Agentische KI sorgt in verschiedenen Branchen für Aufsehen, und ihr Potenzial, ITSM zu transformieren, ist unbestreitbar. Bei all den Diskussionen über die Möglichkeiten agentischer KI denken Sie wahrscheinlich bereits darüber nach, ITSM-Prozesse durch automatisiertes Incident Management, automatisierte Change-Risikoanalysen, mehr Effizienz durch Service-Desk-Automatisierung oder eine höhere Servicequalität durch vorausschauende Wartung zu optimieren. Gleichzeitig fragen Sie sich vielleicht: Wie realistisch ist das alles? Ist meine Organisation wirklich bereit für agentische KI?

Ich würde sagen: Für die meisten Organisationen lautet die Antwort nein.

Verstehen Sie mich nicht falsch: Organisationen verfolgen die Diskussion aufmerksam und sehen die potenziellen langfristigen Vorteile. Und einige sind möglicherweise tatsächlich bereit, agentische KI richtig zu implementieren.

Ambitioniert, aber unzureichend vorbereitet: Warum die meisten Organisationen nicht bereit für agentische KI sind

Der Grund für meine Zweifel an einer ausreichenden Vorbereitung ist: Damit agentische KI optimal funktioniert, benötigen Sie hochwertige, bereinigte Daten, nahtlos automatisierte und klar definierte Workflows sowie umfassende, flexible Integrationen über alle Systeme hinweg, die für agentische KI-Prozesse vorgesehen sind.

Wie wichtig saubere, integrierte Daten sind, zeigt sich unter anderem daran, dass Technologieanbieter Datenmanagement-Unternehmen übernehmen, insbesondere Salesforce und Informatica. Abgeglichene, normalisierte Daten bieten KI-Agenten die bestmögliche Informationsbasis, damit sie die besten Ergebnisse und möglichst präzise Informationen liefern können.

Sie sollten sich immer fragen: Wie werden KI-Agenten Ihnen und Ihrer Organisation nutzen? Lässt sich Ihr Weg zu autonomem Arbeiten über Workflows erreichen? Selbst Anthropic, ein führendes Unternehmen im KI-Bereich, spricht davon, die einfachstmögliche Lösung zu verwenden und KI-Agenten nur bei komplexen Anforderungen einzusetzen. In manchen Fällen sind Agenten nicht nur kostspieliger, sondern auch weniger effizient als vorgefertigte Workflows.

Heute vorbereiten, morgen agentische KI nutzen

Wenn Sie agentische KI in Betracht ziehen, sollten Sie mehrere Faktoren prüfen. Mit Planung und Vorbereitung können Sie erfolgreich sein – und diese Checkliste unterstützt Sie auf Ihrem Weg.

Planung

Wenn Sie Ihren Weg zu agentischer KI beginnen, definieren Sie klar, welche Ziele Sie mit der Einführung agentischer KI in Ihrer Service-Management-Umgebung verfolgen, und stellen Sie sicher, dass diese mit den übergeordneten Zielen Ihrer Organisation übereinstimmen. Häufige Ziele sind:

  • Reduzierung der Arbeitsbelastung von IT-Mitarbeitenden durch die Automatisierung repetitiver und zeitaufwendiger Aufgaben.
  • Verbesserung von Geschwindigkeit und Genauigkeit bei der Incident-Behebung.
  • Verbesserung der Endanwendererfahrung durch nahtlos automatisierte Anfrageerfüllung.

Wenn Ihre Ziele definiert sind: Wie sieht Erfolg aus, und wie werden Sie ihn messen? Das hängt von Ihren Erwartungen und festgelegten Zielen ab, aber gängige Kennzahlen könnten sein:

  • % der Aufgaben, die erfolgreich durch KI automatisiert wurden.
  • Rückgang der Fehler bei KI-gestützten Aufgaben im Vergleich zu manuell ausgeführten Aufgaben.
  • Bewertung der Benutzerzufriedenheit (CSAT).
  • % der Benutzer, die sich für KI-gestützte Self-Service-Lösungen entscheiden.
  • Reduzierung der durchschnittlichen Kosten für die Lösung eines Tickets mit KI.
  • % der Incidents, die nach KI-Intervention an menschliche Agenten eskaliert werden.

Verwandte Inhalte:AITSM: Wie KI die IT-Service-Desk-Automatisierung neu definiert, Teil von Ivantis Research-Report-Reihe zur Digital Employee Experience

Datenvorbereitung

Im Kontext des Service Managements können viele Datenquellen erforderlich sein, darunter rein ITSM-bezogene Quellen wie eine CMDB oder ein Asset-Repository. Wenn Sie den Blick auf das gesamte Unternehmen ausweiten, benötigen Sie möglicherweise auch Daten aus CRM, HR, Facility Management, Finanzen oder anderen Bereichen.

Unabhängig davon, woher Sie die Daten beziehen, sollten Sie Folgendes berücksichtigen:

  • Ist die Qualität Ihrer Daten verlässlich? Sind die Daten konsistent? Wie genau sind die Informationen? Gibt es eine vertrauenswürdigere Quelle oder ein Mastersystem, das als Standard herangezogen werden sollte? Häufig sind Daten über mehrere Systeme hinweg inkonsistent, was es einem KI-Agenten erschwert, fundierte Entscheidungen zu treffen.
  • Wie zugänglich sind Ihre Daten? Wie viele verschiedene Datenquellen gibt es, und ist eine Integration über APIs erforderlich? Sind die Datenquellen aktuell?
  • Ist Ihre CMDB bereit, von agentischer KI genutzt zu werden? Haben Sie kritische CIs in Ihrer CMDB erfasst – und noch wichtiger: Wie aktuell sind die Beziehungen und Informationen?
  • Müssen Sie Datenschutz-Compliance-Anforderungen erfüllen? Müssen Sie Datenschutzvorschriften wie die DSGVO, CCPA oder andere einhalten? Es ist möglich, dass Vorschriften verlangen, sensible Daten zu anonymisieren und im jeweiligen Land zu speichern.

Definierte Workflows und Automatisierung

Hochwertige Daten sind nicht der einzige entscheidende Faktor: Gut funktionierende Workflows zur Steuerung von Aufgaben sind eine zentrale Komponente für den erfolgreichen Einsatz agentischer KI. In manchen Fällen lassen sich Ihre vorhandenen Workflows für die Nutzung innerhalb eines agentischen KI-Prozesses weiterverwenden; einige Workflows müssen jedoch angepasst werden, um die Request/Response-Anforderungen eines KI-Agenten zu erfüllen.

Bei Workflows sollten Sie unter anderem Folgendes berücksichtigen:

  • Können Ihre Workflows von KI-Agenten genutzt werden?  Ihre bestehenden Workflows sind möglicherweise nicht so strukturiert, dass KI-Agenten den gesamten Workflow optimal nutzen können, um genaue Ergebnisse zu liefern.
  • Werden die Workflows ausschließlich mit Daten innerhalb Ihrer Organisation arbeiten, oder müssen sie auf externe Datenquellen zugreifen? Welche Sicherheitsmaßnahmen sind beim Zugriff auf externe Datenquellen vorhanden, um Sicherheit und Genauigkeit der Daten in den Antworten zu gewährleisten?
  • Stellen Sie sicher, dass Audit-Trails für alle agentischen KI- und zugehörigen Workflows aktiviert sind, damit Sie KI-Aktionen und -Entscheidungen protokollieren und überwachen können. So lässt sich die Korrektheit der KI sicherstellen; außerdem kann dies bei Compliance- oder Sicherheitsproblemen herangezogen werden.

Governance und Compliance

Zuvor haben wir Compliance-Anforderungen an Daten und die Notwendigkeit besprochen, regulatorische oder gesetzliche Vorgaben zu erfüllen. Governance und Compliance müssen außerdem für das gesamte KI-Ökosystem innerhalb Ihrer Organisation gelten, um verantwortungsvolle, sichere und vertrauenswürdige Antworten und Aktionen zu ermöglichen.

Hier einige Punkte, die Sie berücksichtigen sollten:

  • Definieren Sie Richtlinien dafür, wie KI in Ihrer Organisation eingesetzt werden soll, und benennen Sie Personen oder Teams, die für den Schutz der Daten und die Bewertung ethischer Aspekte verantwortlich sind.
  • Stellen Sie sicher, dass regulatorische oder gesetzliche Compliance-Standards über den gesamten KI-Workflow hinweg verstanden und erfüllt werden. Wenn ein KI-Agent beispielsweise Zugriff auf gesundheitsbezogene Daten sowie auf Daten benötigt, die von europäischen Benutzern erhoben wurden, müssten Sie sowohl HIPAA als auch die DSGVO berücksichtigen.
  • Identifizieren Sie potenzielle Risiken in Ihrer gesamten Umgebung und minimieren Sie sorgfältig diejenigen, die mit der KI-Bereitstellung verbunden sind.

Tests und Validierung

Beginnen Sie Ihren Weg zu agentischer KI in einer kontrollierten Umgebung. Richten Sie ein Pilotprogramm ein, um die Funktionalität zu testen, messen Sie die Ergebnisse an Ihren Zielen und holen Sie Feedback von Benutzern ein. Wichtig ist ein kontinuierliches Verbesserungsprogramm für Anpassungen und Erweiterungen. Haben Sie Geduld, denn gute Ergebnisse können Zeit brauchen, während die KI lernt und sich anpasst. Überwachen und optimieren Sie kontinuierlich nach Bedarf und definieren Sie einen Prozess für den Umgang mit Problemen oder Ausfällen.

Agentische KI ist eine Evolution, keine Revolution

Über KI wird überall diskutiert. Das Interesse von Organisationen ist groß, doch viele sind zu Recht weiterhin vorsichtig, wenn es darum geht, wie sie vorgehen und was für ihre Organisation am besten ist. Wie wir in den letzten Jahren gesehen haben, hat sich KI sehr schnell von generativer zu agentischer KI weiterentwickelt. Mit neuen Technologien Schritt zu halten und künftige Verbesserungen zu planen, ist entscheidend.

Ivanti ist mit KI-Funktionen gut aufgestellt, die Ihr Wachstum unterstützen können. Erfahren Sie mehr darüber, wie Ivanti Sie auf Ihrem Weg zur KI unterstützen kann.