Viele Unternehmen erwarten heute, dass ihre IT-Service-Provider durch den Einsatz von Künstlicher Intelligenz (KI) und Automatisierung die Qualität ihrer Managed Services verbessern, Bearbeitungszeiten verkürzen und gleichzeitig die Kosten optimieren. Doch die Forderung „Nutzen Sie KI!“ allein reicht nicht aus. Wer als Auftraggeber (AG) nachhaltige Effizienz- und Qualitätssteigerungen erzielen möchte, muss klare Rahmenbedingungen schaffen und den KI-Einsatz vertraglich sauber mit dem Service-Provider regeln. Wir zeigen im Folgenden auf, warum gerade bei Managed Services der KI-Einsatz lohnt und sich am Markt etabliert. Zudem blicken wir auf den zu schaffenden Rahmen im Unternehmen und in den vertraglichen Vereinbarungen mit Service-Providern.
1. Warum Managed Services besonders gut für KI geeignet sind
Managed Services basieren typischerweise auf wiederkehrenden, standardisierten und klar definierten Prozessen. Genau diese Eigenschaften machen sie zu einem idealen Einsatzfeld für Automatisierung und künstliche Intelligenz.
Während klassische Outsourcing-Ansätze häufig noch auf Personal- und Aufwandssubstitution setzen, erwarten outsourcende Unternehmen heute überwiegend Ergebnis-orientierte Service-Delivery-Modelle. Spätestens bei Einsatz von Automatisierung und KI in der Service-Delivery ist das auch der einzig sinnvolle Ansatz.
Schauen wir uns im Folgenden einige beispielhafte KI-Anwendungsfelder in verschiedenen IT-Service-Segmenten an.
2. Beispielhafte Anwendungsfelder für KI in Managed Services
(1) Service Desk und Incident Management
KI-gestützte Service-Desks können Tickets automatisch klassifizieren, priorisieren und den zuständigen Support-Gruppen zuordnen. Moderne KI-Assistenten beantworten Standardanfragen eigenständig oder erstellen Lösungsvorschläge für Support-Mitarbeiter. Dadurch sinken Bearbeitungszeiten und die Erstlösungsquote steigt.
(2) IT-Security und Security Operations Center (SOC)
Im Bereich Cyber Security unterstützt KI bei der Analyse großer Datenmengen aus SIEM-Systemen, erkennt Anomalien und erstellt Handlungsempfehlungen für Sicherheitsvorfälle. Gleichzeitig lassen sich Fehlalarme reduzieren und Reaktionszeiten verkürzen.
(3) Cloud-Optimierung
Cloud-Plattformen wie AWS, Microsoft Azure oder Google Cloud erzeugen große Mengen an Betriebsdaten. KI kann diese Daten auswerten, Überkapazitäten identifizieren, Ressourcen dynamisch anpassen und so die Cloud-Kosten nachhaltig senken.
(4) Netzwerkbetrieb und Infrastruktur-Monitoring
KI-basierte Analyseverfahren erkennen frühzeitig Leistungseinbußen, Kapazitätsengpässe oder drohende Störungen. Dies ermöglicht eine proaktive Fehlervermeidung statt reaktiver Störungsbehebung.
(5) Service Requests und Predictive Maintenance
Wiederkehrende Service Requests können weitgehend über Workflows automatisiert werden. KI-Agenten helfen bei komplexeren Vorgängen mit mehreren Prozessschritten, unterschiedlichen beteiligten Systemen und erforderlichen Entscheidungen. Darüber hinaus unterstützt KI die vorausschauende Wartung von Infrastrukturkomponenten, indem Ausfallwahrscheinlichkeiten früh erkannt werden.
3. Vor dem KI-Einsatz: Die Governance muss stehen
Viele Unternehmen konzentrieren sich zunächst auf mögliche KI-Anwendungsfälle. Tatsächlich sollte die erste Frage jedoch lauten:
Unter welchen Bedingungen darf KI überhaupt in ausgelagerten IT-Services eingesetzt werden?
Die Antwort darauf sollte aus der unternehmensweiten KI-Governance abgeleitet werden. Diese definiert unter anderem:
- Welche KI-Systeme genutzt werden dürfen
- Welche Daten verarbeitet werden dürfen
- Welche regulatorischen Anforderungen einzuhalten sind
- Welche Entscheidungen durch Menschen freigegeben werden müssen
- Welche Risiken akzeptabel sind
Anschließend sollten diese Vorgaben explizit in die IT-Sourcing-Strategie einfließen.
Besonders wichtig ist dabei die Frage nach dem tatsächlichen Geschäftsnutzen: KI darf kein Selbstzweck sein. Ihr Einsatz sollte nur erfolgen, wenn für das Unternehmen ein nachweisbarer Mehrwert entsteht, beispielsweise durch:
- geringere Betriebskosten,
- höhere Servicequalität,
- schnellere Bearbeitung,
- höhere Verfügbarkeit,
- bessere Sicherheitsniveaus.
Bei den Betriebskosten ist zu berücksichtigen, dass durch KI-Einsatz auch zusätzliche Kosten entstehen, etwa für KI-Lizenzen, Token-Nutzung, Trainingsdaten, Infrastruktur und Betrieb der KI-Lösungen. Bei extern erbrachten IT-Services werden sich diese Kosten mittelbar oder unmittelbar in den Servicepreisen widerspiegeln.
4. KI-Einsatz vertraglich absichern
Während viele Outsourcing-Verträge noch ohne KI-Bezug gestaltet wurden, benötigen moderne Managed-Service-Verträge neue beziehungsweise zusätzliche Regelungen. Diese sind aus den oben genannten KI-Governance-Vorgaben abzuleiten. Sie sollen Klarheit für den Einsatz von KI im Rahmen der Services bringen. Wir schauen uns im Folgenden einige wesentliche Bereiche an.
Abbildung 1: KI-bedingt in Managed-Service-Verträgen zu regeln.
4.1 Leistungsbeschreibung
Der Vertrag sollte in der Leistungsbeschreibung transparent festlegen:
- Welche KI-Systeme eingesetzt werden dürfen
- In welchen Service-Prozessen KI verwendet wird
- Welche Entscheidungen automatisiert erfolgen dürfen
- Wo menschliche Freigaben erforderlich sind
Insbesondere sollte festgelegt sein, bei welchen sicherheitskritischen oder geschäftskritischen Prozessen ein „Human-in-the-Loop“-Prinzip vorzusehen ist.
4.2 SLAs
Ein interessanter Effekt des KI-Einsatzes besteht darin, dass klassische Leistungskennzahlen teilweise an Bedeutung verlieren.
Beispiel:
Wenn eine KI innerhalb von Sekunden auf ein Ticket reagiert, verliert die reine Messung der Reaktionszeit ihren Aussagewert. Für den Auftraggeber wichtiger ist die tatsächliche und korrekte Problemlösung.
Daher sollten Unternehmen prüfen, ob künftig stärker auf folgende Kennzahlen fokussiert wird:
- Lösungszeiten statt Reaktionszeiten
- Erfolgsquoten
- Benutzerzufriedenheit
- Vermeidung von Wiederholungsfehlern
4.3 Haftungsregelungen
Ein häufig unterschätztes Thema sind KI-bedingte Fehlentscheidungen.
Wenn eine KI beispielsweise einen Security-Vorfall falsch klassifiziert oder fehlerhafte Konfigurationsänderungen empfiehlt, stellt sich die Frage nach der Verantwortlichkeit.
Verträge sollten deshalb eindeutig regeln:
- Wer die Verantwortung für KI-generierte Ergebnisse trägt
- Welche Prüfpflichten der Dienstleister hat
- Wie mit KI-bedingten Schäden umzugehen ist
- Welche Nachweispflichten bestehen
4.4 Regulatorische Anforderungen
Unternehmen müssen sicherstellen, dass der KI-Einsatz mit für sie geltenden regulatorischen Vorgaben vereinbar ist.
Für europäische Unternehmen gewinnen neben Datenschutzanforderungen aus der GDPR insbesondere die Vorgaben des EU AI Act an Bedeutung. Auftraggeber sollten daher beispielsweise vom Dienstleister Transparenz über eingesetzte KI-Systeme, deren Funktionsweise sowie etwaige Risikoeinstufungen verlangen.
4.5 Vergütungsmodelle
Der KI-Einsatz stellt auch traditionelle Preisstrukturen infrage.
Klassische Aufwandspreis-Modelle können sogar Fehlanreize erzeugen: Wenn ein Provider durch KI den Aufwand halbiert, sinkt seine Abrechnungsbasis.
Deshalb werden künftig verstärkt ergebnisorientierte Modelle interessant:
- Vergütung pro erfolgreich abgeschlossenen Vorgang
- Vergütung nach erreichten Servicezielen
- Shared-Savings-Modelle
- Bonus-Regelungen für Qualitätsverbesserungen
Besonders sinnvoll sind Modelle, bei denen Auftraggeber und Auftragnehmer gemeinsam von KI-bedingten Produktivitätssteigerungen profitieren. Dabei sollten die tatsächlichen Investitionen und Betriebskosten der KI-Lösung angemessen berücksichtigt werden.
4.6 Änderungen im Providermanagement
Mit zunehmendem KI-Einsatz verändert sich auch die Rolle des Providermanagements.
Bisher lag der Schwerpunkt häufig auf der Überwachung und Steuerung der Servicequalität sowie der Koordination von erforderlichen Service-Änderungen. Nun müssen zusätzliche Aufgaben ergänzend in den Fokus kommen. Dies sind unter anderem:
- Überwachung von KI-Fehlleistungen
- Analyse von KI-bedingten Risiken
- Bewertung der tatsächlichen Wertbeiträge der KI
- Auditierung von KI-Prozessen
- Sicherstellung KI-bezogener regulatorischer Compliance
Das Ziel verschiebt sich von der reinen Leistungskontrolle und -steuerung hin zur Steuerung eines zunehmend automatisierten Service-Ökosystems.
Die zusätzlichen Aufgaben müssen sich für beide Parteien in den Rollen und Verantwortlichkeiten sowie Gremienzuständigkeiten wiederspiegeln.
5. Fazit
Der Einsatz von KI in Managed Services bietet Unternehmen erhebliche Chancen für mehr Effizienz, Qualität und Skalierbarkeit. Damit diese Potenziale tatsächlich realisiert werden, reicht es jedoch nicht aus, den Dienstleister pauschal zum KI-Einsatz aufzufordern.
Erfolgreiche Unternehmen schaffen zunächst klare Governance-Vorgaben, verankern ihre Erwartungen in der IT-Sourcing-Strategie und passen anschließend Verträge, SLA-Modelle, Vergütungsmechanismen sowie Provider-Steuerungsprozesse an.
Wer diese Aspekte frühzeitig berücksichtigt, kann KI nicht nur als technologische Neuerung nutzen, sondern als echten Werttreiber im IT-Outsourcing etablieren.
