Agentic AI im Service Management: Warum sich KI-Einsatz rechnen muss

Agentic AI gilt als nächste Stufe der Automatisierung: Systeme reagieren nicht mehr nur auf Anweisungen, sondern handeln innerhalb festgelegter Grenzen selbstständig. Für Unternehmen verschiebt sich damit die entscheidende Frage – nicht ob, sondern wo sich der Einsatz rechnet. Im Service Management zeigt sich besonders deutlich, dass nachträglich ergänzte KI-Funktionen schnell an Grenzen stoßen, wenn sie nicht tief in bestehende Prozesse eingebettet sind. Dirk Martin, CEO und Gründer der Serviceware SE, erläutert im Gespräch, worauf es dabei ankommt.

Agentic AI: Wenn Systeme nicht mehr nur antworten, sondern handeln

Der Begriff Agentic AI beschreibt Systeme, die nicht auf einen einzelnen Befehl warten, sondern eine Aufgabe übernehmen und über mehrere Schritte hinweg verfolgen. Sie erfassen eine Anfrage, ziehen Informationen aus unterschiedlichen Quellen heran und leiten daraus Aktionen ab. Im Service Management trifft diese Entwicklung auf einen Bereich, in dem ohnehin viele wiederkehrende Vorgänge zusammenlaufen – von der Sortierung eingehender Anfragen über die Klärung von Zuständigkeiten bis zur Dokumentation gefundener Lösungen. Genau deshalb lässt sich hier besonders konkret beantworten, ob ein KI-Einsatz wirtschaftlich trägt oder nicht.

Bemerkenswert ist die Verschiebung, die mit dieser Technik einhergeht. Während frühere KI-Werkzeuge vor allem Vorschläge machten, die ein Mensch prüfen und freigeben musste, können Agenten innerhalb definierter Regeln selbst tätig werden. Das verändert nicht nur einzelne Arbeitsschritte, sondern die Aufgabenteilung zwischen Mensch und System. Wer diese Grenze zieht, bestimmt darüber, wie viel Verantwortung eine Software übernimmt – und wie viel Kontrolle im Unternehmen bleibt. Diese Entscheidung ist keine rein technische, sondern eine organisatorische.

Nutzen und Gesamtkosten: KI wird zur Managementaufgabe

Dirk Martin ordnet den wirtschaftlichen Anspruch nüchtern ein: „Entscheidend ist nicht, möglichst viel KI einzusetzen, sondern sie dort einzusetzen, wo sie messbaren Geschäftswert schafft.“ Damit rückt ein Aspekt in den Vordergrund, der in vielen Diskussionen über neue KI-Funktionen untergeht. Gerade mit Agentic AI steigen neben der Service-Effizienz auch nutzungsabhängige Kosten, weil jede ausgeführte Aktion Ressourcen bindet. Ein Anwendungsfall, der in der Demonstration überzeugt, kann im Dauerbetrieb daher anders aussehen als erwartet.

Daraus folgt eine doppelte Betrachtung: Unternehmen müssen den Nutzen und die Gesamtkosten eines Anwendungsfalls zusammen bewerten und dieses Verhältnis laufend überprüfen. Eine einmalige Entscheidung für ein Werkzeug reicht nicht aus, wenn sich Anfragevolumen, Modellkosten oder Prozessschritte verändern. KI wird damit zunehmend auch zu einer Managementaufgabe – mit Zuständigkeiten, Kennzahlen und regelmäßiger Nachjustierung. Wer diese Aufgabe ernst nimmt, vermeidet, dass aus einem vielversprechenden Pilotprojekt eine schwer kalkulierbare Dauerbelastung wird.

Vom Assistenten zum handelnden digitalen Kollegen

Was eine KI-native Plattform im Service Management konkret verändert, beschreibt Martin mit einem Bild: Die KI werde vom Assistenten zum handelnden digitalen Kollegen. Agenten können demnach Anfragen verstehen, Informationen aus verschiedenen Systemen zusammenführen, Entscheidungen innerhalb definierter Regeln treffen und Aufgaben selbstständig erledigen. Das ist mehr als eine komfortablere Bedienoberfläche. Es greift in den Kern der Ablauforganisation ein, weil ein Vorgang nicht mehr an jeder Systemgrenze neu angestoßen werden muss.

Weil die KI bei Serviceware nicht nachträglich ergänzt wurde, sondern Teil der Plattformarchitektur ist, kann sie Prozesse durchgängig verstehen, lernen und optimieren. Workflows lassen sich etwa aus natürlicher Sprache heraus modellieren. Das beschleunigt Abläufe und entlastet Mitarbeitende von Routinetätigkeiten. Der praktische Vorteil liegt weniger in einzelnen spektakulären Funktionen als in der Summe vieler kleiner Beschleunigungen: Wenn ein Vorgang seltener zwischen Abteilungen hin- und hergereicht wird, sinken Bearbeitungszeit und Fehleranfälligkeit gleichermaßen.

Architekturtiefe statt Funktionsliste

Auf die Frage nach dem Unterschied zu etablierten Anbietern wie ServiceNow verweist Martin auf die Entstehungsgeschichte. Viele bekannte Plattformen sind lange vor dem heutigen KI-Zeitalter entstanden und haben entsprechende Funktionen später ergänzt. Gemeinsam mit der TU Darmstadt habe man die neue Plattform von Grund auf KI-nativ entwickeln können. Entscheidend sei deshalb weniger die Zahl einzelner KI-Funktionen als deren Tiefe in der Architektur.

Das Argument zielt auf einen Unterschied, der sich in der täglichen Nutzung stärker bemerkbar macht als in Produktvergleichen. Eine nachträglich ergänzte Funktion arbeitet in der Regel innerhalb eines abgegrenzten Bereichs und braucht Übergaben, wenn sie darüber hinauswirken soll. Eine native KI unterstützt nach Darstellung des Anbieters nicht nur einzelne Schritte, sondern kann ganze Serviceprozesse intelligent steuern und kontinuierlich weiterentwickeln. Möglich werde das, indem die KI Zugriff auf das in Unternehmen vielfach verstreute Wissen erhält und klare Leitplanken definieren, welche Schritte sie ausführen darf und welche nicht.

Als weiteren Unterschied nennt Martin die Kostentransparenz: Serviceware sei in der Lage, die Kosten von Serviceprozessen in Unternehmen über die Plattform zu beziffern – dies könne in dieser Form kein anderer Mitbewerber. Für die Bewertung des KI-Einsatzes ist das ein wichtiger Hebel, denn ohne belastbare Zahlen zu den heutigen Prozesskosten lässt sich der Nutzen einer Automatisierung kaum belegen. Erst wenn bekannt ist, was ein Vorgang heute kostet, wird nachvollziehbar, welche Verbesserung sich rechnet.

Datenhaltung in Europa als Standortfaktor

Auf die Bedeutung von „Made in Germany“ angesprochen, verweist der Serviceware-Gründer auf drei Punkte, die für Unternehmen zunehmend an Gewicht gewinnen: Datensouveränität, Datenschutz und regulatorische Sicherheit. Serviceware ist ein deutsches Unternehmen; Entwicklung, Betrieb und Support finden in Europa statt, die Plattform wird in deutschen beziehungsweise europäischen Rechenzentren betrieben. Damit verbindet der Anbieter KI-natives Service Management mit einem europäischen Ansatz bei Datenhaltung und digitaler Souveränität.

Für viele Unternehmen ist diese Frage längst kein reines IT-Thema mehr. Wo Daten verarbeitet werden, berührt Einkauf, Rechtsabteilung und Geschäftsführung gleichermaßen – insbesondere dann, wenn Serviceprozesse Einblick in interne Abläufe, Kundenbeziehungen oder vertrauliche Vorgänge geben. Die Wahl des Betriebsstandorts wird damit zu einer Entscheidung, die über die technische Leistungsfähigkeit hinausreicht und die Abhängigkeit von einzelnen Anbietern und Rechtsräumen mitbestimmt.

Prüfsteine für den eigenen Einsatz

Aus den Aussagen des Serviceware-Chefs lassen sich einige Fragen ableiten, die Unternehmen vor dem Ausbau ihrer KI-Nutzung im Service Management für sich beantworten sollten. Zunächst: Welcher konkrete Anwendungsfall soll verbessert werden, und woran wird der Erfolg gemessen? Ein messbarer Geschäftswert setzt voraus, dass es eine Ausgangsgröße gibt – etwa Bearbeitungszeit, Wiederholungsquote oder Anzahl manuell geklärter Fälle.

Zweitens lohnt der Blick auf die Gesamtkosten. Neben Lizenzen und Einführung fallen bei Agentic AI nutzungsabhängige Kosten an, die mit dem Automatisierungsgrad steigen. Wer nur den Nutzen betrachtet, riskiert, dass sich ein Anwendungsfall bei wachsendem Volumen schlechter rechnet als geplant. Drittens ist zu klären, wie tief die KI in die bestehenden Prozesse eingebettet ist. Wo Systeme nur lose verbunden sind, entsteht Mehraufwand an den Übergabepunkten statt durchgängiger Abläufe.

Viertens braucht es klare Leitplanken: Welche Schritte darf ein Agent eigenständig ausführen, wann muss ein Mensch entscheiden, und wie werden Entscheidungen nachvollziehbar dokumentiert? Fünftens schließlich die Frage nach dem Ort der Datenverarbeitung, die sich nicht erst bei sensiblen Vorgängen stellt. Wer diese fünf Punkte vor der Skalierung beantwortet, verschafft sich eine belastbare Grundlage für eine Entscheidung, die sonst schnell von technischer Begeisterung getragen wird.

Der Blick auf das Service Management zeigt damit ein Muster, das über diesen Bereich hinausweist. Agentic AI erweitert die Möglichkeiten der Automatisierung spürbar, doch der wirtschaftliche Nutzen entsteht nicht durch den Einsatz selbst, sondern durch die Verbindung aus passendem Anwendungsfall, tief integrierter Architektur, klaren Regeln und kontinuierlicher Kostenkontrolle. Die technische Frage ist weitgehend beantwortet – die Rechenaufgabe beginnt gerade erst.