Grundsätzlich kann KI bei jedem Job eingesetzt werden, was jedoch keinen wirklichen Mehrwert bietet und die Kosten sowie die Systemlast erhöht. Bei den Überlegungen müssen Kosten-/Nutzungsüberlegungen immer im Vordergrund stehen.  Jede KI-Anfrage verwendet im Hintergrund enorme Rechenleistung und bei externen KIs entstehen Kosten.  Die externen KI-Anbieter (ChatGPT etc.) lassen sich den Einsatz der KI natürlich bezahlen. Als Faustregel gilt aktuell: 1 Token = 0,75 Worte.  

Der naheliegendste Anwendungsfall ist die Analyse aller Job-Reports auf Auffälligkeiten und Fehler. Das ist nachvollziehbar, da Textanalyse zu den Stärken von KIs gehört. Bei der Kosten-Nutzen-Rechnung fällt dies jedoch durch, da bei 99 % aller Analysen keine Auffälligkeiten gefunden werden. Eine bessere Strategie wäre es, wie gewohnt mit den bekannten Automic-Script-Mitteln nach Schlagwörtern zu suchen und dann bei Auffälligkeiten die KI zu bemühen. Wenn ein zentrales Fehlermanagement eingesetzt wird, kann auch hier die KI einen Mehrwert bieten.

Die Fehleranalyse kann mithilfe von ASK_AI sehr einfach implementiert werden, da ASK_AI direkt auf die Job Reports zugreifen kann. 

:SET &ANSWER# = ASK_AI("Analysiere den folgenden Report in Deutsch und prüfe ob dieser eine Fehlermeldung enthält. Hier ist der text:{data}.{query}", "JOB T.JS.UNIX.ERROR with Runid 1242003, analyze report type REP", "Im Falle einer Fehlermeldung, beschreibe eine mögliche Lösung.")

Ein weiterer Anwendungsfall ist die Anbindung von Fachanwendungen über das Protokoll „Model Context Protocol“ (MCP).  MCP ist ein Industriestandard, der von allen modernen Lösungen implementiert wurde. Ähnlich wie bei Webservices werden Funktionen der KI bereitgestellt, die diese nutzt, um die Prompts zu beantworten. Jede MCP-Schnittstelle stellt eine Reihe von „Tools” zur Verfügung, die Informationen lesen, aber auch bearbeiten können. Wenn die KI beispielsweise ein ITSM-Ticket erstellen soll, muss der MCP ein entsprechendes „Tool” zur Verfügung stellen.

Das wichtige Thema Berechtigungen und Sicherheit behandele ich im folgenden Artikel.

Über die MCP-Schnittstelle können praktisch alle im Unternehmen verwendeten Lösungen von der KI genutzt werden. Dabei stellt sich jedoch auch hier die Frage, ob die Möglichkeiten der KI tatsächlich benötigt werden. ITSM-Lösungen erwarten und liefern strukturierte Daten. Diese können mit traditionellen Anbindungen wesentlich effektiver und zuverlässiger verarbeitet werden. Wenn die Flexibilität einer KI für den Anwendungsfall nicht notwendig ist, sollte die traditionelle Methode gewählt werden, da sie kosteneffektiver ist. Auch wenn die KI-(Token-)Kosten für eine einzelne Jobausführung nicht hoch sind, summieren sie sich erheblich, wenn dieser Job dutzende Male pro Tag aufgerufen wird.

Bei der Entscheidung, ob eine Aufgabe mithilfe eines AI-Jobs implementiert werden soll, muss berücksichtigt werden, wie viel Varianz bei den Aufrufparametern erforderlich ist. In den meisten Anwendungsfällen können die Parameter zur Laufzeit ermittelt werden. Welche Parameter zum Erstellen eines ITSM-Tickets benötigt werden, ist klar, und selbst bei Feldern wie Titel und Ticketbeschreibung sind Textvorlagen die bevorzugte Lösung. 

Der häufig als Beispiel genannte KI-Anwendungsfall „Nenne mir alle ITSM-Tickets des Fehlertyps ‚XYZ‘ aus dem letzten Monat“ lässt sich mit einem REST-Job effizienter lösen. Hierfür kann die KI verwendet werden, um einen entsprechenden REST-Aufruf zu definieren. Wenn eine Analyse der einzelnen Ticketkategorien inklusive einer Klassifizierung und Veränderungen zum Vormonat gefordert ist, dann ist der AI-Job die richtige Wahl.

AI-Jobs eignen sich auch hervorragend für die Analyse von Daten aus Big-Data-Systemen.

Der Einsatz von AI-Jobs und ASK_AI ist zweifellos sinnvoll, allerdings sind es sehr leistungsfähige, aber auch sehr teure Werkzeuge.