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 einen sauberen Export.
Welche Daten brauchst du?
Für eine aussagekräftige Ticket-Analyse genügen zwei Dateien:
Datei 1: Tickets (Stammdaten)
Jede Zeile ist ein Ticket. Die Pflichtfelder:
- ticket_id: eindeutige Ticket-Nummer, z. B. INC-2024-00142
- created_at: Erstellungszeitpunkt, z. B. 2025-09-15 08:30:00
Optionale Felder, die die Analyse verbessern:
- closed_at: Schließungszeitpunkt, nötig für die Durchlaufzeit
- category: Ticket-Kategorie, für Muster je Kategorie
- priority: Priorität, für SLA-bezogene Auswertungen
- location: Standort, für Standort-Vergleiche
Datei 2: TicketHistory (Ereignisverlauf)
Jede Zeile ist ein Ereignis in der Ticket-Historie. Die Pflichtfelder:
- ticket_id: zugehöriges Ticket, z. B. INC-2024-00142
- event_at: Zeitpunkt des Ereignisses, z. B. 2025-09-15 09:45:00
- field: was sich geändert hat, z. B. assigned_to
- new_value: der neue Wert, z. B. Network Operations L2
Das ist alles. Keine IDs für interne Systeme, keine Verknüpfungstabellen, keine Konfigurationsdaten. Zwei Dateien, vier Pflichtfelder insgesamt.
Export aus gängigen ITSM-Systemen
ServiceNow
- Navigiere zu "Incident" oder "All" in der Ticketliste
- Setze den Zeitfilter auf die letzten 3 bis 6 Monate
- Klicke auf das Zahnrad-Symbol und wähle "Export to CSV"
- Für die Historie: Navigiere zu "sys_history_line" oder nutze den "Audit Log"-Export
- Stelle sicher, dass die Spalten ticket_id, created_at und die relevanten Historienfelder enthalten sind
Jira Service Management
- Öffne den Filter für den gewünschten Zeitraum
- Klicke auf "Export" und wähle "CSV (All fields)"
- Für die Historie: Nutze den "Change History"-Export oder ein Plugin wie "Issue History Export"
- Benenne die Spalten entsprechend um (Key wird zu ticket_id, Created zu created_at)
TOPdesk
- Gehe zu "Berichte" und wähle den passenden Incident-Report
- Exportiere als CSV mit den gewünschten Feldern
- Die Ticket-Historie ist über den "Aktionsverlauf"-Export verfügbar
- Achte darauf, dass der Zeitstempel im Format YYYY-MM-DD HH:MM:SS exportiert wird
Matrix42
- Öffne die Ticket-Übersicht und setze den Zeitraumfilter
- Nutze die Export-Funktion für CSV
- Die Historie ist über den "Verlauf"-Tab pro Ticket oder als Massenexport verfügbar
- 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. Nur ist der Export über die Standard-Oberfläche nicht immer vorgesehen.
Vom Export zur Auswertung
Der Weg von den CSV-Dateien zur Auswertung:
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: Datencheck. Bevor eine Auswertung läuft, prüft jemand die Dateien gegen die Pflichtfelder. Fehlen Zuweisungswechsel oder sind Zeitstempel unbrauchbar, wird das hier sichtbar. Nicht erst im Ergebnis.
Schritt 3: Auswertung. Erst nach dem Datencheck läuft die eigentliche Auswertung.
Schritt 4: Ergebnis lesen. Ein gutes Ergebnis ist kein Daten-Dump. Es zeigt einzelne Stellen: Wo dauert etwas deutlich länger als üblich? Zwischen welchen Teams? Und welche Frage stellst du den Menschen dort?
Was die Rohdaten zeigen, und was nicht
Rohdaten zeigen Muster, die in Standard-Dashboards nicht sichtbar sind:
Was du siehst:
- Welche Teams deutlich länger brauchen als vergleichbare Teams
- Wo Tickets zwischen Teams hin- und herwandern (Routing-Schleifen)
- Wo ein Engpass bei Team A zu Aufstau bei Team B führt
- Trends: Was verschlechtert sich, was verbessert sich, was ist stabil
Was du nicht siehst:
- Leistung einzelner Personen: die kleinste Einheit ist die Rolle, nie die Person
- Ticket-Inhalte: verwendet werden nur Metadaten (Zeitstempel, Zuweisungen, Kategorien)
- 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 einigen hundert Tickets werden Muster erkennbar. Mit mehreren tausend Tickets tragen auch feinere Ausschnitte, etwa eine Kategorie in einem Team
- Teams: Mehrere Bearbeitungsrollen. Mit nur zwei Rollen gibt es wenig zu vergleichen
Nach oben gibt es kaum eine Grenze. Mehr Daten bedeuten genauere Muster.
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 ein inkonsistentes Format kann zu Fehlinterpretationen führen: mal mit Sekunden, mal ohne. 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. Enthalten Freitextfelder aber Kommas oder Semikolons, gehören sie in Anführungszeichen.
Leere Felder. Fehlende Werte sind kein Problem. Sie zählen als "unbekannt". 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
Am fiktiven Beispiel-Service-Desk Hopfencraft (fiktiv) sieht das so aus. SAP-Tickets liegen bei der SAP-Rolle üblich 4,7 Stunden. Kommen sie vom 1st Level Support (723 Tickets), sind es 3,4 Stunden. Kommen sie von Braumeister & Produktion (123 Tickets), sind es 28 Stunden.
Rund das Sechsfache, mehrfach validiert. Im Standard-Report steht dazu nichts, denn der Durchschnitt der SAP-Rolle sieht normal aus. Erst die Herkunft der Übergabe macht die Stelle sichtbar.
Die Frage geht an beide Seiten: Was fehlt an den Tickets aus der Produktion? Die Gründe klären die Menschen dort. Die ganze Geschichte steht unter Übergaben zwischen Teams.
Zwei CSV-Dateien genügen für den Anfang
Die Daten für eine fundierte ITSM-Analyse existieren bereits in deinem Ticket-System. Zwei CSV-Dateien und vier Pflichtfelder genügen, um Muster sichtbar zu machen, die kein Standard-Dashboard zeigt. Der schwierigste Schritt ist der erste saubere Export.
Wie ein Ergebnis aussieht, zeigt der Beispielbericht.
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 Export selbst ist meist schnell erledigt. Mehr Zeit kostet der Datencheck: Sind Zuweisungswechsel und Zeitstempel vollständig? Erst danach lohnt die Auswertung. Den meisten Wert liefert ohnehin die Besprechung mit den Teams an den gefundenen Stellen.
Dieses Thema vertiefen: Ticket-Routing optimieren: Wie Umwege den IT-Support ausbremsen
Wo steht das bei dir?
Der Beispielbericht zeigt drei Stellen am fiktiven Service Desk Hopfencraft: mit Zahl, Vergleich und der Frage an die Menschen dort.
Beispielbericht ansehenEine geschäftliche E-Mail-Adresse genügt.