Man hat das Gefühl, jeder spricht über KI-Agenten, besonders darüber, wie sie im Begriff sind, das IT-Service-Management (ITSM) und den Kundensupport umzukrempeln. Plattformen wie ServiceNow stehen im Mittelpunkt dieser Entwicklung und zeichnen ein Bild von einer Zukunft, in der KI Aufgaben selbstständig erledigt.
Aber mal ehrlich: Ein KI-Agent ist nur so schlau wie die Informationen, die man ihm gibt. Wie stellen Sie sicher, dass er präzise, aktuelle Antworten liefert, die auf dem Wissen Ihres Unternehmens basieren, anstatt einfach nur allgemeine Daten aus dem Internet zu ziehen?
Genau hier kommt Retrieval-Augmented Generation (RAG) ins Spiel. Das ist die Technologie, die KI-Agenten mit Ihrem internen Wissen verbindet und sie von einer coolen Demo in ein Werkzeug verwandelt, auf das Sie sich wirklich verlassen können. In diesem Leitfaden erfahren Sie, wie ServiceNow RAG für seine KI-Agenten einsetzt. Wir behandeln die Einrichtung, gängige Anwendungsfälle, die Grenzen und eine wesentlich einfachere, flexiblere Alternative.
ServiceNow AI Agent RAG verstehen
Um zu verstehen, was ServiceNow macht, müssen Sie zuerst begreifen, was RAG ist und wie es in der Now Platform verankert ist. Es ist nicht so einfach wie das Umlegen eines Schalters.
Was ist Retrieval-Augmented Generation (RAG)?
Am einfachsten lässt sich RAG als eine Prüfung mit zugelassenen Hilfsmitteln für eine KI beschreiben. Anstatt zu versuchen, aus dem Gedächtnis zu antworten (also dem, was sie während ihres ursprünglichen Trainings gelernt hat), kann die KI die richtige Antwort aus genehmigten Quellen wie der Wissensdatenbank Ihres Unternehmens, früheren Tickets und internen Anleitungen nachschlagen, bevor sie etwas sagt.
Dieser Prozess ist eine große Sache, denn er reduziert KI-„Halluzinationen“ (der Fachbegriff dafür, wenn eine KI sich einfach Dinge ausdenkt) drastisch. Er trägt dazu bei, dass die gegebenen Antworten korrekt, aktuell und tatsächlich relevant für Ihr Unternehmen sind.
Wie ServiceNow RAG implementiert
Das Wichtigste zuerst: „ServiceNow RAG“ ist kein separates Produkt oder eine Funktion, die man einfach einschaltet. Es ist eine Fähigkeit, die tief in die AI Search-Infrastruktur der Plattform integriert ist. Das bedeutet, wenn Sie RAG nutzen möchten, müssen Sie die Ärmel hochkrempeln und sich mit der zugrundeliegenden Suchkonfiguration befassen.
So funktioniert es im Grunde: Ein ServiceNow KI-Agent verwendet ein Tool namens „Search retrieval“, um Informationen zu finden. Dieses Tool verweist auf ein „Search profile“, das Sie so konfigurieren müssen, dass es Daten aus einer oder mehreren „Indexed sources“ abruft. Diese Quellen sind einfach die spezifischen ServiceNow-Tabellen, die der Agent durchsuchen soll, wie Ihre Wissensdatenbankartikel oder Incident-Datensätze.
Wenn Sie kein Vollzeit-ServiceNow-Administrator sind, ziehen Sie hier wahrscheinlich die Augenbrauen hoch. Um Ihren KI-Agenten dazu zu bringen, auch nur eine einfache Frage zu beantworten, müssen Sie zuerst das gesamte semantische Suchframework der Plattform einrichten.
Das ServiceNow AI Agent Studio, in dem Administratoren Tools wie Search retrieval als Teil des ServiceNow AI Agent RAG-Setups konfigurieren.Einrichtung des ServiceNow AI Agent RAG: Der offizielle Weg
Obwohl das integrierte RAG von ServiceNow leistungsstark ist, fühlt sich der Einrichtungsprozess an, als wäre er für Entwickler mit tiefen Plattformkenntnissen konzipiert worden. Es ist ein weiter Weg von der einfachen Self-Service-Erfahrung, die sich die meisten Teams erhoffen.
Der mehrstufige Konfigurationsprozess
Um RAG in ServiceNow zum Laufen zu bringen, sind mehrere Schritte erforderlich, und jeder hat seine eigenen Konfigurationen und Fachbegriffe.
-
Quellen definieren und indizieren: Sie müssen AI Search manuell mitteilen, welche Tabellen (wie „kb_knowledge“ für Artikel) und welche spezifischen Felder in diesen Tabellen durchsuchbar gemacht werden sollen. Dieser Prozess, bekannt als „semantische Indizierung“, ermöglicht es der KI, die Bedeutung hinter den Wörtern zu verstehen.
-
Ein Suchprofil erstellen: Nachdem Ihre Quellen indiziert sind, müssen Sie ein Suchprofil erstellen. Dieses Profil ist im Grunde ein Regelwerk, das dem Agenten mitteilt, welche indizierten Quellen er verwenden, wie er die Suchergebnisse bewerten soll und weitere Details.
-
Das „Search retrieval“-Tool zu Ihrem Agenten hinzufügen: Schließlich verbinden Sie im AI Agent Studio das „Search retrieval“-Tool mit Ihrem Agenten und verknüpfen es mit dem gerade erstellten Suchprofil.
Jeder dieser Schritte bedeutet, sich durch mehrere Admin-Menüs zu klicken, sich mit ServiceNow-spezifischen Begriffen vertraut zu machen und darauf zu warten, dass Inhalte indiziert werden, was nicht immer sofort geschieht. Das ist nichts, was ein Support-Manager an einem Nachmittag erledigen kann.
Eine einfachere Alternative: Plug-and-Play-Integration
Wenn das alles nach ziemlichen Kopfschmerzen klingt, dann kann es das auch sein. Hier verfolgt eine Lösung wie eesel AI einen völlig anderen Ansatz. Anstatt innerhalb der komplexen Welt einer einzelnen Plattform entwickelt zu werden, ist eesel AI so konzipiert, dass es sich in alle Tools, die Sie bereits verwenden, einklinkt, einschließlich ServiceNow.
Die Vorteile dieses Ansatzes sind sofort offensichtlich:
-
In Minuten statt Monaten live gehen: Mit eesel AI verbinden Sie Ihren Helpdesk (wie ServiceNow, Zendesk oder Intercom) und Ihre Wissensquellen mit ein paar einfachen Klicks. Sie müssen sich nicht um Suchprofile oder Indizierungskonfigurationen kümmern.
-
Echtes Self-Service: Sie können Ihren KI-Agenten vollständig selbst einrichten, konfigurieren und starten. Im Gegensatz zu vielen Unternehmens-Tools, bei denen Sie Verkaufsgespräche und Demos über sich ergehen lassen müssen, nur um das Produkt zu sehen, können Sie mit eesel AI direkt loslegen.
Das gibt Ihrem Team die Möglichkeit, KI-Unterstützung aufzubauen und zu nutzen, ohne auf Entwickler oder ein langwieriges Implementierungsprojekt warten zu müssen.
ServiceNow AI Agent RAG: Wichtige Anwendungsfälle und native Einschränkungen
Also, wofür ist das integrierte RAG von ServiceNow eigentlich gut, und wo stößt es an seine Grenzen? Das herauszufinden ist entscheidend, um zu entscheiden, ob es das richtige Werkzeug für Sie ist oder ob Sie etwas Flexibleres benötigen.
Wofür ServiceNow AI Agent RAG gut ist
Für Unternehmen, die voll und ganz auf ServiceNow setzen, ist die native RAG-Funktion hervorragend für interne ITSM-Aufgaben geeignet. Ein paar gängige Beispiele sind:
-
Automatisierung des internen IT-Supports: Beantwortung häufiger Mitarbeiterfragen wie „Wie verbinde ich mich mit dem VPN?“ oder „Wie setze ich mein Passwort zurück?“, indem auf die Tabelle „kb_knowledge“ zugegriffen wird.
-
Grundlegende Ticket-Deflection: Unterstützung von Benutzern, die ein Ticket über das Service Portal einreichen, indem relevante Artikel oder bestehende Incident-Datensätze vorgeschlagen werden, bevor sie auf „Senden“ klicken.
Diese sind sicherlich nützlich, aber sie sind auf die Welt von ServiceNow beschränkt.
Wo der native ServiceNow AI Agent RAG-Ansatz an seine Grenzen stößt
Das größte Problem mit dem RAG von ServiceNow ist, dass das meiste Unternehmenswissen nicht sauber in ServiceNow-Tabellen gespeichert ist. Was passiert, wenn die Antwort auf eine Frage in Confluence, einem Google Doc, einer Notion-Seite oder einem Slack-Thread zu finden ist?
Ein Universum des Wissens außerhalb von ServiceNow
Obwohl Sie externe Quellen technisch in die ServiceNow AI Search integrieren können, bedeutet dies in der Regel den Kauf und die Konfiguration zusätzlicher Konnektoren. Das erhöht nur die Komplexität und den Wartungsaufwand. Ihr KI-Agent ist nur so gut wie die Daten, die er einsehen kann, und die Beschränkung auf eine Plattform schafft einen riesigen blinden Fleck. eesel AI wurde von Anfang an entwickelt, um Ihr Wissen sofort zu vereinheitlichen. Es verbindet sich mit über 100 Quellen, einschließlich aller oben genannten, und gibt Ihrem KI-Agenten ein vollständiges Bild des Wissens Ihres Unternehmens, ohne dass Sie sich mit einer Reihe mühsamer Integrationsprojekte herumschlagen müssen.
Ein Diagramm, das zeigt, wie eine mehrschichtige KI-Lösung wie eesel sich mit mehreren Wissensquellen verbindet, im Gegensatz zum isolierten Ansatz eines nativen ServiceNow AI Agent RAG.Starre Automatisierung und Kontrolle
Die Anpassung des Verhaltens eines Agenten in ServiceNow erfordert oft das Bearbeiten von Skripten oder das Eintauchen in komplizierte Workflow-Regeln. Wenn Sie beispielsweise einem Agenten sagen möchten, er solle keine Fragen zur Preisgestaltung beantworten oder Probleme von VIP-Kunden immer eskalieren, ist das nicht nur ein einfacher Schalter. Mit eesel AI erhalten Sie die volle Kontrolle durch eine einfache Workflow-Engine. Sie können einen Editor für natürliche Sprache verwenden, um die Persona, den Ton und spezifische Eskalationsregeln der KI zu definieren. Sie können auch ganz einfach den Wissensbereich auf bestimmte Dokumente oder Themen „einschränken“, um sicherzustellen, dass nur das beantwortet wird, was beantwortet werden soll.
Die „Go-Live“-Angst
Mit den nativen ServiceNow-Tools gibt es keine gute Möglichkeit zu testen, wie Ihr KI-Agent tatsächlich auf echte Fragen reagieren wird, bevor Sie ihn auf Ihre Benutzer loslassen. Im Grunde bauen Sie ihn, schalten ihn ein und drücken die Daumen. eesel AI enthält einen leistungsstarken Simulationsmodus, mit dem Sie Ihr gesamtes Setup an Tausenden Ihrer früheren Tickets in einer sicheren Umgebung testen können. Sie erhalten genaue Vorhersagen zu den Lösungsraten und können genau sehen, wie die KI geantwortet hätte, was Ihnen volles Vertrauen gibt, bevor Sie live gehen.
Die Herausforderung der Preisgestaltung für ServiceNow AI Agent RAG
Eine der größten Hürden für Teams, die sich die KI-Funktionen von ServiceNow ansehen, ist der Preis.
Oder besser gesagt, das Fehlen eines solchen. ServiceNow veröffentlicht keine Festpreise für seine KI-Tools. Funktionen wie KI-Agenten sind normalerweise in ihre Pro- oder Enterprise-Lizenzen gebündelt. Um einen Preis zu erhalten, müssen Sie mit einem Vertriebsteam sprechen, und die endgültigen Kosten werden oft individuell auf Ihr Unternehmen und Ihren Vertrag zugeschnitten.
Dieses angebotsbasierte Modell macht es schwierig, zu budgetieren, Kosten vorherzusagen oder herauszufinden, ob Sie eine gute Rendite für Ihre Investition erhalten. Es erfordert oft eine große Vorabinvestition und bindet Sie an einen langfristigen Vertrag, bevor Sie überhaupt die Chance hatten zu sehen, ob es für Sie funktioniert.
Eine Infografik, die die versteckten Implementierungs- und Wartungskosten im Zusammenhang mit einem ServiceNow AI Agent RAG veranschaulicht, die über die anfängliche Lizenzgebühr hinausgehen.Im Gegensatz dazu ist das Preismodell von eesel AI klar, vorhersehbar und flexibel.
| Paket | Monatlich (monatliche Abrechnung) | Wichtige Funktionen |
|---|---|---|
| Team | $299 | Bis zu 1.000 KI-Interaktionen/Monat, Training auf Dokumenten, Slack-Integration. |
| Business | $799 | Bis zu 3.000 KI-Interaktionen/Monat, Training auf früheren Tickets, AI Actions, Simulation. |
| Custom | Vertrieb kontaktieren | Unbegrenzte Interaktionen, erweiterte Sicherheit, Multi-Agenten-Orchestrierung. |
Am wichtigsten ist, dass eesel AI keine Gebühren pro Lösung erhebt, sodass Ihre Rechnung in einem geschäftigen Monat nicht plötzlich in die Höhe schnellt. Sie können mit einem flexiblen Monatsplan beginnen und jederzeit kündigen, was Ihnen die Freiheit gibt, in Ihrem eigenen Tempo zu testen und zu skalieren, ohne an einen langfristigen Vertrag gebunden zu sein.
Wählen Sie den richtigen ServiceNow AI Agent RAG für die Aufgabe
Für große Organisationen, die tief im ServiceNow-Ökosystem verwurzelt sind, über engagierte Entwickler verfügen und ein Budget für große Unternehmensverträge haben, kann die native ServiceNow AI Agent RAG-Funktionalität eine solide Wahl sein. Sie ist direkt integriert, und wenn Ihr gesamtes Wissen dort gespeichert ist, kann sie ihre Aufgabe erfüllen.
Aber für die meisten Teams gehen mit dieser Leistung erhebliche Nachteile einher: Komplexität, lange Einrichtungszeiten, begrenzte Wissensquellen und ein völliges Fehlen transparenter Preise.
Wenn Sie schnell handeln, Wissen von all Ihren verschiedenen Plattformen zusammenführen und die volle Kontrolle in einer benutzerfreundlichen Umgebung behalten müssen, ist eine Plug-and-Play-Lösung wahrscheinlich die klügere Entscheidung. eesel AI arbeitet nahtlos mit ServiceNow und all Ihren anderen Tools zusammen, sodass Sie einen leistungsfähigeren KI-Agenten in Minuten statt Monaten starten können. Warum überzeugen Sie sich nicht selbst?
Häufig gestellte Fragen
Ein ServiceNow AI Agent RAG ermöglicht es der KI, Informationen aus genehmigten internen Quellen, wie der Wissensdatenbank Ihres Unternehmens, abzurufen, bevor eine Antwort generiert wird. Dieser Prozess ist entscheidend, da er „Halluzinationen“ erheblich reduziert und sicherstellt, dass die KI genaue, aktuelle und relevante Antworten liefert.
Die Einrichtung eines ServiceNow AI Agent RAG umfasst einen mehrstufigen Konfigurationsprozess, der das Definieren und Indizieren von Datenquellen, das Erstellen eines Suchprofils und das Verbinden eines „Search retrieval“-Tools mit Ihrem Agenten beinhaltet. Dies erfordert in der Regel tiefgehende Plattformkenntnisse und ist keine einfache Self-Service-Aufgabe.
Ein ServiceNow AI Agent RAG ist besonders effektiv für interne ITSM-Aufgaben, wie die Automatisierung häufiger IT-Support-Anfragen von Mitarbeitern durch den Abruf von internen Wissensartikeln. Es kann auch bei der grundlegenden Ticket-Deflection helfen, indem es Benutzern im Service Portal relevante Informationen vorschlägt.
Obwohl es technisch möglich ist, externe Quellen mit einem ServiceNow AI Agent RAG zu integrieren, erfordert dies oft den Kauf und die Konfiguration zusätzlicher Konnektoren, was die Komplexität und den Wartungsaufwand erhöht. Der native Ansatz konzentriert sich hauptsächlich auf Daten, die in ServiceNow-Tabellen gespeichert sind.
Die Anpassung des Verhaltens eines Agenten mit einem nativen ServiceNow AI Agent RAG erfordert oft das Bearbeiten von Skripten oder das Navigieren durch komplexe Workflow-Regeln, was es für einfache Regelanpassungen weniger flexibel macht. Das Definieren spezifischer Personas, Tonalitäten oder Eskalationsregeln kann ohne Entwicklerbeteiligung eine Herausforderung sein.
ServiceNow veröffentlicht keine Festpreise für seine KI-Funktionen, einschließlich des ServiceNow AI Agent RAG. Diese Funktionen sind in der Regel in höherwertigen Lizenzen (Pro oder Enterprise) enthalten, und die endgültigen Kosten werden typischerweise nach Gesprächen mit dem Vertriebsteam individuell angeboten.
