Wie eine führende Bank das IT-Incident-Management mithilfe von KI neu gestaltet| Wavestone

In Kürze

Sektor: Bankwesen

Die Herausforderung: Eine führende europäische Bank sah sich in ihrer komplexen Technologielandschaft mit einer wachsenden Zahl von IT-Vorfälle konfrontiert. Die IT-Teams verbrachten viele Stunden damit, die Ursachen der Incidents manuell zu ermitteln. Das Führungsteam erkannte, dass es einen schnelleren und einfacheren Weg brauchte, um diese Probleme zu diagnostizieren und zu steuern – und gleichzeitig die Grundlage für eine künftige KI-gestützte Automatisierung zu schaffen.

Die Lösung: Die Bank nutzte agentische KI, um die Diagnosezeit bei IT-Vorfällen deutlich zu verkürzen, die Zuverlässigkeit zu verbessern und eine solide Grundlage für die Skalierung KI-gestützter IT-Operations im gesamten Unternehmen zu schaffen.

Zentrale Ergebnisse:

80% kürzere Ursachenanalysezeit – von bis zu 60 Minuten auf unter 10 Minuten
Mehr als 600 Stunden manueller Arbeit pro Monat eingespart
Konsistentere, datenbasierte Incident-Bewertungen
Solide Grundlagen für eine künftige End-to-End-Automatisierung von Vorfällen geschaffen

Die Herausforderung

Manuelle Fehlerbehebung verzögerte die Behebung von IT-Problemen

Als eine der fünf größten Banken Europas betreibt der Kunde eine umfangreiche und komplexe IT-Landschaft mit Servern, Datenbanken und Cloud-Plattformen. Mit zunehmender Komplexität dieser Umgebung stieg die Zahl der IT-Probleme stark an – insbesondere im Zusammenhang mit virtuellen Maschinen. Jeden Monat wurden rund 1.500 Vorfälle gemeldet.

Die Führungsebene erkannte, dass traditionelle, manuelle Methoden mit dieser wachsenden IT-Komplexität nicht mehr Schritt halten konnten. Weshalb ein schnellerer, standardisierter und zuverlässigerer Ansatz, der strenge Anforderungen an Governance, Datenschutz und Sicherheit erfüllt, notwendig wurde.

Um die Ursache der IT-Probleme zu finden, mussten die Teams Informationen aus vielen verschiedenen Tools zusammentragen. Dies nahm häufig eine Stunde pro Problem in Anspruch und führte zu uneinheitlichen Ergebnissen. Dadurch gerieten die Teams unter enormen Druck, Korrekturen verzögerten sich und die Servicezuverlässigkeit wurde beeinträchtigt.

Der Anspruch der Bank war allerdings mehr, als IT-Probleme schneller zu lösen. Ziel war es, KI einzusetzen, die IT-Probleme von Anfang bis Ende steuern kann. Dabei sollte sie im Laufe der Zeit in der Lage sein, einige davon automatisch zu beheben und gleichzeitig strenge Anforderungen an Governance, Datenschutz und Kontrolle erfüllen.

Die Lösung

KI nutzen, um IT-Vorfälle skalierbar zu steuern

Um diese Herausforderungen zu adressieren, arbeitete die Bank mit Wavestone zusammen, um eine modulare, wiederverwendbare und skalierbare agentische KI-Lösung zu konzipieren und einzuführen, die speziell für den Umgang mit IT-Problemen entwickelt wurde.

Ausgehend von „virtuellen Maschinen“ führt das System automatisch Echtzeitdaten zur Systemgesundheit und -leistung zusammen und nutzt mehrere KI-Agenten, um schnell zu ermitteln, was schiefgelaufen ist, und nächste Schritte vorzuschlagen.

Von Beginn an wurde die IT-Architektur der Lösung flexibel und zukunftssicher gestaltet, damit sie über verschiedene Systeme hinweg wiederverwendet werden kann und die Bank nicht an einen einzigen Technologieanbieter bindet.

Die Lösung fügt sich nahtlos in das bestehende Ökosystem der Bank ein, wobei Entscheidungen weiterhin klar unter menschlicher Kontrolle bleiben.

Dank enger Zusammenarbeit und einer bereits vorhandenen starken KI-Basis war die Lösung für den ersten Anwendungsfall – virtuelle Maschinen – in nur drei Monaten produktiv im Einsatz.

Die Ergebnisse

Schnellere Fehlerbehebungen, zuverlässigere Systeme und eine Grundlage für künftige Automatisierung

Die Wirkung der agentischen KI-Lösung war unmittelbar und messbar: Die Zeit zur Ermittlung der Ursache von IT-Problemen sank von bis zu einer Stunde auf zehn Minuten oder weniger – eine Reduzierung der Diagnosezeit um 80 %.

Dies half den Teams, Probleme schneller zu beheben, die Systemzuverlässigkeit zu verbessern und Operations- sowie Engineering-Teams zu entlasten, damit sie sich statt auf ständiges Firefighting stärker auf wertschöpfende Tätigkeiten konzentrieren können.

Durch die Einführung geeigneter Kontrollmechanismen und den Aufbau flexibler KI-Tools, die klare Transparenz über die Systeme schaffen, hat die Bank eine solide Grundlage gelegt, um KI-gestütztes Incident-Management (AIOps*) auszubauen und ihre umfassendere IT-Transformation zu beschleunigen.

* AIOps bezeichnet den Einsatz von KI und Machine Learning zur Automatisierung, Analyse und Optimierung von IT-Operations. Dadurch lassen sich Probleme in komplexen Systemen schneller erkennen, diagnostizieren und beheben.