Von der Ticket-Datenbank zur intelligenten Wissensbasis

Mit TicketPilot hebt die RWAI AG die Softwarewartung und den Kundensupport auf ein neues Level. Dank modernster KI und maschinellem Lernen werden Prozesse nicht nur automatisiert, sondern auch intelligenter. Ein Interview mit Mitgründer Simon Spalinger.

Herr Spalinger, was war die ursprüngliche Vision der RWAI-Gründer?

In aller Kürze: Unsere Vision ist es, traditionelle «Ticket»-Datenbanken in leistungsstarke und dynamische «Knowledge Bases» zu transformieren. Damit wollen wir die oft komplexen und aufwändigen Prozesse in Service, Support und Maintenance grundlegend vereinfachen.

Welche konkreten Probleme in der Softwarewartung und im Kundensupport löst TicketPilot besser als bestehende Lösungen?

Viele der bestehenden Lösungen basieren auf starren, regelbasierten Prozessen, die wenig Spielraum für Automatisierung oder intelligente Entscheidungen bieten. TicketPilot hingegen nutzt modernste KI- und maschinelle Lernverfahren, um diese Einschränkungen zu überwinden. So können komplexe Abläufe wie die automatische Klassifizierung und Priorisierung von Tickets, das Erkennen ähnlicher Vorfälle oder die Sentimentanalyse nahtlos in bestehende Prozesse integriert werden.

Ein herausragendes Beispiel ist die Fähigkeit, historische Daten aus Tausenden von Tickets zu analysieren und Muster zu identifizieren, die eine präzisere Entscheidungsfindung ermöglichen. Während Anbieter wie Jira und ServiceNow KI nur rudimentär nutzen, etwa zur Ticket-Zusammenfassung, bietet TicketPilot eine tiefgehende Integration, die es Teams erlaubt, schneller und effizienter auf Probleme zu reagieren, gleichzeitig Fehler zu minimieren und Kundenanforderungen besser zu antizipieren.

TicketPilot analysiert, ob eine Anfrage eine Softwareänderung erfordert

Können Sie ein Beispiel geben, wie KI-basierte Funktionen wie die automatische Ticket-Klassifizierung in der Praxis funktionieren?

Ein konkretes Beispiel für die Funktionalität ist die automatische Zuweisung von Tickets an das jeweils zuständige Team. Dabei analysiert TicketPilot eingehende Anfragen mithilfe von Algorithmen, die auf einem umfangreichen Dataset trainiert wurden – bestehend aus über 150’000 Tickets aus Open-Source-Projekten. Diese Analyse basiert auf Schlüsselwörtern, Kontext und vergangenen Vorfällen.

Ein weiteres Beispiel ist die automatisierte Analyse, ob eine Anfrage eine Änderung der Software erfordert, oder ob das Problem durch bereits verfügbare Lösungen adressiert werden kann. Diese Erkenntnisse werden in Echtzeit bereitgestellt, sodass keine Verzögerungen im Supportprozess entstehen. Auch komplexere Zusammenhänge, wie das Zusammenführen mehrerer Tickets, die ein und dasselbe Problem betreffen, werden automatisiert erkannt und bearbeitet, wodurch die Effizienz und Genauigkeit des Supports deutlich gesteigert werden.

TicketPilot schnell implementierbar in bestehende Systeme

Welche Rolle spielt die Sentimentanalyse in Ihrem Produkt, und wie präzise sind die Ergebnisse?

Die Kundenzufriedenheit wird im SaaS-Bereich immer wichtiger. Statt Kunden aktiv zu befragen und mit Umfragen zu belasten, analysiert TicketPilot die Kommunikation der Kunden mit dem Support. Die Sentimentanalyse bewertet dabei, wie sich die Zufriedenheit entwickelt, wenn Kunde und Support interagieren. Für diesen Kontext haben wir bestehende Modelle verfeinert, sodass wir in der Praxis sehr gute Ergebnisse erzielen.

Wie gewährleistet TicketPilot die Sicherheit und Vertraulichkeit der Kundendaten, insbesondere bei der Anonymisierung?

Die Daten, Modelle und Konfigurationen sind bei uns strikt getrennt von Kunde zu Kunde. Zudem erfolgt die Datenverarbeitung ausschliesslich in Schweizer Rechenzentren, unter anderem mit Azure-Diensten, die einen Datenschutz auf dem gleichen Niveau von Office365 bieten.

Wie aufwändig ist die Implementierung von TicketPilot in ein bestehendes System? Benötigt man spezifische Schnittstellen oder IT-Kenntnisse?

Wir bieten Plugins für die gängigsten Ticketing-Tools, wie etwa Jira, an. Darüber hinaus gibt es eine REST-API für die Integration in kundenspezifische Systeme. Eine Standardinstallation mit einem Set an vorgefertigten Klassifikatoren ist in der Regel innerhalb von zwei bis drei Tagen abgeschlossen.

Mit «Multimodalität» die Effizienz und Genauigkeit weiter erhöhen

Gibt es eine Möglichkeit, die Software vorab zu testen, beispielsweise über eine Demoversion?

Ja, eine Testmöglichkeit bieten wir bereits an, allerdings noch nicht vollständig im «Self Service»-Modus. Derzeit erfolgt die Installation und Konfiguration manuell, doch bald wird unser Plugin im Atlassian Marketplace verfügbar sein, was die Handhabung deutlich vereinfachen wird.

Werden die Daten in der Cloud verarbeitet, oder gibt es auch eine On-Premise-Lösung?

Das Backend von TicketPilot läuft in der Azure-Cloud. Eine On-Premise-Lösung gehört nicht zu unserem bevorzugten Modell, da sie für Kunden mit erheblichem Mehraufwand verbunden ist und nur selten Vorteile bringt.

Welche neuen Funktionen oder Erweiterungen planen Sie für TicketPilot in den kommenden Jahren?

Ein zentrales Ziel der nächsten Entwicklungsphase ist die Integration unterschiedlicher Medienformate in den Ticketprozess, wie etwa Telefonaufzeichnungen oder die Auswertung von Dateianhängen. Diese sogenannte «Multimodalität» wird Effizienz und Genauigkeit weiter erhöhen.

Haben Sie vor, die Technologie auch für andere Anwendungsbereiche ausserhalb von Softwarewartung und Support anzubieten?

TicketPilot ist bereits jetzt für Unternehmen ausserhalb der Softwarewartung einsetzbar, die Support-Dienstleistungen anbieten. Besonders spannend finden wir die Anwendung im regulatorischen Umfeld, wie es zum Beispiel bei DORA der Fall ist (Digital Operations Resilicence Act, der im Janaur 2025 in allen EU Ländern in Kraft tritt). Dazu haben wir ein Whitepaper veröffentlicht, das die Vorteile unserer Lösung in diesem Bereich aufzeigt.