Die meisten ITSM-Kennzahlen kommen entweder zu früh oder zu spät. Was dazwischen passiert, sieht niemand.
Zwei Sorten Kennzahlen, ein Problem
Im Service Management gibt es Leading und Lagging Indicators. Sie stehen in den meisten Dashboards friedlich nebeneinander. Aber sie funktionieren grundlegend anders.
Lagging Indicators messen, was bereits passiert ist. Durchschnittliche Lösungszeit, SLA-Einhaltungsquote, Kundenzufriedenheit, Erstlösungsrate. Verlässlich, gut messbar – und zu spät. Wenn Ihre SLA-Quote im März bei 78 % liegt, ist der März vorbei. Dokumentieren können Sie den Schaden. Verhindern nicht mehr.
Leading Indicators versuchen, die Zukunft einzuschätzen. Ticket-Eingangsvolumen, Backlog-Entwicklung, Mitarbeiterverfügbarkeit, Anteil offener Tickets nach Alter. Sie kommen früh genug, um noch zu handeln. Aber sie sind mehrdeutig. Ein steigendes Ticket-Volumen kann ein saisonaler Effekt sein. Ein Rollout-Nachbeben. Oder ein Frühwarnsignal für ein systemisches Problem. Der Indicator allein sagt nicht, was davon zutrifft.
Beide KPI-Typen sind nützlich. Aber zwischen beiden klafft eine Lücke, die in den meisten IT-Organisationen ignoriert wird.
Wo die Kausalität verschwindet
Leading Indicators auf der einen Seite, Lagging Indicators auf der anderen. Dazwischen liegt das, was die Ergebnisse tatsächlich verursacht: die Prozessstruktur, die Routing-Logik, die Teaminteraktionen, die versteckten Engpässe.
Dieses Dazwischen ist das schwarze Loch.
Ein Beispiel. Ihr Leading Indicator zeigt: Ticket-Volumen im 1st Level seit vier Wochen +15 %. Ihr Lagging Indicator zeigt: Lösungszeit im 2nd Level von 8 auf 14 Stunden gestiegen. Die naheliegende Schlussfolgerung: mehr Tickets, längere Bearbeitungszeiten. Die Standardreaktion: mehr Personal im 2nd Level.
Aber was, wenn 40 % der zusätzlichen Tickets aus einer fehlerhaften Kategorisierung im 1st Level stammen? Tickets, die nie ins 2nd Level hätten geroutet werden dürfen? Dann löst mehr Personal das Problem nicht. Es kaschiert es.
Die Kausalität zwischen Leading und Lagging läuft nicht durch eine direkte Leitung. Sie läuft durch Prozessschritte, Routing-Entscheidungen, Warteschlangen, Teamübergaben. Und genau dieses System ist in den meisten Kennzahlensystemen unsichtbar.
Warum das schwarze Loch existiert
Nicht weil Daten fehlen. Die meisten ITSM-Tools zeichnen jeden Statuswechsel, jede Zuweisung, jede Eskalation auf. Die Rohdaten sind da. Aber niemand analysiert sie auf Strukturebene.
Aggregation vernichtet Kausalität. Sobald Ticketdaten zu Durchschnittswerten verdichtet werden, verschwinden die individuellen Prozesspfade. Durchschnittliche Lösungszeit: 12 Stunden. Was diese Zahl verschleiert: 60 % der Tickets sind in 4 Stunden gelöst. 40 % brauchen 28 Stunden. Und diese 40 % haben alle denselben Routing-Pfad.
KPIs messen Ergebnisse, nicht Strukturen. SLA-Quoten, Lösungszeiten, Kundenzufriedenheit – alles Ergebnis-Metriken. Sie beschreiben das Was. Kein Standard-KPI misst, wie oft Tickets zwischen Teams pendeln, ob bestimmte Prozessketten systematisch länger dauern, oder wo Wartezeiten entstehen, die niemandem zugeordnet werden.
Silo-Perspektiven sehen nur Silo-Probleme. Jedes Team optimiert seine eigenen KPIs. Das 1st Level verbessert seine Erstlösungsrate – indem es mehr Tickets eskaliert, die eigentlich lösbar wären. Das 2nd Level verbessert seine Bearbeitungszeit – indem es Tickets schneller weiterleitet statt gründlicher löst. Die Gesamtwirkung ist negativ. Aber kein einzelner KPI zeigt das.
Was im schwarzen Loch steckt
Zwischen Leading und Lagging Indicators liegen Informationen, die in keinem Standard-KPI-Framework vorkommen – aber für IT-Führungskräfte entscheidend sind.
Prozessschleifen. Tickets, die zwischen Teams hin- und hergereicht werden. In den KPIs erscheinen sie als verlängerte Lösungszeit. Der eigentliche Ping-Pong-Effekt bleibt unsichtbar.
Kaskadeneffekte. Ein Engpass in Team A erzeugt einen Rückstau in Team B, der die Eskalationsrate in Team C erhöht. Jedes Team sieht sein lokales Symptom. Die systemische Ursache erkennt keiner.
Kapazitätsasymmetrien. Team A bearbeitet 50 Tickets pro Woche, Team B empfängt 70 aus derselben Pipeline. Der Stau entsteht nicht durch mangelnde Effizienz. Es ist ein strukturelles Missverhältnis, das kein Effizienz-KPI erfasst.
Zeitliche Muster. Bestimmte Engpässe treten nur freitagnachmittags auf, wenn die Schichtübergabe stockt. Oder montags, wenn das Wochenend-Backlog durchgearbeitet wird. Monatsaggregierte KPIs mitteln diese Muster weg.
Nicht mehr messen. Besser verstehen.
Die Reaktion auf das schwarze Loch ist in vielen Organisationen: noch mehr KPIs einführen. Das erzeugt mehr Rauschen, nicht mehr Klarheit.
Was stattdessen hilft: eine andere Art der Analyse.
Statt Durchschnittswerte über alle Tickets zu bilden – die tatsächlichen Prozesspfade nachverfolgen. Wo entstehen Schleifen? Wo häufen sich Wartezeiten? Wo divergieren die Pfade?
Statt jedes Team an seinen eigenen Kennzahlen zu messen – die Interaktionen zwischen Teams analysieren. Inflow-Outflow-Verhältnisse, Übergabequalität, Kaskadeneffekte über Teamgrenzen hinweg.
Statt auf den nächsten Monatsbericht zu warten – strukturelle Anomalien erkennen, bevor sie sich in den Lagging Indicators niederschlagen.
Fazit
Leading und Lagging Indicators sind die Grundlage jedes ITSM-Kennzahlensystems. Daran ändert sich nichts.
Aber zwischen beiden liegt das schwarze Loch: der Ort, an dem Ursachen entstehen und systemische Probleme reifen. Solange dieses Dazwischen unsichtbar bleibt, bleiben die Maßnahmen reaktiv. Mehr Personal, mehr Schulung, mehr Druck.
Erst wenn die Struktur sichtbar wird, werden gezielte Eingriffe möglich.
Wie Prozessstrukturanalyse das schwarze Loch zwischen Ihren KPIs durchleuchtet: dkyra.com/methodik
Solche Muster automatisch erkennen?
Process Radar analysiert Ihre ITSM-Daten und zeigt strukturelle Probleme — ohne manuelles Reporting.
Zugang anfragen