Der Einfluss von Künstlicher Intelligenz auf das IT-Asset Management

Künstliche Intelligenz und Machine Learning sind auf dem Vormarsch und gewinnen zunehmend an Bedeutung. Die neuen Technologien revolutionieren die IT-Welt der Unternehmen und sind in aller Munde. Auch der Bereich IT-Asset Management ist von der rasanten Weiterentwicklung der künstlichen Intelligenz betroffen. Doch was versteht man eigentlich unter künstlicher Intelligenz?

Der Begriff „Künstliche Intelligenz“ - oder kurz KI - ist ein Oberbegriff, welcher unterschiedliche Technologien zur Nutzung von Daten und Algorithmen umfasst. Diese erlauben es Rechnern mithilfe komplexer Algorithmen Funktionen auszuführen, welche der menschlichen Intelligenz bereits heute sehr nahe kommen. Sogenannte GenAI (Generative Artificial Intelligence) - als Weiterentwicklung traditioneller KI-Modelle - ermöglicht zudem Muster in großen Datenmengen zu erkennen. Auf Basis dieser Muster können Texte, Bilder, Videos oder andere Inhalte eigenständig generiert werden und so bei der Durchführung von Routine-Aufgaben unterstützen.

Es erscheint so, als gäbe es tagtäglich neue Meldungen zu weiteren Durchbrüchen auf dem Feld der künstlichen Intelligenz. Im Rahmen einer Gartner-Prognose zu den „Top Strategic Technology Trends 2024“ wird erwartet, dass bis 2026 über 80% aller Unternehmen GenAI-Modelle nutzen oder GenAI-fähige Applikationen im Produktionsumfeld einsetzen. Dies bedeutet einen rasanten Anstieg im Vergleich zu 5% zum Jahresanfang 2023.

Vielen Unternehmen fehlt derzeit jedoch noch an der notwendigen Expertise, um die technologische Entwicklung erfolgreich meistern zu können. Darüber hinaus bilden in den meisten Unternehmen die bestehenden Governance-Strukturen das Themenfeld „Künstliche Intelligenz“ nicht in einem ausreichenden Maße ab. Daher bestehen sowohl im Management als auch im Betrieb Unsicherheiten über den Umgang mit diesem Themenfeld sowie den sinnvollen Einsatz von Investitionen. Kontinuierlich preisen Hersteller und Dienstleister neue Produkte sowie Services am Markt an. Ihr Versprechen lautet in den meisten Fällen, die Unternehmen im Alltagsgeschäft zu unterstützen und in die neue Ära der künstlichen Intelligenz zu überführen. Das Produktportfolio wächst sowohl bei Anbietern wie auch Nutzern stetig an, sodass es zunehmend schwerer wird Aktualität am Markt sowie Transparenz im Unternehmen sicherzustellen.

In den sich schnell wandelnden Infrastruktur-Umgebungen der Unternehmen sehen sich IT-Asset Manager mit Compliance-Risiken, Intransparenz im Asset-Portfolio sowie ständig steigenden Kosten konfrontiert. Der Mix aus On-Premise und Cloud-Lösungen sowie der Anstieg von Software-as-a-Service (SaaS) Ressourcen erschweren die Arbeit zusätzlich und erhöhen die Komplexität. Der Einsatz von künstlicher Intelligenz kann dabei Fluch und Segen zugleich sein.

Der Einsatz von KI kann das IT-Asset Management vor große Herausforderungen stellen, um Transparenz über die eingesetzte Software und Geräte, die korrekte Lizenzierung und anfallenden Kosten zu behalten. Die Vielzahl an eingesetzten KI-Produkten sowie deren oftmals komplexe Lizenzierung mithilfe neuer Lizenzmetriken und dem zeitgleich oft noch fehlenden Know-how stellen hierbei eine große Herausforderung dar. Des Weiteren können sich - neben den hohen initialen Investitionen zur Implementierung - auch die Kosten und Komplexität für die Infrastruktur erhöhen, da für die Verarbeitung großer Datenmengen zusätzliche Ressourcen benötigt werden. Zudem birgt die Verarbeitung von großen Mengen sensitiver oder personenbezogener Daten erhebliche Compliance und Datenschutz-Risiken. Die Unternehmen haben demnach alle Hände voll zu tun, um die notwendige Expertise aufzubauen, interne Prozesse zu etablieren und ihre Hausaufgaben in den Bereichen Governance & Compliance zu erledigen.

Doch an dieser Stelle bietet KI auch Chancen die Unternehmen bei diesem Wandel zu unterstützen. Nicht nur Anbieter von IT-Asset Management-Tools, sondern auch Software-Hersteller und Dienstleister bieten individualisierte Lösungen auf Basis von künstlicher Intelligenz an, um die Bedürfnisse der Unternehmen im IT-Asset Management zu bedienen, wie beispielsweise vereinfachter, transparenter Inventarisierung oder Reporting. Viele KI-gestützte Tools sollen sich - gemäß Herstellern - nahtlos in die bestehende Infrastruktur einfügen und können nach Bedarf auf alle Unternehmensgrößen skaliert werden. Künstliche Intelligenz soll dabei die Identifikation und Inventarisierung von Assets erleichtern, Prognosen zu Einsatz und Auslastung in Echtzeit erstellen, den manuellen Aufwand signifikant reduzieren und die datenbasierte Entscheidungsfindung unterstützen. Im Ergebnis sollen sowohl Optimierungsmöglichkeiten in Infrastruktur und Lizenzierung als auch Compliance- oder Sicherheitsrisiken identifiziert werden können, und somit ein Wertbeitrag im IT-Asset Management geleistet sowie Ressourcen- sowie Kostenaufwände reduziert werden.    

Der Vormarsch von KI schreitet voran, Unternehmen befürchten den Anschluss zu verlieren und wollen sich daher auf die anstehenden Veränderungen vorbereiten. Als zeit- und arbeitsintensive Tätigkeit kann das IT-Asset Management signifikant von den Chancen profitieren. Oftmals fehlt es Unternehmen im IT-Asset Management an Ressourcen und Know-how, daher können KI-gestützte Tools dabei helfen den Ressourcenbedarf zu reduzieren, indem Analysen, Prozesse und Aufgaben automatisiert werden. Darüber hinaus können die erweiterten Analysefähigkeiten der Tools weniger erfahrene IT-Asset Manager dabei unterstützen Optimierungsbedarfe und Risiken zu erkennen sowie Reports mit geeigneten Handlungsmaßnahmen zu erarbeiten. Doch auch für den Einsatz von KI gilt, die Qualität der zugrundeliegenden Daten sind das A und O für ein effektives und effizientes IT-Asset Management. KI kann dabei unterstützen Abweichungen in bestehenden Daten zu identifizieren, dennoch bilden Vollständigkeit und hohe Datenqualität die Grundlage, um belastbare Erkenntnisse aus Analysen und Prognosen von KI-gestützten Tools zu ziehen.

Darüber hinaus ist es für den Einsatz von KI wichtig, den Grundstein in Governance, Compliance und Prozessen zu legen. Dabei ist es entscheidend Anforderungen, Prioritäten und bestehende Lücken zu identifizieren, um sich optimal auf die Implementierung vorzubereiten. Auf dieser Basis können die zukünftige Strategie sowie benötigte Expertise abgeleitet und Lücken frühzeitig geschlossen werden.  Sind die Sicherheits- und Datenschutzanforderungen sowie die Zielsetzung bekannt, können Optionen zielgerichtet bewertet werden.

Schlussendlich sind die individuellen Anforderungen des jeweiligen Unternehmens und die zur Verfügung stehende Expertise mindestens so entscheidend wie die finanziellen Investitionen, die geleistet werden können. Eine gewissenhafte Vorbereitung hilft dabei Fehlinvestitionen möglichst zu vermeiden und sicherzustellen, dass die gewählten Optionen den Anforderungen des Unternehmens entspricht und die Kompatibilität mit bestehenden Systemen gewährleistet ist.

Autorin: Jessica Müller