Kontakt & Service
Jetzt Beratung vereinbaren

In wenigen Schritten einen Beratungs­termin mit unseren Experten buchen.

Anwender Helpdesk

Hilfestellung bei Problemen in Ihren SAP-Systemen.

Webinare

Unser Webinarangebot. Jetzt informieren!

Newsletter

Jetzt Newsletter abonnieren!

Service Intelligence

News & Wissen Service Intelligence: Wie Machine Learning Ihr Ticketsystem optimiert

Machine Learning bietet viele Möglichkeiten, um die Effizienz und die Qualität des Ticketsystems eines Unternehmens zu verbessern. Wie Sie Service Intelligence im Rahmen der SAP Sales & Service Cloud effektiv nutzen und welche Vorteile sich daraus ergeben, erfahren Sie in diesem Blogbeitrag.

Highlights

  • Service Intelligence  = Einsetzen von KI zur Optimierung des Serviceprozesses
  • Machine Learning kategorisiert Tickets automatisch und spart den Service-Agenten Zeit
  • Optimale Ergänzung zur bestehenden SAP Sales & Service Cloud

Was steckt hinter Service Intelligence?

Service Intelligence ist ein Konzept, bei dem maschinelles Lernen (ML) verwendet wird, um das Ticketsystem eines Unternehmens zu optimieren. Durch die Verwendung von ML-Technologien kann das Ticketsystem automatisch Probleme identifizieren und lösen, bevor es zu großen Ausfallzeiten kommt. Es kann auch dazu beitragen, Prozesse innerhalb des Ticketsystems zu automatisieren und die Effizienz zu steigern.

Ein Beispiel für die Verwendung von ML in einem Ticketsystem ist die automatische Klassifizierung von Tickets. Mit ML-Modellen kann das Ticketsystem automatisch bestimmen, welche Art von Problem ein Ticket beschreibt, und es dann an den entsprechenden Support-Agenten weiterleiten. Im Gegensatz zur manuellen Klassifikation können Unternehmen die Fehlerrate reduzieren und einen schnelleren Prozess gewährleisten.

Ein weiteres Beispiel ist die Verwendung von ML zur Vorhersage von Problemen. Mit ML-Modellen können Ticketsysteme analysieren, wann und wo bestimmte Probleme am häufigsten auftreten, um dadurch proaktiv Maßnahmen zu ergreifen, um diese Probleme zu verhindern.

Ein weiteres interessantes Anwendungsfeld für ML in Ticketsystemen kann die automatische Beantwortung von Fragen sein. Diese Technologie kann dazu verwendet werden, um häufig gestellte Fragen zu identifizieren und automatisch zu beantworten, um die Last der Agenten zu reduzieren und die Effizienz des Ticketsystems zu steigern.

Insgesamt bietet ML viele Möglichkeiten, um die Effizienz und die Qualität des Ticketsystems eines Unternehmens zu verbessern.

Machine Learning im Umfeld von SAP

SAP hat in den letzten Jahren stark in die Entwicklung von Machine Learning investiert.

Eines der ersten Beispiele ist die Lösung SAP Predictive Maintenance and Service, bei der Daten aus verschiedenen Quellen gesammelt und  analysiert werden, um Probleme mit Anlagen und Ausrüstungen vorherzusagen und so Ausfallzeiten zu vermeiden.

Ein weiteres Beispiel ist SAP Leonardo. Leonardo ist eine Plattform, die Machine Learning, Internet of Things (IoT) und Blockchain-Technologien integriert, und Unternehmen ermöglicht, ihre Geschäftsprozesse zu automatisieren und zu optimieren.

SAP hat Machine Learning auch in ihre ERP-Systeme integriert, insbesondere in SAP S/4HANA. Dadurch können Unternehmen ihre Finanz- und Supply Chain-Prozesse automatisch steuern und Prognosen und Entscheidungen auf der Grundlage von Daten treffen.

Abgesehen davon soll es in diesem Blogbeitrag explizit um die Nutzung der Service Intelligence im Rahmen der SAP Sales & Service Cloud gehen. Dazu betrachten wir zunächst, welche genauen Funktionalitäten und Vorteile sich aus der Nutzung von ML für das Ticketsystem ergeben.

Welche ML-Funktionalitäten gibt es in der SAP Service Cloud?

Die SAP Service Cloud enthält eine Reihe von Machine Learning-Funktionalitäten, die dazu beitragen, die Effizienz des Kundenservice zu erhöhen und die Kundenbindung zu stärken.

Die Machine Learning-Funktionalitäten, die in der SAP Service Cloud enthalten sind, umfassen zum Beispiel:

  • Automatische Klassifizierung von Tickets: Mit Machine Learning-Modellen kann die SAP Service Cloud automatisch erkennen, welche Art von Problem ein Ticket beschreibt, und es dann an den entsprechenden Support-Agenten weiterleiten.
  • Automatisierte Prozesse: Die SAP Service Cloud nutzt Machine Learning, um Prozesse innerhalb des Ticketsystems automatisch auszuführen. Beispielsweise kann sie automatisch Ticket-Eigenschaften wie Priorität, Status oder Zuweisung aufgrund von Mustern oder Regeln setzen.
  • Natural Language Processing (NLP): Die SAP Service Cloud unterstützt NLP um Anfragen und Beschwerden in natürlicher Sprache zu verstehen und automatisch den entsprechenden Ansprechpartner sowie Maßnahmen zu finden.
  • Dauer bis Ticketabschluss: Mit der Klassifikation von Tickets wird eine Zeit bis zum Ticketabschluss geschätzt. So können Tickets einfacher priorisiert oder auch vorausplanend anders budgetiert werden.

Auf Basis der gleichen Plattform bietet auch die SAP Sales Cloud im Vertriebsumfeld einige Funktionalitäten, welche die Effizienz des Verkaufs enorm steigern können:

  • Deal Intelligence: Der Vorhersageservice schätzt die Gewinn- oder Verlustwahrscheinlichkeit eines Leads oder einer Opportunity ein.
  • Opportunity Closing Date Prediction: Das System schätzt das Abschlussdatum der Opportunity ein.
  • Business Text Intelligence: Das System plant Aktivitäten ein, die auf Grundlage der Sprach- und Textinformationen in der SAP Sales Cloud hinterlegt sind.
  • Product Recommendation: Mit diesem Vorhersageservice wird geschätzt, welche Produkte in welcher Menge abgenommen werden.

Einrichtung der ML-Funktionalitäten in der SAP Service Cloud

Für die Einrichtung der Machine Learning-Funktionalitäten in der SAP Service Cloud sind folgende Voraussetzungen notwendig:

  1. Eine SAP Cloud for Customer Enterprise-Lizenz oder eine Agent Console Add-On-Lizenz
  2. Datenvolumen - je mehr, desto besser (siehe Screenshot), mindestens jedoch 3000 Datensätze
  3. Datenqualität – Tickets sollten Betreff, Beschreibung, Kategorie und Priorität enthalten

Nach der erstmaligen Implementierung, d.h. der Konfiguration und des Trainings, sollte das Modell getestet und optimiert werden, um sicherzustellen, dass es den Anforderungen des Serviceprozesses entspricht und die gewünschten Ergebnisse erzielt.

Natürlich gilt es, danach die Leistung regelmäßig zu überwachen und Anpassungen vorzunehmen, um die Genauigkeit und Effizienz des Modells zu verbessern.

Vorteile von Machine Learning in der SAP Service Cloud

Die automatische Kategorisierung von Tickets in der SAP Service Cloud bietet eine Reihe von Vorteilen. Zu den wichtigsten Aspekten zählen dabei:

  • Zeitersparnis: Indem Tickets automatisch kategorisiert werden, wird die Zeit reduziert, die Agenten damit verbringen müssten, manuell durch Tickets zu gehen und sie zu kategorisieren. Dies gibt den Agenten mehr Zeit, um sich auf die Beantwortung von Tickets zu konzentrieren und damit die Geschwindigkeit des Ticketbearbeitungsprozesses zu erhöhen.
  • Erhöhte Genauigkeit: Automatische Kategorisierung von Tickets erhöht die Genauigkeit im Vergleich zu manuellen Kategorisierungsprozessen, da ML-Modelle in der Lage sind, mögliche Kategorisierungsfehler zu vermeiden und Tickets schneller und präziser zuzuordnen.
  • Datenanalyse: Automatisch kategorisierte Tickets ermöglichen es Unternehmen, besser zu verstehen, welche Anliegen und Probleme am häufigsten auftreten, um diese dadurch effizient zu bearbeiten.
  • Personalisierte Kundenbetreuung: Indem Tickets automatisch kategorisiert werden, können Unternehmen die richtigen Agenten auf die richtigen Probleme ansetzen, was zu einer personalisierten Kundenbetreuung führt.

Insgesamt trägt die Automatisierung der Kategorisierung von Tickets dazu bei, die Effizienz und die Qualität des Ticketsystems zu verbessern und die Agenten in ihrer täglichen Arbeit zu unterstützen.

Newsletter Setzen Sie auf fundiertes Wissen aus allen Bereichen unserer Branche. Regelmäßig und stets aktuell.
Beratende Person
Kontakt Haben Sie Fragen oder wünschen weitere Informationen? Unsere Experten beraten Sie gerne.