Wenn wir heute über Künstliche Intelligenz reden, liegt der Fokus oft auf der Technologie: Machine Learning, große Sprachmodelle, Architekturen. Besonders bei generativer KI ist es essenziell, den Bezug zu einem spezifischen Bereich wie IT-Management herzustellen. Nur so entstehen Diskussionen, die nicht abstrakt bleiben, sondern greifbar sind, echten Mehrwert liefern und Risiken adressieren.
“Autonomous IT” bedeutet nicht, Technologie, um ihrer selbst willen einzusetzen. Es geht darum, KI-Agenten in ITSM-Prozesse zu integrieren: Sie übernehmen Routineaufgaben, unterstützen Entscheidungen und reduzieren Aufwand – so können sich Mitarbeitende auf wertschöpfende Tätigkeiten konzentrieren.
Was ist ein AI Agent (bei ServiceNow) & wie hängt das mit Autonomous IT zusammen?
ServiceNow definiert AI Agents als autonome oder teilautonome Software-Agenten, die Aufgaben übernehmen, Entscheidungen treffen und Aktionen ausführen – basierend auf geschäftlichen Zielen, Workflows, Daten und unter klarer Governance.
Der Unterschied zu klassischen Automatisierungen: Diese Agenten sind in der Lage, in Prozessen eigenständig zu handeln, nicht nur starr vorprogrammierte Abläufe abzuspielen.
AI-Agent Eigenschaften:
- Domänenspezifisches Wissen: Agenten greifen auf Unternehmensdaten, CMDB, historische Vorgänge und Knowledge Articles zu und können so Antworten oder Entscheidungen treffen, die im spezifischen Kontext des IT-Managements relevant sind.
- Workflow-Integration: AI Agents sind tief in ServiceNow integriert. Sie nutzen u. A. Flow Actions, Subflows oder REST-Calls, um eigenständig Schritte auszuführen, Workflows zu steuern oder Daten zwischen Systemen zu übertragen.
- Governance & Kontrolle: Menschen bleiben jederzeit „in the loop“. Das heißt: Agenten können Entscheidungen vorschlagen oder vorbereiten, Genehmigungspunkte, Guardrails und Monitoring stellen jedoch sicher, dass Kontrolle und Verantwortlichkeit gewahrt bleiben.
- Kontextsensitives Arbeiten: AI Agents sind in der Lage, den Kontext eigenständig zu erkunden: Sie können Informationen aus verschiedenen Datenquellen kombinieren, Abhängigkeiten erkennen und so fundierte Handlungsempfehlungen ableiten.
- Entscheidungsfähigkeit: Auf Basis von Regeln und historischen Daten, treffen AI Agents Entscheidungen selbstständig – etwa ob ein Incident eskaliert, ein Change-Rollback initiiert oder ein Problem-Record erstellt werden sollte.
- Kontinuierliches Lernen: Durch Feedbackschleifen von Usern, Bewertungen der Qualität oder Analyse vergangener Entscheidungen können AI Agents ihre Ausgaben verbessern und sich an neue Rahmenbedingungen anpassen.
- Zusammenarbeit im Team: Mehrere AI Agents können gemeinsam agieren – z. B. ein Incident-Resolver, der eng mit einem Problem-Investigator und einem Change-Planner zusammenarbeitet. Dadurch entsteht ein Agentic Workflow, in dem spezialisierte Agenten Hand in Hand arbeiten.
“Autonomous IT” entsteht, wenn solche Agenten nicht nur punktuell eingesetzt werden, sondern wenn sie End-to-End Prozesse wie Incident-, Problem- oder Change-Management unterstützen und proaktiv eingreifen.
Beispiele: AI Agents in Incident / Problem / Change Management
Nehmen wir den klassischen Prozess Incident → Problem → Change:
1. Incident Phase
- Klassifizierung: Ein AI Agent klassifiziert eingehende Tickets automatisch nach Service oder betroffenem Gerät.
- Lösungsvorschläge: Ein weiterer Agent liefert Lösungsvorschläge aus der Knowledge Base oder aus gelösten Incidents der Vergangenheit.
- Problem-Analsye: Treten mehrere ähnliche Incidents gleichzeitig auf, kann der Agent eine Problem-Analyse anstoßen.
2. Problem Phase
- Mustererkennung: Agenten identifizieren Muster über Incidents hinweg.
- Root Causes: Daraufhin schlagen Agenten Root Causes oder Workarounds vor.
- Problem Record: Weitere Agenten bereiten daraus automatisch einen Problem Record vor, inklusive Priorisierung.
3. Change Phase
- Change-Plan: Ein AI Agent erstellt einen detaillierten Change-Plan mit Implementierung, Tests, Rollback.
- Risikokalkulation: Basierend auf historischen Daten kalkuliert der Agent mögliche Risiken.
- Post-Change Review: Nach der Umsetzung generiert er automatisch ein Post-Change Review.
Auf diese Weise entstehen Agentic Workflows, die Routineaufgaben drastisch beschleunigen und gleichzeitig Qualität und Nachvollziehbarkeit erhöhen.
Aktuelle AI Agents in ServiceNow
Mit dem Zürich-Release hat ServiceNow eine Reihe von vorgefertigten AI Agents veröffentlicht, u.a.:
- Incident Categorization AI Agent – ordnet eingehende Incidents automatisch zu
- Autonomous Change Management AI Agent – erstellt Change-Pläne mit Risikoanalyse
- Post-Incident Review Generation – fasst große Incidents automatisch zusammen
- Problem Investigation AI Agent – analysiert Muster und Root Causes
- Proactive Network Test and Repair – führt selbstständig Prüfungen und Korrekturen aus
Unternehmen können damit bereits starten, ohne jedes Mal eigene Agenten von Grund auf entwickeln zu müssen – wichtig ist nur die Integration in die eigenen Prozesse, Governance und eine solide Datenbasis. Unsere Erfahrung aus Projekten zeigt aber auch: diese Agent-Vorlagen müssen an die bestehenden Prozesse angepasst und Spezifika der jeweiligen Organisation angepasst werden – nur so erhalten wir gute, messbare Ergebnisse.
Die agineo AI Journey – unser strukturierter Ansatz
Damit Unternehmen nicht ins Blaue starten oder sich in technischen Details verlieren, setzen wir auf unseren Ansatz der agineo AI Journey. Sie bietet Orientierung, minimiert Risiken und schafft schnelle Mehrwerte.
Bei agineo begleiten wir unsere Kunden auf diesem Weg mit einem klar strukturierten Framework, das Technologie und Geschäftsziele mehrwertorientiert miteinander verbindet. Dabei geht es nicht um „KI der KI wegen“, sondern um konkrete, wirksame Lösungen – für IT, HR, CSM oder individuelle Serviceprozesse.
Die agineo AI Journey gliedert sich in fünf aufeinander aufbauende Phasen, die Unternehmen dabei unterstützen, generative KI sinnvoll und nachhaltig in ihre ServiceNow-Prozesse zu integrieren. Je nach Reifegrad können einzelne Schritte gezielt übersprungen oder verdichtet werden – so bleiben wir effizient und fokussiert.
Worauf es bei der Integration von AI Agents ankommt
- Nicht zu früh alles automatisieren – manche Entscheidungen gehören weiterhin in Menschenhand.
- Domänenfokus behalten – nicht die Technologie feiern, sondern den Wert in Prozessen sichtbar machen.
- Datenqualität und Governance – ohne saubere Daten, klare Regeln und Feedbackschleifen sind Agenten wertlos.
- Iterativ skalieren – klein starten, messen, verbessern, dann auf weitere Domänen ausrollen.
AI Agents sind ein Schlüssel, um von Automatisierung zu Autonomous IT zu gelangen. ServiceNow liefert die Plattform und erste fertige Agenten – der eigentliche Mehrwert entsteht jedoch erst, wenn Unternehmen die Technologie gezielt in ihren Prozessen einsetzen.
Die agineo AI Journey gibt dabei Orientierung: vom ersten Verständnis über Use Case Priorisierung bis hin zur Skalierung und Transformation. So wird aus generativer KI kein Buzzword, sondern ein Werkzeug, das Serviceprozesse schneller, sicherer und zukunftsfähiger macht.
Starten Sie Ihre AI Journey mit agineo und fragen Sie gezielt eine Beratung bei unsere Expert:innen an
