IT-Automatisierung richtig priorisieren: Wo der größte Hebel liegt
80 Prozent der IT-Automatisierungsprojekte scheitern. Nicht an der Technik. Die Stellenwahl ist falsch – sie automatisieren die lauteste Kategorie statt die teuerste. Das Ergebnis: hoher Investitionsaufwand, minimaler Effekt.
Volumen ist nicht gleich Aufwand
Der häufigste Fehler bei der Automatisierungsplanung: Die Kategorie mit den meisten Tickets wird als erstes automatisiert. "Passwort-Reset hat 1.200 Tickets pro Monat – da müssen wir anfangen." Klingt logisch. Ist es oft nicht.
Passwort-Reset: 1.200 Tickets, 5 Minuten Bearbeitungszeit pro Ticket. Gesamtaufwand: 100 Stunden pro Monat. Kategorie "Software-Installation": 400 Tickets, aber 45 Minuten pro Ticket. Gesamtaufwand: 300 Stunden pro Monat. Die Kategorie mit einem Drittel des Volumens bindet dreimal so viele Stunden.
Wenn der IT-Leiter die Stellenwahl nach Volumen trifft, automatisiert er Passwort-Reset. Investition: 6 Monate Projektlaufzeit, 150.000 EUR. Einsparung: 100 Stunden pro Monat, davon realistisch 70 Prozent durch Automatisierung – 70 Stunden. Hätte er Software-Installation automatisiert, wäre die Einsparung bei 210 Stunden pro Monat gelegen. Dreifacher Effekt, gleiche Investition.
Die Stellenwahl entscheidet über den ROI des gesamten Projekts. Und die richtige Stellenwahl braucht Daten, die über Ticketvolumen hinausgehen.
Dieser Fehler passiert nicht aus Nachlässigkeit. Er passiert, weil die verfügbaren Reports die falsche Sortierung liefern. Jedes ITSM-Dashboard sortiert standardmäßig nach Volumen. Volumen ist sichtbar. Stunden-Impact ist unsichtbar – er steht nirgendwo. Wer die Stellenwahl auf Basis des verfügbaren Reports trifft, landet automatisch beim Volumen-Leader. Nicht beim Stunden-Leader.
Standard-Reports messen das Falsche
ITSM-Reports zeigen: Tickets pro Kategorie, Durchlaufzeit pro Team, SLA-Erfüllung insgesamt. Was sie nicht zeigen: Wo bindet sich die meiste Bearbeitungszeit? Welche Kategorien erzeugen den höchsten Stunden-Impact? Und wo liegt die strukturelle Ineffizienz – nicht nur der Durchschnitt?
Drei Lücken machen Standard-Reports für die Stellenwahl unbrauchbar:
Keine Stunden-Sicht. Ein Report zeigt "400 Tickets Kategorie A, 1.200 Tickets Kategorie B." Er zeigt nicht "Kategorie A bindet 300 Stunden, Kategorie B bindet 100 Stunden." Ohne diese Umrechnung ist jede Priorisierung nach Volumen eine Bauchentscheidung.
Keine Varianz-Sicht. Der Durchschnitt einer Kategorie kann 30 Minuten sein. Aber wenn 20 Prozent der Tickets 4 Stunden brauchen, liegt das Potenzial bei diesen 20 Prozent. Die Varianz zeigt, ob eine Kategorie homogen genug für Automatisierung ist. Hohe Varianz bedeutet: Automatisierung funktioniert nur für einen Teil der Tickets. Der Rest braucht weiterhin manuelle Bearbeitung – und die ist oft teurer als vorher, weil die "einfachen" Tickets nun fehlen und nur die komplexen übrig bleiben.
Keine Struktursicht. Manche Kategorien sind nicht deshalb teuer, weil die Bearbeitung lang dauert, sondern weil die Tickets durch drei Teams wandern. Die Bearbeitungszeit pro Team ist kurz – aber die Gesamtdurchlaufzeit ist lang. Automatisierung der Bearbeitung hilft hier nicht. Die Lösung liegt in der Prozessstruktur, nicht in der Technik.
Was eine datengestützte Stellenwahl braucht
Drei Kennzahlen ersetzen die Bauchentscheidung:
Stunden-Impact pro Kategorie
Tickets × Median-Bearbeitungszeit = gebundene Stunden. Sortiert nach dieser Kennzahl statt nach Ticketvolumen ergibt sich eine völlig andere Rangfolge. In einer typischen IT-Organisation liefern die Top-3-Kategorien nach Stunden-Impact 60 Prozent des Gesamtaufwands – aber nur 25 Prozent des Ticket-Volumens.
Ein konkretes Beispiel: Ein IT-Leiter mit 4.000 Tickets pro Monat und dem Auftrag "Automatisierung einführen" analysiert den Stunden-Impact. Ergebnis: Die drei volumenreichsten Kategorien (Password Reset, Account Unlock, VPN-Zugang) binden zusammen 250 Stunden pro Monat. Die drei aufwandsreichsten Kategorien (Software-Paketierung, Berechtigungsanträge, Arbeitsplatz-Umzug) binden 900 Stunden. Der Hebel liegt nicht dort, wo die meisten Tickets anfallen.
Abweichung vom Peer-Median
Nicht jede Kategorie mit hohem Stunden-Impact hat Optimierungspotenzial. Wenn eine Kategorie 30 Stunden Median-Bearbeitungszeit hat und vergleichbare Kategorien bei ähnlichen Teams ebenfalls 30 Stunden brauchen, ist das der natürliche Aufwand. Optimierungspotenzial entsteht dort, wo eine Kategorie deutlich über dem Peer-Median liegt – typischerweise ab Faktor 1,5.
Wenn "Software-Installation" bei Team A 45 Minuten dauert und bei Team B 12 Minuten, liegt bei Team A ein Faktor 3,7 vor. Das kann an fehlender Standardisierung liegen, an einem anderen Ticket-Mix oder an Prozessineffizienz. In jedem Fall zeigt die Abweichung: Hier ist Potenzial.
Automatisierungseignung
Nicht jede Kategorie eignet sich für Automatisierung. Drei Kriterien helfen:
Homogenität. Wenn 80 Prozent der Tickets einer Kategorie den gleichen Ablauf haben, ist Automatisierung sinnvoll. Wenn jedes Ticket anders ist, hilft Automatisierung nicht.
Variationskoeffizient. Niedrige Varianz bedeutet: Die Tickets sind ähnlich genug für einen standardisierten Ablauf. Ein Variationskoeffizient unter 0,5 spricht für Automatisierung.
Struktureller Anteil. Wenn die Bearbeitungszeit zu 70 Prozent aus Wartezeit besteht, hilft Automatisierung der Bearbeitungsschritte wenig. Der Hebel liegt bei der Prozessstruktur: weniger Übergänge, weniger Wartezeit. Routing-Optimierung oder Kapazitätsanpassung wirken hier stärker als Automatisierung.
Ein konkretes Beispiel: "Berechtigungsanträge" haben 6 Stunden Durchlaufzeit. Davon entfallen 40 Minuten auf Bearbeitung und 5 Stunden 20 Minuten auf Wartezeit in zwei Queues. Die Automatisierung der 40 Minuten Bearbeitungszeit spart maximal 40 Minuten. Eine Prozessänderung, die eine Queue eliminiert, spart 2–3 Stunden. Fünfmal mehr Effekt – ohne Automatisierungsprojekt.
Drei Fehler bei der Stellenwahl
Fehler 1: Die lauteste Kategorie zuerst
Der Fachbereich beschwert sich über "Netzwerkprobleme". Also wird dort automatisiert. Aber die Beschwerde korreliert nicht mit dem Stunden-Impact. Der Fachbereich beschwert sich über die Dinge, die ihn am meisten nerven – nicht über die Dinge, die die IT am meisten kosten. Stellenwahl nach Beschwerdedruck führt zu populären Projekten mit schwachem ROI.
Fehler 2: Pilotprojekt mit dem einfachsten Fall
"Wir starten mit Password Reset, weil das am einfachsten zu automatisieren ist." Richtig: Es ist einfach. Falsch: Es ist irrelevant.
Ein erfolgreiches Pilotprojekt spart 70 Stunden pro Monat. Es beweist: Automatisierung funktioniert technisch. Es beweist nicht: Die Investition rechnet sich. Und es erzeugt eine unangenehme Frage der Geschäftsführung: "150.000 EUR investiert, 70 Stunden gespart – was kommt als nächstes?"
Die Alternative: Das Pilotprojekt auf den zweitgrößten Hebel ansetzen. Nicht den größten – der ist oft komplex. Aber den zweitgrößten, der gleichzeitig machbar ist. Ein Pilotprojekt, das 300 Stunden pro Monat spart, erzeugt eine andere Dynamik in der Organisation. Es macht das nächste Projekt leichter genehmigbar.
Fehler 3: Nur innerhalb eines Teams schauen
Die größten Effizienzpotenziale liegen oft an den Übergängen zwischen Teams. Wenn ein Ticket drei Teams durchläuft und bei jedem Team 80 Prozent der Zeit in der Queue wartet, liegt das Potenzial bei der Prozessstruktur. Automatisierung der Bearbeitungsschritte spart die restlichen 20 Prozent.
Das ist besser als nichts – aber weit entfernt vom tatsächlichen Hebel. Wer die Stellenwahl nur innerhalb eines Teams trifft, sieht einen Ausschnitt. Wer den gesamten Ticket-Pfad betrachtet, sieht das System. Ein typischer Pfad: Service Desk (5 Minuten Bearbeitung, 2 Stunden Queue) → Fachteam A (30 Minuten Bearbeitung, 8 Stunden Queue) → Fachteam B (15 Minuten Bearbeitung, 6 Stunden Queue). Gesamtbearbeitung: 50 Minuten. Gesamtwartezeit: 16 Stunden. Automatisierung der 50 Minuten spart 50 Minuten. Eliminierung einer Queue spart Stunden.
Die richtige Stellenwahl fragt nicht nur: "Was dauert am längsten?" Sie fragt: "Was davon ist Bearbeitung – und was ist Warten?"
Wie Process Radar die Stellenwahl unterstützt
Process Radar berechnet den Stunden-Impact pro Kategorie automatisch und sortiert nach tatsächlichem Aufwand statt nach Volumen. Die Abweichung vom Peer-Median zeigt, wo Optimierungspotenzial liegt. Die Varianz innerhalb einer Kategorie zeigt, ob Automatisierung technisch sinnvoll ist. Im Briefing erscheinen die drei größten Hebel – priorisiert nach Impact, nicht nach Volumen. Der IT-Leiter sieht in 5 Minuten, wo seine nächste Investition den größten Effekt hätte.
Testen Sie es mit Ihren eigenen Daten – die erste Analyse ist kostenlos.