Top 11 KI in ITSM Anwendungsfälle & Beispiele
Der Einsatz von KI für IT-Service-Management-Tools (ITSM) unterstützt Unternehmen in Bezug auf:
- operative Effizienz,
- proaktive Wartung von IT-Assets,
- Skalierbarkeit,
- verbesserte Entscheidungsfindung und
- Personalisierung.
Sehen Sie sich die Top 11 Anwendungsfälle von KI in ITSM, Beispiele und Vorteile der Nutzung von KI in ITSM an.
KI-native Anwendungsfälle
KI-natives ITSM bezeichnet eine neue Art der Verwaltung des internen Supports und der IT-Operations, bei der künstliche Intelligenz kein zusätzliches Feature, sondern Teil der Grundlage ist. Diese Systeme nutzen maschinelles Lernen, Verarbeitung natürlicher Sprache und generative KI, um Nachrichten zu interpretieren, Probleme vorherzusagen und aus früheren Serviceanfragen zu lernen.
Das Ziel ist es, zu verbessern, wie die Teams Probleme bearbeiten, Wissen teilen und auf Mitarbeiter reagieren. Anstatt sich auf Portale oder Formulare zu verlassen, erfassen und verarbeiten KI-native Systeme Informationen direkt aus den Tools, in denen die Arbeit stattfindet, wie Slack oder Microsoft Teams. Dieser Ansatz reduziert repetitive Arbeit, unterstützt Self-Service und hilft Unternehmen, ihre historischen Daten besser zu nutzen.
1. KI-natives ITSM
Der Wechsel von traditioneller ITSM-Software zu einem KI-nativen System umfasst mehr als die Installation neuer Technologie. Er erfordert Planung und schrittweise KI-Einführung.
- Unternehmen beginnen in der Regel mit begrenzten Anwendungsfällen, wie der Automatisierung von Zugriffsanfragen oder der Erfassung von Daten aus Slack-Nachrichten. Die Messung von Verbesserungen bei Reaktionszeit, Mitarbeitererfahrung und Ticket-Genauigkeit hilft, frühe Ergebnisse zu validieren.
- Sicherheit und Governance sind ebenfalls entscheidend. Da KI-native Systeme historische Daten und konversationelle Inhalte nutzen, ist die Gewährleistung von Datensicherheit und die Einhaltung von Datenschutzbestimmungen unerlässlich. Die Ausweitung des Einsatzes intelligenter Automatisierung über Abteilungen hinweg trägt zur Maximierung des Werts bei.
Schlüsseltechnologien zur Unterstützung von KI-nativem ITSM
KI-native Plattformen stützen sich auf mehrere miteinander verbundene Technologien statt auf ein einzelnes KI-Feature. Die folgenden Komponenten arbeiten zusammen, um das IT-Management und den Service-Desk-Betrieb zu verbessern:
- Modelle des maschinellen Lernens sagen Problemkategorien voraus, identifizieren wiederkehrende Probleme und unterstützen die Ursachenanalyse.
- Generative KI erstellt Zusammenfassungen und entwirft neue Wissensartikel aus gelösten Tickets.
- Prädiktive Analytik hilft, potenzielle Vorfälle zu erkennen, bevor sie zu Service-Ausfallzeiten führen.
- Agentische KI kombiniert Reasoning und Aktion und ermöglicht es KI-Agenten, zu entscheiden, wie komplexe Serviceanfragen über Tools hinweg bearbeitet werden.
- Zu den Kernfähigkeiten agentischer KI im IT-Service-Management (ITSM) gehören das Lernen aus historischen Daten, die Erkennung von Anomalien bevor Störungen auftreten, dynamische Entscheidungsfindung und die autonome Ausführung von Aufgaben unter Einhaltung von Compliance.
Praxisbeispiel: Atomicwork
Ammex Corp hatte mit komplexen Workflows, manuellen Prozessen und Ineffizienzen zu kämpfen, die den Support verlangsamten und ständige menschliche Eingriffe erforderten.
Durch die Einführung von Atomicwork implementierte Ammex KI-Agenten, die routinemäßige IT- und Mitarbeiter-Serviceanfragen automatisieren und sofortigen, konversationellen Support direkt in Tools wie Microsoft Teams bieten. Dies reduzierte das Ticketaufkommen, verbesserte die Reaktionszeiten und erhöhte die allgemeine Mitarbeitererfahrung.1
Praxisbeispiel: Salesforce Agentforce IT Service
Salesforce' Agentforce IT Service ist ein agentenbasierter IT-Service-Desk, der darauf ausgelegt ist, die Vorfalllösung und Serviceanfragen über Kanäle wie Slack, Microsoft Teams, Mitarbeiterportale und Web-Chat zu automatisieren. Das Produkt zielt darauf ab, die Abhängigkeit von traditionellen ticketbasierten ITSM-Workflows zu reduzieren, indem es Mitarbeitern ermöglicht, sofortigen Support durch Konversationen in natürlicher Sprache zu erhalten.
Die Lösung umfasst einen KI-gestützten IT-Service-Desk, mehrere spezialisierte KI-Agenten und eine eingebettete Configuration Management Database (CMDB) mit einem Servicegraphen zur Abbildung von Infrastrukturabhängigkeiten. Salesforce gibt an, dass dieser einheitliche Ansatz dazu beiträgt, Datensilos aufzubrechen und die Lösungsgenauigkeit durch die Nutzung einer einzigen Quelle der Wahrheit zu verbessern.
Salesforce betont außerdem die Integrationsfähigkeiten und startet mit über 100 vorgefertigten Konnektoren und Workflows durch Partner wie Google, IBM, Microsoft, Oracle NetSuite, Workday und Zoom.
Abbildung 1: IT-Service-Desk-Dashboard-Beispiel von Salesforce.
Anwendungsfälle für das Aufgabenmanagement
2. Vorfallmanagement
Der Einsatz von KI in ITSM spielt eine wichtige Rolle im Vorfallmanagement, indem er automatisiertes Ticketing ermöglicht, bei dem KI-Systeme automatisch Tickets auf der Grundlage des Inhalts eingehender Serviceanfragen oder Vorfälle erstellen und kategorisieren.
Dieser Prozess reduziert die manuelle Arbeitsbelastung des IT-Personals und stellt sicher, dass Service-Desk-Tickets genau klassifiziert werden, was zu schnelleren Lösungszeiten führt.
Darüber hinaus nutzen KI-Systeme maschinelles Lernen, um Vorfälle zu priorisieren, basierend auf Faktoren wie Schweregrad, Auswirkung und Dringlichkeit, und stellen sicher, dass kritische Probleme umgehend behoben werden. Diese Priorisierung hilft, die Serviceeffizienz zu verbessern und die Auswirkungen auf den Geschäftsbetrieb zu minimieren.
Eine weitere Anwendung für das Vorfallmanagement ist die KI-gestützte Ursachenanalyse. Durch die Analyse historischer Daten zur Identifizierung von Mustern und zur Vorhersage der Ursachen wiederkehrender Probleme hilft KI in ITSM, zugrunde liegende Probleme effektiver zu lösen, die Häufigkeit von Vorfällen zu reduzieren und die Systemzuverlässigkeit zu erhöhen.
Praxisbeispiel: SysAid mit Grand Traverse County
Das 12-köpfige IT-Team von Grand Traverse County hatte 3.500 Assets mit Tabellenkalkulationen, inkonsistentem E-Mail-basiertem Ticketing, begrenzter Leistungstransparenz und Softwarelizenz-Chaos verwaltet.
Mit SysAid führten sie ITIL-konformes Ticketing, automatisierte SLAs, Echtzeit-Asset- und Lizenzmanagement, einen KI-Chatbot, einen KI-Copilot und automatisierte Workflows ein.
Das Ergebnis war eine schnellere Lösung, weniger manuelle Arbeit, eine bessere First-Call-Resolution, verbesserte Asset-Transparenz und mehr Kontrolle über Softwareverlängerungen, Compliance-Risiken und IT-Ausgaben.2
Praxisbeispiel: SolarWinds Service Desk
SolarWinds Service Desk bietet ein System, das für die Verwaltung von Vorfällen konzipiert ist, die möglicherweise keine formelle Einreichung erfordern. Während Agenten oft vor Herausforderungen bei der Bewältigung großer Mengen von Anfragen mit niedriger Priorität stehen, nutzt die Vorfallmanagement-Plattform künstliche Intelligenz, um sich mit der Wissensdatenbank zu integrieren und Benutzern während des Ticketerstellungsprozesses automatisch Artikel vorzuschlagen.
Darüber hinaus bietet der Virtual Agent Endbenutzern Zugriff auf Wissensdatenbank-Lösungen, die ihre häufigsten technischen Probleme adressieren.
Infolgedessen profitieren Endbenutzer von einem schnelleren Zugriff auf Antworten für Routineprobleme, was Störungen in ihrem Arbeitsablauf reduziert.
3. Service-Request-Management
Service-Anfragen werden durch Anfrageautomatisierung verwaltet:
KI kann die Bearbeitung routinemäßiger Service-Anfragen wie Passwortzurücksetzungen, Softwareinstallationen und Zugriffsberechtigungen automatisieren. Durch die Verwendung vordefinierter Workflows und intelligenter Verarbeitung können KI-Systeme diese Anfragen ohne menschliches Eingreifen verwalten.
Wenn beispielsweise ein Benutzer eine Anfrage zum Zurücksetzen seines Passworts einreicht, können diese KI-gestützten Tools die Identität des Benutzers durch Sicherheitsfragen oder Multi-Faktor-Authentifizierung verifizieren und dann das Passwort zurücksetzen und den Benutzer benachrichtigen. Dies reduziert den Zeit- und Arbeitsaufwand für das IT-Personal und bietet eine schnellere Lösung für Benutzer.
Die Automatisierung dieser Routineaufgaben verbessert die Effizienz und reduziert auch das Risiko von Fehlern im Zusammenhang mit manueller Verarbeitung.
4. Änderungsmanagement
KI bringt erhebliche Verbesserungen im Änderungsmanagement, indem sie die Bewertung und Verwaltung von IT-Änderungen verbessert:
Auswirkungsanalyse:
Die Auswirkungsanalyse mit KI bewertet die potenziellen Auswirkungen vorgeschlagener Änderungen auf die IT-Umgebung. Durch die Analyse historischer Daten und aktueller Systemkonfigurationen kann KI potenzielle Konflikte und Störungen vorhersagen und IT-Teams dabei helfen, fundierte Entscheidungen zu treffen und negative Folgen zu vermeiden.
Dieser proaktive Ansatz minimiert das Ausfallzeitrisiko und sorgt für reibungslosere Übergänge bei Änderungen. Durch eine detaillierte Auswirkungsbewertung ermöglicht KI eine effektivere Planung und Durchführung von Änderungen, was zu einer stabileren und widerstandsfähigeren IT-Infrastruktur führt.
5. Workflow- und Prozessautomatisierung
Workflow-Automatisierung:
Workflow-Automatisierung umfasst den Einsatz von KI zur Automatisierung routinemäßiger, sich wiederholender Aufgaben, die für das IT-Personal in der Regel zeitaufwendig sind.
Prozessautomatisierung:
Prozessautomatisierung geht einen Schritt weiter als die Workflow-Automatisierung, indem sie gesamte Prozesse von der Einleitung bis zum Abschluss automatisiert. Dies kann Prozesse wie Software-Bereitstellung, Benutzer-Onboarding und System-Backups umfassen. KI-Tools können diese Prozesse End-to-End verwalten, um sicherzustellen, dass jeder Schritt genau ausgeführt wird.
Während des Benutzer-Onboarding-Prozesses können KI-Systeme beispielsweise automatisch Benutzerkonten erstellen, angemessene Zugriffsberechtigungen zuweisen und erforderliche Softwareanwendungen bereitstellen.
Die Prozessautomatisierung umfasst auch die Fähigkeit, Prozesse kontinuierlich zu überwachen und zu optimieren, indem Prozessleistungsdaten analysiert, Engpässe identifiziert und Verbesserungen empfohlen werden.
Praxisbeispiel: SysAid mit der Ross School of Business
Die Ross School of Business der University of Michigan arbeitete mit SysAid zusammen, um die Einrichtung mit automatisierten Workflows und zentralisiertem Asset-Management zu unterstützen.
Diese Zusammenarbeit führte zu einer Reduzierung der Ticketerstellungszeit um 54 %, verbesserter Zusammenarbeit durch eine umfangreiche Wissensdatenbank und besserer Planung und Budgetierung durch zentralisierte Erkenntnisse. Für die Zukunft plant Ross IT, die Integration von SysAid zu erweitern, um mehr Event-Management-Aktivitäten zu unterstützen und umfassende Mitarbeiter-Workflows aufzubauen.
Praxisbeispiel: SysAid mit St. George
St. George, die am schnellsten wachsende Gemeinde in den USA, stand aufgrund der raschen Expansion und begrenzter Ressourcen vor erheblichen Herausforderungen im IT-Service-Management.
Durch die Implementierung von SysAid automatisierten sie wichtige Prozesse wie Patch-Management, Asset-Tracking und Ticket-Management, was zu einer Verbesserung der Software-Patch-Erfolgsraten um 90 % und einer Reduzierung der Mean Time to Resolution (MTTR) um 20 % führte.
Die KI-gestützten Tools von SysAid, darunter Copilot's Chatbot und Emailbot, ermöglichten es Endbenutzern, Probleme selbstständig zu lösen. Dieser Übergang ermöglichte es dem IT-Team, von reaktivem zu proaktivem Management zu wechseln und gleichzeitig die Produktivität zu steigern.
Prädiktive Maßnahmen und Überwachung
6. Prädiktive Analytik
KI-Modelle können Geräteausfälle vorhersagen, bevor sie auftreten, und IT-Teams dadurch zu proaktiver Wartung veranlassen. Da Techniken des maschinellen Lernens in der Regel herkömmliche Hard-Computing-Methoden übertreffen und überlegene Ergebnisse liefern, ist dieser prädiktive Ansatz entscheidend.
Durch die Automatisierung von Workflows, die Verwaltung von Zeitplänen und das Senden von Benachrichtigungen für fällige Aufgaben zielen KI-gestützte ITSM-Tools darauf ab, die Lebensdauer von Geräten zu verlängern und einen ununterbrochenen IT-Service-Management-Betrieb sicherzustellen.
Durch die Nutzung prädiktiver Analytik können Unternehmen zukünftige Leistung und potenzielle Ausfälle vorhersagen, indem sie historische und Echtzeitdaten verwenden. Dieser Prozess unterstützt Entscheidungsprozesse und die Ressourcenzuweisung für Wartungsaktivitäten.
Kontinuierliche Gesundheitsüberwachung der IT-Infrastruktur durch KI erkennt Anomalien und liefert IT-Teams Frühwarnungen, indem sie es ihnen ermöglicht, potenzielle Probleme zu adressieren, bevor sie eskalieren.
Praxisbeispiel: BMC Helix AIOps
BMC Helix AIOps analysiert Ereignisse aus mehreren IT-Quellen (Infrastruktur, Anwendungen, Netzwerken und Monitoring-Tools von Drittanbietern) und korreliert sie zu „Situationen“ basierend auf Faktoren wie Zeitpunkt, Topologie, Signaturen und Ereignismeldungen. Dies hilft Teams, von isolierten Alerts zu gruppierten Vorfällen überzugehen, die tatsächlichen Service-Auswirkungen widerspiegeln.
Die Plattform unterstützt zwei Hauptsituationstypen: richtlinienbasierte Situationen (erstellt aus vordefinierten Ereignisrichtlinien in BMC Helix Operations Management) und ML-basierte Situationen (automatisch erstellt durch KI/ML-Korrelation). 3
Praxisbeispiel: ServiceNow Predictive Intelligence
ServiceNow Predictive Intelligence nutzt historische Daten, um Ergebnisse vorherzusagen und Maßnahmen für die Verwaltung von Aufgaben zu empfehlen, wie das Kategorisieren, Routing und Priorisieren von Vorfällen und Anfragen.
Predictive Intelligence kann Muster identifizieren, wie wiederkehrende Probleme oder potenzielle Engpässe, und Vorschläge zur Verbesserung der Serviceeffizienz machen.
Diese Funktion hilft Unternehmen, manuelle Arbeit zu reduzieren, Fehler zu minimieren und Reaktionszeiten zu verbessern, indem repetitive Aufgaben automatisiert und Probleme vorhergesagt werden, bevor sie eskalieren.4
7. Performance-Management
KI-gesteuertes Performance-Management konzentriert sich auf die Optimierung von IT-Ressourcen und -Diensten durch:
Kapazitätsplanung, bei der KI Nutzungsmuster analysiert und zukünftige Ressourcenanforderungen vorhersagt. Dies hilft Unternehmen bei der effektiven Kapazitätsplanung und Ressourcenzuweisung und stellt sicher, dass sie zukünftige Anforderungen ohne Überprovisionierung erfüllen können.
Performance-Optimierung, bei der KI-Tools die Leistung von IT-Diensten kontinuierlich überwachen und optimieren. Durch die Analyse von Leistungskennzahlen in Echtzeit identifiziert die KI-Technologie Verbesserungsbereiche und implementiert Änderungen zur Steigerung der operativen Effizienz und Benutzerzufriedenheit. Diese kontinuierliche Optimierung stellt sicher, dass IT-Dienste reibungslos und effektiv laufen.
8. Sicherheitsmanagement
Sicherheitsmanagement mit KI-Tools konzentriert sich auf den Schutz von IT-Systemen vor Bedrohungen und die Sicherstellung der Compliance durch:
Bedrohungserkennung:
Die Bedrohungserkennung umfasst das Erkennen und Reagieren auf Sicherheitsbedrohungen in Echtzeit. Durch die Analyse von Mustern und Anomalien kann KI potenzielle Sicherheitsverletzungen identifizieren und sofortige Maßnahmen zur Risikominderung ergreifen. Dieser proaktive Ansatz verbessert die Sicherheitslage eines Unternehmens erheblich.
Compliance-Überwachung:
Sie umfasst die Überwachung von IT-Umgebungen auf Einhaltung von Richtlinien und Vorschriften. Dieser Ansatz stellt sicher, dass Unternehmen branchenübliche Standards einhalten, und reduziert das Risiko rechtlicher und regulatorischer Probleme.
KI-gesteuerte Compliance-Überwachung bietet kontinuierliche Aufsicht und hilft Unternehmen, eine sichere und konforme IT-Infrastruktur aufrechtzuerhalten.
Praxisbeispiel: Freshservice mit Databricks
Databricks, ein führendes KI- und Datenanalyseunternehmen, musste seine IT-Service-Operations verbessern, um Ausfallzeiten zu reduzieren und die Skalierbarkeit zu erhöhen.
Sie wählten Freshservice wegen seiner No-Code-Fähigkeiten und KI-gestützten Automatisierung. Die Implementierung führte zu einer 23%igen Self-Service-Ablenkungsrate, wodurch die Arbeitsbelastung des IT-Personals reduziert und die Effizienz gesteigert wurde.
Die Zusammenarbeit mit Freshservice veranlasste Databricks, die Nutzung auf acht weitere Abteilungen auszuweiten, darunter HR und Recht, und so einen einheitlichen Hub für den Mitarbeitersupport zu schaffen.
Dieser Übergang verbesserte die Mitarbeitererfahrung, unterstützte den Betrieb und senkte die IT-Kosten.
Self-Service- und Agentenleistungs-Anwendungsfälle
9. Virtuelle Assistenten und Chatbots
Virtuelle Assistenten und Chatbots unterstützen die ITSM-Erfahrung, indem sie personalisierten und effizienten Support bieten. KI-gestützte Systeme können Antworten und Lösungen auf einzelne Benutzer zuschneiden, basierend auf deren Rollen, Präferenzen und Verlauf, und können die Benutzerzufriedenheit und die Effektivität des IT-Supports verbessern.
Sentimentanalyse und Verarbeitung natürlicher Sprache (NLP) helfen, Benutzerfeedback zu analysieren und Verbesserungsbereiche in IT-Diensten und Support zu identifizieren. Dieser Ansatz hilft Unternehmen, Benutzerbedürfnisse besser zu verstehen und die Servicequalität zu verbessern.
KI-gestützte Chatbots bieten 24/7-Echtzeit-Support, beantworten häufige Anfragen und lösen Routineprobleme ohne menschliches Eingreifen, wodurch eine kontinuierliche Supportverfügbarkeit gewährleistet und Wartezeiten reduziert werden.
Darüber hinaus können virtuelle Assistenten Benutzer durch Fehlerbehebungsschritte führen und so ein interaktiveres und effizienteres Supporterlebnis bieten, während die Zeit zur Problemlösung reduziert und die allgemeine Benutzerzufriedenheit erhöht wird.
Self-Service-Portale:
Self-Service-Portale nutzen KI, um Benutzerprofile, vergangene Interaktionen und häufige Probleme zu analysieren, um maßgeschneiderten Support zu bieten. Wenn sich ein Benutzer anmeldet und sein Problem beschreibt, können die KI-Tools relevante Wissensdatenbank-Artikel, FAQs oder automatisierte Lösungen vorschlagen, die ähnliche Probleme in der Vergangenheit gelöst haben.
Wenn ein Benutzer beispielsweise häufig Softwareinstallationen anfordert, kann sich das Self-Service-Portal diese Präferenz merken und schnellen Zugriff auf Installationsverfahren oder direkte Links zum Herunterladen der erforderlichen Software bereitstellen.
Praxisbeispiel: Risotto-Chatbot mit Fundrise
Fundrise ersetzte einen leistungsschwachen IT-Chatbot durch Risotto, um den Mitarbeitersupport zu verbessern und manuelle Ticketarbeit zu reduzieren.
Durch die direkte Integration in Slack half Risotto den Mitarbeitern, Antworten zu erhalten, Zugriff anzufordern und Genehmigungen abzuschließen, ohne ihren normalen Workflow zu verlassen. Nach einem Monat löste Risotto automatisch 33 % der IT-Tickets und unterstützte bei weiteren 26 %, wodurch fast 60 % der Supportaufgaben automatisiert wurden.
Fundrise schätzte auch die Fähigkeit von Risotto, aus alltäglichen Teaminteraktionen zu lernen, die Dokumentation zu reduzieren und die Zugriffsbereitstellung durch flexible Genehmigungs-Workflows zu unterstützen.5
Praxisbeispiel: ManageEngine Zia KI Virtual Agent
Der Zia KI Virtual Agent von ManageEngine unterstützt Multi-Turn-Konversationen über eine LLM-Schnittstelle und ermöglicht es Benutzern, Fragen zu stellen und Aufgaben auszuführen, ohne Menüs manuell zu navigieren.
Zia kann Kontext verstehen, sofort Antworten liefern und Erkenntnisse aus internen Wissensdatenbanken oder verbundenen Large Language Models zusammenfassen. Es erhält die Kontinuität über Folgefragen aufrecht und unterstützt Ticketaktionen, wie das Aktualisieren von Status, das Hinzufügen von Notizen oder das Schließen von Anfragen, basierend auf konversationellen Prompts.
Zia unterstützt auch multimodale Eingaben (Text, Sprache, Bilder) und bewahrt den Konversationskontext für Folgeabfragen.6
Praxisbeispiel: Freshservice Freddy KI
Freddy KI Copilot ist ein KI-Add-on für Freshservice (Pro/Enterprise) und Freshservice für Business-Teams. Es hilft IT- und Geschäftsteams, repetitive Arbeit zu reduzieren, indem es die Ticketbearbeitung automatisiert, die Antwortqualität verbessert und die Servicebereitstellung über Abteilungen wie IT, HR, Finanzen, Recht und Marketing beschleunigt.
Zu den wichtigsten Fähigkeiten gehören:
- Ticket-Zusammenfassung und Erstellung von Lösungsnotizen
- Antwortvorschläge (einschließlich mehrsprachigem Support) und Schreibunterstützung
- Erkennung ähnlicher Vorfälle und verwandte Änderungsempfehlungen für RCA
- Feldautovervollständigung und Ticketübersetzung
- Wissensartikel-Generierung und Inhaltsempfehlungen
- Erstellung von Post-Incident-Berichten und Testfällen
Freddy Copilot unterstützt mehrere Sprachen, darunter Englisch, Deutsch, Französisch, Spanisch, Niederländisch, Schwedisch und Portugiesisch (Brasilien), obwohl der Similar Incident Suggester derzeit nur auf Englisch verfügbar ist.7
Abbildung 2: Freshservice Freddy KI Copilot-Dashboard.
Praxisbeispiel: Jira Service Management Virtual Agent
Jira Service Management Virtual Agent verbessert den IT-Support durch die Automatisierung von Routine-Supportaufgaben. Dieser durch künstliche Intelligenz gestützte virtuelle Agent integriert sich mit Plattformen, einschließlich Slack, um konversationellen Support zu bieten, wobei NLP verwendet wird, um Benutzeranfragen zu verstehen und zu beantworten und Absicht, Stimmung und Kontext zu erkennen, um personalisierte Interaktionen zu liefern.
Der virtuelle Agent kann häufige Probleme bearbeiten, häufig gestellte Fragen beantworten und Supportanfragen verwalten, damit sich menschliche Agenten auf komplexere Aufgaben konzentrieren können. Bei komplexeren Problemen kann der virtuelle Agent Tickets erstellen und das Gespräch an einen menschlichen Agenten übergeben, ohne den Kontext zu verlieren.
Zusätzlich zur Automatisierung unterstützen Rovo-Agenten (agentische KI-Teammitglieder) IT-Operations-Teams, indem sie verwandte Vorfälle, Änderungsrisiken, wahrscheinliche Ursachen, vorgeschlagene Responder und empfohlene Playbooks anzeigen. Rovo-Agenten können auch Entwürfe von Post-Incident Reviews (PIRs) generieren und Automatisierungs-Workflows während der Incident-Response auslösen.
Serviceteams können die KI-Effektivität mit einem KI-gestützten Performance-Dashboard überwachen und optimieren, das Einblicke in Lösungsraten, Wissenslücken und Verbesserungsmöglichkeiten bietet, einschließlich KI-vorgeschlagener Wissensartikel-Erstellung.
Die Plattform unterstützt auch anpassbare Intent-Flows mit Vorlagen, Schritten wie „Informationen anfordern“ und „Webanfrage“ sowie eingebettete KI-Empfehlungen innerhalb von Agenten-Workflows, um Lösungszeiten zu beschleunigen und die Effizienz der Servicebereitstellung zu verbessern.8
Abbildung 3: Jira Self-Service-Support-Dashboard.9
10. Wissensmanagement
In diesem Bereich unterstützen KI-Technologien die Organisation und Zugänglichkeit von Informationen durch:
Content-Kuration:
KI-Systeme können relevante Wissensdatenbank-Artikel sowohl für IT-Mitarbeiter als auch für Endbenutzer basierend auf dem Kontext ihrer Anfragen kuratieren und empfehlen. Dies stellt sicher, dass Benutzer die benötigten Informationen schnell erhalten, und ihre Fähigkeit, Probleme selbstständig zu lösen, steigt.
Dokumentenanalyse:
Die Dokumentenanalyse umfasst das Analysieren und Kategorisieren großer Mengen von Dokumentationen. Dieser Prozess hilft Benutzern, Informationen zu finden und zu nutzen, während er die Gesamteffizienz der Wissensmanagementprozesse verbessert.
Durch die Organisation von Dokumenten und die Erstellung intuitiver Kategorien ermöglichen KI-gestützte ITSM-Tools einen einfacheren Zugriff auf kritische Informationen, wodurch die Produktivität gesteigert und die für die Suche nach Lösungen aufgewendete Zeit reduziert wird.
Praxisbeispiel: Autonomer Wissensaufbau mit Nebula ITSM
Nebula ITSM sammelt automatisch Daten aus mehreren IT-Systemen, Anwendungen und Datenbanken, ohne dass benutzerdefinierte Integrationen oder umfangreicher manueller Aufwand erforderlich sind.
Das System identifiziert Beziehungen und Abhängigkeiten innerhalb der Daten, um ein kohärentes Informationsnetzwerk für die Wissensdatenbank zu erstellen.
Das System erfordert keine manuelle Kuration oder Eingriffe des IT-Personals, um den Wissensgraphen zu pflegen oder aufzubauen. Dies würde zu einer schnelleren Bereitstellung, reduziertem operativem Overhead und der Fähigkeit führen, kontinuierlich zu lernen und sich anzupassen, sobald neue Daten hinzukommen, ohne dass menschliche Experten den Prozess ständig überwachen müssen.10
11. Asset-Management
IT-Asset-Management mit künstlicher Intelligenz konzentriert sich auf die Automatisierung und Optimierung verschiedener Aspekte des Asset-Lifecycle-Managements.
Automatisierte Bestandsverfolgung ermöglicht genaue und Echtzeit-Asset-Aufzeichnungen, während manuelle Aufwände reduziert und die Datengenauigkeit verbessert werden.
KI-Tools können auch vorhersagen, wann Assets gewartet oder ersetzt werden müssen, und dadurch den Lebenszyklus von Assets optimieren. Dieser prädiktive Ansatz hilft bei der Planung und Ressourcenzuweisung und stellt sicher, dass Assets gut gewartet und betriebsbereit sind.
Darüber hinaus erhöhen KI-Tools die Asset-Sicherheit, indem sie unbefugten Zugriff oder ungewöhnliche Aktivitäten im Zusammenhang mit Assets erkennen und eine zusätzliche Schutzebene bieten.
KI-gesteuerte Analytik bietet Einblicke in die Asset-Nutzung und hilft Unternehmen, fundierte Entscheidungen zu treffen und Kosteneinsparungen zu erzielen.
Praxisbeispiel: Ivanti Neurons Self-Healing mit KI
Self-Healing bezeichnet die Fähigkeit von Systemen, Probleme innerhalb der IT-Infrastruktur automatisch zu erkennen, zu diagnostizieren und zu lösen, ohne dass manuelle Eingriffe erforderlich sind.
Das Self-Healing wird ermöglicht durch:
- Proaktive Überwachung: Ivanti Neurons überwacht kontinuierlich IT-Assets wie Endpunkte und Server, indem es KI verwendet, um Anomalien in Echtzeit zu erkennen. Es identifiziert potenzielle Probleme wie Leistungsverschlechterung, Sicherheitslücken oder Fehlfunktionen, bevor sie eskalieren.
- Automatisierte Diagnose: Wenn ein Problem erkannt wird, führt das KI-System von Ivanti automatisch Diagnosen durch, um die Ursache durch die Analyse von Logs, Konfigurationen und Mustern zu ermitteln.
- Automatisierte Behebung: Nach der Diagnose des Problems initiiert das System automatische Korrekturen wie Patching, Neustart von Diensten oder die Ausführung von Skripten. Der Prozess wird ohne menschliches Eingreifen abgeschlossen, um schnellere Lösungen zu gewährleisten.
- Endpoint-Management: Das Self-Healing von Ivanti kann besonders effektiv für Endpunkte sein, Geräte überwachen und Probleme wie Sicherheitslücken und Fehlkonfigurationen automatisch beheben.11
Als bevorzugte Quelle hinzufügenWelche Vorteile bietet der Einsatz von KI in ITSM?
Die Nutzung von KI-Service-Management-Tools bietet zahlreiche Vorteile, die Effizienz, Genauigkeit und Gesamteffektivität des IT-Betriebs verbessern können. Hier sind einige wichtige Vorteile von KI-Technologien für ITSM:
KI kann repetitive und zeitaufwendige Aufgaben wie Ticketerstellung, Kategorisierung und Routing automatisieren. Dies reduziert die manuelle Arbeitsbelastung des IT-Personals und ermöglicht es ihnen, sich auf komplexere und strategischere Aufgaben zu konzentrieren.
KI-Systeme können konsistente Antworten und Maßnahmen liefern, um menschliche Fehler zu minimieren. Dies ist besonders vorteilhaft bei Routineaufgaben wie der Klassifizierung von Vorfällen, der Ursachenanalyse und Lösungsempfehlungen.
Chatbots und virtuelle Assistenten ermöglichen eine kontinuierliche Serviceverfügbarkeit und reduzieren Reaktionszeiten, während sie die Benutzerzufriedenheit verbessern. Diese KI-Tools können skaliert werden, um steigende Anfragevolumina zu bewältigen, was sie ideal für große und wachsende Unternehmen macht.
KI-Systeme generieren wertvolle Erkenntnisse aus großen Datenmengen, um IT-Manager bei fundierten Entscheidungen zu unterstützen.
Durch die Automatisierung von Routineaufgaben und die Reduzierung des Bedarfs an umfangreichen menschlichen Eingriffen können Systeme der künstlichen Intelligenz zu Kosteneinsparungen führen. Diese Systeme optimieren die Ressourcennutzung und senken die Betriebskosten im Zusammenhang mit der Verwaltung von IT-Diensten.
Diese Forschung zitieren
Wählen Sie das Format, das zu Ihrem Veröffentlichungsort passt. Wenn Sie die Link-Version in Ihr CMS einfügen, bleibt der Backlink erhalten.
@misc{dilmegani2026,
author = {Dilmegani, Cem and Ermut, Sıla},
title = {{Top 11 KI in ITSM Anwendungsfälle & Beispiele}},
year = {2026},
month = jun,
howpublished = {\url{https://aimultiple.com/ai-in-itsm}},
note = {AIMultiple. Abgerufen am 18. Juni 2026}
}Änderungsprotokoll
6 Aktualisierungen- 2026
Praxisbeispiele SysAid mit Grand Traverse County und Risotto mit Fundrise hinzugefügt.
Die Abschnitte zu technischen Anforderungen, AI-native versus AI-powered ITSM, Konversationsintelligenz und praktischem Nutzen entfernt.
Ein Praxisbeispiel für BMC Helix AIOps wurde im Abschnitt „Prädiktive Analysen“ hinzugefügt.
- 2025
Der Abschnitt „KI-native ITSM“ wurde hinzugefügt.
Das Produkt BMC HelixGPT wurde im Abschnitt Incident Management durch SolarWinds Service Desk ersetzt.
- 2024
BMC HelixGPT, ServiceNow Predictive Intelligence, Nebula ITSM und Ivanti Neurons Self-Healing mit KI wurden zu den Beispielen hinzugefügt.
Referenzlinks
Cems Arbeit bei AIMultiple wurde von führenden globalen Publikationen wie Business Insider, Forbes, Morning Brew und Washington Post, von globalen Unternehmen wie Deloitte und HPE, von NGOs wie dem World Economic Forum und von supranationalen Organisationen wie der European Commission zitiert. [1], [2], [3], [4], [5]
Im Laufe seiner Karriere war Cem als Tech-Berater, Tech-Einkäufer und Tech-Unternehmer tätig. Er beriet Unternehmen bei ihren Technologieentscheidungen bei McKinsey & Company und Altman Solon über mehr als ein Jahrzehnt. Er veröffentlichte außerdem einen McKinsey-Bericht zur Digitalisierung.
Er leitete Technologiestrategie und -beschaffung eines Telekommunikationsunternehmens und berichtete dabei direkt an den CEO. Außerdem verantwortete er das kommerzielle Wachstum des Deep-Tech-Unternehmens Hypatos, das innerhalb von zwei Jahren von 0 einen siebenstelligen jährlich wiederkehrenden Umsatz und eine neunstellige Bewertung erreichte. Cems Arbeit bei Hypatos wurde von führenden Technologiepublikationen wie TechCrunch und Business Insider aufgegriffen.
Cem spricht regelmäßig auf internationalen Technologiekonferenzen. Er absolvierte die Bogazici University als Computeringenieur und hat einen MBA von der Columbia Business School.
Zuvor arbeitete sie als Personalvermittlerin in Projektmanagement- und Beratungsunternehmen. Sıla hat einen Master of Science in Sozialpsychologie und einen Bachelor of Arts in Internationalen Beziehungen.
Seien Sie der Erste, der kommentiert
Ihre E-Mail-Adresse wird nicht veröffentlicht. Alle Felder sind erforderlich. Kommentare werden in ihrer Originalsprache belassen.