Wie Sie Ihren First Level Support durch Automatisierung verbessern
Ein gut funktionierender First Level Support ist nötig, damit der Second und Third Level Support effektiv arbeiten können – er trägt damit direkt zu einem stabilen Systembetrieb bei. In diesem Blogbeitrag möchte ich Ihnen deswegen aufzeigen, wie Sie Ihren First Level Support durch maschinelles Lernen und Automatisierung verbessern können.
Der First Level Support ist das Gesicht der IT gegenüber dem Anwender und somit das Herzstück des IT Service Managements. Dabei werden dem First Level Support verschiedenartige Aufgaben zuteil, wie etwa die Kommunikation mit dem Anwender, die Erstanalyse von Störungen, sowie deren Kategorisierung und Priorisierung.
Persönliche Betreuung ist das A und O
Wie in vielen anderen Unternehmensbereichen, herrscht auch im Bereich des First Level Supports ein hoher Kostendruck vor. Das führt dazu, dass der Service Desk vieler Unternehmen schmal besetzt ist und lange Wartezeiten für Anwender bei Störungsmeldungen an der Tagesordnung stehen.
Auch die Mitarbeiter sind damit zunehmend gestresst und haben weniger Zeit, die Bedürfnisse des Anwenders zu verstehen. Nutzer von IT-Services sind schließlich Menschen, die nicht nur eine funktionierende IT vorfinden, sondern auch auf der emotionalen Ebene von den Mitarbeitern der IT ernst genommen werden wollen.
Je mehr Anwender ein Mitarbeiter des Service-Telefons statistisch betreut, desto seltener gelingt es, dass der Anwender das Gefühl hat, dass sich wirklich jemand um seine Probleme kümmert. Das führt im Umkehrschluss auch dazu, dass das Ansehen der IT bei den Anwendern sinkt.
Kostendruck verringert Service-Qualität
Darüber hinaus wird immer häufiger bei den Gehältern der Mitarbeiter des First Level Supports gespart, was mit einer Verringerung der Service-Qualität einhergeht, weil zunehmend Mitarbeiter ohne technisches Hintergrundwissen im Einsatz sind. Das hat jedoch verheerende Folgen für den Systembetrieb, weil z. B. Störungen aufgegeben werden, in deren Beschreibung nicht sämtliche Details beim Anwender erfragt wurden, die zur Lösung benötigt werden.
Hinzu kommt, dass Tickets falschen Gruppen zugewiesen werden oder Incidents falsch priorisiert werden. All das hat zur Folge, dass sich die durchschnittliche Lösungszeit von Störungen verlängert und sich damit die Service-Qualität verringert. Das hat wiederum negative Folgen für das gesamte Unternehmen, weil hierdurch Geschäftsprozesse behindert werden.
Automatisierung als Lösungsansatz
Viele Unternehmen suchen nach einer Lösung für diese Herausforderungen. Immer dann, wenn menschliche Arbeitskraft zu teuer ist, kommt vielen Menschen sofort das Stichwort „Automatisierung“ in den Sinn. Automatisierung ist auch aus unserer Sicht der richtige Weg, um die Qualität des First Level Supports zu verbessern, da dessen Aufgaben häufig repetitiv sind.
Arbeitskraft sinnvoll einsetzen, Monotonie automatisieren
Der Einsatz menschlicher Arbeitskraft für immer gleiche Aufgaben ist geradezu eine Verschwendung von Talent und birgt ein hohes Risiko für Fehler in sich. Durch Automatisierung werden Menschen von monotonen Aufgaben befreit und können sich auf das konzentrieren, was wirklich unersetzbar ist, z. B. die Entwicklung neuer, kreativer Lösungen.
Mehr Zeit für das direkte Gespräch durch automatische Erstellung und Zuweisung von Incidents
Im Fall des First Level Supports bedeutet das z. B., dass die Incidents automatisch erstellt werden und den richtigen Gruppen zugewiesen werden, anstatt dass dies vom Service Desk erledigt wird. Stattdessen können sich Mitarbeiter des First Level Supports mehr Zeit für das direkte Gespräch mit dem Anwender nehmen, dessen Probleme besser verstehen und damit den Second Level Support mit hochwertigeren Informationen versorgen. Damit werden nicht nur Störungen schneller behoben, sondern auch die Akzeptanz der IT aus Sicht der Anwender erhöht, weil diese das Gefühl bekommen, dass sich der First Level Support wirklich für ihre Probleme interessiert.
NLP als Bindeglied zwischen Mensch und Computer
Wie könnte eine technische Umsetzung einer solchen Automatisierung aussehen? Die Herausforderung besteht hierbei ganz eindeutig darin, dass die Beschreibung von Störungen in menschlicher Sprache erfolgt. Diese Art der Informationsquelle ist jedoch für Computer schwer zu verstehen, schließlich gibt es viele verschiedene Arten ein und denselben Sachverhalt in unserer Sprache zu erklären, während Computer auf binärer Logik basieren.
Damit auch Computer die menschliche Sprache verstehen können, wurde Natural Language Processing (NLP) entwickelt. NLP macht es möglich, dass natürlichsprachliche Sätze verarbeitet werden können, indem bspw. Schlüsselwörter extrahiert oder Kausalitäten erkannt werden.
Vorbild Apple, Google, Amazon und Co.
Der Einsatz von NLP ist mittlerweile allgegenwärtig und wir nutzen sie alltäglich. Die prominentesten Beispiele dafür sind wohl die Sprachassistenten von Apple, Google und Amazon, die sich einer steigenden Beliebtheit erfreuen. Wurden diese Projekte zu Anfang noch belächelt, zweifelt heute niemand mehr daran, dass auch Computer in der Lage dazu sind, die menschliche Sprache zu verstehen.
Vorsprung durch die Macht der Daten
Der rasante Aufstieg dieser Technologie zu einem nicht mehr wegzudenkenden Alltagshelfer liegt vor allem an der Macht der Daten. Google, Amazon und Apple wussten, dass ihr zeitlicher Vorsprung am Markt zu einem entscheidenden Wettbewerbsvorteil werden würde. Durch die frühe Veröffentlichung ihrer Sprachassistenten waren sie in der Lage dazu, ungeheure Datenmengen abzugreifen, mit denen sie die Qualität ihrer Produkte massiv verbessern konnten.
Das Funktionsprinzip maschinellen Lernens, das auch im Kontext von NLP zum Einsatz kommt, ist bekannt und bringt nicht den entscheidenden Vorteil. Der Schlüssel zum Erfolg sind die Daten. Um diese zu generieren war ein früher Go-Live nötig, der den Grundstein für den heutigen Erfolg der Tech-Giganten gelegt hat.
Was können wir daraus für die Anwendung von NLP und Künstlicher Intelligenz im Bereich des IT Service Managements lernen? Angst ist niemals ein guter Ratgeber. Neue Technologien bringen immer Risiken mit sich – doch dafür sind auch die Chancen immens. Die Automatisierung des First Level Supports funktioniert nur, wenn Sie über eine umfangreiche Datenbasis verfügen. Diese lässt sich nur dadurch schaffen, indem der Weg des intelligenten IT Service Managements auf das Risiko anfänglicher Rückschläge hin beschritten und kontinuierlich an dessen Verbesserung gearbeitet wird.
So schaffen Sie den Einstieg
Als Einstieg in das Thema können Sie nach einem klaren Plan mit einem Berater sprechen und sich Stück für Stück in diese Richtung aufstellen. Im ersten Schritt müssen Sie in Zusammenarbeit mit dem Berater Klarheit darüber gewinnen, auf welche Art und Weise IT-Systeme zukünftig Aufgaben des First Level Supports automatisieren sollen. An diesem Punkt stellen Sie die Weichen für alle weiteren Schritte.
Im zweiten Schritt wird analysiert, welche Daten benötigt werden, um die gewünschte Funktionalität zu erreichen.
Im dritten Schritt entwickeln Sie schließlich das eigentliche System, um Daten zu erheben und ebendieses System mit den generierten Daten kontinuierlich zu verbessern. Dabei müssen Sie dann auch auf die individuellen Eigenheiten Ihres Unternehmens eingehen (bspw. Eigennamen oder Umgangssprache innerhalb des Unternehmens).
Es ist wichtig zu betonen, dass es bei der Entwicklung intelligenter Systeme keine Abkürzungen gibt. Es gibt auch keine Out-Of-The-Box- oder All-In-One-Lösungen, auch wenn dies fälschlicherweise immer wieder behauptet wird.
Ihre Herausforderung: Kundennutzen verstehen und fokussieren
Die Herausforderung beim Einsatz von Künstlicher Intelligenz und maschinellem Lernen besteht darin, die Systeme so zu entwerfen, dass sie auf den Kundennutzen exakt abgestimmt sind. Dafür ist nicht nur eine profunde Kenntnis der Berater im Bereich Data Science notwendig, sondern auch die Fähigkeit, das Einsatzgebiet des Kunden zu verstehen und sich auf seine höchst individuellen Unternehmensstrukturen einzulassen.
Verwandte Beiträge
