Ein praktischer Leitfaden für Atlassian Intelligence AI-Automatisierungsregeln

Es scheint, als würde heutzutage jedes Tool, das wir nutzen, ein KI-Upgrade erhalten – und unsere Projektmanagement-Plattformen sind da keine Ausnahme. KI taucht überall auf und verspricht, die mühsamen Aufgaben zu erledigen, die uns ausbremsen. Atlassian ist natürlich mit Atlassian Intelligence auf den Zug aufgesprungen, einer Reihe von Funktionen, die in seine Cloud-Produkte integriert sind. Einer der interessantesten Tricks ist die Fähigkeit, Automatisierungsregeln mit einfacher, natürlicher Sprache zu erstellen.

Anstatt sich mit komplexen Menüs und Dropdown-Listen herumzuschlagen, können Sie Jira oder Confluence einfach sagen, was passieren soll, und das System erstellt den Workflow für Sie. Klingt ziemlich gut, oder? Aber wie gut funktioniert das in der Praxis wirklich? Dieser Leitfaden gibt Ihnen einen praktischen Einblick in die KI-Automatisierungsregeln von Atlassian Intelligence und beleuchtet, was sie können, wo sie an ihre Grenzen stoßen und wie sie im Vergleich zu spezialisierteren KI-Automatisierungsplattformen abschneiden.

Was sind die KI-Automatisierungsregeln von Atlassian Intelligence?

Was ist also die große Idee dahinter? Stellen Sie sich die KI-Automatisierungsregeln von Atlassian Intelligence als einfache „Wenn dies, dann das“-Workflows vor, die Sie erstellen, indem Sie einfach einen Satz schreiben. Sie beschreiben die gewünschte Regel in einfachem Englisch, und die KI übersetzt Ihre Beschreibung in eine funktionale Automatisierung, die Sie überprüfen und aktivieren können. Diese Funktion ist direkt in die Cloud-Suite von Atlassian integriert, sodass Sie sie in Produkten wie Jira, Jira Service Management und Confluence finden.

Das Hauptziel ist es, die Automatisierung für jeden zugänglicher zu machen, nicht nur für technisch versierte Personen. Sie müssen kein Jira-Administrator oder Power-User sein, um loszulegen. Wenn Sie einen Prozess in einem Satz beschreiben können, können Sie ihn wahrscheinlich auch automatisieren. Es ist ein praktisches Werkzeug für Teams, die wiederkehrende Aufgaben ohne steile Lernkurve rationalisieren möchten.

Hauptmerkmale und Anwendungsfälle für die KI-Automatisierungsregeln von Atlassian Intelligence

Was können Sie mit diesen KI-gestützten Regeln eigentlich tun? Lassen Sie uns einige gängige Szenarien betrachten, die im Atlassian-Ökosystem auftreten können.

KI-Automatisierungsregeln von Atlassian Intelligence in Jira und Jira Service Management

In jeder Projektmanagement- oder Support-Umgebung kann das Einsparen einiger manueller Schritte bei jedem Ticket über eine Woche oder einen Monat hinweg überraschend viel Zeit sparen.

Automatisches Sortieren und Weiterleiten von Tickets

Ein neues Ticket an die richtige Person weiterzuleiten, kann sich wie die halbe Miete anfühlen. Sie können Regeln einrichten, um dies automatisch zu erledigen, basierend auf dem Inhalt des Tickets. Zum Beispiel könnten Sie eingeben: „Wenn ein Bug mit hoher Priorität erstellt wird, weise ihn dem diensthabenden Techniker zu.“ Die KI erstellt dann eine Regel, die immer dann ausgelöst wird, wenn ein neues Ticket vom Typ „Bug“ und mit der Priorität „Hoch“ erscheint, und weist es der richtigen Person zu, ohne dass jemand einen Finger rühren muss.

SLAs im Auge behalten

Um Ihrem Team zu helfen, Service-Level-Agreements einzuhalten, können Sie eine Regel erstellen wie: „Wenn ein Vorgang das SLA ‚Zeit bis zur Lösung‘ verletzt, ändere seinen Status auf Eskaliert.“ Dies stellt sicher, dass kritische Tickets sofort die nötige Aufmerksamkeit erhalten, anstatt darauf zu warten, dass jemand die Warteschlange manuell überprüft.

Agenten helfen, schneller zu arbeiten

Obwohl es sich nicht um eine direkte Automatisierungsregel im Sinne von „wenn/dann“ handelt, verfügt Atlassian Intelligence auch über Funktionen, die Agenten helfen, ihre Arbeit schneller zu erledigen. Es kann lange, komplizierte Ticket-Verläufe zusammenfassen in wenigen Kernpunkten oder sogar Vorschläge machen, wie der Ton einer Kundenantwort angepasst werden kann, um empathischer zu klingen. All das ist Teil desselben Toolkits, das darauf abzielt, den Arbeitsalltag ein wenig reibungsloser zu gestalten.

Es ist wichtig, hier eine wesentliche Einschränkung zu erwähnen: Diese Automatisierungen funktionieren hauptsächlich mit Standard-Systemfeldern. Atlassian hat erwähnt, dass natürlichsprachliche Eingabeaufforderungen benutzerdefinierte Felder noch nicht unterstützen, was ein K.o.-Kriterium sein könnte, wenn Ihre Arbeitsabläufe stark von benutzerdefinierten Daten abhängen, die Sie eingerichtet haben.

KI-Automatisierungsregeln von Atlassian Intelligence in Confluence

Für Teams, die praktisch in Confluence leben, kann die KI-Automatisierung helfen, den ständigen Informationsfluss zu bewältigen und zu verhindern, dass die Dokumentation aus dem Ruder läuft.

Verwaltung Ihrer Inhalte

Sie können verhindern, dass Ihre Wissensdatenbank zu einer digitalen Müllhalde wird, indem Sie eine Regel einrichten, die „Seiten archiviert, die seit sechs Monaten nicht aktualisiert wurden, und den Autor per E-Mail benachrichtigt.“ Dies ist eine einfache Möglichkeit, um zu verhindern, dass Ihre Bereiche mit veralteten Informationen überladen werden, die die Leute verwirren könnten.

Automatisches Teilen von Wissen

Sie können auch die Kommunikation für wichtige Updates automatisieren. Zum Beispiel könnten Sie eine Regel erstellen wie: „Wenn eine neue Seite mit der Vorlage ‚Besprechungsnotizen‘ veröffentlicht wird, erstelle eine Zusammenfassung und sende sie per E-Mail an die Projektleiter.“ Dies hält alle auf dem Laufenden, ohne jemandem eine weitere manuelle Aufgabe aufzubürden.

Dokumente mit Aufgaben verbinden

Verwandeln Sie Ihre Dokumentation direkt in einen Aktionsplan. Eine einfache Anweisung wie „finde alle nicht abgehakten Aktionselemente auf dieser Seite und erstelle für jedes eine neue Aufgabe im Jira-Projekt ‚PROJ‘“ kann die Lücke zwischen der Planung in Confluence und der Ausführung der Arbeit in Jira schließen.

Diese Funktionen sind wirklich nützlich für Teams, die vollständig auf die Atlassian-Suite setzen. Ihr Wert sinkt jedoch, wenn das Wissen Ihres Unternehmens auf andere Plattformen wie Google Docs oder Notion verteilt ist, da die KI keine dieser externen Informationen sehen oder darauf reagieren kann.

Wo die KI-Automatisierungsregeln von Atlassian Intelligence an ihre Grenzen stoßen

Obwohl die natürlichsprachliche Benutzeroberfläche ein großartiger Ausgangspunkt ist, zeigen sich bei genauerem Hinsehen einige praktische Einschränkungen, die für Teams mit komplexeren Anforderungen zu Hindernissen werden könnten.

• Begrenzte Aktionen und Auslöser: Die KI kann keine Regeln für einige der leistungsstärksten Automatisierungskomponenten generieren. Sie können sie nicht verwenden, um Regeln zu erstellen, die Web-Anfragen an externe Dienste senden, einen eingehenden Webhook als Auslöser verwenden oder sogar einfache Aktionen wie das Löschen eines Vorgangs durchführen. Dies erschwert den Aufbau von Workflows, die mit anderen wichtigen Geschäftssystemen kommunizieren müssen.

• Ein geschlossenes Ökosystem: Atlassian Intelligence ist so konzipiert, dass es ausschließlich innerhalb des Atlassian-Ökosystems arbeitet. Es ist wie ein hilfsbereiter Assistent, der das Gebäude nie verlassen durfte. Es kann nicht auf Daten in Ihren externen Wissensdatenbanken, Ihrem CRM oder Ihren E-Commerce-Plattformen zugreifen oder daraus lernen. Wenn Sie eine KI benötigen, die eine Frage basierend auf einem Google Doc oder einem früheren Gespräch in Zendesk beantworten kann, haben Sie Pech.

• Keine Möglichkeit zum Testen oder Prognostizieren: Sie können die Struktur einer Regel vor der Aktivierung in der Vorschau anzeigen, aber Sie können keine Simulation mit Ihren historischen Daten durchführen. Das bedeutet, es gibt keine Möglichkeit zu wissen, wie eine Automatisierung in der Praxis tatsächlich funktionieren wird, oder ihre Auswirkungen auf Ihre Lösungszeiten und Kosten vorherzusagen. In Umgebungen mit hohem Einsatz ist die Bereitstellung von Automatisierungen ohne diese Art von Einblick ein ziemlich großes Risiko.

• Nicht viel Anpassung: Die Einfachheit der natürlichsprachlichen Eingabe geht auf Kosten der Kontrolle. Sie können die Persönlichkeit der KI nicht feinabstimmen, einen bestimmten Tonfall definieren oder ihr benutzerdefinierte Fähigkeiten geben, wie z. B. den Status einer Bestellung in Shopify nachzuschlagen. Es ist ein Einheitsansatz, der möglicherweise nicht zu Ihrer spezifischen Marke oder Ihren betrieblichen Anforderungen passt.

Preise für die KI-Automatisierungsregeln von Atlassian Intelligence

Was kostet das Ganze also? Atlassian Intelligence wird nicht als separates Produkt verkauft. Stattdessen sind seine Funktionen in die Standard-, Premium- und Enterprise-Pläne für Atlassian Cloud-Produkte integriert. Das bedeutet, wenn Sie bereits einen kostenpflichtigen Plan haben, haben Sie wahrscheinlich Zugang zu diesen KI-Funktionen.

Hier ist ein Beispiel für die Preise von Jira Software. Beachten Sie, dass sich die Preise ändern können, daher ist es immer eine gute Idee, die offizielle Atlassian-Preisseite für die neuesten Zahlen zu überprüfen.

Plan	Preis (pro Benutzer/Monat, jährliche Abrechnung)	Zugriff auf wichtige KI-Funktionen
Free	0 $	Keine Atlassian Intelligence-Funktionen
Standard	6,25 $	Atlassian Intelligence-Funktionen enthalten
Premium	16,00 $	Atlassian Intelligence-Funktionen enthalten
Enterprise	Vertrieb kontaktieren	Atlassian Intelligence-Funktionen enthalten

Eine leistungsstärkere Alternative zu den KI-Automatisierungsregeln von Atlassian Intelligence: Wissen mit eesel AI vereinheitlichen

Dies ist normalerweise der Punkt, an dem Teams nach etwas mit mehr Leistung suchen. Wenn die Einschränkungen eines integrierten Tools zum Hindernis werden, benötigen Sie eine dedizierte KI-Plattform, die mehr Leistung und Flexibilität bietet. Hier kommt eine Lösung wie eesel AI ins Spiel, die speziell entwickelt wurde, um die Herausforderungen von isoliertem Wissen und starrer Automatisierung zu überwinden.

Über das Atlassian-Ökosystem hinausgehen

Im Gegensatz zur nativen KI von Atlassian verbindet sich eesel AI mit dem gesamten Wissen Ihres Unternehmens, egal wo es sich befindet. Es kann aus Dokumenten in Confluence, Google Docs und Notion sowie aus vergangenen Tickets von Helpdesks wie Zendesk oder Jira Service Management lernen. Dadurch erhält die KI ein vollständiges Bild Ihres Unternehmens und kann weitaus genauere und hilfreichere Lösungen anbieten.

Diese Infografik zeigt, wie eesel AI Wissen aus verschiedenen Plattformen zusammenführt und so die Einschränkungen der auf ein einziges Ökosystem beschränkten KI-Automatisierungsregeln von Atlassian Intelligence überwindet.

Die Kontrolle übernehmen mit einer anpassbaren Workflow-Engine

Der KI-Agent von eesel AI befreit sich von den Aktionsbeschränkungen integrierter Tools. Er unterstützt benutzerdefinierte API-Aufrufe, was bedeutet, dass Ihre KI Echtzeit-Aktionen durchführen kann, wie das Nachschlagen von Bestellinformationen in Shopify oder das Aktualisieren eines Kundendatensatzes in einem externen CRM. Sie erhalten auch die volle Kontrolle über den Ton, die Persönlichkeit und die genauen Ticketarten, die die KI bearbeiten soll, sodass sie sich immer wie eine natürliche Erweiterung Ihres Teams anfühlt.

Dieses Bild zeigt die eesel AI-Oberfläche zum Einrichten benutzerdefinierter Regeln und Leitplanken, ein entscheidender Vorteil gegenüber den weniger flexiblen KI-Automatisierungsregeln von Atlassian Intelligence.

Mit Zuversicht testen durch Simulation

Bevor Sie eine Automatisierung auf Live-Kundeninteraktionen loslassen, müssen Sie wissen, dass sie tatsächlich funktioniert. eesel AI ermöglicht es Ihnen, eine Simulation mit Tausenden Ihrer vergangenen Support-Tickets in einer sicheren Umgebung durchzuführen. Dies gibt Ihnen eine klare und genaue Prognose Ihrer potenziellen Automatisierungsrate, Kosteneinsparungen und des gesamten ROI. Sie können neue Workflows ohne Rätselraten erstellen und bereitstellen.

Dieser Screenshot des eesel AI-Simulations-Dashboards hebt eine Funktion hervor, die den KI-Automatisierungsregeln von Atlassian Intelligence fehlt, und zeigt die vorhergesagte Automatisierungsleistung.

In Minuten statt Monaten loslegen

Der Einstieg in leistungsstarke KI sollte kein massives Implementierungsprojekt erfordern. eesel AI ist eine echte Self-Service-Plattform. Sie können Ihren Helpdesk oder andere Tools mit einem einzigen Klick verbinden und Ihren ersten KI-Agenten in nur wenigen Minuten starten, ohne einen Verkaufsanruf buchen oder auf einen langwierigen Onboarding-Prozess warten zu müssen.

KI-Automatisierungsregeln von Atlassian Intelligence: Einfach anfangen oder auf Leistung setzen?

Also, wie lautet das Urteil über die KI-Automatisierungsregeln von Atlassian Intelligence? Es hängt wirklich davon ab, was Sie brauchen.

Wenn Ihr Team bereits tief im Atlassian-Ökosystem verwurzelt ist und Sie nur einfache, interne Aufgaben automatisieren möchten, ist es ein großartiger Einstieg. Es senkt die Einstiegshürde und macht die Erstellung einfacher Workflows für jeden zugänglich, was ein großer Gewinn ist.

Sobald Ihre Anforderungen jedoch wachsen, werden die Einschränkungen deutlich. Es ist auf das geschlossene Atlassian-System beschränkt, kann keine Verbindung zu externen Systemen herstellen und es fehlt ein robustes Framework für Tests und Simulationen. Für Teams, die Wissen aus mehreren Quellen zusammenführen, Aktionen in anderen Apps ausführen und Automatisierungen mit Zuversicht bereitstellen müssen, ist eine spezialisiertere Plattform der richtige Weg. Ein Tool wie eesel AI bietet die Leistung, Flexibilität und Kontrolle, die erforderlich sind, um Ihre Support- und IT-Workflows von Grund auf zu transformieren.

Bereit zu sehen, was ein wirklich vernetzter und anpassbarer KI-Agent leisten kann? Melden Sie sich kostenlos für eesel AI an und erstellen Sie Ihren ersten Agenten in wenigen Minuten.