CSV Ticket Export analysieren: In 5 Minuten vom Export zur Erkenntnis

Du hast tausende Tickets in deinem ITSM-System. Du weißt, dass irgendwo Probleme stecken — steigende Durchlaufzeiten, wiederkehrende Beschwerden, Teams die überlasten. Aber dein Dashboard zeigt nur Durchschnitte und Ampeln. Die Details stecken in den Rohdaten.

Die gute Nachricht: Du brauchst kein Data-Science-Team und kein Process-Mining-Projekt, um diese Daten auszuwerten. Du brauchst zwei CSV-Dateien und fünf Minuten.

Welche Daten brauchst du?

Für eine aussagekräftige Ticket-Analyse genügen zwei Dateien:

Datei 1: Tickets (Stammdaten)

Jede Zeile ist ein Ticket. Die Pflichtfelder:

| Feld | Beschreibung | Beispiel | |---|---|---| | ticket_id | Eindeutige Ticket-Nummer | INC-2024-00142 | | created_at | Erstellungszeitpunkt | 2025-09-15 08:30:00 |

Optionale Felder, die die Analyse verbessern:

| Feld | Beschreibung | Nutzen | |---|---|---| | closed_at | Schließungszeitpunkt | Durchlaufzeit-Berechnung | | category | Ticket-Kategorie | Kategorien-spezifische Muster | | priority | Priorität | SLA-bezogene Analysen | | location | Standort | Standort-Vergleiche |

Datei 2: TicketHistory (Ereignisverlauf)

Jede Zeile ist ein Ereignis in der Ticket-Historie. Die Pflichtfelder:

| Feld | Beschreibung | Beispiel | |---|---|---| | ticket_id | Zugehöriges Ticket | INC-2024-00142 | | event_at | Zeitpunkt des Ereignisses | 2025-09-15 09:45:00 | | field | Was sich geändert hat | assigned_to | | new_value | Der neue Wert | Network Operations L2 |

Das ist alles. Keine IDs für interne Systeme, keine Beziehungstabellen, keine Konfigurationsdaten. Zwei Dateien, vier Pflichtfelder insgesamt.

Export aus gängigen ITSM-Systemen

ServiceNow

1. Navigiere zu "Incident" oder "All" in der Ticketliste
2. Setze den Zeitfilter auf die letzten 3 bis 6 Monate
3. Klicke auf das Zahnrad-Symbol und wähle "Export to CSV"
4. Für die Historie: Navigiere zu "sys_history_line" oder nutze den "Audit Log"-Export
5. Stelle sicher, dass die Spalten ticket_id, created_at und die relevanten Historienfelder enthalten sind

Jira Service Management

1. Öffne den Filter für den gewünschten Zeitraum
2. Klicke auf "Export" und wähle "CSV (All fields)"
3. Für die Historie: Nutze den "Change History"-Export oder ein Plugin wie "Issue History Export"
4. Benenne die Spalten entsprechend um (Key wird zu ticket_id, Created zu created_at)

TOPdesk

1. Gehe zu "Berichte" und wähle den passenden Incident-Report
2. Exportiere als CSV mit den gewünschten Feldern
3. Die Ticket-Historie ist über den "Aktionsverlauf"-Export verfügbar
4. Achte darauf, dass der Zeitstempel im Format YYYY-MM-DD HH:MM:SS exportiert wird

Matrix42

1. Öffne die Ticket-Übersicht und setze den Zeitraumfilter
2. Nutze die Export-Funktion für CSV
3. Die Historie ist über den "Verlauf"-Tab pro Ticket oder als Massenexport verfügbar
4. Prüfe, dass die Zuweisungsereignisse (Feld "assigned_to" oder "Bearbeiter") enthalten sind

Allgemeiner Tipp

Wenn dein ITSM-System keinen direkten Historien-Export bietet, frage deinen Administrator nach einem Report, der für jedes Ticket die Zuweisungswechsel mit Zeitstempel enthält. Die meisten Systeme speichern diese Daten — sie sind nur nicht immer über die Standard-Oberfläche exportierbar.

Daten hochladen und Ergebnisse lesen

Der Weg von den CSV-Dateien zur Analyse:

Schritt 1: Dateien prüfen. Öffne beide CSV-Dateien kurz in einem Tabellenkalkulationsprogramm. Prüfen: Sind die Pflichtfelder vorhanden? Sind die Zeitstempel plausibel? Gibt es offensichtliche Lücken? Ein schneller Blick auf die ersten 20 Zeilen genügt.

Schritt 2: Upload auf app.dkyra.com. Erstelle einen kostenlosen Account und lade die beiden Dateien hoch. Die Zuordnung der Spalten zu den erwarteten Feldern passiert automatisch — falls nötig, kannst du Spalten manuell zuordnen.

Schritt 3: Analyse abwarten. Die Verarbeitung dauert je nach Datenmenge zwischen einer und fünf Minuten. Du bekommst eine Benachrichtigung, wenn die Ergebnisse bereit sind.

Schritt 4: Briefing lesen. Das Ergebnis ist kein Daten-Dump, sondern ein priorisiertes Briefing: Was sind die wichtigsten Handlungsfelder? Wo liegen Engpässe? Wo gibt es auffällige Muster? Jedes Handlungsfeld kommt mit konkreten Zahlen — betroffene Teams, Impact in Stunden, Trendentwicklung.

Was die Analyse zeigt — und was nicht

Die automatische Analyse identifiziert Muster, die in Standard-Dashboards nicht sichtbar sind:

Was du siehst:

• Welche Teams überdurchschnittliche Bearbeitungszeiten haben — im Vergleich zu ähnlichen Teams, nicht im Vergleich zu einem willkürlichen Schwellenwert
• Wo Tickets zwischen Teams hin- und herwandern (Routing-Schleifen)
• Welche Konstellationen aus Team und Kategorie die Durchlaufzeit treiben
• Wo Kaskadeneffekte auftreten — ein Engpass bei Team A führt zu Aufstau bei Team B
• Trends: Was verschlechtert sich, was verbessert sich, was ist stabil

Was du nicht siehst:

• Individuelle Mitarbeiterleistung — die Analyse arbeitet auf Team-Ebene
• Ticket-Inhalte — nur Metadaten (Zeitstempel, Zuweisungen, Kategorien) werden verwendet
• Prognosen oder Vorhersagen — die Analyse zeigt den Ist-Zustand und Trends, keine Forecasts

Wie viele Daten braucht man?

Die Mindestmenge für eine sinnvolle Analyse:

• Zeitraum: 8 bis 12 Wochen (kürzere Zeiträume liefern nicht genug Datenpunkte für Trendaussagen)
• Ticket-Anzahl: Ab 500 Tickets werden Muster erkennbar. Ab 2.000 Tickets sind auch feinere Konstellationen (bestimmte Kategorie + bestimmtes Team) statistisch belastbar
• Teams: Mindestens drei Bearbeitungsrollen. Bei nur zwei Rollen ist die Vergleichsbasis zu klein

Die obere Grenze ist großzügig: Auch Datensätze mit 50.000 oder mehr Tickets werden verarbeitet. Die Analyse skaliert mit dem Volumen — mehr Daten bedeuten präzisere Muster, nicht längere Wartezeiten.

Häufige Stolpersteine beim Export

Zeitstempel-Format. Das häufigste Problem. Manche ITSM-Systeme exportieren Zeitstempel im lokalen Format ("15.09.2025 08:30") statt im ISO-Format ("2025-09-15 08:30:00"). Beides wird akzeptiert, aber wenn das Format inkonsistent ist — mal mit Sekunden, mal ohne — kann es zu Fehlinterpretationen kommen. Prüfe die ersten Zeilen nach dem Export.

Kodierung. CSV-Dateien mit Umlauten (ae, oe, ue) müssen in UTF-8 kodiert sein. Wenn dein ITSM-System in Windows-1252 oder ISO-8859-1 exportiert, öffne die Datei in einem Texteditor und speichere sie als UTF-8 ab.

Trennzeichen. Manche Systeme verwenden Semikolon statt Komma als Trennzeichen. Beides wird unterstützt — aber wenn Freitextfelder Kommas oder Semikolons enthalten, sollten sie in Anführungszeichen stehen.

Leere Felder. Fehlende Werte sind kein Problem — sie werden als "unbekannt" behandelt. Wichtig ist nur, dass die Pflichtfelder (ticket_id, created_at, event_at, field, new_value) für den Großteil der Zeilen gefüllt sind.

Ein Praxis-Szenario

Eine IT-Abteilung mit 12 Mitarbeitenden und vier Teams nutzt TOPdesk. Der Service-Desk-Leiter exportiert am Freitagmorgen zwei CSV-Dateien: 3.200 Tickets und 28.000 Historien-Einträge der letzten vier Monate. Upload auf Process Radar, fünf Minuten warten.

Das Briefing zeigt drei Handlungsfelder. Das überraschendste: Eine Kategorie "Zugriffsrechte", die im Standard-Report unauffällig war, zeigt eine 2.8-fache Bearbeitungszeit im Vergleich zu ähnlichen Kategorien. Der Grund: Tickets dieser Kategorie durchlaufen im Schnitt 2.4 Zuweisungen — sie wandern zwischen dem Identity-Team und dem Applikations-Team hin und her, weil unklar ist, wer zuständig ist.

Der Service-Desk-Leiter teilt den Link zum Handlungsfeld mit beiden Teamleitern. Im nächsten Jour fixe wird eine klare Zuordnungsregel definiert. Gesamtaufwand: 20 Minuten Export, 5 Minuten Analyse, 30 Minuten Abstimmung. Effekt: 15 Stunden weniger Reibung pro Woche.

Fazit

Die Daten für eine fundierte ITSM-Analyse existieren bereits in deinem Ticket-System. Zwei CSV-Dateien, vier Pflichtfelder und fünf Minuten genügen, um Muster sichtbar zu machen, die kein Standard-Dashboard zeigt. Der schwierigste Schritt ist der erste Export — danach ist es ein Selbstläufer.

Kostenlos starten unter app.dkyra.com.

Häufig gestellte Fragen

Welche Felder braucht man für eine ITSM-Ticket-Analyse? Vier Pflichtfelder genügen: ticket_id und created_at in der Ticket-Datei sowie ticket_id, event_at, field und new_value in der Historien-Datei. Optionale Felder wie closed_at, category, priority und location verbessern die Analyse, sind aber nicht zwingend erforderlich.

Kann man Daten aus ServiceNow per CSV exportieren? Ja. ServiceNow bietet einen CSV-Export über die Listenansicht (Zahnrad-Symbol, dann "Export to CSV"). Für die Ticket-Historie kann der Audit-Log oder die sys_history_line-Tabelle exportiert werden. Die exportierten Felder lassen sich vorab konfigurieren, sodass nur die relevanten Spalten enthalten sind.

Wie lange dauert eine Ticket-Analyse? Der CSV-Export aus dem ITSM-System dauert je nach System 2 bis 10 Minuten. Die automatische Analyse nach dem Upload dauert 1 bis 5 Minuten. Insgesamt sind die ersten Ergebnisse in unter 15 Minuten verfügbar. Die Interpretation und Besprechung im Team ist der Teil, der am meisten Zeit in Anspruch nimmt — aber auch den größten Wert liefert.