Die IT Service Management (ITSM)-Branche steht an einem echten Wendepunkt. Über Jahrzehnte haben Service Desks nach einem grundsätzlich reaktiven Modell gearbeitet – Mitarbeiter stoßen auf Probleme, erstellen Tickets und warten darauf, dass menschliche Analysten diese diagnostizieren, priorisieren und lösen. Automatisierung hat in diesem Rahmen die Bearbeitungskapazitäten zwar erhöht, stellte das zugrundeliegende Modell jedoch nie infrage.

Der Wendepunkt: Warum ITSM nie wieder wie zuvor sein wird

Agentic AI verändert diese Ausgangssituation grundlegend. Agentische Systeme beschleunigen nicht nur die Bearbeitungsgeschwindigkeit, sondern verstehen die Absichten der Anwender, holen sich kontextuelle Informationen, wählen Handlungswege, führen Aktionen über Unternehmens-Tools hinweg aus und bestätigen die Ergebnisse – ohne bei jedem Schritt auf eine menschliche Freigabe warten zu müssen. Wir erleben den Wandel vom IT Service Management zu IT Service Autonomy, mit weitreichenden Implikationen für jeden CIO, CISO und IT-Führungskraft.

Die Zahlen unterstreichen die Dringlichkeit. Gartner prognostiziert, dass bis Ende 2026 rund 40 % aller Enterprise-Anwendungen Task-spezifische AI Agenten integrieren werden, verglichen mit weniger als 5 % im Jahr 2025. Auch die Gartner-Studie prognostiziert, dass bis 2029 70 % der Unternehmen agentische AI Agenten einsetzen werden, um ihre IT-Infrastruktur simultan zu betreiben – gegenüber weniger als 5 % heute.

Dies sind keine inkrementellen Veränderungen, sondern eine grundlegende Neuerfindung in der Bereitstellung, Sicherung und Optimierung von Services durch Technologieorganisationen.

Von Script-basierten Bots zu autonomen Agenten: Die Evolution der Intelligenz im ITSM

Um zu verstehen, wohin sich die Branche entwickelt, ist es wichtig zu wissen, wo sie herkommt. Die Entwicklung von AI im ITSM folgt einem klaren Bogen von deterministischer, scriptbasierter Logik hin zu wahrhaft autonomem Entscheiden.

Phase Eins: Regelbasierte Automatisierung

Die erste Welle der ITSM-Automatisierung nutzte Script-Workflows – wenn ein Ticket bestimmte Schlüsselwörter enthielt, wurde es an eine vordefinierte Queue weitergeleitet; wenn ein Asset aus der Compliance fiel, wurde ein Remediation-Script automatisch ausgeführt. Diese Automatisierungen sorgten für Effizienzsteigerungen, indem sie kostenintensive manuelle Prozesse eliminierten und Betriebsabläufe sicherer sowie konformer machten. Dennoch blieben sie fragil: Für jede neue Situation musste eine neue Regel erstellt werden, das System konnte keine Mehrdeutigkeiten oder Lernerfahrungen aus eigenen Ergebnissen verarbeiten.

Phase Zwei: AI-unterstütztes Service Management

Mit dem Einzug von Machine Learning und generativer AI entstand eine adaptivere Schicht. AI begann damit, Tickets automatisch zu klassifizieren, Incidents für Analysten zusammenzufassen und aus historischen Lösungsdaten Knowledge-Artikel zu generieren. Rund 40 % der Organisationen nutzen mittlerweile AI, um effizientere Ticket-Resolutionen zu ermöglichen.

Chatbots und Virtual Assistants haben Conversational Interfaces in Unternehmensumgebungen eingeführt. Diese ermöglichen Mitarbeitern, per natürlicher Sprache mit dem IT-Support zu kommunizieren, statt strukturierte Formulare auszufüllen. Dies war ein bedeutender Sprung, dennoch blieb die Rolle von AI primär assistierend – sie unterstützte die menschliche Entscheidungsfindung, ohne sie zu ersetzen.

Phase Drei: Agentic AI und autonome Workflows

Hier steht die Branche heute: am Übergang zu einer dritten, deutlich transformierenden Ära. Agentic AI Systeme warten nicht auf Anweisungen, sondern beobachten, argumentieren, planen und handeln eigenständig.

Im ITSM-Kontext kann ein agentisches System etwa eine Anomalie auf einem Endpoint erkennen, diese mit bekannten Vulnerability-Mustern verknüpfen, einen Healing-Prozess starten, das Configuration Management Database (CMDB) aktualisieren und das entsprechende Ticket abschließen – alles, bevor der betroffene Mitarbeiter ein Problem bemerkt. Gartner prognostiziert, dass bis 2028 mindestens 15 % aller täglichen Arbeitsentscheidungen durch agentische AI autonom getroffen werden – ein Anstieg von 0 % im Jahr 2024 – und dass 33 % der Enterprise-Software bis dahin agentische AI enthalten wird.

Der entscheidende Unterschied ist die Agency. Frühere AI-Tools reagierten auf Prompts – agentische Systeme verfolgen echte Ziele. Sie behalten Gedächtnis über Interaktionen hinweg, evaluieren den optimalen Weg zum Ergebnis und führen mehrstufige Workflows über integrierte Systeme aus. Das markiert den architektonischen Sprung: ITSM fokussiert sich nicht mehr nur auf die Bearbeitung von Anfragen, sondern auf die Lieferung von Ergebnissen.

Anatomie agentischer ITSM-Systeme: Rollenbasierte und aufgabenbasierte Intelligenz

Mit zunehmender Reife agentischer AI kristallisiert sich der Einsatz im ITSM um zwei komplementäre Architekturen: rollenbasierte (persona-based) und aufgabenbasierte (task-based) Agenten. Zusammen bilden sie das, was viele Branchenbeobachter als das "conversational front door" zur IT bezeichnen – eine einheitliche, intelligente Schnittstelle, die fragmentierte Portale, Formulare und Call-Trees durch natürliche, adaptive Interaktionen ersetzt.

Persona-based Agents

Persona-based Agents sind an den Anforderungen spezifischer Nutzerrollen ausgerichtet. Ein Self-Service Agent fungiert etwa als erster Kontaktpunkt für Mitarbeiter. Statt Nutzer durch Service-Kataloge und strukturierte Formulare zu zwingen, nutzt ein conversational Self-Service Agent adaptive Intent-Erkennung und geführtes Data Capture, um eine Anfrage in natürlicher Sprache in ein vollständiges, umsetzbares Ticket zu transformieren. Das Ergebnis: Deutlich geringere Hürden für Mitarbeitende und verbesserte Datenqualität für die Service-Teams. Organisationen, die AI-basierte virtuelle Support-Agenten implementieren, berichten von 50 % bis 70 % weniger Anrufen und Adoptionsraten von 80 % bis 85 %.

Service Desk Agents

Im Gegensatz dazu unterstützen Service Desk Agents die menschlichen Analysten direkt. Sie bieten kontextbezogene Unterstützung im Ticketprozess, beschleunigen Triage und Klassifikation und liefern Echtzeit-Coaching, das auch weniger erfahrene Analysten auf das Niveau von Experten hebt.

AI-basierte Incident-Summarization spart Analysten erheblich Zeit, indem komplexe Ticket-Historien automatisch in handlungsorientierte Zusammenfassungen extrahiert werden. Die Analysten bleiben involviert, aber der Prozess ist schneller, enger geführt und besser informiert.

Task-based Agents

Task-based Agents übernehmen spezifische operative Aufgaben – wie Knowledge Search, Incident-Erstellung, Service Request-Fulfillment, Summarization und Q&A. Diese Agenten arbeiten innerhalb eines agentischen Frameworks, zu dem Zieldefinition, Umweltmodellierung, Memory, Reasoning und Action Execution gehören. Die aufkommenden Interoperabilitätsstandards wie Agent-to-Agent (A2A) und Model Context Protocol (MCP) sind hier besonders bedeutsam. Sie zeigen eine Branche, die sich auf Multi-Agent-Ökosysteme zubewegt, in denen spezialisierte Agenten als “Agent Squads” kooperieren, um komplexe, domänenübergreifende Herausforderungen zu bewältigen.

Die Roadmap von Gartner bestätigt diesen Weg: Bis 2027 werden bei einem Drittel der agentischen AI-Implementierungen Agenten mit unterschiedlichen Skills kombiniert, um komplexe Aufgaben in Applikations- und Datenumgebungen zu managen. Für ITSM bedeutet dies: Der Service Desk der Zukunft ist kein monolithisches System, sondern ein orchestriertes Ensemble spezialisierter Agenten, die gemeinsam eine nahtlose Service Experience liefern.

Self-Healing, Self-Securing, Self-Serving: Die drei Säulen autonomer IT

Die strategische Stärke agentischer AI im ITSM liegt in drei eng verbundenen Fähigkeiten, die zusammen ein echtes, autonomes Service Delivery definieren.

Self-Healing

Self-Healing steht für den sichtbarsten Bruch mit klassischem, reaktivem Support. Durch Anomaly Detection und automatisierte Diagnostik erkennen moderne Plattformen Endpunkt- und Security-Probleme, bevor Nutzer betroffen sind. Cloud-basierte Bots mit Hyper-Automation lösen nicht nur bekannte Probleme, sie identifizieren proaktiv bislang unerkannte Schwachstellen, beheben Vorfälle automatisch und verschaffen IT Zeit für Innovation. Je weiter sich Self-Healing etabliert, desto geringer wird das Volumen menschlicher Tickets, und die Rolle des Service Desk verschiebt sich in Richtung Governance und kontinuierliche Verbesserung.

Self-Securing

Self-Securing adressiert die Tatsache, dass Cybersecurity und IT-Betrieb nicht länger in Silos agieren können. AI-getriebene Visibility über Geräte, Organisationseinheiten und digitale Erlebnisse hinweg verbessert die Security-Position, indem sie potenzielle Schwachstellen anhand sozialer Trends und Vulnerability-Scoring proaktiv erkennt.

Eine konsistente Software-Inventarisierung hilft dabei, Risiken frühzeitig zu erkennen, bevor diese zu Breaches führen können. Das Zusammenwachsen von ITSM und Security Operations beschleunigt sich, da agentische AI als verbindendes Element zwischen Threat Detection, Vulnerability Management und Remediation Workflows fungiert.

Unternehmen, die IT und Security über eine AI-getriebene Plattform vereinen, sind in der Lage, das bereitzustellen, was die Branche als „unsichtbare, aber unvermeidbare Security“ bezeichnet – kontinuierlichen, nutzerfreundlichen Schutz ohne Hürden für Endanwender.

Self-Service wird komplett neu gedacht

Klassische Self-Service-Portale litten unter geringer Akzeptanz, da sie die Systemlogik den Nutzern aufzwangen, statt sich ihrer Intention anzupassen. Conversational AI kehrt dieses Verhältnis um.

Mitarbeiter kommunizieren per natürlicher Sprache, während das System die Komplexität von Routing, Klassifizierung und Fulfillment im Hintergrund übernimmt. AI-gestützte Virtual Assistants bringen Produktivitätsgewinne, steigern die Zufriedenheit und maximieren die Adoptionsquoten, indem sie die Einfachheit von Consumer-Virtual Assistants ins Unternehmen transferieren. In Zukunft wird Self-Service durch Voice Automation, Mobile-First-Interfaces und proaktive Benachrichtigungen weiterentwickelt – für eine Omnichannel-Support-Experience, die Mitarbeitende unabhängig von Arbeitsplatz oder Tätigkeit begleitet.

Strategische Konsequenzen: Was IT-Leitung beachten muss

Der Siegeszug agentischer AI im ITSM hat weitreichende Auswirkungen, die deutlich über den Service Desk hinausgehen. Für CIOs und IT-Leitungen stehen mehrere strategische Themen im Fokus.

Vom Cost Center zum Value Center

Wenn Routine-Incidents sich selbst beheben und AI das First-Line-Triage übernimmt, definiert sich der Service Desk nicht mehr über Ticketvolumen und Bearbeitungszeiten. IT-Teams können sich strategischen Initiativen zuwenden – Digitale Transformation, Employee Experience Innovation und Business Process Automation. Die neue Leitfrage lautet nicht mehr: "Wie bearbeiten wir mehr Tickets schneller?" sondern "Wie nutzen wir die durch autonome Services freiwerdenden Kapazitäten bestmöglich?".

Governance und Vertrauen als Imperativ

Die gleiche Gartner-Studie, die ein explosives Wachstum proklamiert, mahnt zur Vorsicht: Über 40 % agentischer AI-Projekte könnten bis Ende 2027 scheitern, wenn Kosten, Wertschöpfung oder Risikokontrolle nicht passen. Erfolgreiche Implementierungen brauchen Compliance, Sichtbarkeit und Policy-Konformität ab Tag eins. AI-Governance ist keine nachträgliche Ergänzung – sie ist ein Grundpfeiler im Design. Unternehmen, die von Beginn an Kontrollmechanismen, Approval-Workflows und Auditierbarkeit in ihre Architekturen integrieren, sichern sich nachhaltigen Mehrwert. Wer Governance als Randthema behandelt, riskiert teure Rückschritte.

Konvergenz von IT- und Security Operations

Datensilos zwischen IT und Security schwächen seit Jahren die Resilienz von Unternehmen. Agentische AI-Plattformen, die Service Management, Endpoint Management und Exposure Management vereinen, schaffen ein zentrales „System of Record“ – und ermöglichen koordinierte, intelligente Reaktionen zwischen ehemals getrennten Domänen. Diese Konvergenz ist kein reines Technologie-Thema: Sie verlangt auch organisatorische Abstimmung, gemeinsame KPIs und eine Kultur, die funktionale Barrieren auflöst.

Employee Experience als Wettbewerbsvorteil

Die Messbarkeit des Digital Employee Experience – über Devices, Service Management, Security und Applikationen hinweg mittels AI-basierter Sentiment-Analysen – macht Employee Experience zur datengetriebenen Disziplin. Organisationen, die nahtlose, Consumer-Grade IT-Experience bieten, binden und gewinnen Talente effektiver als jene, die IT-Support als reine Backoffice-Funktion betrachten. Der Digital Employee Experience (DEX) Score etabliert sich als kritischer KPI für den Service Desk, um skalierbare, personalisierte und empathische Unterstützung zu ermöglichen.

Enterprise Service Management außerhalb der IT

Ein oft unterschätzter Aspekt agentischer AI ist das Potenzial, intelligente Service-Bereitstellung auch auf Bereiche wie HR, Facility Management, Finance und weitere Fachbereiche auszuweiten. Wenn die Plattform No-Code, Workflow-Design und vorgefertigte Integrationen unterstützt, werden im ITSM bewährte Muster zu Blaupausen für unternehmensweite Transformation. Abteilungen, die noch mit E-Mails, veralteten Excel-Tabellen oder Papierdokumenten arbeiten, profitieren enorm von den agentischen Möglichkeiten, die aktuell IT neu definieren.

Die Notwendigkeit autonomer Services

Die Transformation des IT Service Managements durch agentische AI ist keine ferne Aussicht – sie findet bereits statt und gewinnt exponentiell an Fahrt. Die erfolgreichsten Unternehmen sind jene, die diesen Wandel als fundamentale Neudefinition von Service-Konzeption, Bereitstellung und Nutzererlebnis verstehen – nicht bloß als Technologie-Upgrade.

Die Rolle des Menschen verlagert sich, sie verschwindet nicht. Agentic AI wird IT-Profis nicht ersetzen – sondern aufwerten. Analysten werden sich zunehmend von Ticketbearbeitern zu AI-Supervisoren, Governance-Architekten und Experience Designern entwickeln. Für die nächste Dekade werden IT-Fachleute am meisten gefragt sein, die autonome Systeme gestalten, trainieren und steuern – nicht solche, die sie nur bedienen.

Der Weg nach vorn benötigt eine klare Strategie: Aufbau der Automatisierungsbasis – intelligente Workflows, AI-assistierte Klassifikation und Self-Service-Interfaces zur Reduzierung von Reibung und Verbesserung der Datenqualität. Weiterentwicklung zu autonomen Fähigkeiten – Self-Healing Endpunkte, Self-Securing Umgebungen und Conversational Agents, die Issues End-to-End lösen. Schließlich Investitionen in Governance, Unternehmenskultur und Talententwicklung, um autonome Operationen im Enterprise-Maßstab nachhaltig zu verankern.

Die Kernfrage für IT-Leitungen ist inzwischen nicht mehr, OB agentische AI das Service Management transformieren wird. Die entscheidenden Fragen sind: Wie schnell? Und wie strategisch operationalisiert Ihr Unternehmen diese Entwicklung? Das Zeitalter autonomer Services hat begonnen – der Wettbewerbsvorteil gehört den Mutigen, nicht den Zögernden.