KI‑gestützte Application Management Services (AMS)

Das Wichtigste auf einen Blick

• Klassische Application Management Services (AMS) stoßen zunehmend an ihre Grenzen. Viele Modelle basieren noch immer auf reaktivem, ticketbasiertem Support, manuellen Prozessen und ressourcenintensiver Leistungserbringung. Die Folge sind lange Lösungszeiten, eine unzureichende User Experience und verpasste Innovationspotenziale. Dieser Beitrag zeigt, wie wir mit Application Evolution Services (AES) unterstützen und mit agentenbasierter KI das Leistungsversprechen von Application Services neu definieren.

• KI‑Agenten entfalten bereits heute messbaren Mehrwert: von der autonomen Erstellung priorisierter DevOps‑User‑Stories auf Basis von Echtzeit‑Monitoring bis hin zu intelligenten Chatbots, die mehrere Agenten orchestrieren und Incidents ohne menschliches Eingreifen lösen. Anhand konkreter Praxisbeispiele wird deutlich, wie digitale Agenten IT‑Betrieb, Kundensupport und Workflow‑Management transformieren.

• Der erfolgreiche Einsatz von KI‑Agenten erfordert mehr als Technologie. Entscheidend sind eine klare Strategie, hohe Datenqualität und geeignete Governance‑Mechanismen. Der Beitrag skizziert einen praxisnahen Ansatz zur Integration agentbasierter KI über Applikationen hinweg; einschließlich einer einheitlichen Wissensbasis, kontinuierlicher Feedback‑Loops und passender „Human‑in‑the‑Loop“-Kontrollen zur Steuerung der wachsenden Autonomie.

Application Management Services unterstützen Unternehmen dabei, Betrieb und Weiterentwicklung von Applikationen, etwa von ERP‑Systemen, an spezialisierte Dienstleister auszulagern. Das Leistungsspektrum reicht typischerweise von Fehlerbehebungen, Updates und Performance‑Optimierungen bis hin zu End‑User‑Support und der kontinuierlichen Optimierung über den gesamten Lebenszyklus einer Anwendung.

Gängige AMS‑Ansätze orientieren sich an den Prinzipien der Information Technology Infrastructure Library (ITIL). Sie schaffen standardisierte Prozesse und klare Verantwortlichkeiten und fördern damit Konsistenz, Effizienz und Qualität:

• Service Design stellt sicher, dass Services geschäftliche Anforderungen erfüllen sowie skalierbar, sicher und kosteneffizient sind.

• Service Transition strukturiert die Einführung neuer oder geänderter Services, unterstützt das Change Management, reduziert Risiken und beschleunigt Implementierungen.

• Service Operation gewährleistet den stabilen Betrieb durch Incident‑, Problem‑ und Event‑Management sowie effektive Support‑Prozesse.

Die Ausrichtung an etablierten Standards ermöglicht einen gezielten und wirtschaftlichen Einsatz von IT‑Ressourcen, reduziert Fehler‑ und Sicherheitsrisiken und macht Servicequalität über klar definierte KPIs und SLAs transparent messbar.

Herausforderungen klassischer AMS‑Ansätze

Trotz strukturierter Vorgehensmodelle bringt klassisches AMS zahlreiche Herausforderungen mit sich. Support‑Teams verfügen häufig über ein begrenztes Verständnis der zugrunde liegenden Geschäftsprozesse, wodurch eine wirklich geschäftsorientierte Weiterentwicklung der Applikationen kaum möglich ist. Gleichzeitig bleiben Automatisierungspotenziale oft ungenutzt. Viele Anbieter arbeiten mit stark ressourcenbasierten, manuellen Delivery‑Modellen. Das führt zu Ineffizienzen und hohen Betriebskosten. Zudem verursacht reiner, reaktiver Ticket‑Support lange Bearbeitungszeiten und eine unbefriedigende User Experience.

Die fortschreitende digitale Transformation eröffnet jedoch neue Möglichkeiten, diese Schwächen zu überwinden. Insbesondere die jüngsten Fortschritte bei handlungsfähiger und KI‑basierter Technologie erlauben es neuen AMS‑Anbietern, KI systematisch in ihre Delivery‑Modelle zu integrieren und etablierte Marktteilnehmer herauszufordern. Cloud‑Technologien erhöhen Skalierbarkeit und Sicherheit, während prädiktive Analysen Probleme frühzeitig erkennen, bevor sie den Betrieb beeinträchtigen.

Die Idee hinter Application Evolution Services

Application Evolution Services (AES) sind ein von PwC entwickelter Ansatz, der AMS konsequent geschäftsorientiert weiterdenkt – auf Basis eines integrierten Zusammenspiels von menschlichen und digitalen Mitarbeitenden.

AES steht für KI‑gestützten Betrieb, Optimierung und Innovation, die weit über reaktive Wartung und Support hinausgehen. Anwendungen werden kontinuierlich verbessert, ihre technischen und organisatorischen Rahmenbedingungen überwacht und aktiv an sich verändernde Geschäftsanforderungen angepasst; schneller, intelligenter und vorausschauender.

Mehr Wirkung durch KI‑Agenten in AES

Mit agentenbasierter KI etabliert sich eine neue Form künstlicher Intelligenz, die prädestiniert für den Einsatz in AES ist. Zu den zentralen Merkmalen zählen ein höheres Maß an Autonomie sowie die Fähigkeit, auch komplexe Aufgaben zuverlässig zu bearbeiten. Dabei werden die Aufgaben in Teilprobleme zerlegt, die von spezialisierten KI‑Modellen gelöst werden. Zunehmend kommen Multi‑Agenten‑Systeme zum Einsatz, bei denen ein übergeordneter Agent mehrere spezialisierte Agenten koordiniert.

Erste digitale Agenten sind bereits heute integraler Bestandteil von AES: Sie automatisieren Workflows, generieren DevOps‑User‑Stories, führen Change‑Impact‑Analysen durch und entlasten Helpdesks durch dialogbasierte Unterstützung. Damit verschiebt sich AMS von einem reaktiven Support‑Modell hin zu einem proaktiven, lernenden Service, der sich dynamisch an geschäftliche Ziele anpasst.

KI verändert AMS auf vielfältige Weise. Im Folgenden werden zentrale Anwendungsbereiche vorgestellt, in denen KI‑Agenten bereits heute einen messbaren Beitrag leisten. 

IT Operations Management (ITOM) 

KI‑Agenten automatisieren Service‑Desk‑Leistungen, lösen Incidents schneller, erkennen wiederkehrende Probleme und unterstützen proaktives Operations Management. Voraussetzung ist die Integration relevanter Metadaten, Prozess‑ und Laufzeitinformationen etwa Log‑Daten, Software‑Versionen oder Wartungshistorien. 

Auf Basis einer umfassenden, konsolidierten Datenbasis übernehmen KI‑Agenten spezifische Monitoring‑Aufgaben und steuern bestehende KI‑gestützte Prozesse. Dazu zählen unter anderem: 

• Tools für Prozessintelligenz, die Unternehmen dabei unterstützen, Geschäftsprozesse zu analysieren und Workflows gezielt zu verbessern 
• Prädiktive Analysen und Anomalieerkennung, um Optimierungspotenziale frühzeitig zu identifizieren und Serviceunterbrechungen zu vermeiden 
• KI‑gestützte Frühwarnsysteme, die auf Grundlage von Echtzeit‑Monitoring schnellere und präzisere Reaktionen auf Incidents ermöglichen 

Support und Kundenservice

Der Einsatz von Chatbots und virtuellen Assistenten ermöglicht einen nahtlosen Endkunden‑Support und reduziert gleichzeitig die Arbeitslast menschlicher Support‑Teams. Diese Self‑Service‑Lösungen stehen rund um die Uhr zur Verfügung, beantworten häufig gestellte Fragen und lösen einfache Anliegen eigenständig. Voicebots können zudem telefonisch mit Nutzern interagieren, Anliegen erkennen und entweder sofort unterstützen oder gezielt an die richtige Ansprechperson weiterleiten.

Auf Basis wiederkehrender Anfragen erstellen KI‑Systeme bedarfsgerechte Support‑Inhalte, etwa aktuelle FAQs, und beschleunigen so die Problemlösung. KI‑Agenten schlagen bewährte Lösungsansätze vor und setzen abhängig vom Einsatzbereich und den definierten Berechtigungen, einfache Korrekturen auch selbstständig um.

Darüber hinaus tragen KI‑Agenten dazu bei, den Betrieb von Application Services grundlegend weiterzuentwickeln, insbesondere durch die Personalisierung des Kundenservices. Durch die Analyse von Kundendaten und früheren Support‑Anfragen liefern sie passgenaue Empfehlungen und Lösungen für konkrete Fragestellungen. Voraussetzung für eine erfolgreiche Umsetzung ist ein professionell aufgesetztes Datenmanagement System. 

Workflow Management

IT Service Management bietet vielfältige Möglichkeiten, Geschäftsprozesse mithilfe von KI‑Agenten zu automatisieren. Sie unterstützen dabei, klar definierte Workflows zu steuern und gezielt zu verbessern. Besonders profitieren folgende Bereiche:

• Automatisierte Ticketbearbeitung
  KI‑Agenten priorisieren Anfragen und Tickets im Rahmen eines intelligenten Incident Managements automatisch und leiten sie an die zuständigen Teams weiter. Je nach Ausgestaltung können Tickets mit geringer Komplexität auch vollständig automatisiert bearbeitet werden, um Support‑Teams spürbar zu entlasten.

• Intelligente Fehlerdiagnose  
  KI‑Agenten erkennen Muster in Systemdaten und schlagen proaktiv geeignete Lösungen vor. So lassen sich beispielsweise durch die Analyse von Serverdaten Anomalien bei CPU‑ oder Speicherlast identifizieren. Der Agent analysiert die Ursache, informiert das Operations‑Team und trägt dazu bei, Betriebsunterbrechungen frühzeitig zu vermeiden.

• Einhaltung von SLAs  
  Die kontinuierliche Überwachung von Prozessen ermöglicht es, kritische Incidents schneller zu identifizieren und zu priorisieren, um die in Service Level Agreements definierten Reaktionszeiten einzuhalten. Ergänzend unterstützt prädiktive Analytik die Ableitung präventiver Wartungsmaßnahmen, maximiert die Verfügbarkeit und reduziert das Risiko von SLA‑Verletzungen.

Standardisierung durch digitale Agenten

• Zentrales Wissensmanagement
  Digitale Agenten bündeln Daten und Erkenntnisse aus IT Operations Management (ITOM), Customer Service und der Prozessausführung, einschließlich branchenbezogener Einblicke. Sie zentralisieren das Wissensmanagement und stellen sicher, dass alle relevanten Stakeholder jederzeit auf aktuelle und konsistente Informationen zugreifen können.

• Einheitliches Serviceerlebnis 
  KI‑Agenten sorgen durch automatisierte Prozesssteuerung und einheitliche Workflow‑Tools für ein konsistentes Service‑Erlebnis über Bereiche und Funktionen hinweg. Sie ermöglichen nahtlose Übergänge zwischen Serviceprozessen und verbessern die Zusammenarbeit zwischen Teams.

• Echtzeit-Entscheidungsunterstützung
  Digitale Agenten synchronisieren kontinuierlich Echtzeitdaten zwischen Systemen. Dadurch fließen Prozessdaten, Kundeninteraktionen und operative Erkenntnisse direkt in Entscheidungsprozesse ein.

• Analytics & Reporting
  Durch die Konsolidierung von Daten aus unterschiedlichen Plattformen schaffen KI‑Agenten die Grundlage für erweiterte Analysen und präzises Reporting. So lassen sich Trends, Abweichungen und potenzielle Risiken frühzeitig erkennen und operative Prozesse gezielt optimieren.

KI‑Agenten lassen sich im AMS‑Umfeld vielseitig einsetzen. Um ihr Potenzial gezielt zu nutzen, ist ein klarer strategischer Ansatz entscheidend. Im Folgenden skizzieren wir die zentralen Schritte für eine erfolgreiche Einführung.

Initiale Integration und Konfiguration

Um das bereichsübergreifende Potenzial digitaler Agenten auszuschöpfen, sollten sie nicht isoliert eingesetzt werden. Effektiver ist eine Integration über alle eingesetzten AMS‑Plattformen hinweg, von Service Desk und ITOM bis hin zu CRM‑Systemen.

Ein zentraler Erfolgsfaktor ist der Aufbau einer gemeinsamen Wissensbasis. Mithilfe etablierter Datenpipelines lassen sich Metadaten, Service‑Tickets, Prozessdokumentationen, Betriebs‑ und Log‑Daten sowie weitere relevante Quellen in einem Data Lake – also einem zentralen Repository – einheitlich zusammenführen. Diese konsolidierte Datenbasis bildet das Fundament für den Einsatz digitaler Agenten.

Operative Optimierung

Nach der initialen Implementierung steht die Weiterentwicklung des Applikationsbetriebs mit digitalen Agenten im Fokus. Besonders geeignet sind dabei folgende Maßnahmen:

• Prädiktive Wartung 
  Durch die Analyse von Laufzeit‑ und Betriebsdaten erkennen digitale Agenten potenzielle Probleme frühzeitig, leiten präventive Maßnahmen ein und reduzieren ungeplante Ausfallzeiten.

• Automatisiertes Incident Management 
  KI‑Agenten übernehmen einfache, wiederkehrende Serviceanfragen eigenständig. Bots können einen erheblichen Anteil des First‑Level‑Supports abdecken, während komplexere Fälle gezielt an menschliche Support‑Teams eskaliert werden.

Personalisierte Customer Experience

Die Integration digitaler Agenten in den First‑Level‑Support schafft durch permanente Verfügbarkeit bereits einen ersten Mehrwert für die Customer Experience. Darüber hinaus eröffnen sich weitere Potenziale für personalisierte Self‑Service‑Angebote.

In Kundenportalen ermöglichen digitale Agenten individuelle Empfehlungen und passgenaue Lösungen auf Basis historischer Service‑Daten und persönlicher Präferenzen. Ein zentraler Hebel für eine höhere Personalisierung ist die Etablierung von Feedback‑Loops. Durch die systematische Auswertung von Kundenfeedback über alle Interaktionen hinweg verbessern Agenten kontinuierlich das Service‑Angebot und verkürzen Reaktionszeiten.

Kontinuierliche Prozessverbesserung

Auf Basis von Echtzeit‑Prozessinformationen und Performance‑Kennzahlen ermöglichen KI‑Agenten eine dynamische Anpassung von AMS‑Workflows. So lässt sich beispielsweise die Serviceerbringung durch eine optimierte Ressourcenallokation gezielt verbessern.

Darüber hinaus vereinfachen digitale Agenten die Erstellung fundierter Reports und Analysen zu Service‑Performance, Kundenzufriedenheit und operativer Effizienz. Sie schaffen Transparenz über den Status quo und machen Trends sowie Optimierungspotenziale frühzeitig sichtbar.

Zukünftige Skalierung und Weiterentwicklung

Der Einsatz digitaler Agenten sollte nicht nur auf den aktuellen Bedarf ausgerichtet sein. IT‑Infrastrukturen entwickeln sich kontinuierlich weiter, und agentengestützte Services müssen auf steigende Anforderungen vorbereitet sein. Die eingesetzten Ressourcen sollten daher über Regionen und Service‑Lines hinweg nahtlos skalierbar sein.

Auch bei bereits etablierten Lösungen bleibt kontinuierliche Innovation entscheidend. KI‑Technologien entwickeln sich rasant; die Herausforderung besteht darin, neue Fortschritte gezielt in AMS‑Prozesse und Customer Experiences zu integrieren.

Der Einsatz von KI‑Agenten bietet bereits heute erhebliches Potenzial im Kontext von Application Evolution Services (AES). Um dieses Potenzial gezielt zu nutzen, sollten Unternehmen insbesondere folgende Aspekte berücksichtigen

Erfolgsfaktoren für den Einsatz von KI in Managed Services

Digitale Agenten bieten entscheidende Vorteile für den Übergang von klassischem AMS hin zu KI‑gestützter, kontinuierlicher Applikationsweiterentwicklung. Sie schärfen Prozesse, liefern datenbasierte Erkenntnisse, steigern die Kundenzufriedenheit und ermöglichen ein proaktives Service Management. Ihr erfolgreicher Einsatz ist jedoch kein Selbstläufer. Er erfordert sorgfältige Planung, gezielte Qualifizierung für agentengestützte Workflows sowie kontinuierliche Bewertungen, um das volle Potenzial von KI auszuschöpfen; insbesondere in einem sich stetig wandelnden technologischen Umfeld.

KI‑Agenten kommen bereits heute in zahlreichen Bereichen produktiv zum Einsatz. Sie unterstützen effizientere IT‑Operations, ermöglichen reaktionsschnellere Prozesse und schaffen ein neues Service‑Erlebnis für Kunden. Indem sie Silos überwinden und einheitliche Prozesse über Bereiche und Funktionen hinweg etablieren, eröffnen sie Unternehmen neue Chancen für Wachstum und Differenzierung im Wettbewerb.

Mit Blick nach vorn werden KI‑gestützte Application Evolution Services zunehmend prägen, wie Applikationen betrieben und weiterentwickelt werden. Wir sehen AES als eine grundlegende Fähigkeit moderner IT‑Operations. Um mit der hohen Dynamik der IT‑Landschaft Schritt zu halten, sind kontinuierliche Innovation und eine proaktive Anpassung des IT‑Betriebs entscheidend. Unternehmen, die KI bereits fest in ihrer Service‑Strategie verankert haben, profitieren heute schon von höherer Geschwindigkeit, besserer Skalierbarkeit und größerer Wirkung. 

Sprechen Sie uns an, um zu erfahren, wie wir Sie mit KI‑gestützten Application Evolution Services dabei unterstützen können, den Betrieb, die Weiterentwicklung und die Skalierung Ihrer Applikationen nachhaltig zu transformieren.