Rufen Sie uns einfach an, und wir beraten Sie gerne zu unserem Seminar- und Studienangebot.

Unsere Ansprechpartner:

Michael Rabbat, Dipl.-Kfm.
MBA Chief Operating Officer

Claudia Hardmeier
Kunden-Center
Studienbetreuung

Institute und Kompetenzzentren

Bindeglied zu einer Vielzahl an
Unternehmen und Organisationen

Erfahren Sie mehr ...

Forschung

Was Management-Forschung wirklich
leisten kann

Erfahren Sie mehr ...

Alumni

Wissenstransfer und
Erfahrungsaustausch

Erfahren Sie mehr ...

Referenzen

Feedback und
Teilnehmerstimmen

Erfahren Sie mehr ...

News

SGBS aktuell:
Wissen und
Anwendung

Erfahren Sie mehr ...

Klimaneutrale Seminare

Auf dem Weg zu
klimaneutralen Seminaren.

Erfahren Sie mehr ...

Juan Diego Flórez Association

Mit musikalischer Bildung
gegen Armut:

Erfahren Sie mehr ...

2.3.1 Maschinelles Lernen im Service Desk

Bei der Analyse von Service Desks können Prozesse identifiziert werden, die als Flaschenhals die Effektivität und Kapazität begrenzen. Häufig handelt es sich bei den begrenzenden Prozessen um manuell zu tätigende Entscheidungen. Diese Entscheidungen umfassen beispielsweise die Identifikation von Spam-Tickets, die Zuweisung von Tickets oder die Ableitung der Kundenzufriedenheit aus bearbeiteten und geschlossenen Tickets.23 Methoden aus dem Bereich des maschinellen Lernens können angewendet werden, um diese manuellen Entscheidungen zu automatisieren. Ein Beispiel dafür stellt die Kategorisierung von eingehenden Tickets dar. Tickets dienen als Konstrukt, das die wichtigsten Informationen über die Störung oder Anforderung beinhält. Kunden erstellen bspw. über ein Online-Portal ein Ticket, das eine eindeutige ID trägt. Darin können die Kunden dann ihr Problem oder ihre Anforderung beschreiben. Service-Desk-Mitarbeiter bekommen die Tickets zugewiesen und haben die Möglichkeit, über das Ticket direkt mit dem Kunden bspw. mithilfe einer Kommentarfunktion und Statusmeldungen zu kommunizieren. Ein Ticket kann i. d. R. dahingehend klassifiziert werden, dass es einem bestimmten Service-Bereich angehört (bspw. Anfrage zur Konfigurationsänderung, Störung eines Services, abgelaufene Zugangsdaten o. ä.). Bei einer manuellen Kategorisierung seitens des Kunden können allerdings schnell Fehler auftreten, da der Kunde die internen Abläufe des Service Desks im Zweifelsfall nicht kennt. So bietet sich ein maschinelles Lernkonzept an, um Tickets aufgrund von Titel, Beschreibung und Kommentaren mit hoher Wahrscheinlichkeit richtig zu klassifizieren und so die Gesamtzeit zur Lösung zu reduzieren.24

23 Vgl. Qamili/Shabani/Schneider (2018), S. 80

24 Vgl. Al-Hawari/Barham (2021), S. 702 ff.