Service Assistant

Dieser Use Case featured einen der 18 ready-to-use AI Agents, mit denen wir beim „Agent Race to Sapphire 2026“ gewonnen haben. Was macht der Service Assistant? Der Agent unterstützt Service-Teams dabei, Kundenanfragen schneller zu lösen, indem er historische Tickets analysiert, Lösungsvorschläge ableitet und diese iterativ verfeinert, bis die Ursache identifiziert oder eine Übergabe an einen Experten erforderlich ist.

Aus Erfahrung lernen – und schneller zur Ursache eines Problems gelangen.

Die Ausgangssituation: Ticketlösungen erfordern häufig mehrere Anläufe

Die Bearbeitung von Kundenanfragen ist oft ein iterativer Prozess. Bevor die eigentliche Ursache eines Problems gefunden oder eine nachhaltige Lösung identifiziert wird, müssen verschiedene Lösungsansätze geprüft werden. Zwar enthalten historische Tickets wertvolle Erfahrungen und Erkenntnisse, deren manuelle Analyse und Übertragung auf neue Fälle ist jedoch zeitaufwendig und erschwert eine effiziente Bearbeitung.

Relevantes Wissen aus vergangenen Tickets nutzen
Historische Tickets enthalten häufig ähnliche Problemstellungen und bewährte Lösungsansätze. Dieses Wissen gezielt zu finden und anzuwenden erfordert erheblichen Aufwand.

Ursachen systematisch eingrenzen
Komplexe Probleme lassen sich selten mit dem ersten Lösungsansatz beheben. Stattdessen müssen mögliche Ursachen schrittweise analysiert und validiert werden.

Den richtigen Zeitpunkt für eine Eskalation erkennen
Nicht jede Anfrage kann automatisiert gelöst werden. Es muss klar erkennbar sein, wann eine Übergabe an einen Service-Mitarbeitenden erforderlich ist.

Wie sieht unsere Lösung aus? Intelligente Ticketbearbeitung auf Basis historischer Erfahrungen

Der Service Assistant nutzt historische Tickets als Wissensbasis, um passende Lösungsvorschläge für neue Kundenanfragen zu generieren. Die vorgeschlagenen Ansätze werden anhand neuer Informationen und Rückmeldungen kontinuierlich verfeinert. Dieser iterative Prozess unterstützt die systematische Ursachenanalyse und begleitet die Bearbeitung so lange, bis das Problem gelöst oder eine Übergabe an einen Experten notwendig wird. In drei Schritten bedeutet das:

Wie kann ein erster sicherer Use Case mit GenAI auf der SAP BTP aussehen? Unser GenAI Starter hält die Antwort parat.
  1. Historische Tickets analysieren
    Der Agent durchsucht vergleichbare Tickets und identifiziert relevante Lösungsansätze, Erfahrungen und Muster.
  2. Lösungsvorschläge iterativ verfeinern
    Basierend auf neuen Erkenntnissen und Nutzerfeedback werden die vorgeschlagenen Maßnahmen kontinuierlich angepasst und präzisiert.
  3. Ursache identifizieren oder eskalieren
    Der Agent unterstützt die Ursachenanalyse bis zur erfolgreichen Problemlösung oder leitet den Fall strukturiert an einen Experten weiter.

Das Ergebnis? Schnellere Problemlösungen und besseres Wissensmanagement

Das Ergebnis sind schnellere Lösungsvorschläge, eine bessere Nutzung historischer Ticketinformationen und eine strukturiertere Bearbeitung von Kundenanfragen. Gleichzeitig unterstützt die Lösung Service-Teams dabei, Ursachen systematisch zu identifizieren und Lösungswege kontinuierlich zu optimieren. Durch die klare Definition von Eskalationspunkten bleibt jederzeit nachvollziehbar, wann menschliche Unterstützung erforderlich ist. Der Service Assistant verbindet bestehendes Servicewissen mit intelligenter Ursachenanalyse und schafft so eine effizientere Ticketbearbeitung.

Haben Sie eine ähnliche Challenge?

Wollen Sie sehen, wie die verschiedenen Services bei diesem Use Case zusammenspielen? Oder haben Sie Fragen zu dem Vorgehen? Einfach das Formular ausfüllen und unsere sovanta Experts melden sich bei Ihnen.

Tags
AI / GenAI Software Development Artificial Intelligence