3 KI-Erfolgsgeschichten als Inspiration für Ihre Bereitstellung

Die meisten Unternehmen, die meiner Beobachtung nach mit KI zu kämpfen haben, haben viel in KI investiert. Nach zahlreichen Gesprächen mit Führungskräften in Europa, dem Nahen Osten und Afrika zeichneten sich mehrere Muster ab.

Eines davon ist wichtiger als alle anderen und hat nichts mit Branche, Größe oder Budget zu tun: Die Führungskräfte, die in ihren Unternehmen mit KI erfolgreich sind, haben KI nicht an die erste Stelle gesetzt. Sie priorisierten, was die KI benötigt, um Leistung zu erbringen, und schufen diese Voraussetzungen gezielt, damit die KI nach der Bereitstellung die erwarteten Ergebnisse lieferte.

Vor Kurzem habe ich mit drei Führungskräften gesprochen, um herauszufinden, wie sie dabei vorgegangen sind.

1. Optimierung von jährlich 1,7 Millionen IT-Anfragen

Siemens AG, der weltweit tätige Technologie- und Engineering-Konzern, setzte sich das Ziel, den IT-Support im gesamten Unternehmen zu optimieren und zu verbessern. Im Laufe der mehr als zweijährigen Zusammenarbeit mit ServiceNow konzentrierte sich Siemens auf die Bereinigung und Standardisierung seiner Datengrundlage, um einen konsistenteren, skalierbaren Support zu ermöglichen.

Mithilfe einer neuen, verbesserten Datenstruktur konnte Siemens agentenbasierte KI im gesamten IT-Bereich skalieren und so KI-gestützte Effizienzsteigerungen erzielen. Diese bildet das Rückgrat einer zentralen Anlaufstelle für den Anwendersupport namens MyIT.

Die Transformation hat einen konsistenten, hochwertigen Support im gesamten Unternehmen ermöglicht und die IT-Mitarbeiter von Siemens entlastet, sodass sie sich auf komplexere Aufgaben konzentrieren können.

Jayant Deulgaonkar, General Manager bei Siemens IT, erklärte, wie das Unternehmen KI einsetzt, um Incidents zu reduzieren: „Unser Ansatz besteht zunächst darin, Incidents von vornherein zu vermeiden. Dieser Ansatz ist prädiktiv. Wenn das nicht funktioniert, greifen wir auf präskriptive Automatisierung zurück, bei der ein Agent den Incident autonom lösen kann.“

Diese mehrschichtige Architektur – Probleme vorherzusagen, bevor sie auftreten, sie nach Möglichkeit autonom zu lösen und sie nur dann an einen menschlichen Service Desk-Mitarbeiter weiterzuleiten, wenn dies wirklich erforderlich ist – hängt vollständig von der Qualität der zugrunde liegenden Daten ab.

Das nächste Ziel von Siemens besteht darin, den Mitarbeitern mithilfe von KI neue Möglichkeiten zu eröffnen. Das Team plant, Automatisierung einzusetzen, um noch mehr Mitarbeitern Zeit zurückzugeben, damit sie sich auf Wachstum konzentrieren können. Wenn Mitarbeiter nicht mehr die Last ständiger Anforderungen tragen müssen, gewinnen sie den für Innovationen nötigen geistigen Freiraum zurück.

2. Zugang zu Services mit hoher Wertschöpfung

SLB, der weltweit größte Ölfelddienstleister, setzt KI ein, um Unternehmen in mehr als 80 Ländern wissenschaftliche Expertise bereitzustellen. Der erstklassige Kundensupport des Unternehmens wird durch die ServiceNow AI Platform ermöglicht.

Bislang mussten die vielbeschäftigten Kunden von SLB oft Umwege über den IT-Support nehmen, statt direkt mit den Spezialisten in Kontakt zu kommen, die ihre Probleme lösen konnten. „Ein Geologe mit einem geologischen Problem möchte mit anderen Geologen sprechen“, erklärt Mark Gerrard Douglas, Vice President für digitale Services bei SLB.

Die Überarbeitung dieses Workflows erschloss einen enormen Mehrwert. „Geophysiker und Geologen sind hochspezialisierte und entsprechend gefragte Fachkräfte. Deshalb wollen wir sie von Routineaufgaben wie dem Ausfüllen von Tickets entlasten“, so Douglas. Indem SLB die Arbeit seiner Experten beschleunigt, kann das Unternehmen „mehr Beratungsgeschäfte mit [seinen] Kunden abwickeln und mehr Umsatz erzielen“.

SLB führte einen Ansatz für den Kundensupport ein, den Douglas „Carry Context“ nennt – einen Ansatz, bei dem der Kontext eines Kundenanliegens über den gesamten Support­prozess hinweg bewahrt und weitergegeben wird. Anstatt dass 7.000 Tickets in einem allgemeinen Pool landen, leitet die KI jedes einzelne direkt an einen zuständigen Geologen oder Geophysiker von SLB weiter. Dadurch müssen Kunden nicht bei jeder Kontaktauf­nahme erneut ein Passwort, die Region, aus der ihre Anfrage stammt, und die Art ihres Anliegens angeben.

Die Strategie hat zu einer deutlichen Steigerung der Kundenzufriedenheit geführt und dadurch die Kundenbeziehungen sowie den Geschäftserfolg von SLB gestärkt. Außerdem hat sie wertvolle, bereits im Unternehmen vorhandene Beratungskapazitäten erschlossen und so eine größere Wirkung ermöglicht.

Die meisten Unternehmen verfügen über mehr Kapazitäten, als sie aufgrund ihrer Workflows nutzen können. Das Beispiel SLB zeigt, was möglich ist, wenn KI eingesetzt wird, um diese ungenutzten Kapazitäten zu erschließen, anstatt einfach eine weitere Ebene auf die bestehenden Prozesse zu setzen.

3. Stärkung einer internationalen Belegschaft

Die Erschließung menschlicher Kapazitäten ist auf einer geschäftigen Verkaufsfläche ebenso wichtig wie in einem spezialisierten technischen Umfeld. Rossmann, eine der größten Drogerieketten Europas, betrachtet seine stationären Filialen als seine größte Wachstumschance.

Vor der Transformation musste ein Filialleiter jedes Mal, wenn in einer Filiale etwas schiefging, die Verkaufsfläche verlassen, die Zentrale anrufen, in der Warteschleife warten und das Problem telefonisch klären. Ein einzelner Fall erforderte abteilungsübergreifend durchschnittlich neun Minuten menschlicher Arbeitszeit. Um 5.200 Drogeriemärkte am Laufen zu halten, war eine zentrale Plattform erforderlich, die alle vernetzte.

Rossmann nutzte die ServiceNow AI Platform, um agentenbasierte KI für die Klassifizierung, Priorisierung und Lösung von Incidents bereitzustellen. „Der KI-Agent analysiert und priorisiert den Incident selbstständig und ergreift die erforderlichen Maßnahmen, um das Ticket zu schließen“, erklärt Christian Metzner, Managing Director of HR and IT bei Rossmann. „Was früher bis zu neun Minuten in Anspruch nehmen konnte, dauert jetzt weniger als fünf Sekunden. Es ist praktisch verzögerungsfrei.“

Rossmann entwickelt außerdem ein KI-Modell, das anhand von Sensor- und Verkaufsdaten in Echtzeit die nächstbeste Maßnahme für Mitarbeiter bestimmt. „Das könnte die Annahme einer per LKW eintreffenden Warenlieferung oder das Beseitigen von Mehl sein, das in einem Gang verschüttet wurde“, erklärte Metzner. „Das ist für uns ein enormer Hebel, weil die Einzelhandelsabläufe ein so großes Kostenelement darstellen.“

Engpässe bei Mitarbeitern mit direktem Kundenkontakt sind für die Führungskräfte im Einzelhandel und im operativen Geschäft, mit denen ich spreche, ein ständiges Problem. Rossmann zeigt, wie die Verknüpfung von Echtzeitdaten mit autonomen Workflows die Mitarbeiter-Experience für 60.000 Mitarbeiter in den Filialen grundlegend verändern kann.

Die gemeinsame Botschaft dieser drei Unternehmen

Ein globales Engineering-Unternehmen, ein Ölfelddienstleister und eine europäische Drogeriekette – drei Unternehmen aus völlig unterschiedlichen Branchen und Märkten – gelangten zu derselben Erkenntnis. Bei keinem von ihnen stand KI an erster Stelle. Bei allen stand ein Ergebnis im Vordergrund: eine bessere Kunden-Experience und eine leistungsfähigere Belegschaft.

Das ist nur mit einer einheitlichen Plattform, sauberen Daten, neu gestalteten Workflows und vernetzten Betriebsabläufen möglich.

Erfahren Sie, wie ServiceNow Ihnen dabei helfen kann, die KI arbeiten zu lassen. Für alle.