ChatGPT für ServiceNow: Die echten Wege, beide 2026 zu verbinden
Rama Adi
Katelin Teen
Zuletzt bearbeitet September 4, 2026
Es gibt vier ehrliche Wege, ChatGPT-artige KI auf ServiceNow zu bringen, und sie sind nicht austauschbar:
- Natives Now Assist, auf GPT aufgesetzt. Die eigene KI von ServiceNow kann auf OpenAI-Modellen laufen. Es ist der am stärksten integrierte und zugleich teuerste Weg: auf die Prime-Stufe beschränkt, nur auf Angebotsbasis und pro "Assist" abgerechnet.
- Die MCP-Server-Brücke. ServiceNow liefert einen offiziellen MCP-Server, und der Entwicklermodus von ChatGPT ist ein vollständiger MCP-Client, sodass sich beide verbinden lassen. Der Quickstart-Server kann nur lesen und zusammenfassen, und jeder Aufruf kostet seine üblichen Assists plus einen.
- Ein Custom GPT auf der Table API. In der Lizenz am günstigsten, aber OpenAPI-Actions und OAuth baust und pflegst du selbst.
- Eine Slack-first-Schicht davor. Richte eine KI auf dein vorhandenes Wissen und lass sie in Slack oder Teams antworten, sodass Routinefragen abgefangen werden, bevor sie zu einem ServiceNow-Ticket werden. Hier passt eesel hinein, und es ist ehrlich darin, dass es sich nicht in die Now Platform selbst einklinkt.
Wenn dein Ziel tiefe Automatisierung innerhalb von ServiceNow-Datensätzen ist, plane Budget für Now Assist und MCP ein. Wenn dein Ziel schnell weniger Tier-1-Tickets sind, bringt dich eine Wissensschicht in Slack ohne Assist-Zähler dorthin.
Warum "ChatGPT für ServiceNow" eine echte Frage ist
Ich baue beruflich Integrationen und lese deshalb viele "Verbinde X mit Y"-Threads. ServiceNow ist der Fall, in dem die Lücke zwischen Demo und Alltag am größten ist. ServiceNow ITSM ist die marktführende Enterprise-Service-Management-Plattform, und ihr Datenmodell für Incident, Change, Problem und Request ist solide. Niemand in der Community behauptet, sie sei schlecht gebaut. Gestritten wird darüber, was es kostet, sie etwas Neues tun zu lassen, und genau diese Reibung treibt Leute dazu, nach einem Weg zu suchen, ChatGPT daran anzudocken.
Der Impuls ist nachvollziehbar. Dein Team lebt ohnehin in ChatGPT. Es schreibt saubere Zusammenfassungen, entwirft Antworten und denkt über unordentlichen Text nach. Also lautet die Frage: Kann dieselbe Intelligenz einen ServiceNow-Incident lesen, zusammenfassen und vielleicht darauf reagieren? Die Antwort ist ja, auf mehreren Wegen, und die Unterschiede betreffen vor allem Geld, Berechtigungen und den Eigenaufwand.
Eines vorab, weil es viele verwirrt: Die KI von ServiceNow ist nicht an ein einzelnes Modell gebunden. Die ServiceNow AI Platform gibt an, "jedes LLM, von OpenAI und Anthropic oder eigene Modelle" anbinden zu können. "ChatGPT für ServiceNow" kann also bedeuten, dass GPT die native KI von ServiceNow antreibt, oder dass dein ChatGPT von außen in ServiceNow hineingreift. Das sind verschiedene Projekte. Gehen wir alle vier Wege durch.
Weg 1: natives Now Assist, auf GPT aufgesetzt
Das ist die Option, die am meisten "innerhalb von ServiceNow" liegt. Now Assist ist die generative KI-Schicht von ServiceNow, direkt in den ITSM-Workflow eingebettet statt als separater Chatbot aufgesetzt. Es fasst Incidents zusammen, entwirft Antworten, treibt den Virtual Agent an und führt in den höheren Stufen autonome AI Agents aus, die Routineanfragen von Anfang bis Ende lösen. Weil die Plattform modellunabhängig ist, kann GPT die Engine unter diesen Skills sein.
Der Vorteil ist real: Die KI sitzt dort, wo die Arbeit ohnehin stattfindet, mit nativem Zugriff auf deine Datensätze, Workflows und mehr als 20 Jahre deterministische Automatisierung. Wenn du schon tief in ServiceNow steckst, ist das die engste Kopplung, die du bekommen kannst.
Der Haken ist das Preismodell, und der ist groß. ServiceNow hat seine alten Standard-/Pro-/Enterprise-SKUs am 1. Juli 2026 eingestellt, und die ITSM-Preisseite zeigt jetzt drei Pakete, Foundation, Advanced und Prime, mit null Dollarbeträgen, nur einem Button "Get Custom Quote". Die KI, die du wirklich willst, der L1 Service Desk AI Specialist und die AI Agents für ITSM, gibt es nur in Prime. Foundation und Advanced bekommen assistive KI, nicht die autonome Sorte.
Dann gibt es den Assist-Zähler. Jede Now-Assist-Aktion verbraucht "Assists" aus einem verhandelten Kontingent: Eine Incident-Zusammenfassung kostet 1 Assist, ein Virtual-Agent-Thema 10, ein agentischer Workflow je nach Anzahl der Tools 25 bis 150, und die App-Generierung 2.500. ServiceNow hat die Preisliste endlich veröffentlicht, als öffentliches juristisches PDF im Juli 2026, was hilft. Der praktische Eindruck aus der Community ist aber, dass umfangreiche Arbeit das Kontingent schnell leert und Käufer die Ausgaben allein anhand der Seite weiterhin nicht prognostizieren können.
"None of my customers want to use it because licensing model it's too complicated to understand or too expensive and looking to do some way around it even if that means having 2 platforms for the same thing"
Fairerweise: Das ist keine Kritik an der Modellqualität. GPT unter Now Assist denkt gut. Die Reibung entsteht komplett durch Stufen und Abrechnung, eine sehr ServiceNow-typische Reibung.
Weg 2: die MCP-Server-Brücke
Diesen Weg meinen die meisten, wenn sie sagen "ChatGPT mit ServiceNow verbinden". ServiceNow liefert jetzt einen offiziellen MCP-Server, er ist allgemein verfügbar und laut Action-Fabric-Ankündigung "in jedem Now-Assist- und AI-Native-SKU enthalten". Model Context Protocol ist der offene Standard, mit dem ein KI-Client externe Tools aufrufen kann, und der Entwicklermodus von ChatGPT ist ein vollständiger MCP-Client, die beiden sprechen also dieselbe Sprache.
So sieht es aus. Der Quickstart-Server liegt unter einer URL wie https://<instance>.service-now.com/sncapps/mcp-server/mcp/sn_mcp_server_default, authentifiziert sich per OAuth 2.0 und stellt genau vier Tools bereit: Incident-Datensätze nachschlagen, Case-Datensätze nachschlagen, Incident-Zusammenfassung und Case-Zusammenfassung. Die Doku von ServiceNow nennt Claude und Microsoft Copilot als unterstützte Clients; ChatGPT fügt sich genauso ein, denn der Entwicklermodus von ChatGPT "bietet vollständige Model-Context-Protocol-(MCP)-Client-Unterstützung für alle Tools, lesend und schreibend".
Zwei Dinge solltest du verinnerlichen, bevor die Begeisterung durchgeht.
Erstens sind die Quickstart-Tools nur zum Lesen und Zusammenfassen da. Es gibt von Haus aus kein Tool zum Schreiben oder Handeln. ChatGPT kann also einen Incident abrufen und zusammenfassen, aber nicht das Ticket schließen, neu zuweisen oder ein Feld aktualisieren, bis jemand diese Tools baut (ServiceNow unterstützt fünf Tool-Kategorien, von der REST API bis zum Now-Assist-Skill, aber das ist ein Bauprojekt mit eigenen Admin-Rollen).
Zweitens enthalten die Kosten einen stillen Aufschlag. Ein ServiceNow-Mitarbeiter hat es in den MCP-FAQ der Community formuliert: Als Tools über den MCP-Server bereitgestellte Skills "verbrauchen beim Aufruf ihre übliche Anzahl an Assists plus 1 Assist". Dieses pauschale +1 ist bei einem 250-Assist-Skill Rauschen und 100 % Mehrkosten bei einer Incident-Zusammenfassung für 1 Assist. Wenn dein Plan lautet "ChatGPT fasst jede Nacht 500 Incidents zusammen", zahlst du jetzt 1.000 Assists für das, was die native Zusammenfassung für 500 geliefert hätte.
Ein paar weitere Grenzen, damit du den Umfang richtig einschätzt: Der Server unterstützt nur Streamable HTTP und SSE (kein stdio, keine lokalen Server), er braucht ein Now-Assist- oder AI-SKU sowie aktuelle Patch-Stände, und die Doku der MCP Server Console weist darauf hin, dass Daten aus der Instanz in eine zentrale ServiceNow-Umgebung übertragen werden, möglicherweise in eine andere Region oder eine Drittanbieter-Cloud, wobei Eingaben in die Modellentwicklung einfließen, sofern du nicht widersprichst. Für einen regulierten internen IT-Käufer ist diese Zeile zur Datenresidenz ein echter Prüfpunkt, keine Fußnote.
Auf der ChatGPT-Seite sind Schreibaktionen über Custom MCP noch in der Beta und auf die Pläne Business, Enterprise und Edu beschränkt; Pro bekommt nur Lesen/Abrufen, und es gibt es nur im Web. Die ehrliche Leistungsfähigkeit dieses Wegs ist heute für die meisten Teams also: ChatGPT liest und fasst ServiceNow-Datensätze zusammen, gegen einen Aufpreis pro Aufruf. Das ist nützlich für einen Service-Desk-Analysten, der schnell einen Überblick will, und weit entfernt von "die KI führt meine Queue".
Weg 3: ein Custom GPT auf der Table API
Wenn du Now Assist gar nicht lizenzieren willst, kannst du die KI von ServiceNow komplett überspringen und ChatGPT direkt mit der REST-Table-API von ServiceNow sprechen lassen. Du baust ein Custom GPT mit OpenAPI-"Actions", richtest auf der ServiceNow-Seite eine eingehende OAuth-Integration ein, und ChatGPT kann Datensätze abfragen und mit den richtigen Scopes auch aktualisieren.
Das ist der Weg der Bastler, und er hat einen klaren Reiz: kein Assist-Zähler, keine Prime-Stufe, und du kontrollierst genau, welche Tabellen und Felder das GPT berühren darf. Wenn du bereits einen Entwickler hast, der die ACLs von ServiceNow kennt, ist das der günstigste Betrieb.
Der ehrliche Nachteil: Du besitzt alles. Du pflegst das Action-Schema, die Authentifizierung, die Fehlerbehandlung und die Leitplanken. Es gibt keine eingebaute Simulation, die dir sagt, ob das GPT deine echten Tickets gut beantwortet, und ein Custom GPT lebt im ChatGPT einer einzelnen Person, sofern du es nicht über deinen Workspace freigibst. Es gibt hier außerdem ein gesundes Open-Source-Ökosystem, falls du nicht bei null anfangen willst, etwa das MIT-lizenzierte Projekt echelon-ai-labs/servicenow-mcp (Incidents, Change, Katalog, KB, Nutzer, Workflows), zu dem die Community gezielt greift, um die Now-Assist-Lizenzierung zu umgehen.
Für einen Proof of Concept ist dieser Weg großartig. Für einen produktiven Tier-1-Agenten, auf den sich ein ganzes Team verlässt, wird das "Custom GPT eines klugen Ingenieurs" schnell zur Wartungslast, sobald dieser Ingenieur im Urlaub ist.
Weg 4: eine Slack-first-Schicht vor ServiceNow setzen
Jetzt die Umdeutung, denn es gibt einen Weg, den die anderen drei übersehen. Der Hauptgrund, warum Leute "ChatGPT in ServiceNow" wollen, ist Deflection: Die KI soll die wiederkehrenden Tier-1-Fragen beantworten, damit diese Tickets nicht den Tag eines Analysten auffressen. Und ein riesiger Teil dieser Fragen hätte nie ein formales ServiceNow-Ticket werden müssen. Sie begannen als Direktnachricht an die IT in Slack.
Hör dir an, was tatsächlich passiert, wenn Teams das nativ lösen wollen:
"We run ServiceNow for everything, ticketing, CMDB, change management, SLAs. That part is solid and I have no plans to rip it out. But we bought Now Assist expecting it to actually handle the tier 1 stuff that eats our team alive... What we got instead is a slightly smarter virtual agent that still kicks most things to a human. The knowledge base answers are either too generic or flat out wrong. Our people tried it for two weeks, gave up, and went back to DMing us in Slack."
Dieser letzte Satz ist die ganze Chance. Wenn deine Leute ohnehin in Slack fragen, setze eine gute KI in Slack ein und beantworte sie dort. Das ist das Modell hinter eesel: ein KI-Helpdesk-Teammitglied, das mit deinem vorhandenen Wissen trainiert, Confluence, Google Docs, Help Center und frühere Tickets, und Fragen direkt in Slack oder Teams beantwortet. Das Routinegeschäft wird auf der Stelle gelöst, und nur die echten Probleme eskalieren zu einem ServiceNow-Ticket.
Ich möchte beim Kompromiss ehrlich sein, denn er ist das tragende Fundament der Ehrlichkeit dieses ganzen Beitrags. eesel dockt nicht nativ an die Now Platform an. Der einzige native ITSM-Connector ist Jira Service Management, nicht ServiceNow, Freshservice oder Ivanti. eesel greift also nicht in einen ServiceNow-Incident und aktualisiert für dich das Statusfeld. Wenn deine wichtigste Anforderung lautet "der Bot schreibt in ServiceNow-Datensätze zurück", ist Weg 1 oder ein ausgebauter Weg 2 deine Antwort, nicht dieser.
Worin eesel gut ist, ist die Schicht vor dem Ticket: in der Chat-Oberfläche sitzen, in der Mitarbeitende tatsächlich fragen, aus deinem Wissen antworten und das Volumen senken, das überhaupt beim Service Desk landet. Und das ohne Assist-Zähler. eesel hat einen festen Monatspreis, ab 299 $ im Monat für 500 Credits, wobei ein Ticket oder eine Chat-Sitzung unabhängig von der Nachrichtenzahl einen Credit kostet, mit 100 kostenlosen Credits zum Start und ohne Plattform- oder Pro-Platz-Gebühr. Für Tickets, die deine Menschen bearbeiten, wird nie etwas berechnet.
Der andere praktische Unterschied: Du kannst es beweisen, bevor du dich festlegst. Der Simulations-Skill von eesel "spielt deine echten vergangenen Tickets nach und vergleicht seine Antworten mit dem, was dein Team tatsächlich gesendet hat", und liefert dann die konkreten Lücken und Anweisungsänderungen zurück. Das ist das Gegenteil der Erfahrung "zwei Wochen, dann aufgegeben" von oben: Du siehst, wo es auf deinen Daten stark und schwach ist, bevor ein einziger Mitarbeiter es anfasst.
Welchen Weg solltest du also wählen?
So würde ich entscheiden, nachdem ich mehr als einen davon angebunden habe.
| Dein Ziel | Bester Weg | Die echten Kosten |
|---|---|---|
| KI, die innerhalb von ServiceNow-Datensätzen autonom handelt | Weg 1: natives Now Assist (Prime) | Prime-Stufe, nur auf Angebot, Assist-Zähler |
| ChatGPT liest und fasst ServiceNow-Datensätze zusammen | Weg 2: MCP-Server-Brücke | Now-Assist-/AI-SKU + ChatGPT-Business-Platz, +1 Assist pro Aufruf |
| Ein günstiger, kontrollierbarer Proof of Concept | Weg 3: Custom GPT auf der Table API | Geringe Lizenzkosten, hohe Kosten für Bau und Pflege |
| Schnell weniger Tier-1-Tickets, in Slack/Teams | Weg 4: eine Wissensschicht davor | Ab 299 $/Monat (500 Credits), kein Assist-Zähler, kein natives SN-Zurückschreiben |
Der Fehler, den ich am häufigsten sehe: Man behandelt das als eine einzige technische Entscheidung, obwohl es zwei getrennte Aufgaben sind. "Arbeit tief in ServiceNow automatisieren" und "verhindern, dass Tier-1-Fragen zu Tickets werden" sind verschiedene Probleme, und die beste Antwort auf das erste ist selten die beste Antwort auf das zweite. Viele Teams betreiben am Ende beides: Now Assist und MCP für die Automatisierung auf der Plattform, die ihre Analysten brauchen, und eine Slack-first-Deflection-Schicht für die Flut einfacher Fragen, die nie in der Queue hätten landen sollen.
Egal, wofür du dich entscheidest: Prüfe vor jeder Unterschrift die Gesamtkosten der KI, nicht den Listenpreis der Plattform. ServiceNow ist berüchtigt teuer in der Erweiterung, und die KI-Add-ons sind genau dort, wo der Zähler am schnellsten läuft.
"Another area for improvement is pricing. ITSM platforms can become expensive as the organization grows, especially when adding more users, advanced modules, integrations, automation, or AI capabilities."
eesel als Tier-1-Schicht ausprobieren
Wenn du "ChatGPT für ServiceNow" gesucht hast, weil Routinefragen deinen Service Desk begraben, ist das genau das Problem, für das eesel gebaut wurde. Es funktioniert wie ein neuer Kollege, der deinem Slack oder Teams beitritt, am ersten Tag dein Help Center und deine Dokumente lernt und anfängt, die einfachen Fragen zu beantworten, damit sie nie zu ServiceNow-Tickets werden.
Die ehrliche Einordnung: eesel schreibt nicht in ServiceNow-Datensätze, ergänzt also einen ServiceNow-Betrieb, statt die Now Platform zu ersetzen. Du kannst es aber in der Simulation gegen deine echten vergangenen Tickets laufen lassen, die Deflection sehen, die du tatsächlich erreichen würdest, und es erst ausrollen, wenn du sicher bist, und das alles, bevor du einen Cent ausgibst. Es ist kostenlos testbar, in Minuten live und wird als fester Monatsplan ohne Assist-Zähler verkauft, den du prognostizieren müsstest.