Zum Inhalt springen
Zurück zur Übersicht
|

Agentische AI im IT-Support: von der ersten Anfrage bis zur Wissensbasis

Wo AI-Agents im IT-Support heute schon mitlaufen: ein Rundgang durch unseren eigenen IT-Support-Betrieb.
Lukas Maurer
Product Marketing Manager
Agentischer IT-Support: ein AI-Agent-Symbol verzweigt zu Icons für Lizenzen, Personen und Freigabe

Jedes IT-Ticket durchläuft denselben Weg, egal ob ein AI-Agent oder ein Mensch es bearbeitet: Es kommt an, jemand sucht eine Antwort, jemand bearbeitet es, und am Ende müsste eigentlich etwas davon in der Wissensbasis landen. Reicht der Agent dafür nicht aus, übernimmt ein Mensch. Wir zeigen entlang dieser fünf Stationen, wo AI-Agents in unserem eigenen IT-Support bei Seibert heute schon mitarbeiten, mit echten Zahlen und ohne die Stellen zu verschweigen, an denen es (noch) nicht rund läuft.

Was wir hier am Beispiel unseres eigenen internen IT-Supports zeigen, funktioniert nach demselben Prinzip im externen Kundenservice, nur mit anderen Tickets und anderen Absender*innen. Dort sprechen wir von Agentic Customer Support. Ob am anderen Ende ein*e Kolleg*in oder ein*e Kund*in sitzt, ändert am Weg des Tickets nichts. Dieser Beitrag geht den Weg einmal Station für Station durch. Die Details und die vollständige Einordnung haben wir auch in unserem Praxistest-Whitepaper zusammengefasst.

Vertiefung in drei Webinaren

Parallel zu diesem Beitrag haben wir den Weg auch in einer Live-Webinar-Reihe vertieft, dort gliedern wir ihn in drei Phasen: Service Intake, Service Handling und Knowledge Cycle.

  1. Überblick-Webinar: AI-Agents in Jira Service Management

    17.09.2026

    Der komplette Weg eines Tickets im Schnelldurchlauf, daraus ist später dieser Beitrag entstanden.

    Aufzeichnung ansehen
  2. Phase 1: Service Intake

    30.09.2026

    Vertieft Station 1 und 2: wie die Anfrage ankommt und die erste Antwort aus der Wissensbasis kommt.

    Aufzeichnung ansehen
  3. Phase 2: Service Handling

    22.10.2026

    Vertieft Station 3 und 4: die automatische Bearbeitung und die Eskalation an Menschen.

    Aufzeichnung ansehen
  4. Phase 3: Knowledge Cycle

    12.11.2026

    Vertieft Station 5: wie die Wissensbasis mit jedem gelösten Fall mitwächst.

    Aufzeichnung ansehen
Service Intake, Service Handling und Knowledge Cycle laufen auf einer gemeinsamen Wissensbasis zusammen.

Station 1: Die Anfrage kommt an, und zwar im Chat

Das größte Problem lag schon vor der Bearbeitung: Viele Anfragen wurden nie zu einem Ticket.

Vor der Umstellung landeten viele Fragen im Teamchat oder als Direktnachricht bei einzelnen Support-Mitarbeitenden. Dort wurden sie zwar beantwortet, aber nie zu einem Ticket: ein Einfallstor für Intransparenz und Schatten-IT. Das offizielle Formular war für die kleinen, alltäglichen Fragen schlicht zu umständlich, so wurde es jedenfalls wahrgenommen, also wurde es umgangen.

Im Januar 2026 haben wir deshalb einen Chatbot direkt in den bestehenden IT-Support-Chat gesetzt, erreichbar per „@helpme”. Die Hürde für eine Anfrage sank damit auf das Niveau einer normalen Chatnachricht. Das Ergebnis lässt sich sogar beziffern: Das monatliche Ticketvolumen ist seitdem um durchschnittlich 56 Prozent gestiegen. Das Nicht-Chatbot-Volumen blieb dabei stabil, die Mitarbeitenden nutzten also weiterhin das Serviceportal. Gestiegen ist nur der erfasste Anteil: Jetzt wird auch das zum Ticket, was vorher nie eins wurde.

Station 2: Die erste Antwort kommt aus der Wissensbasis

Ein Chatbot ist nur so gut wie die Dokumentation, aus der er seine Antworten zieht. Die Informationssuche lief anfangs über Gemini Enterprise, einen skalierbaren Suchdienst aus der Google Cloud. Mittlerweile haben wir auf ein vollständig selbst gehostetes RAG-System umgestellt (Onyx, DeepSeek), um frühzeitig Erfahrung mit steigenden Souveränitätsanforderungen zu sammeln. Die Feedback-Schleife ist dabei bewusst offen gestaltet: Eine Korrektur wie „@helpme Das ist nicht korrekt, es geht stattdessen so…” fließt nach 20 bis 30 Minuten in die Wissensbasis des Bots ein.

Die ehrliche Grenze dieser Station: Wie in jedem Unternehmen zogen auch wir eine Spur teils veralteter Dokumentation hinter uns her, und das führte zu falschen Antworten. Nicht die AI war dabei das Problem, sondern die veraltete Grundlage. Wir haben seitdem aufgeräumt. Im Gespräch mit Kunden haben wir oft festgestellt: Die Qualität der Wissensbasis bleibt der eigentliche Flaschenhals jeder Selbsthilfe-Lösung.

Station 3: Die automatische Bearbeitung, oder: wenn Regeln ausreichen

Hier verlässt der agentische IT-Support zum ersten Mal den Chat und wird aktiv.

Im März 2026 kam der nächste Schritt dazu: eine agentische Plattform, die auf Basis klar definierter Regeln selbstständig handelt. Ein Beispiel aus unserem eigenen Betrieb ist das Lizenzmanagement. Statt dass jemand von Hand prüft, wer welche Software-Lizenz überhaupt noch nutzt, erkennt und entzieht ein Agent ungenutzte Lizenzen automatisch. Das Ergebnis: 68.877 € jährlich gesparte Lizenzkosten, durch 246 automatisch entzogene Lizenzen. Das war zuvor eine so mühsame Aufgabe, dass sie nur teilweise und vor allem nicht regelmäßig erledigt wurde. Schließlich muss eine Supportmitarbeitender in zahlreiche Software-Tools nach (un)genutzten Lizenzen schauen und anschließend dendie Nutzenden darauf aufmerksam machen, dass eine Lizenz ggf. entzogen wird. Verständlicherweise war das keine beliebte Aufgabe.

Insgesamt lösten Agents bis heute 1.075 Tickets automatisch, ganz ohne menschliches Zutun. Das entspricht bei uns rund einem Drittel aller Tickets. Automatisch gelöste Tickets brauchen im Median 12 Stunden statt 147, und mehr als jedes sechste davon (17 Prozent) wird außerhalb der Geschäftszeiten gelöst, wenn sonst niemand erreichbar wäre. Ganz besonders praktisch für unsere Mitarbeitenden in anderen Zeitzonen. Die Wiedereröffnungsquote bei diesen automatisch gelösten Tickets liegt bei 0,1 Prozent, die Automatisierung bremst also nicht die Qualität aus. Insgesamt ist die Bearbeitungszeit um 43 Prozent gesunken, und unser Team hat dadurch 1.194 Stunden Arbeitszeit zurückbekommen.

Station 4: Die Eskalation, wenn es komplexer wird

Diese Grenze ist von Anfang an bewusst gesetzt. Der Bot ersetzt den persönlichen IT-Support nicht, sondern ergänzt ihn als erste Anlaufstelle und gibt nötige Infos weiter. Bei komplexeren Anliegen erstellt er ein vollständiges Ticket und leitet es ans richtige Team weiter. Diese Eskalation an den Menschen ist eine klare, bewusst gesetzte Regel innerhalb unserer AI-First-Strategie, festgelegt für Fälle, die zu komplex für die Automatik sind. Support-Mitarbeitenden haben dann ein Ticket vor sich, in dem der*dem Einreichenden gegebenenfalls nötige Rückfragen gestellt wurden, und können direkt loslegen, anstatt wieder auf eine Antwort zu warten.

Station 5: Die Wissensbasis wächst mit

Jeder bearbeitete Fall macht das System ein Stück besser. Die Feedback-Schleife aus Station 2 schließt den Kreis: Korrekturen aus echten Gesprächen fließen zurück in die Wissensbasis, und neue Fähigkeiten, etwa das automatische Prüfen von SaaS-Statusseiten bei gemeldeten Ausfällen oder die Verarbeitung von Screenshots, kamen seit dem Start laufend dazu. Agentischer IT-Support ist damit ein System, das mit jedem Durchlauf der fünf Stationen ein wenig genauer wird, vorausgesetzt, die Wissensbasis stimmt.

Was das für Ihren Atlassian-Stack bedeutet

Die Zahlen oben stammen aus unserem eigenen System. Das wollen wir jetzt einordnen.

Unser eigener Aufbau läuft auf Google Chat, n8n und Gemini, ergänzt um die agentische Plattform für regelbasierte Aufgaben wie das Lizenzmanagement. Die Tickets selbst landen in Jira Service Management, wo die für Menschen lesbare Oberfläche und Transparenz entsteht. Atlassian Rovo ist bei uns dabei (noch) nicht die treibende Kraft.

Das Prinzip hinter den fünf Stationen ist jedoch unabhängig von der konkreten Werkzeugwahl und lässt sich deshalb leicht auf Ihren Atlassian-Stack übertragen: Bei uns laufen Auftragsannahme über einen offenen Chatraum, Wissenssuche über ein selbst gehostetes RAG-System und die automatische Bearbeitung über eine agentische Plattform. Bei Ihnen läuft das vielleicht über Slack oder Microsoft Teams, einen Rovo-Agenten im Portal oder eine Abfrage über Rovo MCP. Die Ergebnisse sind vergleichbar. Die entscheidende Frage ist, wo bei Ihnen welche Station bereits lebt und wo noch nicht. Mit genau dieser Reihenfolge, klaren Regeln, einer gepflegte Wissensbasis und einem Agent, der ausführt, was vorher entschieden wurde, haben wir das Prinzip bereits mit einigen Kund*innen als Rovo-First-Level-Support umgesetzt.

Fazit

Agentischer IT-Support ist keine bloße Software-Lizenz, sondern eine Reihe an Reglern, an denen Sie drehen müssen, damit es läuft: zuerst die Hürde für die Anfrage senken, dann die Wissensbasis so pflegen, dass eine Antwort überhaupt stimmen kann, und erst danach automatisieren, was sich an klare Regeln hält. Immer mit einem Weg zurück zum Menschen. Bei uns hat dieser Weg ein Drittel aller Tickets automatisiert, mit einer Wiedereröffnungsquote von 0,1 Prozent. Wie viel davon sich auf Ihren Atlassian-Stack übertragen lässt, hängt an Ihrem eigenen Ticketaufkommen und Ihrer eigenen Wissensbasis.

Häufige Fragen

Ist agentischer IT-Support dasselbe wie ein Chatbot?

Nein, der Chatbot ist nur die erste Anlaufstelle. Unsere Lösung schließt zusätzlich die automatische Bearbeitung regelbasierter Aufgaben, die Eskalation an Menschen und den Rückfluss in die Wissensbasis mit ein.

Brauchen wir dafür Atlassian Rovo?

Nicht zwingend. Unser eigener Aufbau nutzt aktuell kein Rovo als treibende Kraft, Tickets landen aber trotzdem in Jira Service Management. Das Prinzip lässt sich sowohl mit als auch ohne Rovo umsetzen.

Was passiert, wenn der Agent eine Anfrage nicht lösen kann?

Er erstellt ein vollständiges Ticket und leitet es an das richtige Team weiter. Diese Eskalation ist eine bewusste Regel. Es darf keine KI-Halluzinationen geben.

Ist das dasselbe wie AI Customer Support?

Im Kern ja, im Englischen hat sich dafür eher der Begriff AI Customer Support etabliert. Wir sprechen von agentischem IT-Support, weil unser Beispiel der interne IT-Support bei Seibert ist, das Prinzip der fünf Stationen gilt aber genauso für den externen Kundenservice. Wir setzen es inzwischen auch mit ausgewählten Kund*innen im externen Kundenservice um.

Wie geht es weiter?

Cover des Whitepapers Der Praxistest: Agentischer IT-Support bei Seibert

Am direktesten treffen Sie das Thema dieses Artikels mit unserer Lösung Agentischer IT-Support mit Atlassian: Auftragsannahme, Auftragsverarbeitung und Wissensabgleich mit AI-Agents – erprobt in unserem Betrieb. Dort finden Sie auch den vollständigen Praxistest als PDF mit allen Zahlen aus diesem Beitrag im Detail.

Je nachdem, wo Sie gerade stehen, passt aber auch einer dieser Wege besser: