehmen ihren Einzug hielten. Die bereits damals entwickelten grundlegenden ITSM-Praktiken wurden in den folgenden Jahren parallel zum technischen Fortschritt weiter verbessert.

KI-Fähigkeiten im IT-Service-Management

Die KI unterstützt das ITSM unter anderem durch das Automatisieren von Prozessen, durch beschleunigte Entscheidungsfindungen oder durch optimierte Service-Bereitstellungen über verschiedene operative Bereiche.

Incident Management

Bei der Suche nach der Ursache eines IT-Vorfalls, zum Beispiel Fehlern in einer Anwendung oder auf einem abgestürzten Server, kann die KI auf drei Arten Hilfe leisten:

• Entdeckungen von Anomalien. Die KI analysiert die Monitoring-Daten, um ungewöhnliche Aktivitäten zu identifizieren und um auf potenzielle Probleme hinzuweisen, bevor sie die Nutzer bei ihren Aufgaben beeinträchtigen.
• Automatisierte Reaktionen. Die KI kann selbstständig vordefinierte Maßnahmen wie etwa das Migrieren von Applikationen von defekten Servern zu Backup-Maschinen durchführen.
• Analysen der Ursachen. ML-Algorithmen (Machine Learning) korrelieren Ereignisse über zahlreiche Systeme hinweg miteinander, um die Ursachen eines IT-Vorfalls aufzuspüren.

Diese Fähigkeiten der KI ermöglichen es dem IT-Team im Unternehmen deutlich schneller und mit einem geringeren Ressourcen-Einsatz auf IT-Vorfälle zu reagieren. Damit minimiert sie nicht nur Ausfallzeiten, sondern auch die potenziellen Auswirkungen auf den Geschäftsbetrieb.

Service-Anfragen

KI-gestützte virtuelle Agenten helfen IT-Organisationen durch verschiedene integrierte Fähigkeiten bei der Bearbeitung ihrer Service-Anfragen. So verarbeiten zum Beispiel auf natürlich Sprache getrimmte virtuelle Assistenten Anfragen von Anwendern in Alltagssprache. In vielen Fällen erleichtern sie damit das Angebot von Self-Service-Diensten. Dabei leiten sie die Nutzer Schritt für Schritt durch die Lösung ihres Problems, oft sogar ohne dass dabei ein menschlicher Helfer eingreifen muss.

In den vergangenen Jahren hat sich die Technologie, die von virtuellen Agenten genutzt wird, massiv verbessert. Aktuelle Systeme verwenden generative KI-Lösungen zum Auswerten der eingehenden Anfragen und zum Erzeugen kontextbezogener und für die Anwender tatsächlich hilfreicher Antworten.

Sicherheit und Compliance

Darüber hinaus sorgen die KI-Tools dafür, dass die ITSM-Prozesse sicher bleiben und zu jeder Zeit die Compliance-Vorgaben einhalten.

So kann beispielsweise eine KI-gestützte Analytics-Software die Konfiguration eines neuen Notebooks automatisch auf die Einhaltung der festgelegten Einstellungen für Berechtigungen scannen. Aber nicht nur das. Die KI-gestützten Werkzeuge können auch den Datenverkehr in Cloud-Umgebungen analysieren. So können sie zum Beispiel frühzeitig Spuren noch nicht entdeckter Angriffe aufspüren.

Management von Tickets

Die KI vereinfacht die Verarbeitung eingereichter Tickets auf mehrere Arten. Auch hier ein paar Beispiele:

• Identifizieren und Konsolidieren von doppelt eingegangenen Tickets.
• Markieren nicht vollständiger Tickets.
• Anfordern zusätzlicher Daten beim Einreichen neuer Tickets.
• Zusammenfassen mehrerer Tickets, um die Bearbeitung für die IT-Mitarbeiter zu erleichtern.

In einigen Fällen können die KI-Tools sogar herausfinden, wenn eine vergleichbare Anfrage bereits früher erledigt wurde und das zugehörige Ticket dann automatisch beantworten und gegebenenfalls schließen.

IT Knowledge Management

Im IT-Service-Management gehört zum Wissensmanagement auch die Erstellung und Nutzung einer umfassenden Dokumentation über die genutzten IT-Systeme und -Prozesse. Künstliche Intelligenzen sind in diesem Kontext auf zweierlei Art und Weise nützlich:

• Für die Erzeugung neuer Dokumentationen. Die Admins erleichtern sich die Erstellung einer Dokumentation mithilfe KI-gestützter Textgeneratoren erheblich. Alleine durch das Analysieren der vorhandenen System- und Workflow-Konfigurationen können moderne KI-Tools oft sogar selbst Dokumentationen erzeugen.
• Für Suchen in natürlicher Sprache. KI-gestützte Suchwerkzeuge ermöglichen den Mitarbeitern heute in natürlicher Sprache Anfragen an Wissensdatenbanken zu stellen. Meist macht das eine manuelle Navigation in den Daten überflüssig. Bislang war das oft sehr aufwendig und herausfordernd.

Verschiedene Arten von KI im IT-Service-Management

KI ist ein recht breit gefasster Begriff, der sich auf eine Vielzahl von Technologien beziehen kann. Nahezu jede von ihnen eignet sich für unterschiedliche Anwendungen im IT-Service-Management. Ein Verstehen der verschiedenen KI-Kategorien ist daher von großer Bedeutung, um für spezielle ITSM-Herausforderungen die richtige KI zu finden.

Analytische KI-Systeme

Analytische KI-Systeme eignen sich besonders gut zum Identifizieren von Mustern und zum Entdecken von Anomalien in einer IT-Umgebung. Diese Lösungen gehören heute zu den am weitesten verbreiteten Anwendungen im ITSM. Sie sind vielerorts bereits zu Standardlösungen beim IT-Monitoring und Incident Management geworden. Zu ihren größten Stärken zählen ihre herausragenden Fähigkeiten bei Prognosen: Kontinuierlich analysieren sie operative Daten, um auf potenzielle Probleme hinzuweisen, bevor diese sich zu ernsthaften Service-Unterbrechungen entwickeln können.

Generative KI

GenAI kann Inhalte nicht nur erzeugen, sondern auch mit den Endnutzern interagieren und Dokumentationen erstellen. Es handelt sich aber um eine noch relativ junge KI-Form, die sich in den vergangenen Jahren trotzdem bereits weit in ITSM-Umgebungen verbreitet konnte. So ist sie mittlerweile in Chatbots oder virtuellen Assistenten für Endnutzer zu finden.

Agentische KI-Lösungen

Agentische KI-Systeme automatisieren selbst komplexe Prozesse durch das Kombinieren von KI-Modellen mit Fähigkeiten zum praktischen Ausführen von Befehlen in meist Browsern. Damit lassen sich unter anderem automatisch viele Fehler beheben und andere fortgeschrittene Aufgaben durchführen. Viele Unternehmen haben bereits früher schon Skripte zum Automatisieren einfacher IT-Prozesse eingesetzt. Das kann als Vorläufer agentischer KI-Systeme gesehen werden. Moderne Lösungen verwenden jedoch Large Language Models (LLMs), um den Betrieb smarter und zugleich flexibler zu gestalten. Die agentische KI ist heute einer der am schnellsten wachsenden Segmente des KI-Einsatzes im IT-Service-Management. Die meisten Hersteller beeilen sich daher, in diesem Bereich neue Fähigkeiten in ihre Lösungen zu implementieren.

Viele ITSM-Anbieter unterscheiden jedoch nicht immer eindeutig zwischen den KI-Fähigkeiten ihrer Produkte, auch wenn das für die Kunden hilfreich wäre. Daher bleiben Kenntnisse über die grundlegenden Unterschiede entscheidend für die Einschätzung und den Einsatz der neuen Technologien. Das gilt auch für das Verständnis der praktischen Anwendungsmöglichkeiten sowie Einschränkungen der KI in ITSM-Frameworks.

Herausforderungen beim KI-Einsatz in ITSM-Umgebungen

Auch wenn die KI wichtige Bereiche wie die Effizienz und Geschwindigkeit vieler ITSM-Workflows signifikant verbessern kann, haben viele Unternehmen immer noch Probleme beim Bereitstellen dieser Technologien. Das hat mehrere Gründe.

Schlechte Qualität der Daten

Moderne KI-Umsetzungen erfordern enorme Mengen an Daten in sehr hoher Qualität, um effektiv arbeiten zu können. Organisationen mit zu wenig hochwertigen Daten oder einer generell mangelnden Qualität ihrer Daten dürften sich daher mit dem Bereitstellen KI-gestützter Werkzeuge innerhalb ihrer ITSM-Frameworks sehr schwer tun. Die KI-Systeme liefern dann weder zuverlässige noch wirklich aussagekräftige Ergebnisse, da ihnen die erforderlichen Datensätze für ihr Training fehlen.

Finanzielle Überlegungen

Das Implementieren und Betreiben von KI-gestützten Funktionen erfordert erhebliche finanzielle Aufwendungen. Selbst wenn sich ein Unternehmen dafür entscheidet, die gewünschten KI-Funktionen direkt bei einem ITSM-Anbieter zu beziehen, anstatt sie selbst intern aufzubauen, sind die Kosten dafür meist nicht unerheblich. Das liegt daran, dass die Hersteller zumindest einen Teil ihrer Entwicklungs- und Betriebskosten für ihre KI-Umsetzungen an die Kunden weitergeben müssen.

Probleme bei der Integration von Legacy-Systemen

Viele ältere, in Unternehmen heute noch eingesetzte Lösungen sind nicht mehr kompatibel mit KI-gestützten ITSM-Plattformen. So unterstützt etwa das Model Context Protocol (MCP), ein beliebtes Framework zum Aufbau agentischer KI-Tools, weder ungewöhnliche noch veraltete Betriebssysteme. Dadurch entsteht für Unternehmen mit einer etablierten und bewährten Infrastruktur eine nicht unerhebliche technologische Barriere.

Hürden bei der Akzeptanz durch die Nutzer

Manche Endnutzer haben handfeste Einwände dagegen, wenn sie mit KI-Tools arbeiten sollen. Zu den immer wieder geäußerten Bedenken gehört etwa, dass der Umgang mit einer KI sich unpersönlich oder mechanisch anfühlt und dass ihr das differenzierte Verständnis fehlen soll, zu dem menschliche Support-Mitarbeiter fähig sind. Eine solche Skepsis der Nutzer kann alle Bemühen zur Einführung einer KI-Umgebung ernsthaft untergraben, gleichgültig wie ausgefeilt sie auch sein mag.

Bedenken wegen der Genauigkeit und Zuverlässigkeit der KI

Bestimmte KI-Arten, zu denen auch generative und agentische Systeme gehören, neigen bekanntermaßen dazu, fehlerhafte Entscheidungen zu treffen. Das liegt daran, dass sie technisch auf LLMs basieren. Das zugrundeliegende Design von LLMs neigt aber zu Halluzinationen und Fehlinterpretationen eingegebener Daten. Das ergibt dann falsche Empfehlungen und darauf basierende Maßnahmen.

Sicherheits- und Datenschutzlücken

KI-gestützte Werkzeuge führen zu neuen Risiken für die IT-Sicherheit und den Datenschutz. Wenn zum Beispiel ein Unternehmen ein KI-Modell einsetzt, um seine Dokumentation zu erzeugen oder zu verbessern, kann es im schlimmsten Fall zu einem Leak von Daten kommen, wenn andere Firmen dasselbe Modell verwenden. Um solche Situationen zu vermeiden, sind zusätzliche Schutzmaßnahmen nötig.

Für viele Unternehmen überwiegen aber trotzdem die Vorteile eines Einsatzes KI-gestützter ITSM-Lösungen die möglichen Nachteile bei weitem. Daher ist es notwendig, ihre Grenzen genau zu kennen und sie zu verstehen, um informierte Entscheidungen über einen Einsatz dieser Systeme treffen zu können. Auch wenn die moderne KI viele Verbesserungen für ITSM-Prozesse mit sich bringt, ist die Technik jedoch noch nicht für jede Situation optimal geeignet.

KI und ITSM: Trends und Ausblick

Niemand, nicht einmal die besten KI-Modelle, können die Zukunft zuverlässig voraussagen.

Einführung agentischer KI

Im Bereich des IT-Service-Managements sind die neuen agentischen KI ein großes Thema, weil sie die Tür für viele Nutzungsfälle im Bereich des ITSM öffnen. Stellen Sie sich zum Beispiel einen KI-Agenten vor, der die Anfrage eines Anwenders bearbeitet, der sich nicht mehr an seinem Computer anmelden kann. Der Agent scannt automatisch alle verwendeten Systeme, bestimmt die zugrundeliegende Ursache des Fehlers und behebt sie. Gleichzeitig hält er die Kommunikation mit dem Nutzer aufrecht und legt ein Ticket an. Dieses aktualisiert er sofort und schließt es gegebenenfalls wieder, um die Fortschritte bei der Bearbeitung der Anfrage zu dokumentieren.

Solche und ähnliche Beispiele sind derzeit aber noch Zukunftsmusik. Bislang kann noch keine ITSM-Lösung solche komplexen Anwendungsfälle vollständig erfüllen.

Verbinden von ITSM mit ESM

Das klassische IT-Service-Management konzentriert sich auf das Verwalten von IT-Prozessen und -Assets. Enterprise Service Management oder ESM ist dagegen ein viel breiter gefasster Begriff, der auch Geschäftsprozesse wie das Onboarding neuer Mitarbeiter, das Ticket-Management in HR-Systemen (Human Resources) und das Facility Management umfasst. Historisch gesehen unterscheiden sich ITSM und ESM zudem, da sie verschiedene Tools und Workflows benötigen. Weil die KI aber immer mehr IT- und Geschäftsprozesse automatisieren kann, werden in Zukunft auch immer mehr Unternehmen KI-gestützte Lösungen einsetzen, um ITSM und ESM zumindest in bestimmten Bereichen zu kombinieren.

Manche ITSM-Anbieter werden die KI in Zukunft also dafür nutzen, um ihre Lösungen nach und nach zu ESM-Plattformen auszubauen. Auf der anderen Seite muss man auch damit rechnen, dass einige ESM-Anbieter das Umgekehrte versuchen und IT-Prozesse in ihre Systeme integrieren.

Praktische Einschätzung von KI-Lösungen im ITSM-Umfeld

Nahezu alle Unternehmen werden in den kommenden Jahren die oder andere KI-Funktion in ihren ITSM-Umgebungen einführen. Trotzdem sollten Sie den tatsächlichen Wert des KI-Einsatzes mit dem Hype abstimmen.

So hat die Optimierung eines IT-Prozesses mithilfe der KI nahezu immer Vorteile. Aber was ist, wenn sie nur minimal sind? Dazu ein Beispiel: Die Nutzung einer KI-gestützten Suche zum Aufspüren bestimmter Informationen in einer großen Datenbank spart einem Mitarbeiter vermutlich nicht nur ein wenig Zeit, sondern ist auch leichter zu erledigen. Allerdings suchen nur die wenigsten Angestellten tatsächlich regelmäßig nach Informationen in Datenbanken. Im Durchschnitt entspricht die mit einer solchen Funktion deshalb eingesparte Zeit pro Mitarbeiter vielleicht nur eine oder auch zwei Stunden pro Jahr.

Unternehmen sollten daher genau überlegen, ob sich die zeitlichen Einsparungen in Anbetracht der entstehenden Kosten auch wirklich lohnen, wenn sie am Einsatz einer KI-Lösung für vergleichbare Szenarien interessiert sind. Darüber hinaus sollten sie auch prüfen, ob die Vorteile überhaupt die dadurch entstehenden Risiken ausgleichen. So wäre es nicht zum ersten Mal, dass ein KI-Tool versehentlich vertrauliche Daten an andere Nutzer preisgibt, wenn es Zugriff auf interne Datenbanken hat.

Damit soll nicht gesagt sein, dass die KI die durch ihren Einsatz entstehenden Kosten und Risiken im ITSM-Bereich nicht wert wäre. Das obige Beispiel macht aber deutlich, dass nur weil die KI eine Aufgabe ausführen kann, das noch lange nicht heißen muss, dass genau das für jedes Unternehmen auch immer die beste Wahl ist.