- KYBERNA AI
-
ITSM & ESM Software
- ITSM & ESM Software ky2help®
- Lösung nach Branchen
- Bauunternehmen & Baugewerbe
- Finanzdienstleistungen & Banken
- Gesundheitswesen & Kliniken
- Hospitality & Hotelgruppen
- Industrie & Fertigung
- IT-Dienstleister, MSPs & Systemhäuser
- Öffentliche Verwaltung & Behörden
- Sicherheitsdienste & Leitstellen
- Telekommunikation & Netzbetreiber
- Versicherungen & Sozialversicherungen
- ky2help® Referenzen
- Kontakt
- ITSM & ESM Wissenswelt
- Glossar
- IT Services
- eAuktion
- Über uns
- News & Blog
- Support

Glossar
Fachbegriffe einfach erklärt
Machine Learning einfach erklärt: Was lernende Software im IT-Alltag leistet
Machine Learning, auf Deutsch maschinelles Lernen, ist ein Verfahren der künstlichen Intelligenz, bei dem ein Programm aus vielen Beispielen selbst ableitet, wie es neue Fälle einordnen oder vorhersagen soll, statt jeden Schritt vorgegeben zu bekommen. Das bekannteste Beispiel im Büro ist der Spamfilter: Er hat an vielen Nachrichten gelernt, woran sich unerwünschte E-Mails erkennen lassen, ohne dass jemand eine vollständige Liste verdächtiger Wörter pflegen muss.
Für ein IT-Team mit drei oder vier Leuten klingt das nach einem Thema für Konzerne. Tatsächlich steckt Machine Learning schon in Werkzeugen, die auch kleine Teams täglich nutzen, vom Spamfilter bis zu Copilot in Microsoft 365. Die eigentliche Frage lautet daher selten „Brauchen wir Machine Learning?“, sondern: Wo hilft es im eigenen Service Desk wirklich, und was muss dafür vorbereitet sein?
Kurz zusammengefasst
- Machine Learning erkennt Muster in Beispieldaten und wendet sie auf neue Fälle an. Das Ergebnis ist immer eine Einschätzung, keine Gewissheit.
- Es gibt drei Grundarten: Lernen mit Lösungen (überwacht), Lernen ohne Lösungen (unüberwacht) und Lernen durch Rückmeldung (bestärkend).
- Sprachmodelle wie in Microsoft 365 Copilot sind eine spezielle Form des Machine Learning. Für viele Aufgaben im Service Desk reichen aber klare Regeln oder eine gute Wissensdatenbank.
- Kleine Teams profitieren vor allem von fertigen KI-Funktionen im Ticketsystem, weniger von selbst entwickelten Modellen.
- Vor dem Start: Kategorien aufräumen, Dienstleister vertraglich einbinden, den Betriebsrat früh einbeziehen.
Stand: November 2026 · Geprüft anhand der EU-KI-Verordnung, der KI-Servicestelle der RTR, des Arbeitsverfassungsgesetzes (RIS) und des Machine Learning Crash Course von Google (Quellen am Ende des Artikels)
Wie eine Maschine lernt
Stellen Sie sich eine neue Kollegin im Service Desk vor. In den ersten Wochen schaut sie zu, wie erfahrene Kollegen Tickets zuordnen: Druckerprobleme an den Vor-Ort-Support, Passwortfragen an die erste Ebene, Fehler in der Warenwirtschaft an den externen Partner. Nach einiger Zeit erkennt sie die Muster selbst. Machine Learning funktioniert ähnlich, nur mit Statistik statt mit Erfahrung.
Lernen mit Lösungen: überwachtes Lernen
Das Programm bekommt Beispiele, bei denen das richtige Ergebnis schon feststeht, etwa abgeschlossene Tickets samt Kategorie. Daraus entsteht ein Modell, das für ein neues Ticket die wahrscheinlichste Kategorie vorschlägt. Im IT-Alltag ist das die häufigste Form.
Lernen ohne Lösungen: unüberwachtes Lernen
Hier gibt es keine vorgegebenen Antworten. Das Programm sucht selbst nach Gruppen und Ausreißern. Melden an einem Vormittag mehrere Leute ähnliche Probleme mit derselben Anwendung, kann ein solches Verfahren die Meldungen zusammenfassen, auch wenn jede anders formuliert ist.
Lernen durch Rückmeldung: bestärkendes Lernen
Das Programm probiert Aktionen aus und bekommt Plus- oder Minuspunkte. Auf diese Weise lernen Computer zum Beispiel Brettspiele. Im Service Desk ist das kaum praktikabel, denn niemand möchte Anwender als Versuchsfeld für falsche Entscheidungen nutzen.
Was beim Lernen schiefgehen kann
Ein Modell kann die Trainingsbeispiele so genau nachbilden, dass es bei neuen Fällen danebenliegt. Fachleute sprechen von Überanpassung. Deshalb hält man immer einen Teil der Daten zurück und prüft erst am Ende damit. Außerdem kennt ein Modell nur die Vergangenheit: Kommt im Frühjahr eine neue Buchhaltungssoftware, kennt es deren Fehlermeldungen nicht, bis es mit neuen Beispielen nachtrainiert wird.
Regel, Modell oder Sprachmodell: Was passt wofür?
Nicht jede Automatisierung ist Machine Learning, und nicht jede Aufgabe braucht es. Die Übersicht zeigt für typische Aufgaben, welcher Ansatz passt.
| Anfragen aus einem Formular an ein Team leiten | |
|---|---|
| Passend | Feste Regel im Workflow |
| Warum | Der Zusammenhang ist eindeutig. Eine Regel ist nachvollziehbar und sofort einsatzbereit. |
| Freitext-E-Mails einer Kategorie zuordnen | |
| Passend | Machine Learning (Klassifikation) |
| Warum | Die Formulierungen sind zu vielfältig für Regeln, aber es gibt viele Beispiele mit bekannter Kategorie. |
| Gleichartige Störungen erkennen | |
| Passend | Machine Learning (Clustering) |
| Warum | Vorher weiß niemand, welche Meldungen zusammengehören. |
| Antwort an Anwender formulieren | |
| Passend | Sprachmodell, Prüfung durch das Team |
| Warum | Sprachmodelle schreiben flüssig, können aber Falsches überzeugend formulieren. |
| Häufige Fragen selbst beantworten | |
| Passend | Wissensdatenbank, ergänzt um einen Chatbot |
| Warum | Ohne gepflegte Artikel hat auch ein Chatbot keine gute Antwort. |
Microsoft 365 Copilot und ähnliche Assistenten gehören zur generativen KI. Sie beruhen auf großen Sprachmodellen, also auf Deep Learning, einer Form des Machine Learning mit vielschichtigen neuronalen Netzen. Für Ihr Team heißt das: Solche Werkzeuge beziehen Sie fertig, eigene Modelle trainieren Sie damit nicht. Wie die Begriffe zusammenhängen, erklärt der Glossarartikel Künstliche Intelligenz.
Fünf Situationen aus dem IT-Alltag
Die folgenden Beispiele sind hypothetisch. Sie spielen in einem Unternehmen mit Standorten in Wien, Linz und Graz und einem kleinen zentralen IT-Team, das von einem externen Dienstleister unterstützt wird.
1. Das Ticket landet beim falschen Team
Eine Mitarbeiterin in Graz schreibt: „Bildschirm bleibt nach dem Update schwarz.“ Ist das Hardware, ein Treiberproblem oder ein Fehler der Fachanwendung? Ein Klassifikationsmodell schlägt anhand früherer Tickets eine Kategorie vor. Die Entscheidung bleibt beim Team, aber die erste Weiterleitung kann entfallen.
2. Drei Standorte, ein Problem
Am Montagmorgen kommen aus Wien und Linz Meldungen zu einer langsamen Anmeldung, jede anders formuliert. Ein Verfahren, das ähnliche Tickets erkennt, macht das Team darauf aufmerksam, dass eine gemeinsame Ursache dahinterstecken könnte. Statt vieler Einzelfälle entsteht ein Problem-Ticket.
3. Die Antwort steht schon in der Wissensdatenbank
Wie kommt das Diensthandy ins WLAN der Linzer Niederlassung? Gibt es dazu einen Artikel, kann das Self-Service-Portal oder ein Chatbot ihn vorschlagen, bevor überhaupt ein Ticket entsteht. Das funktioniert nur, wenn die Artikel aktuell sind.
4. Der Dienstleister arbeitet mit
Betreut ein IT-Dienstleister Server, Netzwerk oder die Warenwirtschaft, sieht er oft auch Ticketdaten. Werden diese Daten für KI-Funktionen verarbeitet, muss klar sein, wer was wohin überträgt. Das regelt ein Auftragsverarbeitungsvertrag nach Art. 28 DSGVO. Bei Cloud-KI-Diensten kommt die Frage hinzu, ob Eingaben zum Training des Anbieters verwendet werden.
5. Die Geschäftsführung fragt nach Zahlen
Wie viele Tickets lösen wir beim ersten Kontakt, und wo stockt es? Für solche Auswertungen braucht es kein Machine Learning, sondern saubere Daten und ein gutes Dashboard. Ein Modell kann später helfen, Ausreißer zu finden. Zuerst müssen aber die Kategorien stimmen.
ky2help® bringt dafür eine integrierte Knowledge Base, Self-Service-Portale und ein Live-Dashboard mit. Für Lösungsvorschläge gibt es den KI-Supportagenten, für Anfragen rund um die Uhr die Integration des Chatbots „Apptiva Klar“.
Checkliste vor dem Start
Bevor Sie KI-Funktionen im Ticketsystem einschalten oder ein eigenes Modell planen, lohnt sich ein kurzer Check im Team.
- Kategorien aufräumen: Gibt es überlappende oder kaum genutzte Kategorien? Ein Modell übernimmt jedes Durcheinander.
- Genug Beispiele? Für seltene Kategorien fehlen oft Daten. Dort bleibt eine Regel oder die manuelle Zuordnung die verlässlichere Wahl.
- Wissensartikel prüfen: Veraltete Anleitungen werden durch einen Chatbot nicht besser, sondern nur schneller verbreitet.
- Datenschutz klären: Welche personenbezogenen Daten stehen in den Tickets? Wer verarbeitet sie, und wo? Mit dem Dienstleister die Auftragsverarbeitung regeln.
- Betriebsrat einbinden: Systeme, die über allgemeine Angaben hinaus Daten von Arbeitnehmern automationsunterstützt verarbeiten oder Mitarbeitende beurteilen, brauchen nach § 96a Arbeitsverfassungsgesetz in vielen Fällen seine Zustimmung. Das betrifft etwa Auswertungen, die Bearbeitungszeiten einzelnen Personen zuordnen.
- KI-Verordnung im Blick behalten: Die EU-KI-Verordnung gilt in Österreich unmittelbar. Eine erste Anlaufstelle für Fragen ist die KI-Servicestelle der RTR. Die Regeln zur KI-Kompetenz gelten seit Februar 2025, daher gehört eine kurze Schulung des Teams zum Start.
- Klein anfangen: eine Funktion, ein Standort, ein Ziel. Erst wenn die Vorschläge im Alltag passen, auf weitere Teams ausweiten.
Für Sicherheitsfragen rund um KI-Dienste bietet KYBERNA Cybersecurity Services an, für den Betrieb von Microsoft 365 eigene M365-Leistungen.
Häufige Fragen
Was ist Machine Learning in einfachen Worten?
Ein Programm lernt aus Beispielen, statt Regeln vorgegeben zu bekommen. Es erkennt in vielen bekannten Fällen Muster und wendet sie auf neue Fälle an, etwa wenn ein Spamfilter unerwünschte E-Mails aussortiert.
Ist Microsoft 365 Copilot Machine Learning?
Ja, im weiteren Sinn. Copilot beruht auf großen Sprachmodellen, die mit Deep Learning trainiert wurden, einer Form des Machine Learning. Man spricht von generativer KI, weil das System neue Texte erzeugt, statt nur Fälle einzuordnen.
Lohnt sich Machine Learning für ein kleines IT-Team?
Eigene Modelle zu entwickeln, lohnt sich für kleine Teams selten. Sinnvoll sind KI-Funktionen, die das Ticketsystem bereits mitbringt, etwa Lösungsvorschläge oder ein Chatbot mit Zugriff auf die Wissensdatenbank. Voraussetzung sind saubere Kategorien und aktuelle Artikel.
Wie viele Daten braucht ein Modell?
Eine feste Zahl gibt es nicht. Es hängt davon ab, wie viele Kategorien unterschieden werden und wie eindeutig die Fälle sind. Für seltene Kategorien fehlen meist genug Beispiele, dort ist eine Regel oder die manuelle Zuordnung verlässlicher.
Muss der Betriebsrat zustimmen?
Das hängt vom System ab. Nach § 96a ArbVG brauchen Systeme, die über allgemeine Angaben hinaus personenbezogene Daten von Arbeitnehmern verarbeiten oder Mitarbeitende beurteilen, in vielen Fällen die Zustimmung des Betriebsrats. Werten KI-Funktionen etwa Bearbeitungszeiten pro Person aus, sollte er früh eingebunden werden.
Welche KI-Funktionen hat ky2help®?
ky2help® bietet einen KI-Supportagenten, der Anfragen analysiert, Lösungen vorschlägt und passende Problem-Tickets anzeigt. Dazu kommt die Integration des Chatbots „Apptiva Klar“, der Antworten aus der Knowledge Base liefert und bei Bedarf ein Ticket erstellt.
Quellen und weiterführende Artikel
Quellen
- EUR-Lex: Verordnung (EU) 2024/1689 (KI-Verordnung)
- Europäische Kommission: KI-Gesetz und Zeitplan
- RTR: KI-Servicestelle
- RIS: Arbeitsverfassungsgesetz, § 96a
- EUR-Lex: Datenschutz-Grundverordnung, Art. 28
- Google for Developers: Overfitting (Machine Learning Crash Course)
- Google for Developers: Accuracy, Precision und Recall
- AXELOS: Knowledge Management, ITIL 4 Practice Guide
Weiterlesen
Alle Glossar-Artikel in der Übersicht
Erfahren Sie, wie Microsofts Verzeichnisdienst Benutzer, Geräte und Rechte zentral verwaltet – sicher & zukunftsfähig für Unternehmen.
Mehr zu Active Directory
Was ist eine API? Erfahren Sie, wie Programmierschnittstellen Anwendungen verbinden, Prozesse automatisieren und Innovation in der digitalen Wirtschaft ermöglichen.
Was ist Authentifizierung? Erfahren Sie, wie Identitäten geprüft, Konten geschützt und moderne Anmeldeverfahren wie Zwei-Faktor-Authentifizierung Ihre Sicherheit erhöhen.
Was ist ein Backlog? Erfahren Sie, wie priorisierte Aufgabenlisten Teams helfen, Projekte agil zu steuern, Prioritäten zu setzen und Fortschritte transparent zu machen.
Erfahren Sie, wie eine Balanced Scorecard Unternehmen hilft, Strategie, Ziele und Kennzahlen zu verbinden und Erfolge messbar zu machen.
Das Change Advisory Board (CAB) berät bei der Bewertung und Freigabe von Changes im IT Service Management. Erfahren Sie, wann ein CAB gebraucht wird und wie ITIL 4 die Freigabe regelt.
Mehr zum CAB
Gesteuerter Change-Prozess mit Risikoanalyse, CAB-Freigaben und Kommunikation, um Ausfallzeiten zu reduzieren und Releasessicher in Produktionsumgebungen zu bringen.
Erfahren Sie, wie KI-gestützte Chatbots Kommunikation automatisieren, Kundenservice verbessern und Prozesse effizienter gestalten.
Was ist Continuous Integration? Erfahren Sie, wie automatisierte Builds und Tests Entwicklungsprozesse beschleunigen, Fehler vermeiden und Softwarequalität steigern.
Zentrale Konfigurationsdatenbank mit CIs und Beziehungen für Transparenz, Abhängigkeits-/Impact-Analysen, Audit-Sicherheit und Change-/Incident-Beschleunigung.
Was ist CSI? Erfahren Sie, wie Continual Service Improvement in ITIL hilft, IT-Services dauerhaft zu optimieren, Qualität zu steigern und Kundenzufriedenheit zu sichern.
Der Customer Effort Score ist eine Kennzahl, die beschreibt, wie viel Aufwand ein Kunde betreiben muss, um sein Anliegen mit einem Unternehmen zu lösen.
Was ist DevOps? Erfahren Sie, wie Entwicklung und IT-Betrieb durch Automatisierung, Zusammenarbeit und CI/CD zu schnelleren, stabileren Software-Releases führen.
Was ist die DSGVO? Erfahren Sie, wie die Datenschutz-Grundverordnungpersonenbezogene Daten schützt, welche Pflichten Unternehmen haben und welche Rechte Betroffene haben.
Was ist ESM? Erfahren Sie, wie Enterprise Service Management Prozesse vereinheitlicht, Services digitalisiert und alle Abteilungen effizient miteinander verbindet.
Was ist Hardware Asset Management? Erfahren Sie, wie Unternehmen mit HAM ihre IT-Geräte effizient verwalten, Kosten senken und Sicherheit im gesamten Lebenszyklus sichern.
Ein Helpdesk ist die zentrale Schnittstelle zwischen den Anwendern eines Unternehmens und den dafür zuständigen Support-Teams.
Ein Incident ist eine Beeinträchtigung eines IT-Services, die dazu führt, dass der Service nicht wie vorgesehen genutzt werden kann.
Erfahren Sie, wie der internationale Standard Unternehmen hilft, Informationssicherheit systematisch aufzubauen, Risiken zu minimieren und Vertrauen zu schaffen.
Erfahren Sie, wie das Framework IT-Prozesse strukturiert, Qualität sichert und die IT an den Geschäftszielen ausrichtet – praxisnah und modern mit ITIL 4 oder ITIL 5.
IT Service Management (ITSM) beschreibt die Gesamtheit spezialisierter organisatorischer Fähigkeiten, um IT-Services effizient zu betreiben.
Erfahren Sie, wie die japanische Kaizen-Methode durch kleine, stetige Verbesserungen Prozesse optimiert, Qualität steigert und Mitarbeitende einbindet.
Erfahren Sie, wie die Kanban-Methode durch Visualisierung, Flusssteuerung und kleine Verbesserungen Teams effizienter und flexibler arbeiten lässt.
Key Performance Indicators (KPIs) machen Ziele messbar, bewerten Leistung und unterstützen datenbasierte Entscheidungen im Unternehmen.
Erfahren Sie, wie KI funktioniert, wo sie eingesetzt wird und warum sie unsere Arbeitswelt verändert – zwischen Innovation und Verantwortung.
Machine Learning ist ein Teilgebiet der Künstlichen Intelligenz (KI). Es ermöglicht Systemen, Muster und Zusammenhänge in Daten eigenständig zu erkennen.
Erfahren Sie, wie Multi-Faktor-Authentifizierung funktioniert, warum sie Konten wirksam schützt und welche Methoden besonders sicher und benutzerfreundlich sind.
Erfahren Sie, wie die systematische Überwachung von IT-Systemen Leistung, Sicherheit und Verfügbarkeit verbessert – für stabile und effiziente Prozesse.
Erfahren Sie, wie Natural Language Processing funktioniert, wo es eingesetzt wird und warum es Kommunikation, Analyse und Serviceprozesse revolutioniert.
Der Net Promoter Score (NPS) gehört zu den bekanntesten Kennzahlen zur Messung von Kundenzufriedenheit und -loyalität im Umfeld von IT-Ticket-Systemen.
Der Net Promoter Score (NPS) gehört zu den bekanntesten Kennzahlen zur Messung von Kundenzufriedenheit und -loyalität im Umfeld von IT-Ticket-Systemen.
Operational Level Agreements (OLA) regelt interne Zusammenarbeit, unterstützt SLA-Ziele unterstützen und macht Serviceprozesse verlässlicher.
Operational Performance Indicator (OPI) sind ein zentrales Instrument, um die Leistungsfähigkeit operativer Prozesse in Unternehmen messbar zu machen.
Predictive Maintenance ist ein moderner Instandhaltungsansatz, der nicht auf starre Intervalle setzt, sondern auf datenbasierte Vorhersagen.
Die Root Cause Analysis (RCA) ist eine strukturierte Methode, um Ursachen eines Problems oder einer Störung zu identifizieren und zu beseitigen.
Was ist eine REST API? Erfahren Sie, wie REST-Schnittstellen Systeme verbinden, Daten austauschen und moderne Anwendungen schnell, flexibel und skalierbar machen.
Was ist eine Root Cause Analysis? Lernen Sie Methoden wie 5 Why, Ishikawa und Fehlerbaum kennen und erfahren Sie, welche Methode zu welcher Störung passt.
Was ist Scrum? Erfahren Sie, wie das agile Framework Teams hilft, flexibel zu arbeiten, schneller Ergebnisse zu liefern und Projekte kontinuierlich zu verbessern.
Verständlich erklärt: Wie Service Level Agreements Leistungen definieren, Qualität messbar machen und Servicebeziehungen strukturieren.
Was ist SSO? Erfahren Sie, wie Single Sign-On funktioniert, wie es Sicherheit und Komfort verbindet und warum es in modernen IT-Landschaften unverzichtbar ist.
Erfahren Sie, wie das Software Asset Management (SAM) Softwarebestände transparent macht, Kosten optimiert und Compliance sowie IT-Sicherheit stärkt.
Kompakt erklärt: Wie Sprints Teams helfen, in kurzen Zyklen zu planen, zu liefern und sich kontinuierlich zu verbessern.
Was ist eine SOP? Erfahren Sie, wie Standard Operating Procedures Abläufe standardisieren, Qualität sichern und Organisationen zuverlässiger machen.
Erfahren Sie, wie User Experience entsteht, warum sie entscheidend für Erfolg und Zufriedenheit ist und wie gute Nutzererlebnisse gestaltet werden.
Webhooks ermöglichen es, Ereignisse aus einem System in Echtzeit an ein anderes zu übermitteln, ohne dass ständige Abfragen erforderlich sind.
Was ist ein Workflow? Erfahren Sie, wie strukturierte Abläufe Prozesse vereinfachen, Qualität sichern und Unternehmen effizienter machen.