Mobile logo

IT-Support: Mit einem KI-Agenten-System Probleme schneller lösen

Durch ein intelligentes KI-Agenten-System wird der IT-Support entlastet und die Zufriedenheit der Nutzer:innen gesteigert.

Andreas Schneider, IT-Experte von ipt, erzählt von einem Kundenprojekt, bei dem ein KI-Agenten-System in den IT-Support integriert wurde.

Die Ausgangslage: Überlasteter IT-Service-Desk 

Das IT-Service-Desk fungiert als vollwertiger Support und bearbeitet eine breite Palette von Anliegen – von einfachen Routinefragen bis zu komplexen Problemen. Seit 2021 stehen sie vor der Herausforderung, dass das Anfragevolumen jährlich um ca. 10 % anwächst. 

Obwohl die Zahl der zu betreuenden Anwendungen und Mitarbeiter:innen stetig steigt, kann das Personal nur begrenzt aufgestockt werden.

Die steigende Zahl der Anfragen bei gleichbleibender Personalstärke war ein Problem, das adressiert werden musste. Es bestand die Gefahr, dass das erwartete Service-Level nicht mehr erfüllt werden konnte, was wiederum Kosten verursachte, da Mitarbeiter:innen aufgrund von IT-Problemen nicht arbeiten konnten.

Das Problem war simpel: steigende Anzahl Support-Anfragen, gleich viel Personal. Die Rechnung ging einfach nicht mehr auf.
Stefan Hüsemann Casual
Stefan Hüsemann Partner, ipt

Die Herausforderungen: Wenn im IT-Support die Standardlösungen versagen

Das Ziel, den Support-Prozess effizienter zu gestalten, war klar: So viel wie möglich standardisieren, automatisieren und auch KI einsetzen. Es stellte sich jedoch die Frage, wo KI echten Mehrwert bieten kann, ohne die Servicequalität zu beeinträchtigen.

Komplexität und thematische Breite der Anfragen: Der IT-Support muss ein breites Themenspektrum abdecken. Anfragen reichen von Formatierungsfragen in Microsoft Word über Passwort-Resets bis hin zu komplexen Anfragen, die tiefes Entwicklerwissen erfordern. 

Klassische Chat-with-your-data (CWYD) Bots, die auf der Suche nach einer Lösung in einer Datenbank basieren, waren ungeeignet. Nutzer:innen beschreiben oft nur die «Symptome» ihres Problems, wie zum Beispiel, dass sie sich nicht bei Microsoft Teams anmelden können. 

Die Voraussetzung war, dass ein intelligentes System in der Lage ist, Rückfragen zu stellen, um eine aussagekräftige Antwort zu liefern.

Anpassungsfähigkeit und Erweiterbarkeit: Der Assistent musste so flexibel sein, dass Anpassungen innerhalb von 24 Stunden möglich sind, ohne Entwickler-Know-how zu benötigen. Gleichzeitig sollte es erweiterbar sein, um zukünftiges Wissen einfach integrieren zu können.

Skalierbarkeit: Das System muss skalierbar sein, damit der Assistent mit einer wachsenden Zahl an unterschiedlichen Problemfällen umgehen und zuverlässig Lösungen liefern kann.

Nutzerzentrierung und -akzeptanz: Der digitale Assistent muss intuitiv nutzbar und für möglichst viele Mitarbeiter:innen zugänglich sein. Die Antwortqualität war entscheidend, damit die Mitarbeiter:innen Vertrauen in die Lösung entwickelten und sie im Alltag nutzen.

Das Ziel war es, 30 % des Ticketvolumens über das Agenten-System laufen zu lassen. Dafür brauchten wir eine intelligente Lösung, die die Komplexität der Anfragen verarbeitet und die Sprache unserer Nutzer:innen spricht.
Stefan Hüsemann Casual
Stefan Hüsemann Partner, ipt

Die Lösung: Ein mehrstufiges Agenten-System für den IT-Support 

Die Lösung wurde nach dem Vorbild eines mehrstufigen Support-Systems konzipiert, bei dem spezialisierte Agenten verschiedene Aufgaben übernehmen. Diese Multiagenten-Architektur ermöglicht es, komplexe Abläufe in klare Module zu unterteilen.

Lösungsarchitektur für die Multiagent-Architektur des IT-Supports.
Abb. 1 Lösungsarchitektur: Multiagenten Architektur

Koordinations-Agent (Supervisor): Analysiert das Problem der Nutzer:innen, entscheidet über Selbsthilfe oder Ticket-Erstellung und steuert die Anfrage.

Selbsthilfe-Agenten: Greifen auf unterschiedliche Wissensdatenbanken zu, analysieren Artikel und generieren konkrete Lösungsvorschläge.

Ticket-Agent: Erstellt automatisch Support-Tickets, wenn keine passende Selbsthilfe verfügbar ist, und fordert bei Bedarf fehlende Informationen von den Nutzer:innen an.

 

Diese Trennung schafft Wartbarkeit und erlaubt auch gezielte Weiterentwicklungen einzelner Fähigkeiten, ohne das Gesamtsystem zu destabilisieren.

Ablauf des Selbsthilfe Agent bei einer Anfrage an den IT Support.
Abb.2 Ablauf einer Anfrage im Selbsthilfe-Agenten

Anfragen durchlaufen mehrere Stufen. Das System agiert wie ein Level-1-Support, der zunächst mit Selbsthilfe und Lösungsvorschlägen hilft. Erst wenn das nicht ausreicht, wird ein Ticket erstellt und an einen menschlichen Mitarbeitenden weitergeleitet.

Top Antwortqualität durch kontinuierliche Verbesserung des Agenten-Systems

Die Akzeptanz der Nutzer:innen hängt stark von der Antwortqualität ab. Der Agent verbessert sich systematisch und kontinuierlich auf zwei komplementären Wegen:

  • Top-down: Die Service-Desk-Mitarbeitenden erfassen im Ticket-System laufend neue Knowledge-Base-Artikel als Selbsthilfen für die Benutzer:innen. Diese Selbsthilfe-Artikel werden über eine RAG-Architektur (Retrieval-Augmented Generation) automatisiert eingebunden.
    Wir nennen das RAG-Ops. So wird der digitale Assistent laufend «intelligenter», ohne dass ein Entwickler tätig werden muss 
  • Bottom-up: Reale Anfragen von Nutzer:innen zeigen, wo Wissenslücken bestehen oder neue Probleme auftreten. Durch Feedback-Funktionen im Chatbot können diese Lücken gezielt geschlossen werden. Je mehr Nutzer:innen das System verwenden, desto schneller aktualisiert sich das Wissensmanagement.
Die spezialisierten Agents übernehmen konkrete Probleme, was für alle ein Gewinn ist: weniger Aufwand für den Support und eine schnellere, effizientere Lösung für die Mitarbeiter:innen. Das System lernt dabei kontinuierlich aus echten Fällen.
Stefan Hüsemann Casual
Stefan Hüsemann Partner, ipt

Der Nutzen des Agenten-Systems für den IT-Support

Skalierbare Lösung 

Die Multi-Agenten-Architektur löst Routinefragen, während komplexe Fälle nur bei Bedarf an den IT-Support weitergeleitet werden. Die Architektur kann mit neuen Anforderungen wachsen.

 

Expertise dort einsetzen, wo sie am meisten bringt

Der digitale Assistent nimmt heute die angepeilten 30 % der Benutzeranfragen entgegen. Das entlastet die IT-Support-Mitarbeiter:innen von Routineaufgaben, sodass sie sich auf anspruchsvollere Fälle konzentrieren und die Wissensdatenbank weiterentwickeln können.

 

Systematische Wissensentwicklung

Die Antwortqualität wird durch den aktiven Wissensaufbau der IT-Supporter gesteigert. Gleichzeitig liefern reale Anfragen Hinweise auf Wissenslücken, wodurch die Wissensbasis kontinuierlich mit den Bedürfnissen der Nutzer:innen wächst.

 

Proaktiver anstatt reaktiver Service

Das Team kann Wissenslücken nun aktiv auf einem KPI-Dashboard erkennen und innerhalb von 24 Stunden reagieren, um die Zufriedenheit der Nutzer:innen und die Selbstlösungsrate zu steigern.

 

Messbarer Nutzen

Der digitale Assistent misst automatisch, wie viel Zeit er auf Seite des Service-Desks einspart. Dank genauer Kenntnisse über die Benutzeranfragen und die Erfolgsquote der Antworten kann der Nutzen klar ausgewiesen werden. Aktuell übernimmt der digitale Assistent die Arbeit von mehreren Service-Desk-Mitarbeitenden. So konnte die wichtigste Herausforderung adressiert werden: steigende Anzahl Support-Anfragen, gleich viel Personal.  

Der IT-Support ist proaktiver und effizienter. Zusätzlich ist die Zufriedenheit der Nutzer:innen gestiegen.
Stefan Hüsemann Casual
Stefan Hüsemann Partner, ipt

Fazit & Ausblick: Ein lernfähiges Assistenzsystem für den IT-Support 

Das Agenten-System ist ein lernender Partner im IT-Support. Moderne KI-Technologien wie LLMs, RAG und Agenten-Systeme wurden kombiniert, um eine adaptive Support-Lösung zu realisieren. 

Entscheidend für den Erfolg waren die Pflege der Wissensbasis, eine nutzerzentrierte Interaktion und eine flexible Architektur. Die Basis ist nun gelegt, um das System auf weitere IT-Support Anwendungsfälle auszuweiten. 

Tech-Stack im Überblick:

Was in diesem Projekt gebraucht wurde:

Multi-Agent-Architektur mit klaren Aufgaben
KI-Integration unter Schweizer Datenschutz-Regeln
Lernsystem für kontinuierliche Verbesserung aus Nutzer:innenanfragen
Keine falschen Antworten oder Halluzinationen bei wichtigen Support-Themen
Skalierbare Agent-Orchestrierung mit Agent-zu-Agent-Kommunikation

Was für die Umsetzung zum Einsatz kam:

Architektur: Multi-Agent-Architektur mit Orchestration-Pattern
Wissensintegration: Lernsystem mit Vektor-Datenbank
Haupt-Agents: Orchestration-Agent, Domain-specialized Agents, Ticket-Agent
Infrastruktur: Cloud-System mit Nutzung von KI-Services

Hast du auch einen spannenden Use Case? Let's talk!

Beiträge laden...