Seien wir ehrlich: Bei den meisten von uns herrscht im Unternehmenswissen ein heilloses Durcheinander. Die eine Information, die du dringend benötigst, versteckt sich wahrscheinlich in einem verstaubten Jira-Ticket, auf einer Confluence-Seite, die seit Jahren niemand mehr angefasst hat, oder in einem Slack-Thread von letztem Weihnachten. Die Zusammenhänge zu erkennen, kann sich unmöglich anfühlen und zwingt dich, Entscheidungen auf der Grundlage von Halbwissen zu treffen.
Atlassian hat dieses Problem erkannt und eine neue Funktion für sein KI-Tool Rovo entwickelt, genannt Rovo Deep Research. Die Idee dahinter ist, dir einen KI-Rechercheur an die Seite zu stellen, der all diese verstreuten Informationen durchforsten und ein vollständiges Bild zusammenfügen kann.
Aber ist es die Antwort für jeden? In diesem Leitfaden gehen wir durch, was Rovo Deep Research eigentlich ist. Wir schauen uns an, wie es funktioniert, wofür es gut ist und, was noch wichtiger ist, wo es Schwächen hat – besonders im Vergleich zu KI-Tools, die für die schnelllebige Welt des Kundensupports entwickelt wurden.
Was ist Rovo Deep Research?
Rovo Deep Research ist eine spezielle Fähigkeit, die in Rovo, dem KI-Assistenten von Atlassian, integriert ist. Es handelt sich hierbei nicht um deinen Standard-Q&A-Bot, der eine schnelle, einzeilige Antwort ausspuckt. Es ist eher wie ein KI-Forschungsanalyst für all deine internen Unternehmensangelegenheiten. Du kannst ihm eine große, offene Frage stellen, und er wird eigenständig auf die Suche gehen und mit einem richtigen, detaillierten Bericht zurückkommen.
Sein Hauptziel ist es, einen Rechercheplan zu entwickeln, Informationen in deinen verbundenen Atlassian- und anderen Apps zu durchsuchen und seine Ergebnisse dann so aufzubereiten, dass sie Sinn ergeben.
Das Endergebnis ist nicht nur eine kurze Nachricht in einem Chatfenster. Du erhältst ein vollwertiges Dokument, wie eine Confluence-Seite, das mit Abschnitten, Zusammenfassungen und Links zu den Fundorten der Informationen organisiert ist. Es ist darauf ausgelegt, dir das Gesamtbild zu geben, nicht nur einen Hinweis.
Wie Rovo Deep Research funktioniert: Ein Blick hinter die Kulissen
Wie also verwandelt Rovo Deep Research eine einfache Frage in eine umfassende Analyse? Es führt nicht nur eine einfache Stichwortsuche durch. Hinter den Kulissen passiert einiges mehr, was logisches Denken, Planung und das Zusammenfügen von Informationen beinhaltet.
Die Grundlage: der Teamwork Graph
Das Herzstück von Rovo ist etwas, das Atlassian den „Teamwork Graph“ nennt. Stell ihn dir wie eine Karte vor, die zeigt, wie alles in deinen Atlassian-Tools miteinander verbunden ist – Personen, Projekte, Dokumente, einfach alles. Er versteht, dass ein bestimmtes Jira-Projekt mit einer bestimmten Confluence-Seite verknüpft ist und weiß, wer daran arbeitet.
Dieser Graph gibt Rovo seinen Kontext. So findet er heraus, dass du, wenn du nach „Projekt Chimera“ fragst, vom internen Marketing-Launch sprichst und nicht von dem Fabelwesen. Diese enge Integration mit der Atlassian-Welt ist sein größter Vorteil, da sie Rovo ein solides Verständnis für die internen Abläufe deines Unternehmens verleiht.
Recherche in Runden
Wenn du Rovo eine komplizierte Frage stellst, führt er nicht nur eine einzige große Suche durch. Zuerst zerlegt er deine Anfrage in kleinere, leichter zu handhabende Teilfragen. Dann beginnt er, gleichzeitig in all deinen verbundenen Datenquellen nach Antworten auf diese Fragen zu suchen.
Nach jeder „Runde“ der Suche tritt es einen Schritt zurück, um die gefundenen Informationen zu überprüfen. Es verwirft alles, was nicht relevant ist, und stellt fest, welche Informationen noch fehlen. Basierend auf diesen Lücken plant es seine nächste Suchwelle. Dieser schrittweise Prozess hilft ihm, gründlicher zu sein.
Wie KI-Modelle den Bericht schreiben
Rovo stützt sich auf bekannte KI-Modelle wie GPT-4 von OpenAI und Claude von Anthropic, um die Hauptarbeit bei der Planung der Recherche und dem Verfassen des Abschlussberichts zu leisten.
Sobald alle Informationen gesammelt sind, organisiert Rovo sie in einer klaren Gliederung. Von dort aus schreibt es den vollständigen Bericht, der normalerweise eine kurze Zusammenfassung, die wichtigsten Ergebnisse und möglicherweise einige Vorschläge enthält. Eine wirklich nützliche Funktion ist, dass jeder wichtige Punkt mit einem Zitat belegt wird, das direkt zur Quelle verlinkt, sei es ein Jira-Ticket oder eine Confluence-Seite. Das erleichtert die Überprüfung der Fakten und schafft Vertrauen.
Wo Rovo Deep Research wirklich glänzt
Da seine Hauptfähigkeit darin besteht, internes Wissen zusammenzufügen, ist Rovo Deep Research am nützlichsten für interne Aufgaben mit großem Umfang, bei denen du viele verschiedene Informationen miteinander verbinden musst.
Projektwissen zusammenführen
Stell dir vor, ein Projektmanager muss eine Post-Mortem-Analyse für einen großen Produkt-Release schreiben. Normalerweise bedeutet das, tagelang Jira-Tickets, Slack-Nachrichten und alte Besprechungsnotizen zu durchwühlen. Stattdessen könnte er Rovo fragen: „Was waren die größten Hindernisse, wichtigsten Entscheidungen und Ergebnisse für Projekt Phoenix im letzten Quartal?“ Rovo könnte dann all diese verstreuten Informationen in einem einzigen, organisierten Bericht zusammenfassen.
Onboarding und Recherche beschleunigen
Ein neuer Entwickler im Team muss sich in das „Abrechnungssystem“ einarbeiten. Er könnte eine Woche damit verbringen, sich durch dichte technische Dokumentationen zu lesen oder erfahrene Ingenieure zu nerven. Oder er könnte Rovo bitten, „einen Bericht über die Architektur, die jüngsten Probleme und die Hauptansprechpartner für den Abrechnungsservice zu erstellen.“ Dies gibt ihm in wenigen Minuten einen detaillierten Überblick, was seine Einarbeitungszeit erheblich verkürzen kann.
Erkenntnisse aus Feedback gewinnen
Stell dir ein Produktteam vor, das herausfinden möchte, was als Nächstes entwickelt werden soll. Sie wollen wissen, worüber sich Kunden in den letzten drei Monaten am meisten beschwert haben. Sie können Rovo fragen: „Analysiere das Kundenfeedback aus Jira Service Management-Tickets und Slack-Supportkanälen, um die drei häufigsten wiederkehrenden Probleme zu finden.“ Der Bericht würde die gemeinsamen Themen hervorheben und dem Team einen datenbasierten Ausgangspunkt für ihre Roadmap liefern.
Wo Rovo Deep Research an seine Grenzen stößt
Rovo ist definitiv nützlich für die interne Recherche, aber es ist wichtig zu wissen, wofür es nicht entwickelt wurde. Das gilt besonders, wenn du in einem Kundensupport-Team arbeitest.
Ein Werkzeug für die interne Recherche, nicht für die kundenorientierte Automatisierung
Die Aufgabe von Rovo ist es, einen Bericht für eine Person zu erstellen, die ihn liest. Es ist ein Analyst, kein Support-Mitarbeiter. Es kommuniziert nicht mit Kunden oder löst ihre Probleme in einem Live-Helpdesk.
Für Teams, die Kundenfragen automatisch und in Echtzeit beantworten müssen, ist ein spezielles KI-Support-Tool eine viel bessere Option. Zum Beispiel kann ein KI-Agent von eesel AI direkt in Helpdesks wie Zendesk oder Freshdesk integriert werden. Er kann sofortige Antworten geben, Aufgaben ausführen und Tickets lösen, ohne dass ein Mensch eingreifen muss.
Auf die Atlassian-Welt beschränkt
Rovo bezieht seine Stärke aus der engen Verbindung zum Teamwork Graph von Atlassian. Das ist großartig, wenn deine gesamte Arbeit und dein Wissen bereits in Jira und Confluence vorhanden sind. Aber wenn die Informationen deines Unternehmens über viele verschiedene Tools verteilt sind, wird es bei Weitem nicht so effektiv sein.
Teams, die eine Mischung aus verschiedenen Apps verwenden, benötigen etwas Flexibleres. Aus diesem Grund gibt es ein Tool wie eesel AI; es bietet über 100 Ein-Klick-Integrationen, um auf Wissen zuzugreifen, wo auch immer es gespeichert ist, sei es in Google Docs, Notion, SharePoint oder direkt in deinem Helpdesk.
Liefert Erkenntnisse, keine Aktionen
Rovo ist großartig darin, dir zu sagen, „was“ die Situation ist, aber da hört es auch schon auf. Es liegt immer noch an einer Person, herauszufinden, „was jetzt?“ Der Bericht ist der letzte Schritt in seinem Prozess und überlässt dir den nächsten Zug.
Echte Support-Automatisierung schließt diesen Kreislauf, indem sie Informationen in Aktionen umwandelt. Ein KI-Agent von eesel AI kann mehr als nur ein Problem zusammenfassen. Du kannst ihn mit benutzerdefinierten Aktionen einrichten, um den Bestellstatus in Shopify nachzuschlagen, ein Ticketfeld in Zendesk zu ändern oder ein Problem an das richtige Team weiterzuleiten. Er verbindet das Wissen über ein Problem mit dessen tatsächlicher Lösung.
Atlassian Rovo Deep Research: Preise und Verfügbarkeit
Rovo Deep Research ist kein eigenständiges Produkt; es ist Teil des größeren Rovo KI-Assistenten. Atlassian stellt es schrittweise seinen Cloud-Kunden zur Verfügung, beginnend mit denen in den Premium- und Enterprise-Plänen.
Die Bezahlung erfolgt auf der Basis von „KI-Credits“, die in den monatlichen Plänen enthalten sind. Atlassian setzt die Limits im Moment nicht streng durch, aber diese Art von Modell kann deine Kosten schwer vorhersagbar machen. Wenn du einen Monat mit vielen Rechercheanfragen hast, könntest du eine Rechnung erhalten, die höher ist als erwartet.
Für Teams, die es vorziehen, jeden Monat zu wissen, was sie bezahlen, können andere Preisstrukturen sinnvoller sein. Zum Beispiel basiert das Preismodell von eesel AI auf einer festen Anzahl von KI-Interaktionen pro Monat, und sie berechnen dir nicht jedes gelöste Ticket. Das macht die Budgetierung viel einfacher und ermöglicht es dir zu wachsen, ohne befürchten zu müssen, für ein höheres Volumen bestraft zu werden.
Das Fazit zu Rovo Deep Research: Die richtige KI für die Aufgabe wählen
Schau, Rovo Deep Research ist ein wirklich starkes Werkzeug, um die internen Informationen deines Unternehmens zu durchforsten. Wenn dein Team in der Atlassian-Suite lebt und atmet, kann seine Fähigkeit, verstreute Daten in organisierte Berichte zu verwandeln, eine enorme Hilfe für die Planung, Projektabschlüsse und allgemeine Recherchen sein.
Aber wenn dein Hauptziel darin besteht, den Kundensupport zu automatisieren, deine Ticketanzahl zu senken und das Leben deiner Mitarbeiter zu erleichtern, ist es nicht die richtige Wahl. Letztendlich liefert Rovo dir Berichte, aber eine echte KI-Support-Plattform liefert dir Lösungen.
Genau hier kommt ein speziell für den Support entwickeltes Tool wie eesel AI ins Spiel. Es wurde von Anfang an für die Support-Automatisierung entwickelt. Es lässt sich mit jedem von dir genutzten Helpdesk verbinden, kann tatsächlich Aufgaben an Tickets ausführen und hat sogar einen Simulationsmodus, damit du alles testen kannst, bevor du live gehst.
Bereit, von Rovo Deep Research-Berichten zu Lösungen überzugehen?
Rovo Deep Research ist großartig, um innerhalb deines Unternehmens Antworten zu finden, aber du brauchst ein anderes Tool, um automatisch auf diese Antworten für deine Kunden zu reagieren.
Wenn du deinen Support-Prozess automatisieren und Kunden sofortige Lösungen bieten möchtest, könnte es an der Zeit sein, zu sehen, was ein für diese Aufgabe entwickelter KI-Agent leisten kann. Du kannst mit eesel AI in wenigen Minuten loslegen und es mit der tatsächlichen Ticket-Historie deines Teams testen.
Häufig gestellte Fragen
Rovo Deep Research agiert als KI-Forschungsanalyst, der verstreute interne Unternehmensinformationen durchsucht. Sein Hauptziel ist es, offene Fragen zu untersuchen und detaillierte, organisierte Berichte zu erstellen, um ein vollständiges Bild eines Themas zu liefern.
Es nutzt den „Teamwork Graph“ von Atlassian für den Kontext und recherchiert in mehreren Runden, indem es Anfragen in Teilfragen zerlegt. Nach der Informationssammlung verwendet es KI-Modelle wie GPT-4, um einen umfassenden Bericht mit zitierten Quellen zu organisieren und zu verfassen.
Rovo Deep Research eignet sich hervorragend für Aufgaben, die die Konsolidierung von internem Wissen erfordern, wie z. B. Post-Mortem-Analysen für Projektreleases, die Beschleunigung des Onboardings neuer Teammitglieder oder die Analyse von internem Feedback für Produkteinblicke. Es hilft dabei, Zusammenhänge zwischen verschiedenen internen Dokumenten und Kommunikationen herzustellen.
Nein, Rovo Deep Research wurde für die interne Recherche und die Erstellung von Berichten zur menschlichen Überprüfung entwickelt, nicht für die direkte kundenorientierte Automatisierung. Es interagiert nicht mit Kunden und löst keine Live-Support-Probleme in einer Helpdesk-Umgebung.
Ja, Rovo Deep Research bezieht seine Stärke aus der engen Integration mit dem Teamwork Graph von Atlassian. Obwohl es sich mit anderen Apps verbinden kann, ist seine Wirksamkeit am höchsten, wenn der Großteil des Wissens deines Unternehmens in Jira und Confluence liegt.
Rovo Deep Research ist Teil des umfassenderen Rovo KI-Assistenten, der für Atlassian Cloud Premium- und Enterprise-Kunden verfügbar ist. Die Preisgestaltung basiert auf „KI-Credits“, die in monatlichen Plänen gebündelt sind, was zu unvorhersehbaren Kosten führen kann, wenn die Nutzung stark schwankt.
Rovo Deep Research ist darauf ausgelegt, detaillierte Berichte und Einblicke zu liefern und dir effektiv zu sagen, „was“ die Situation ist. Es automatisiert jedoch keine Aktionen oder führt Aufgaben auf der Grundlage seiner Ergebnisse aus; diese nächsten Schritte bleiben dem Benutzer überlassen.
