Wir Fußballfans erinnern uns gerne an 2014, als die deutsche Nationalmannschaft Weltmeister wurde: Das deutliche 4:0 gegen Portugal in der Vorrunde, die nervenaufreibenden, knappen Siege gegen Algerien und Frankreich sowie das grandiose 7:1 gegen Brasilien in der K.o.-Runde und das spannende Finale gegen Argentinien. An den erfolgreichen Spielen und dem Weltmeistertitel hatte neben hartem Training und hoher Leidenschaft aber auch ein Aspekt einen wesentlichen Anteil, der bis dahin in diesem Sport ein Nischendasein führte.

„Wie SAP Gegentore der Nationalelf verhindern will“ titelte die Tageszeitung „Die Welt“ zum Auftakt des Turniers. Unter dieser Überschrift berichtete sie, wie moderne Datenanalysen der Nationalmannschaft bei ihrer Arbeit helfen. Nicht nur beim Fußball, sondern in der ganzen Welt des Sports gibt es heute zahllose Statistiken. Die basieren auf einer noch größeren Menge an Daten. Vereine nutzen diese Daten zur Analyse des Gegners. Und wer diese Daten für sich besser interpretieren kann, der hat sich einen entscheidenden Vorteil verschafft. Die WM 2014 ist der beste Beweis dafür.

Verknüpfung von Daten als erste Grundlage

Daten zu sammeln ist an dieser Stelle die rudimentärste Grundlage für eine zielgerichtete Analyse. Eine zu große Menge an Daten kann gleichzeitig aber ebenso kontraproduktiv sein wie zu wenige Daten, denn man sieht dann sprichwörtlich „den Wald vor lauter Bäumen“ nicht.

Wichtig sind also auch Struktur und Verknüpfung der Daten. In der technisch versierten Welt spricht man hier von „Big Data“, also möglichst neuronal verknüpften Daten, um sogenannte „Cubes“ (mehrdimensionale Datenstrukturen) aus verschiedenen Perspektiven betrachten zu können.

Die richtige Frage ist entscheidend

Hat man eine Menge gut strukturierter und verknüpfter Daten vorliegen, stellt sich die Frage, wie man zur richtigen Antwort und damit zur Erkenntnis gelangt. Denn oft ist unklar, was man überhaupt sucht: Was ist „normal“? Wo beginnt „ungewöhnliches“ Verhalten? Welche Faktoren sind dafür verantwortlich? Und ab wann kann man mit einer berechenbaren Sicherheit sagen, dass ein wie auch immer definierter Ausnahmefall eintreten wird?

In der heutigen Zeit setzen hier das maschinelle Lernen und die derzeitig mögliche Iteration der künstlichen Intelligenz an. Durch „selbstlernende“ Algorithmen werden Unmengen an Daten durchforstet und dadurch eine Vorauswahl für Analysen getroffen.

Wie hilft künstliche Intelligenz Unternehmen, besser und effizienter zu werden?

Häufig sind das Gesicht vieler Unternehmensabteilungen zum Endnutzer oder auch zum Kunden hin Service-Management-Plattformen. In diesen Plattformen wird all das verwaltet, was den Kunden (internen oder externen) als Service angeboten werden kann ─ von der Bereitstellung, über die Verrechnung bis hin zur Fehlerbehebung, also der Instandhaltung eines Services.

Eine ureigene Eigenschaft solcher Plattformen wie dem Ivanti Service Manager ist, dass eine Menge Daten logisch und neuronal miteinander verknüpft sind. Die Grundlage einer „Big Data Struktur“ ist somit vorhanden. Es ist also naheliegend, hier den Ansatz des maschinellen Lernens und der künstlichen Intelligenz zu verfolgen.

Self Service, der zum Endanwender kommt

Im Zuge der Digitalisierung ist die Arbeitslast der IT immer größer geworden. So genannte Self Services sollen Abhilfe schaffen. Doch wie gelingt es, der gewünschten Zielgruppe diese Möglichkeiten der Hilfe zur Selbsthilfe anzubieten?

Self-Service-Portale sind hier ein erster Weg. Allerdings ist es eine echte Herausforderung, diese so zu gestalten, dass der Endanwender a) das entsprechende Portal findet/aufruft und b) sich in diesem Portal zurechtfindet.

Die geschicktere Variante sind hier sogenannte Chatbots. Solche Chatbots, beispielsweise der Ivanti Chatbot (siehe Abbildung 1), kommunizieren in natürlicher Sprache mit dem Endanwender, nehmen ihn an die Hand, indem sie die richtigen Fragen stellen und ermitteln am Ende das richtige Serviceangebot und die entsprechenden Bereitstellungsprozesse ─ die sie dann über den Servicekatalog in Verbindung mit Ivanti Automation auch gleich noch anstoßen.

Die IT-Abteilung hat ─ anders als Fußballspieler – nur selten jemanden, der ihr bei der Arbeit zuschaut und sie anfeuert. Die Unterstützung durch den vielbeschworenen „elften Mann“ fehlt. Auf die Unterstützung durch KI sollten Sie deshalb jedoch nicht verzichten. Wie wir alle in Brasilien gesehen haben, kann sie nämlich die entscheidenden Gegentore verhindern und damit darüber entscheiden, ob wir eine weltmeisterliche Leistung abliefern.

Abbildung 1 ─ Ivanti Hub & Chatbot

Geringere Durchlaufzeit von Vorgängen

Aber auch auf der Seite der Datenanalysten kann KI unterstützen. Hier geht es im Wesentlichen darum, aus den riesigen Mengen der zur Verfügung stehenden Daten schnell die relevanten zu identifizieren, dadurch die richtigen Entscheidungen zu treffen, um die richtigen Ressourcen einzubinden und den kürzesten Weg zur Fehlerbehebung wählen zu können. Bei dieser Aufgabe hilft Analysten mittels KI auf Basis der verknüpften Daten der Ivanti Augmented Analyst, indem er blitzschnell aufzeigt, welche Lösungsschritte und Ressourcen bei ähnlichen Themen geholfen haben.

Daten schnell und exakt zu interpretieren, sichert also nicht nur im Sport entscheidende Vorteile. Im Service Management profitieren Endnutzer davon, indem sie möglichst schnell auf die Services zugreifen können, die sie zum produktiven und effizienten Arbeiten benötigen. Und beim Betrieb dieser Services hilft die schnelle Erkenntnisgewinnung aus den laufend erhobenen Datenmengen dabei, eine möglichst geringe Ausfallzeit zu gewährleisten.

Alles andere wäre als Gegentor zu verstehen.