Advertisement

HMD Praxis der Wirtschaftsinformatik

, Volume 56, Issue 2, pp 357–369 | Cite as

Der Einsatz von künstlicher Intelligenz zur Verbesserung des Incident Managements

  • Nicholas Frick
  • Felix Brünker
  • Björn Ross
  • Stefan StieglitzEmail author
Schwerpunkt
  • 138 Downloads

Zusammenfassung

Im Kontext des IT-Service-Managements stellt ein wesentlicher Faktor zur möglichst effizienten und effektiven Entstörung gemeldeter Probleme das Incident Management dar. Aufgenommene Störungen werden dabei identifiziert, protokolliert und kategorisiert, so dass nachgelagerte Strukturen, wie Second- und Third-Level-Support, Beeinträchtigungen unmittelbar beheben können. In dem vorliegenden Beitrag wird ein Proof of Concept vorgestellt, der den Einsatz künstlicher Intelligenz auf das Incident Management in Unternehmen untersucht. Speziell wird hierbei dargelegt, wie ein entsprechendes System zum Einsatz kommt, um die Kategorisierung einer Störung in einem Praxisunternehmen zu beschleunigen. Als Datengrundlage hierfür dienen historische Tickets, die im Rahmen des Incident Managements erfasst worden sind. Ziel ist es, automatisiert die betroffene Applikation bzw. zuständige Gruppe zu ermitteln. Das Resultat dieser Machbarkeitsstudie ist ein neuronales Netzwerk, mit dem eine übergreifende Wahrscheinlichkeit von 94 % korrekt zugeordneter Kategorien erreicht wird. Auf Basis der vorliegenden Ergebnisse werden Herausforderungen während der Umsetzung dargestellt. Potentielle Einsatzgebiete und denkbare Weiterentwicklungen, speziell in Bezug auf die Kollaboration zwischen MitarbeiterInnen des Services Desks und künstlicher Intelligenz, werden abgeleitet und diskutiert. Zudem wird präsentiert, warum der Einsatz von künstlicher Intelligenz, sowohl im IT-Service-Management, als auch in anderen unternehmensrelevanten Vorgängen, sinnvoll erscheint.

Schlüsselwörter

IT-Service-Management Incident Management Machine Learning Künstliche Intelligenz Neuronales Netzwerk Natural Language Understanding 

The Utilization of Artificial Intelligence for Improving Incident Management

Abstract

In the context of IT service management, incident management is one of the major factors in resolving reported problems efficiently and effectively. Recorded incidents are identified, logged, and categorised. Thus, the subsequent second and third level support can immediately resolve incoming incidents. This article introduces a proof of concept examining the usage of artificial intelligence in the context of incident management. Specifically, the usage of such a system to speed up the categorisation of upcoming incidents within a company is described. The dataset used consists of historical tickets that were collected in incident management. The goal is to automatically identify the responsible unit. The result of this feasibility study is a neural network which assigns the corresponding categories with an overall precision and recall of 94%. Based on the findings of this study, the challenges of the practical implementation are presented. In the context of collaboration between service desk employees and artificial intelligence, potential fields of application and further possibilities of development are discussed. Moreover, the usage of artificial intelligence in IT service management as well as in other company-related processes is discussed.

Keywords

IT Service Management Incident Management Machine Learning Artificial Intelligence Neural Network Natural Language Understanding 

Literatur

  1. Arora A, Bandara W (2006) IT Service Desk Process Improvement – A Narrative Style Case Study. In: Lee H, Tan B (Hrsg) PACIS 2006 - 10th Pacific Asia Conference on Information Systems: ICT and Innovation Economy, S 1274–1285Google Scholar
  2. Chollet F (2015) Keras. https://keras.io. Gesehen 14. Dezember 2018Google Scholar
  3. Gentsch P (2018) Fazit und Ausblick: Algorithmic Business – quo vadis? In: Gentsch P (Hrsg) Künstliche Intelligenz für Sales, Marketing und Service. Springer Fachmedien, Wiesbaden, S 221–234CrossRefGoogle Scholar
  4. Hochstein A, Tamm G, Brenner W (2005) Service oriented IT management: benefit, cost and success factors. In: Proceedings of the European Conference on Information SystemsGoogle Scholar
  5. Hope T, Resheff YS, Lieder I (2018) Einführung in TensorFlow, 1. Aufl. dpunkt.verlag, HeidelbergGoogle Scholar
  6. IDG (2018) Studie Machine Learning / Deep Learning 2018Google Scholar
  7. Lackes R (2019) Künstliche Intelligenz (KI) Definition. Wirtschaftslexikon. GablerGoogle Scholar
  8. Marrone M, Kolbe LM (2011) Impact of IT Service Management Frameworks on the IT Organization. Bus Inf Syst Eng 3:5–18.  https://doi.org/10.1007/s12599-010-0141-5 CrossRefGoogle Scholar
  9. McKinney W (2010) Data structures for statistical computing in python. In: van der Walt S, Millman J (Hrsg) Proceedings of the 9th Python in Science Conference, S 51–56Google Scholar
  10. Nguyen CN, Zeigermann O (2018) Machine Learning kurz&gut, 1. Aufl. dpunkt.verlag, HeidelbergGoogle Scholar
  11. Powers DMW (2011) Evaluation: from precision, recall and F‑factor to ROC, Informedness, markedness & correlation. J Mach Learn Technol 2:37–63Google Scholar
  12. Reder B (2018) Mit künstlicher Intelligenz werden vor allem interne Prozesse optimiert. Computerwoche 23–24:30–32Google Scholar
  13. Rey GD, Wender KF (2019) Neuronale Netze, 3. Aufl. Hogrefe, BernGoogle Scholar
  14. Rich E (1983) Artificial Intelligence. Artif Intell 28:119–121.  https://doi.org/10.1080/21520841003689100 Google Scholar
  15. Rockart JF (1982) The changing role of the information systems executive: a critical success factors perspective. Sloan Manage Rev 24:3–13Google Scholar
  16. Siddike MAK, Spohrer J, Demirkan H, Kohda Y (2018) People’s interactions with cognitive assistants for enhanced performances. In: Proceedings of the 51st Hawaii International Conference on System Sciences, S 1640–1648Google Scholar
  17. Vilt L (2014) ITIL konformes Incident Management im Bereich der Software-Entwicklung: Chancen im Einsatz von Open Source Software. Diplomica, HamburgGoogle Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019

Authors and Affiliations

  1. 1.AGRAVIS Raiffeisen AGMünsterDeutschland
  2. 2.Universität Duisburg-EssenDuisburgDeutschland

Personalised recommendations