80 Prozent aller IT-Automatisierungsprojekte scheitern nicht an der Technik. Sie scheitern an der Stellenwahl. Das Tool funktioniert, die Integration läuft, das Team ist geschult. Aber der Effekt bleibt aus, weil die falsche Stelle automatisiert wurde.
Das ist kein technisches Problem. Es ist ein Analyseproblem.
Die Volumen-Falle
Wenn ein VP IT entscheiden soll, wo Automatisierung den größten Effekt hat, liegt der erste Blick auf dem Volumen. Die Kategorie mit den meisten Tickets muss der beste Kandidat sein. Dort spart jede Automatisierung schließlich am meisten ein.
Das klingt logisch, führt aber systematisch in die Irre.
Stell dir zwei Kategorien vor: Kategorie A hat 1.200 Tickets pro Monat mit einer durchschnittlichen Bearbeitungszeit von 12 Minuten. Kategorie B hat 400 Tickets pro Monat mit einer durchschnittlichen Bearbeitungszeit von 3 Stunden. Volumen sagt: Kategorie A. Stundeneffekt sagt: Kategorie B. Sie bindet mehr als das Dreifache an Arbeitszeit.
Die Volumen-Falle entsteht, weil Standard-Reports Tickets zählen statt Stunden zu messen. Ein ITSM-Dashboard zeigt: "Kategorie A: 1.200 Tickets." Es zeigt nicht: "Kategorie A bindet 240 Arbeitsstunden. Kategorie B bindet 1.200 Arbeitsstunden." Und genau das ist die Information, die eine Investitionsentscheidung braucht.
Warum "mit weniger mehr schaffen" keine Strategie ist
Der Auftrag an die IT-Leitung klingt einfach: Mit dem gleichen Budget mehr Output liefern. Effizienz steigern. Automatisieren.
Aber Effizienz ist kein Schalter, den man umlegt. Es ist eine Entscheidung, die auf einer Analyse basiert. Diese Analyse fehlt in den meisten Organisationen.
Was die meisten IT-Leiter zur Verfügung haben:
- Ticketvolumen pro Kategorie: sagt nichts über Effizienzpotenzial
- Durchschnittliche Durchlaufzeit: verdeckt die Bereiche, in denen strukturell Zeit verschwendet wird
- SLA-Erfüllung: misst Einhaltung, nicht Potenzial
- Mitarbeiterzufriedenheit: ein Symptom, keine Diagnose
Was fehlt: Eine Analyse, die zeigt, wo Bearbeitungszeit systematisch verschwendet wird. Nicht weil Mitarbeiter langsam sind, sondern weil der Prozess es erzwingt. Wo Tickets in Warteschlangen stehen, die niemand sieht. Wo Übergaben zwischen Teams Tage kosten, obwohl die Bearbeitung selbst Minuten dauert.
Die drei häufigsten Fehler bei der Stellenwahl
1. Die lauteste Beschwerde automatisieren
Wenn der Fachbereich sich über lange Wartezeiten bei Kategorie X beschwert, liegt der Reflex nahe: "Dann automatisieren wir Kategorie X." Aber die Beschwerden kommen aus der Nutzerperspektive. Die sieht nicht, ob die Wartezeit durch Bearbeitungszeit oder durch Liegezeit entsteht.
Automatisierung verkürzt Bearbeitungszeit. Manchmal ist das Problem Liegezeit. Tickets stehen in einer Warteschlange, warten auf Zuarbeit oder wandern zwischen Teams hin und her. Dann bringt Automatisierung nichts. Das Ticket wird zwar schneller bearbeitet, wartet aber genauso lange in der Queue.
2. Den Branchenbenchmark kopieren
"Im Branchendurchschnitt automatisieren Unternehmen unserer Größe Passwort-Resets und Standard-Changes." Das mag stimmen. Aber der Branchendurchschnitt kennt deine spezifische Prozessstruktur nicht.
Vielleicht hat dein Unternehmen Passwort-Resets bereits gut im Griff (durchschnittliche Bearbeitungszeit: 8 Minuten, kaum Liegezeit). Dafür hat eine andere Kategorie ein strukturelles Problem, das im Benchmark nicht auftaucht. Wer den Benchmark kopiert, investiert in die durchschnittliche Organisation. Nicht in die eigene.
3. Alles gleichzeitig angehen
Der umgekehrte Fehler: Statt eine Stelle zu priorisieren, werden fünf Automatisierungsprojekte gleichzeitig gestartet. Jedes bekommt ein Fünftel des Budgets, ein Fünftel der Aufmerksamkeit und ein Fünftel der Chance auf Erfolg.
Die effektivere Strategie: Eine Stelle verstehen, bevor Geld fließt. Dort investieren, messen, lernen. Dann die nächste Stelle.
Was man stattdessen braucht
Die richtige Stellenwahl erfordert drei Dinge, die in Standard-Reports nicht vorkommen:
Erstens: Bearbeitungszeit statt Ticketvolumen. Nicht "Wie viele Tickets hat diese Kategorie?" sondern "Wie viele Arbeitsstunden bindet diese Kategorie?" Eine Kategorie mit 200 Tickets und je 4 Stunden Bearbeitungszeit bindet 800 Stunden. Mehr als eine Kategorie mit 2.000 Tickets und je 10 Minuten.
Zweitens: Strukturelle Ineffizienz statt Einzelausreißer. Nicht "Dieses Ticket hat 14 Tage gedauert" sondern "Tickets dieser Kategorie dauern regelmäßig ein Vielfaches länger als bei ähnlicher Arbeit üblich." Einzelfälle passieren. Muster zeigen, wo es sich lohnt nachzufragen.
Drittens: Zerlegung in Bearbeitungs- und Liegezeit. Nicht "Die Durchlaufzeit beträgt 5 Tage" sondern "Die Bearbeitungszeit beträgt 2 Stunden, die Liegezeit 4,8 Tage." Automatisierung wirkt auf Bearbeitungszeit. Liegezeit erfordert Prozessänderungen. Andere Maßnahme, anderes Budget, anderer Verantwortlicher.
Wie die Analyse in der Praxis aussieht
Ein VP IT mit 4.000 Tickets pro Monat steht vor der Frage: Wo investiere ich mein Automatisierungsbudget?
Der Standard-Report zeigt 42 Kategorien mit jeweils Volumen und SLA-Erfüllung. Die drei volumestärksten Kategorien sehen nach dem offensichtlichen Kandidaten aus. Aber die Analyse nach Stundeneffekt ergibt ein anderes Bild:
Die volumestärkste Kategorie (Service-Anfragen, 680 Tickets) hat eine durchschnittliche Bearbeitungszeit von 15 Minuten. Gesamtbindung: 170 Stunden. Eine andere Kategorie (Anwendungsstörungen, 280 Tickets) hat eine durchschnittliche Bearbeitungszeit von 2,5 Stunden. Gesamtbindung: 700 Stunden. Noch dazu dauern diese Tickets deutlich länger als bei ähnlicher Arbeit üblich. Das ist ein strukturelles Muster, kein Einzelfall.
Der genauere Blick lohnt sich bei den Anwendungsstörungen. Nicht weil es die meisten Tickets sind, sondern weil dort die meiste Bearbeitungszeit gebunden ist. Ob Automatisierung dort hilft, klärt erst das Gespräch mit dem Team, das die Tickets bearbeitet.
Effizienz ist eine Frage der Analyse
Automatisierung ist kein Selbstzweck. Sie ist ein Mittel, das nur dort wirkt, wo die Analyse es rechtfertigt. Die Frage ist nicht "Was können wir automatisieren?" sondern "Wo ist die strukturelle Ineffizienz? Und ist Automatisierung dort die richtige Antwort?"
Manchmal ist die Antwort eine Prozessänderung. Manchmal ein geändertes Routing. Manchmal eine Kapazitätsanpassung. Und manchmal ist es tatsächlich Automatisierung. Aber an einer Stelle, die kein Standard-Dashboard als Kandidat angezeigt hätte.
Erst verstehen, dann automatisieren. Wie das am fiktiven Service Desk Hopfencraft aussieht, zeigt die Geschichte KI im Service Desk.
Häufig gestellte Fragen
Warum scheitern IT-Automatisierungsprojekte trotz guter Technik? In den meisten Fällen liegt es nicht an der Implementierung, sondern an der Stellenwahl. Die falsche Stelle ist etwa eine Kategorie mit hohem Volumen, aber niedriger Bearbeitungszeit. Wird sie automatisiert, bleibt der Effizienzeffekt minimal. Die Technik funktioniert, aber an der falschen Stelle.
Wie erkennt man, ob Automatisierung oder Prozessänderung der richtige Ansatz ist? Entscheidend ist die Zerlegung der Durchlaufzeit in Bearbeitungszeit und Liegezeit. Automatisierung verkürzt Bearbeitungszeit. Manchmal liegt das Problem aber bei der Liegezeit: Tickets warten in Queues, auf Zuarbeit oder auf Freigaben. Dann braucht es eine Prozessänderung: anderes Routing, geänderte Übergaben oder angepasste Eskalationsregeln.
Wie findet man die richtige Stelle für ein Effizienzprojekt? Drei Schritte: Erstens, Bearbeitungszeit pro Kategorie messen statt nur Ticketvolumen zählen. Zweitens, Kategorien vergleichen. Welche dauern regelmäßig länger als bei ähnlicher Arbeit üblich? Drittens, mit dem Team dort klären, ob Bearbeitungszeit oder Liegezeit das Problem ist. Erst dann ist klar, ob Automatisierung hilft.
Dieses Thema vertiefen: IT-Automatisierung richtig priorisieren
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.