KI-Unterstützung für den Service Desk

In wachsenden IT-Unternehmen kann die Bewältigung der stetig zunehmenden Flut von Kundenanfragen eine große Belastung für die beteiligten Teams darstellen, insbesondere für die Service-Desk-Agenten, die an vorderster Front stehen. In diesem Projekt unterstützten wir rku.it, einen führenden Service Provider von IT Lösungen für die Versorgungs- und Verkehrswirtschaft, dabei, Automatisierungspotenziale mithilfe von KI zu erkennen und umzusetzen. Hierzu entwickelten wir eine technische Lösung, die eingehende Anfragen zusammenfasst und basierend auf historischen Fällen Vorschläge für die Zuweisung von Tickets macht. Das Ziel war es, die Service-Desk-Abteilung auf neue und innovative Weise zu unterstützen und schnell spürbare Verbesserungen zu erzielen. Diese Aufgabe entsprach genau unseren Vorstellungen, und wir machten uns sofort an die Arbeit. In diesem Artikel erfahren Sie, wie wir in einer Proof-of-Concept-Phase mit unserem Kunden zusammengearbeitet haben, welche Fortschritte wir erzielt haben, welche Erkenntnisse wir gewonnen haben und wie das Projekt in naher Zukunft fortgesetzt wird.

Branche

IT Service, Energie, Transport

Jahr

2024

Technologien

LLMs und GenAI, Llama3 Pandas, XGBoost Langfuse, Langchain DistilBERT ITSM Software

Die HerausforderungAgenten müssen komplexe Anfragen unter Druck korrekt bearbeiten.

Der Kunde für dieses Projekt ist ein führender Service Provider von IT Lösungen für die Versorgungs- und Verkehrswirtschaft. rku.it verfügt über einen Service Desk, der monatlich Tausende von E-Mails, Anrufen und Tickets erhält, was bereits eine große Herausforderung darstellt. Der Service Desk ist dafür verantwortlich, jedes Ticket – oft technisch sehr anspruchsvoll – zu lesen und dessen Inhalt zu verstehen. Anschließend weist der Agent das Ticket dem entsprechenden Team zur Lösung zu. Das Verstehen und die korrekte Bearbeitung der Tickets kann viel Zeit in Anspruch nehmen, da rku.it eine komplexe Produktlandschaft verwaltet. Falsche Zuweisungen können zu weiteren Verzögerungen und ineffizientem Ressourceneinsatz führen.

Unser AnsatzSchnelle Erfolge identifizieren, aber das große Ganze im Auge behalten

Bevor wir uns mit technischen Lösungen beschäftigten, arbeiteten wir mit rku.it zusammen, um die wichtigsten Probleme und die entsprechenden Lösungen von der operativen bis zur strategischen Ebene zu identifizieren. Es wurde deutlich, dass die Mitarbeiter des Service Desks gerne Unterstützung beim Verstehen langer und komplexer Anfrage-Threads sowie bei der Zuweisung von Tickets an das richtige Team hätten. Wir beschlossen, an einem Proof-of-Concept zu arbeiten, um zu zeigen, wie gut KI-basierte Lösungen für die Zusammenfassung und Klassifizierung von E-Mail-basierten Anfragen beim Kunden funktionieren können. Dabei wollen wir sowohl LLMs als auch konventionelles maschinelles Lernen ausprobieren. Dies entspricht der Kernphilosophie von Dockside Data, die darin besteht, während des Innovationsprozesses iterativ überprüfbare Ergebnisse zu liefern und die Bedürfnisse des Kunden stets vor die Auswahl der Technologie zu stellen.

Die ErgebnisseAutomatisches Zusammenfassen von Anfragen und Vorhersage von Zuständigkeiten in bestehenden Tools

In engem Kontakt mit den Nutzern beschlossen wir, dass der neue Service nur dann eine Zeitersparnis bieten kann, wenn er nahtlos in die bestehende Tooling-Landschaft integriert wird. Daher konzentrierten wir uns auf die Entwicklung integrierter Prototypen. Dockside Data implementierte einen Dienst, der Large Language Models (LLMs) verwendet, um jede E-Mail automatisch zusammenzufassen und die Zusammenfassung an das Ticket im Ticketsystem anzuhängen. Zusätzlich machte ein Klassifizierungssystem, das einen XGBoost-Klassifikator verwendet, Vorschläge für das zuständige Team und reduzierte somit den mentalen Aufwand für Zuweisungen erheblich. Beide Komponenten wurden in das zentrale ITSM-Tool des Kunden integriert, um den Agenten die Informationen genau dort bereitzustellen, wo sie benötigt werden. Nach drei Wochen waren wir bereit, den Prototyp auszurollen, damit einige Service-Desk-Agenten ihn in begrenztem Umfang testen und Nutzungsdaten generieren konnten, um die Auswirkungen der Verbesserungen zu analysieren. Die Informationsextraktion und -zusammenfassung bei längeren Anfragen führte zu einer Zeitersparnis von bis zu 75 %. Die automatischen Zuweisungen hatten das größte Potenzial, den Agenten bei durchschnittlichen Fällen zu unterstützen, da sie auch weniger erfahrenen Kollegen ermöglichten, Tickets effizienter den zuständigen Teams zuzuweisen.
Die Benutzer lobten die integrierte Darstellung der Informationen und die Benutzerfreundlichkeit der neuen Funktionen, die sich nahtlos in ihr bestehendes Toolset einfügten. Sie erwähnten jedoch auch Verbesserungsmöglichkeiten. So enthielt der Prototyp beispielsweise keine Informationen, die nicht in Textform vorlagen, wie z.B. Bildschirmfotos. Zudem muss die Vorhersagegenauigkeit für einige Anwendungsfälle noch verbessert werden. Es war nicht überraschend, dass wir nach nur einem Monat noch nicht alle Anforderungen vollständig erfüllen konnten, aber der Proof-of-Concept hat das Potenzial für KI-basierte Lösungen eindrucksvoll aufgezeigt. Wir freuen uns, dass sich rku.it bereits kurz nach der Fertigstellung zurückgemeldet hat, und wir uns derzeit in Gesprächen befinden, um die Zusammenarbeit fortzusetzen und die Produktionsreife zu erreichen.