Maschinelles Lernen für den Berufsalltag
14. Juli 2017
Zwar möchten Unternehmen ihren Betrieb revolutionieren und transformieren, werden allerdings von veralteten internen Tools, Prozessen und Arbeitsmustern aufgehalten. Das Ausmaß des Hin und Her zwischen Abteilungen für allgemeine Aufgaben, wie das Zurücksetzen von Passwörtern oder Onboarding neuer Mitarbeiter, belasten das Unternehmenssystem. In einer Untersuchung hat Service Now herausgefunden, dass 86 Prozent der Unternehmen bereits erkannt haben, dass sie 2020 Automatisierung benötigen werden, um ihre Arbeit effizient erledigen zu können. Künstliche Intelligenz (KI) und ML sollen den Weg bereiten, gelten aber bislang eher als Technologien, die noch keine Einsatzmöglichkeiten finden.
Mit der Intelligent Automation Engine geht man bei Service Now vier der aktuell größten Herausforderungen in der IT an: Verhindern von Ausfällen, automatische Kategorisierung und Zuweisung von Arbeit, Leistungsprognosen und Benchmark-Leistungsvergleiche mit ähnlichen Organisationen. Dafür kombiniert Service Now riesige Mengen an kontextabhängigen betrieblichen Daten mit fortwährenden Investitionen in Forschung und Entwicklung sowie einem Team führender Datenwissenschaftler. Zu den neuen Funktionen gehören:
Erkennen von Anomalien, um Ausfälle zu verhindern: Der Algorithmus identifiziert Muster und bestimmte Ereignisse, die zu einem Ausfall führen könnten. Kombiniert mit einer neuen dynamischen Grenzwert-Maßnahme lernt das System, welche Aktivitäten sich im normalen Bereich befinden und meldet Sonderfälle, die später Fehler oder Fehlfunktionen auslösen könnten. Erstmal wird die Funktion zur Erkennung von Anomalien in IT Operational Intelligence geliefert. Hier werden Zusammenhänge zwischen früheren Ereignissen, die zu Ausfällen führten, und initiierten Workflows erstellt, um künftigen Problemen zuvorzukommen.
Intelligente Kategorisierung und Zuweisen von Arbeit: Service Now wird die ML-Algorithmen, die auf der Akquisition von DxContinuum basieren, für jedes Daten-Set seiner Kunden zur Verfügung stellen. Die Intelligent Automation Engine lernt so von alten Mustern, um künftige Ergebnisse vorauszusagen. Das beinhaltet die Ermittlung von Risiken, das Zuweisen von Zuständigkeiten sowie das Kategorisieren von Arbeit. Zunächst wird diese vorausschauende Intelligenz in den Lösungen für IT Service Management eingesetzt, um IT-Anfragen mit hoher Genauigkeit zu kategorisieren und zu routen. Über gelernte Modelle wird die Kategorie der Anfrage bestimmt und die Aufgabe dem richtigen Team zugewiesen. Zusätzlich berechnet die Lösung das damit verbundene Risiko der Tätigkeit oder Unterlassung des Teams. Diese Fähigkeiten bringen die Geschwindigkeit und Effizienz der IT-Bereitstellung auf ein neues Level und schaffen die Grundlage für die Zukunft, in der vernetzte Geräte Service-Anfragen in viel höheren Größenordnungen verursachen werden.
Leistungsprognosen für Verbesserungen: Die Intelligent Automation Engine setzt verstärkt neue Algorithmen in ihrer Performance Analytics in Echtzeit ein, damit der Kunde besser erkennen kann, wann er seine Leistungsziele erreichen wird. Kunden setzen sich ein Leistungsziel und basierend auf dessen Datenprofil nutzt Performance Analytics den besten Algorithmus, um den Zeitpunkt für das wahrscheinliche Erreichen des Ziels zu errechnen.
Benchmark-Leistungsvergleiche mit ähnlichen Organisationen: Benchmarks erlauben es Anwendern, ihre Service-Effizienz gegenüber ähnlichen Unternehmen, wie zum Beispiel Organisationen mit ähnlicher Größe oder aus derselben Branche, zu vergleichen. Dies war in der Vergangenheit sehr schwierig, wenn nicht sogar unmöglich. Jetzt können Unternehmen nicht nur erfahren, wie gut ihre Leistung gemessen an ihren eigenen Zielen ist, sondern auch, wie sie im Vergleich zu ähnlichen Organisationen abschneiden. (rhh)
