Ein vollständiger Leitfaden: Wie ServiceNow KI und maschinelles Lernen einsetzt

ServiceNow hat den Ruf, ein Gigant für Großunternehmen zu sein – die Art von Plattform, die riesige Organisationen nutzen, um zu verhindern, dass ihre IT-, HR- und Kundenservice-Abläufe im Chaos versinken. Daher ist es nur logisch, dass sie massiv in künstliche Intelligenz (KI) und maschinelles Lernen (ML) investiert haben, um ihre Plattform noch intelligenter zu machen.

Aber wie sieht das für die Menschen aus, die es täglich nutzen? Wie setzt ServiceNow KI und maschinelles Lernen so ein, dass es tatsächlich hilft?

In diesem Leitfaden durchbrechen wir das Marketing-Jargon, um uns die Kern-KI-Engines von ServiceNow anzusehen, zu erfahren, wie sie in der Praxis eingesetzt werden, und darüber zu sprechen, was es wirklich braucht, um loszulegen – von der Einrichtung bis zum Preisschock. Wir werden auch die Grenzen der Plattform beleuchten und untersuchen, warum eine agilere KI-Lösung sinnvoller sein könnte, wenn Sie nicht auf der Suche nach einem mehrjährigen, von Beratern gesteuerten Kopfschmerz sind.

Was ist ServiceNow?

Im Kern ist ServiceNow eine Cloud-Plattform zur Verwaltung und Automatisierung von Geschäftsprozessen. Angefangen hat alles im Bereich IT-Service-Management (ITSM), aber inzwischen deckt es alles von HR bis zur Sicherheit ab. Die Grundidee ist, Unternehmen ein einziges System zu bieten, um Arbeitsabläufe abteilungsübergreifend zu verbinden und diese frustrierenden internen Silos endlich aufzubrechen.

Wie man es von einer so großen Plattform erwartet, hat ServiceNow KI und maschinelles Lernen schon seit einiger Zeit in seine Produkte integriert. Das Ziel ist es, über einfache Automatisierung hinauszugehen und intelligente Funktionen hinzuzufügen, die Teams helfen, mehr zu erledigen.

Die Kern-KI-Engines von ServiceNow

Wenn man hinter die Schlagworte blickt, wird die KI von ServiceNow von zwei Haupt-Engines angetrieben: Predictive Intelligence, seine klassische Machine-Learning-Grundlage, und Now Assist, sein neueres Spielzeug für generative KI. Diese beiden arbeiten Hand in Hand, um die meisten der „intelligenten“ Funktionen auf der Plattform zu betreiben.

Predictive Intelligence: Die Grundlage des maschinellen Lernens

Predictive Intelligence ist ServiceNows klassisches Toolkit für maschinelles Lernen. Stellen Sie es sich als das stille Arbeitspferd im Hintergrund vor, das historische Daten analysiert, um Muster zu erkennen, Vorhersagen zu treffen und Routineentscheidungen zu treffen. Es ist nicht auffällig, aber es ist das Fundament der Automatisierung von ServiceNow.

Das sind seine Hauptaufgaben:

• Klassifizierung: Es liest den Text in einem neuen Ticket oder einer Anfrage und erkennt, worum es geht. Zum Beispiel kann es eine E-Mail als „Hardware-Problem“ oder „Software-Anfrage“ kennzeichnen, ohne dass ein Mensch sie zuerst ansehen muss.

• Routing: Nach der Klassifizierung eines Tickets kann Predictive Intelligence es automatisch an das richtige Team oder den richtigen Agenten weiterleiten. Dies hilft, das manuelle Sortieren zu reduzieren, das so viele Service Desks ausbremst.

• Empfehlungen: Das System kann Agenten einen Anstoß geben, indem es ähnliche frühere Vorfälle oder hilfreiche Wissensdatenbankartikel vorschlägt, was ihnen helfen kann, Probleme schneller zu lösen.

Schwachstelle im Fokus: Das klingt alles fantastisch, aber es richtig zum Laufen zu bringen, kann ein riesiges Projekt sein. Predictive Intelligence benötigt einen Berg an sauberen, organisierten historischen Daten, um zu lernen. Wenn Ihre Daten ein Chaos sind (und wessen sind das nicht?), werden Ihre Vorhersagen völlig daneben liegen. Die Einrichtung und Optimierung dieser Modelle erfordert oft die Einstellung von Datenwissenschaftlern oder teuren Beratern, sodass es weit entfernt von einem einfachen Plug-and-Play-Tool für Teams ist, die schnell agieren müssen.

Now Assist: Die generative KI-Schicht

Now Assist ist ServiceNows Antwort auf den Hype um generative KI. Es ist der Copilot, der Funktionen wie Texterstellung und Zusammenfassung direkt in den Arbeitsablauf eines Agenten integriert.

Einige seiner Hauptfunktionen sind:

• Fallzusammenfassung: Es kann eine lange, komplizierte Tickethistorie durchsuchen und eine schnelle Zusammenfassung ausgeben, sodass ein Agent in Sekundenschnelle den Kern der Sache versteht.

• Text-zu-Code: Es hilft Entwicklern bei der Erstellung auf der Plattform, indem es Code-Schnipsel generiert, was die Entwicklung benutzerdefinierter Apps beschleunigen kann.

• Wissenserstellung: Sobald ein Problem gelöst ist, kann Now Assist helfen, einen neuen Wissensdatenbankartikel basierend auf der Lösung zu schreiben, was die Dokumentation von Lösungen für die nächste Person erleichtert.

Schwachstelle im Fokus: Hier stoßen Sie auf das Problem des „geschlossenen Gartens“. Now Assist ist ziemlich schlau, aber es beschränkt sich hauptsächlich auf die Daten, die innerhalb von ServiceNow leben. Das Wissen der meisten Unternehmen befindet sich nicht in einer ordentlichen kleinen Box; es ist über Google Docs, Confluence, Slack und ein Dutzend anderer Orte verteilt. Die KI von ServiceNow kann nichts davon sehen, was bedeutet, dass sie oft unvollständige Antworten oder allgemeine Ratschläge gibt, die nicht sehr hilfreich sind.

Eine Alternative wie eesel AI wurde speziell entwickelt, um dieses Problem zu lösen. Es verbindet sich mit Ihrem Helpdesk, internen Wikis, Chat-Tools und Dokumenten, um ein einziges Gehirn für Ihre KI zu schaffen. Dadurch wird sichergestellt, dass seine Antworten immer auf den vollständigen, aktuellen Informationen Ihres Teams basieren, egal wo sie gespeichert sind.

Eine Infografik, die zeigt, wie eesel AI sich mit verschiedenen Wissensquellen verbindet, um umfassende Antworten zu liefern, im Gegensatz zum abgeschotteten Ansatz von ServiceNow.:

Praktische Anwendungsfälle für KI in ServiceNow

Wie zeigen sich diese Engines also tatsächlich in der täglichen Arbeit von Support-Teams? ServiceNow hat seine KI in einigen Schlüsselbereichen angewendet, um die Abläufe zu optimieren.

Automatisierung des Incident-Managements

Dies ist wahrscheinlich der häufigste Anwendungsfall. Wenn ein IT-Ticket eingeht, greift die KI ein, um es zu kategorisieren, zu priorisieren und weiterzuleiten. Eine E-Mail von jemandem, der schreibt, sein „VPN funktioniert nicht“, kann sofort als hochpriorisiertes Netzwerkproblem identifiziert und an das richtige Team gesendet werden, noch bevor ein Mensch einen Blick darauf geworfen hat. Das System kann auch größere Probleme erkennen, indem es ähnliche Meldungen bündelt und die IT so viel schneller auf einen weitreichenden Ausfall aufmerksam macht, als es jemand manuell tun könnte.

Schwachstelle im Fokus: Die Automatisierungsregeln, die dies ermöglichen, können überraschend unflexibel sein. Wenn Sie einen einzigartigen Arbeitsablauf haben oder eine Ausnahme für einen bestimmten Kunden machen müssen, erfordert die Anpassung der Automatisierung in der Regel einen Entwickler. Das verlangsamt Sie und macht es für Support-Manager schwierig, ihre Prozesse schnell anzupassen und zu verbessern.

Das ist eine völlig andere Welt als die Flexibilität, die Sie mit einem Tool wie eesel AI erhalten. Von einem einfachen Dashboard aus können Sie genau entscheiden, welche Tickets die KI bearbeiten soll, benutzerdefinierte Eskalationspfade erstellen und sogar Aktionen einrichten, wie das Nachschlagen von Bestelldetails in Shopify, alles ohne eine einzige Zeile Code zu schreiben.

Ein Screenshot des eesel AI-Dashboards, auf dem Benutzer flexible, codefreie Automatisierungsregeln und benutzerdefinierte Eskalationspfade erstellen können.:

Verbesserung der Benutzererfahrung mit virtuellen Agenten

Der Virtual Agent von ServiceNow ist ein KI-Chatbot, der dafür entwickelt wurde, häufige Anfragen wie Passwort-Resets, Bestellstatusabfragen oder einfache HR-Fragen zu bearbeiten. Er verwendet Natural Language Understanding (NLU), um zu verstehen, was ein Benutzer fragt, und eine automatisierte Antwort zu geben.

Schwachstelle im Fokus: Das Erstellen und Trainieren dieser Chatbots ist oft ein langsamer, schmerzhafter Prozess. Sie sind nur so schlau wie das Wissen, das man ihnen manuell innerhalb der ServiceNow-Blase füttert. Das macht sie für komplexe Fragen, die Informationen aus verschiedenen Quellen erfordern, ziemlich nutzlos. Wenn die Antwort nicht in einem ServiceNow-Wissensartikel steht, wird der Bot wahrscheinlich einfach aufgeben und das Ticket an einen Menschen weiterleiten.

Ein anderer Ansatz kann den entscheidenden Unterschied machen. eesel AI kann vom ersten Tag an auf der gesamten Tickethistorie Ihres Teams trainiert werden. Es lernt Ihren Kontext, Ton und Ihre Lösungen automatisch, sodass es fast sofort hilfreiche, genaue Antworten geben kann, ohne monatelange manuelle Einrichtung.

Verbesserung des Reportings mit KI-Analysen

ServiceNow nutzt sein maschinelles Lernen, um Leistungsdaten zu analysieren und nützliche Erkenntnisse zu finden. Es kann wiederkehrende Probleme erkennen, potenzielle Serviceprobleme vorhersagen und auf verbesserungswürdige Bereiche hinweisen. Dies hilft Managern, datengestützte Entscheidungen zu treffen, ohne den ganzen Tag Berichte durchwühlen zu müssen.

Aber auch hier hängt die Effektivität davon ab, wie gut die Datenqualität innerhalb der Plattform ist. Hier ist ein kurzer Überblick darüber, wie die KI-Versprechen von ServiceNow oft im Vergleich zur Realität aussehen.

Funktion	Ziel von ServiceNow	Häufige Einschränkung
Automatisiertes Routing	Schnellere Lösungen, weniger manuelle Arbeit.	Starre Regeln, mühsam anzupassen.
Virtual Agent	24/7-Support, Abwehr häufiger Fragen.	Lange Einrichtung, Wissen ist an einem Ort gefangen.
Predictive Analytics	Proaktive Problemlösung.	Benötigt Unmengen an sauberen Daten und einen Experten, um sie zu verstehen.

Erste Schritte: Einrichtung, Integrationen und Preise

Hier wird es ernst. Während die KI-Funktionen beeindruckend klingen, kann die Realität ihrer Implementierung in ServiceNow für viele Teams ein riesiges Hindernis sein.

Der Implementierungsprozess

Die KI in ServiceNow zum Laufen zu bringen, ist selten eine einfache Angelegenheit. Der Prozess umfasst in der Regel die Auswahl eines Anwendungsfalls, das Sammeln und Bereinigen von jahrelangen Daten, das Trainieren der Modelle und das sorgfältige Testen von allem.

Meistens erfordert dies die Beauftragung von ServiceNows Professional Services oder eines zertifizierten Beraters. Dies erhöht den Zeitaufwand, die Komplexität und die Kosten des Projekts erheblich und verwandelt einen schnellen Erfolg in eine sechsmonatige (oder längere) Tortur.

Moderne KI-Plattformen wie eesel AI sind genau das Gegenteil: vollständig self-service. Sie können Ihren Helpdesk wie Zendesk oder Jira Service Management verbinden, die KI auf Ihren Daten trainieren und in nur wenigen Minuten sehen, wie sie Tausende von vergangenen Tickets gehandhabt hätte. Sie wissen genau, wie sie sich verhalten wird, bevor Sie sie jemals mit einem Kunden sprechen lassen.

Ein Workflow-Diagramm, das den schnellen und selbstbedienbaren Implementierungsprozess von eesel AI veranschaulicht.:

Preise und Pakete

Viel Glück bei dem Versuch, die Preise für die KI-Produkte von ServiceNow online zu finden. Sie veröffentlichen sie nicht, was Sie in einen langen Verkaufszyklus zwingt, nur um ein Angebot zu erhalten.

Ihre KI-Funktionen werden in der Regel als teure Add-ons zu ihren bestehenden ITSM Pro- oder Enterprise-Plänen verkauft. Diese mangelnde Transparenz macht es fast unmöglich, dafür zu budgetieren. Sie könnten sich in einem mehrjährigen Vertrag für ein Werkzeug wiederfinden, das Sie noch nicht einmal richtig ausprobieren konnten.

ServiceNow-Produkt	Hauptfunktion	Preismodell
Predictive Intelligence	ML für Klassifizierung & Routing	Add-on; Vertrieb kontaktieren
Now Assist for ITSM	GenAI für Zusammenfassungen & Notizen	Add-on; Vertrieb kontaktieren
Virtual Agent	KI-gesteuerter Chatbot	Add-on; Vertrieb kontaktieren
Task Intelligence	Dokumentenverständnis	Add-on; Vertrieb kontaktieren

Dieses undurchsichtige Modell ist weit entfernt von der unkomplizierten Preisgestaltung von etwas wie eesel AI. Mit klaren monatlichen Plänen basierend auf der Nutzung, ohne Gebühren pro Lösung, die Sie für gute Arbeit bestrafen, und der Freiheit, jederzeit zu kündigen, wissen Sie immer, wofür Sie bezahlen.

Ein Screenshot der eesel AI-Preisseite, der ihre klaren, transparenten und nutzungsbasierten Pläne zeigt.:

Das Fazit: Ist ServiceNow AI das Richtige für Sie?

Für riesige Unternehmen, die bereits voll und ganz auf das ServiceNow-Ökosystem setzen und das Budget für eine lange Implementierung haben, kann die KI-Suite eine solide Wahl sein. Ihr Hauptvorteil ist die enge Integration mit dem Rest der Plattform.

Für die meisten Teams sind die Nachteile jedoch einfach zu groß. Die hohen Kosten, die verwirrende Preisgestaltung, der massive Implementierungsaufwand und ein „geschlossener Garten“, der all Ihr Wissen außerhalb der Plattform ignoriert, machen es zu einem K.o.-Kriterium.

Wenn Ihr Team eine KI-Lösung benötigt, die agil, erschwinglich und einfach mit den bereits genutzten Werkzeugen einzurichten ist, passt eine modernere Plattform viel besser.

Genau hier kommt eesel AI ins Spiel. Es verbindet sich direkt mit dem Helpdesk und den Wissensquellen, die Sie täglich nutzen, ist in wenigen Minuten einsatzbereit und gibt Ihnen die volle Kontrolle darüber, was Sie automatisieren. Es wurde für Teams entwickelt, die jetzt Ergebnisse wollen, nicht erst im nächsten Jahr. Bereit zu sehen, was eine moderne KI-Plattform für Ihren Support tun kann? Starten Sie eine kostenlose Testversion oder buchen Sie eine Demo, um mehr zu erfahren.