Die USU Software AG hat in einem Test herausgefunden, wie sehr sich künstliche Intelligenz auf das Service Management auswirkt. Das Ergebnis kann kurzgefasst als „positiv“ bezeichnet werden. In dem Test nahm USU den Ressourcenverbrauch, die Effizienz, die Genauigkeit und die Unterschiede der Ergebnisse beim klassischen Machine Learning und dem Deep Learning unter die Lupe.
USU, ML und DL
Machine Learning (ML) und Deep Learning (DL) im Service Management – und auch überall sonst – bauen aufeinander auf. Deep Learning ist eine Form des Machine Learnings, die eine bestmögliche Nachahmung der Strukturen des menschlichen Gehirns darstellt. Im Vergleich ist es ungefähr so, dass Machine Learning im Grunde wie das Zusammensetzen eines Puzzles durch eine KI ist, während Deep Learning es der KI erlaubt, das Puzzle selbst herzustellen.
Die Implementierung von Deep Learning bietet neue Möglichkeiten für das Service Management, es kann aber auch für einen höheren Verbrauch von Ressourcen und Kapital sorgen. USU hat im Test herausgefunden, wie sich der Umstieg von Machine Learning auf Deep Learning im Service Management verhält.
Als Basis diente ein Datensatz mit 100.000 Tickets.
Die Unterschiede beginnen schon bei der Vorverarbeitung der Tickets. Deep Learning liest die relevanten Spalten aus, während die Vorverarbeitung beim Machine Learning von der Zusammenstellung der Tickets abhängt. Hier findet also bereits die erste Einsparung von Zeit und Aufwand statt.
Das gilt aber eher langfristig. Das Training im Deep Learning dauert länger. Dafür sind die Modelle immer wieder verwendbar, während beim Machine Learning immer wieder neue Modelle erstellt werden müssen.
Optimierungen durch USU im Modelltraining
Machine Learning hat seine Grenzen. Ein Modell ist nur so gut, wie die Aufgaben, die es erledigen soll. Im Bereich des Service Managements entstehen immer wieder neue Tickets. Diese Tickets erfordern neue Modelle. Beim Machine Learning ersetzt ein neues Modell das alte und überschreibt das vorherige Wissen.
Es findet sozusagen kein aufeinander aufbauendes Training statt. Was die KI zuvor gelernt hat, verwirft sie und lernt es wieder neu, mit zusätzlichen, neuen Learnings. Deshalb fängt die KI regelmäßig wieder bei null an.
Das Deep Learning hingegen behält das bereits gelernte Wissen und erweitert es durch neuen Input. Neue Tickets fügt DL in das bereits bestehende Modell ein und sorgt so für eine Erweiterung des Modells und des eigenen Wissens.
Dadurch findet eine Optimierung des gesamten Prozesses statt. Anstelle von regelmäßigen Trainings mehrerer Stunden, finden kurzzeitige Erweiterungen statt. Wie USU berichtet, liegt die Zeitersparnis durch Deep Learning im Vergleich zu Machine Learning im Service Management bei mehr als 130 Stunden.
Gleichzeitig brachte der Test hervor, dass die Genauigkeit des Modells im Deep Learning höher ist. Eine Effizienzsteigerung bei weniger Zeitaufwand ist also das Ergebnis.
Service Management lernen mit skill it
Künstliche Intelligenz ist eine Bereicherung für das Service Management. Das stellst du auch in unseren Seminaren fest, die dir zeigen, wie du lernende Organisationsstruktur schaffst. Schau dir unseren dreitägigen Kurs ITIL® 4 Direct, Plan and Improve an, in dem du lernst, wie kontinuierliche Verbesserungen in ein System integriert werden. Oder nimm an unserem Seminar ITIL® 4 Drive Stakeholder Value teil, um eine maximale Wertschöpfung zu erreichen.
