Enabler des digitalen Wandels

Die digitale Welle rollt global über alle Branchen hinweg. Dabei werden realweltliche Tätigkeiten durch IT-Mittel unterstützt oder gleich komplett durch digitale Dienstleistungen ersetzt. Die rasche Durchdringung aller wirtschaftlichen Tätigkeiten mit ITServices stellt ganz neue Anforderungen an das Management dieser Services. Denn Datenmengen, Zahl der Services und Benutzer nehmen rasant zu. Die typischen Enabler der Digitalisierung bieten auch hierzu Lösungen: Automation, Big Data, künstliche Intelligenz, Chatbots und Robotics Process Automation (RPA) sind Werkzeuge, mit denen das Service Management digitalisiert werden kann. Der Markt für Lösungen ist noch fragmentiert, aber entwickelt sich rasant – erste Anbieter wagen sich vor, ihre Produkte sind aber leider oft noch nicht ausgereift. Einige Anwender vertrauen daher auf moderne Open-Source-Lösungen, entwickeln eigene Ansätze und gewinnen schon Vorteile in Produktivität, Agilität und Qualität! Zudem lassen sich Open-Source-Lösungen rasch aufsetzen und helfen beim Erfahrungsaufbau.

Beim Projektaufbau eines automatisierten Service Managements beinhaltet der Bereich Plan viele Tätigkeiten strategischer Natur. Diese können wohl kaum in absehbarer Zeit automatisiert oder von künstlicher Intelligenz übernommen werden. Das Demand Management kann aber sicher vom wachsenden statistischen Material aus den Bereichen Request Management und Fullfilment profitieren. Diese Einsichten sind etwa für das Cloud Management essenziell: Das Hoch- und Runterskalieren virtueller Server kann auf diese Weise automatisiert werden! Als Beispiel können digitale Marktplätze für Services entstehen, aus denen automatische Service-Ketten erzeugt werden können. Ein Beispiel hierfür sind Reise-Websites, die es erlauben, die besten Angebote für Hotels, Flüge und Mietautos mit wenigen Mausklicks zusammenzustellen. Ähnlich könnten in Zukunft die besten Angebote aus Google Cloud, Azure, Amazon Web Services und anderen Cloud-Lösungen konfiguriert und bereitgestellt werden.

Der Build-Bereich besitzt bereits mit DevOps eine integrierte digitale Methode, welche die automatisierte Übergabe von Releases in den Service-Katalog erlaubt. Dagegen werden die Prozesse Requirements Engineering und Designs zwar stärker von Werkzeugen unterstützt, aber trotzdem bleiben intellektuelle und kreative Prozesse, die weiterhin manuelle Aktionen benötigen.

Im sogenannten Order-Bereich werden für die Service-Anfragen sowie für Bestellungen und Bezahlung schon heute Shopping-Cart-ähnliche Systeme eingesetzt. Moderne Service-Desk-Lösungen, wie sie von verschiedenen Anbietern wie etwa ServiceNow verkauft werden, bieten solche Funktionen an. Die Integration mit den vorlaufenden und nachfolgenden Bereichen passiert jedoch oft noch manuell.

Aus Erfahrung liefert der Run-Bereich das grösste Potenzial für die Digitalisierung des Service Managements. Denn hier steht der klassische «digitale» Bereich eines Unternehmens im Fokus: das IT Operations Management (ITOM). Digitale Sensoren in Form von Monitoring- und Event-Management-Systemen haben sich diesbezüglich längst etabliert. Nur konnten diese bisher aufgrund der Komplexität und unzureichenden Integrations- sowie Auswertungsmöglichkeiten kaum mehr als für die Alarmierung genutzt werden. Die hier wichtigen Bereiche Event-Korrelation und Runbook-Automation konnten ihre Potenziale nie entfalten und das nun schon über 20 Jahre alte Versprechen von «Selfhealing Systems» blieb unerfüllt. Was bisher fehlte, waren erschwingliche Instrumente für die Integration und intelligente Interpretation grosser Datenmengen sowie offene Schnittstellen zwischen Systemen und Menschen.

Schnittstellen bringen verschiedene Vor- und Nachteile mit sich. Über Application Programming Interfaces (API) etwa können Daten zwischen Systemen ausgetauscht werden. APIs sind leistungsfähig, benötigen aber viel Knowhow bei der Erstellung. Hier können Software-Roboter helfen. Sie sind Anwendungen, die eine menschliche Interaktion mit Benutzerschnittstellen von Software-Systemen nachahmen und auf diese Weise Daten zwischen Systemen austauschen können, ohne die dahinterliegende Programmierlogik zu kennen. Software-Roboter sind in der Implementierung aufwendig und müssen skalierbar sein.

Ein anderer Fall sind Bots. Diese sind intelligente Frontend-Systeme für die Mensch-Maschine-Kommunikation. Sie können einfache menschliche Sprache interpretieren und begrenzt intelligente Antworten liefern. Die Skalierbarkeit von Bots hängt von ihrem jeweiligen Design ab. In Kombination mit Analytics, Machine Learning und künstlicher Intelligenz entsteht daraus ein Potenzial, das mittelfristig zu autonomen Systemen führen kann. Die ersten Schritte für eine Transformation der Fähigkeiten weg von «predictive» zu «preventive» werden aktuell von zahlreichen Firmen und Organisationen angegangen. Der Business Case ist verlockend: Während manuelle Interventionen immer weniger benötigt werden, nimmt die Automation laufend zu. Dies bietet die Möglichkeit, planbare Iterationen vom Bereich Infrastruktur auf Anwendungen und Services zu erweitern. Ausserdem können Service Provider auf diese Weise ihre Kostenbasis laufend optimieren.

Was möglich ist, zeigt ein Beispiel aus der Praxis. Dieses hat bei einem Anwenderunternehmen dazu geführt, dass die Zahl der Tickets und der manuellen Systemeingriffe massiv gesenkt werden konnte. Über offene APIs wurden zunächst Daten aus den traditionellen Werkzeugen des ITBetriebs gesammelt und auf einer Small-Data-Plattform integriert. Dadurch konnten aus Diagnosen und Statistiken mit der Zeit Muster gebildet werden, aus denen anschliessend Vorhersagefähigkeiten entwickelt wurden. Danach wurden fallbasiert und automatisiert Gegenmassnahmen eingeleitet, die sogenannte Intelligent Runbook Automation oder im Rahmen von Continous Integration Veränderungen angestossen. Aus den entstandenen Daten wurden auch Chatbots gefüttert, die einfache Tickets ohne menschliche Unterstützung beantworten. In der Zukunft besteht die Möglichkeit, dass Machine Learning die Bots schlauer und eigenständiger machen. Die Lösung wurde ausschliesslich auf Basis sogenannter FOSS-Tools (Free and Open Source Software) aufgebaut. Das hält die Betriebskosten niedrig, benötigt aber Know-how vor Ort. Das Projekt ist in vollem Gange und wird agil weiterentwickelt, mit wöchentlichen Releases und neuen Funktionen.