KI im IT-Servicedesk – neue Rollen für Mensch und Maschine

 

Künstliche Intelligenz (KI) verändert nicht nur Abläufe im IT-Servicedesk, sondern ganze Rollenbilder. Im Zentrum stehen zwei Entwicklungen: Zum einen verlagert sich menschliche Arbeit „stromaufwärts“ hin zu höherwertigen, analytischen und gestaltenden Tätigkeiten. Zum anderen entstehen hybride Teams aus Menschen und KI-Systemen, in denen virtuelle Agenten den Erstkontakt übernehmen und menschliche Fachkräfte sich auf komplexe, emotionale und risikoreiche Fälle konzentrieren. Entscheidend für den Erfolg der Transformation ist, KI als strategischen Hebel zu verstehen, der Automatisierung, Wissensmanagement, Governance und neue Berufsprofile miteinander verbindet.

Wo KI im Servicedesk menschliche Arbeit reduziert

KI entlastet menschliche Agenten vor allem bei repetitiven, standardisierbaren Aufgaben im First-Level-Support (L1), wodurch die Zahl einfacher Interaktionen pro Agenten sinkt und die Bearbeitungszeit für verbleibende Tickets abnimmt. In gut gestalteten Anwendungsfällen können virtuelle Agenten und Chatbots 60 bis 90 Prozent der Standardanfragen vollständig im Self-Service-Kanal lösen, ohne dass ein Ticket erstellt wird. Das zahlt sich aus, denn eine Anfrage an den Bot ist in der Regel weniger als halb so teuer wie an einen Menschen.

Hinzu kommt die automatisierte Klassifizierung, Priorisierung und das Routing eingehender Tickets auf Basis des Inhalts, wodurch manuelle Dateneingaben, Fehlzuordnungen und nachträgliche Korrekturen weitgehend entfallen. Parallel dazu unterstützen KI-Agenten die menschlichen Agenten mit passenden Wissensartikeln, nächsten sinnvollen Schritten und Zusammenfassungen ähnlicher Vorfälle, was Suchzeiten verkürzt und unnötige Eskalationen reduziert.

Menschliche Aufgaben: Was bleibt?

Während die First-Level-Last durch Automatisierung abnimmt, wandert menschliche Arbeit stromaufwärts in Richtung Betrieb, Gestaltung und Qualitätssicherung der KI-Systeme. Zentrale Aufgaben sind KI-Operationen und die Kalibrierung: Systemprompts, Dialogflüsse und Leitplanken müssen so gestaltet werden, dass Bots fachlich korrekt, konsistent und markenkonform agieren. Gleichzeitig werden Vertrauensschwellen, Übergabepunkte an Menschen und Modellanpassungen laufend optimiert, um Fehllösungen und Halluzinationen zu vermeiden.

Anforderungen an Backend-Systeme

Damit der AI-First-Servicedesk performant arbeiten kann, rückt Wissensmanagement in den Vordergrund: Inhalte müssen kuratiert, strukturiert, mit Metadaten versehen und in Form „atomarer“ Prozeduren modelliert werden, die für KI leicht konsumierbar und versionssicher pflegbar sind. Zudem wächst der Bedarf an Qualitätssicherung und Governance, denn KI-Antworten werden stichprobenartig geprüft, Feedback-Schleifen etabliert und klare Eskalationsregeln definiert, während Datenschutz, Zugriffskontrolle und Erklärbarkeit gewährleistet bleiben.

 

 

Menschliche Aufgaben werden komplexer

Bei Kunden von uns war die Folge der Entwicklung zum KI-Servicedesk eindeutig: Tickets, die bei menschlichen Agenten landen, sind tendenziell komplexer, multisystemisch oder geschäftskritisch und betreffen häufig mehrdeutige oder emotional aufgeladene Situationen wie Datenverlust oder Compliance-Verstöße. Für deren Bearbeitung braucht es vertiefte technische Diagnosefähigkeiten, Verständnis für geschäftliche Auswirkungen und ausgeprägte Kommunikationskompetenzen – also genau jene Profile, die sich aus dem klassischen First-Level-Support (L1) zunehmend in Richtung spezialisierter, kontextstarker Incident-Bearbeitung entwickeln.

Hybride Teams aus Mensch und KI

Mit steigender Automatisierung verändert sich nicht nur die Gewichtung der Aufgaben, sondern auch die Struktur der Teams. In komplexen Fällen, die bei menschlichen Agenten ankommen, agieren KI-Systeme als Wissens- und Analyseverstärker, indem sie wahrscheinlichste Ursachen, passende Lösungswege und relevante Vorfälle der Vergangenheit unmittelbar einblenden und die Zeit bis zur Erstlösung verkürzen. Parallel dazu führt intelligentes Routing dazu, dass Tickets bei der richtigen Resolver-Gruppe mit angemessener Priorität landen, was unnötige Weiterleitungen und Wartezeiten reduziert und damit indirekt die Erstkontaktlösung verbessert.

Die klassische First-Level-Rolle der menschlichen Agenten wandelt sich zu „KI-erweiterten Spezialisten“, die sich auf komplexe, emotionale und risikoreiche Fälle konzentrieren. Erfahrene Agenten treten daneben als Wissens- und KI-Coaches auf, die Inhalte schärfen, Prompts verfeinern und Automatisierungen aus der Praxis heraus weiterentwickeln. Darüber hinaus entstehen neue Funktionen wie KI-Product-Owner, AI Engineer, Knowledge Engineer oder Data Analyst, die das KI-Betriebsmodell gestalten, Kennzahlen verantworten und Innovationen im Zusammenspiel von Mensch und Maschine vorantreiben.

AI-First-Servicedesk – mehr als nur Rationalisierung

In ausgereiften KI-Servicedesk-Umgebungen ist ein Niveau erreichbar, in dem viele Standardszenarien automatisiert gelöst werden und die Erstlösungsrate für die durch Menschen bearbeiteten Tickets deutlich steigt. Voraussetzung ist, dass das zugrunde liegende Wissens- und Teamdesign konsequent auf Integration und Transparenz ausgelegt ist.

Zudem dient KI im Servicedesk als Katalysator für eine neue strategische Ausrichtung in hybriden Teams: Bots liefern Tempo, Skalierbarkeit und Konsistenz, während menschliche Fachkräfte Urteilsvermögen, Empathie, Kontextwissen und Governance beisteuern. IT-Verantwortliche, die diese Rollenverschiebung aktiv gestalten, in Wissens- und KI-Kompetenzen investieren und eine klare Governance etablieren, entwickeln ihren Servicedesk von einer reaktiven Supportfunktion zu einem proaktiven, strategischen Enabler der gesamten Organisation.

Hier finden Sie einen anderen Artikel von Metrics zur Optimierung von IT-Servicedesks mit KI.