Szenarien / Kaskadeneffekt
Kaskadeneffekt: Wenn die Schnelligkeit eines Teams ein anderes überlastet
Team A glänzt mit Top-Zahlen. Team B versinkt im Backlog. Die naheliegende Erklärung: B hat ein Problem. Die tatsächliche Ursache liegt bei A.
Zusammenfassung: Team A leitet Tickets schnell weiter – die SLA-Quote stimmt. Aber Team B, das die Tickets empfängt, zeigt wachsende Bearbeitungszeiten. Process Radar zeigt den Zusammenhang: Team A leitet Tickets weiter, die es selbst hätte lösen können. Die Schnelligkeit von A erzeugt die Überlastung von B. Im Team-Dashboard sieht A vorbildlich aus. Im Gesamtbild ist es die Ursache des Problems.
Das Symptom
Team B (Spezialisten-Team) zeigt steigende Bearbeitungszeiten und einen wachsenden Backlog. Team A (First-Level-Support) hat eine exzellente SLA-Quote und kurze Durchlaufzeiten. Auf den ersten Blick scheint Team B ein Kapazitätsproblem zu haben.
Die Fehlinterpretation
Team B meldet: “Wir bekommen zu viele Tickets, die nicht in unseren Bereich gehören.” Das Management sieht Team As gute Zahlen und fragt sich, warum B nicht mitkommt. Die naheliegende Schlussfolgerung: B braucht mehr Personal oder bessere Prozesse.
Was die Daten zeigen
Process Radar erkennt automatisch, wenn die Weiterleitung eines Teams ein anderes Team überlastet:
| Datenpunkt | Ergebnis |
|---|---|
| Übergabe-Analyse | Ein Großteil der weitergeleiteten Tickets hätte beim ursprünglichen Team gelöst werden können |
| Verweildauer-Vergleich | Weitergeleitete Tickets brauchen bei Team B deutlich länger als direkt zugewiesene |
| Kategorie-Muster | Betrifft hauptsächlich “Passwort-Reset” und “Zugangsanfrage” |
| Zeitlicher Trend | Weiterleitungsrate steigt seit Wochen – Process Radar erkennt den Trend automatisch |
| Volumen | ~85 Tickets/Woche betroffen |
Der Impact
340 Stunden pro Monat an vermeidbarer Bearbeitungszeit bei Team B. Team A optimiert auf eine KPI (Erstlösungsrate), die das Problem verschleiert: Schnelle Weiterleitung zählt als “gelöst”, obwohl die Arbeit nur verschoben wird.
Das Ergebnis
Der IT-Leiter delegiert an Team A: “Die Daten zeigen, dass ein Großteil der an Team B weitergeleiteten Tickets bei euch hätte gelöst werden können. Können Sie prüfen, ob die Eskalationskriterien für Passwort-Reset und Zugangsanfrage noch korrekt sind?”
Das Ergebnis: Team A erweitert seine Lösungskompetenz für diese Kategorien. Die Weiterleitungsrate sinkt deutlich. Team B wird entlastet, die Bearbeitungszeiten normalisieren sich.
Häufige Fragen
Was genau ist ein Kaskadeneffekt im IT Service Management?
Ein Team optimiert auf seine eigene KPI – z.B. schnelle Weiterleitung – und erzeugt dadurch Mehrbelastung bei einem nachgelagerten Team. Im Einzel-Dashboard sieht das verursachende Team vorbildlich aus. Das Problem wird erst sichtbar, wenn man die Ticket-Pfade teamübergreifend analysiert.
Warum erkennen Standard-Dashboards keine Kaskadeneffekte?
ITSM-Dashboards zeigen KPIs pro Team. Wenn Team A schnell weiterleitet und Team B langsamer wird, sieht jedes Dashboard nur die Hälfte. Den Zusammenhang zwischen beiden sieht nur, wer die Übergaben analysiert.
Wie unterscheidet sich ein Kaskadeneffekt von einem normalen Kapazitätsproblem?
Bei einem Kapazitätsproblem steigen die Bearbeitungszeiten über alle Kategorien. Bei einem Kaskadeneffekt sind nur die Tickets betroffen, die vom verursachenden Team weitergeleitet werden. Process Radar macht diesen Unterschied messbar.
Kaskadeneffekte in Ihren Workflows aufdecken
Sehen, wo die Schnelligkeit eines Teams ein anderes belastet.