Was, wenn dein IT-Dashboard nur die halbe Wahrheit zeigt?
Stell dir vor, du betreibst ein IT-Helpdesk. Du misst Tickets, Reaktionszeiten, Kosten pro Vorfall. Deine Zahlen sehen gut aus. Alles im grünen Bereich.
Und dann erfährst du, dass drei von vier IT-Problemen deiner Mitarbeiter nie in deinem System aufgetaucht sind. Nicht, weil sie gelöst wurden. Sondern weil sie woanders gestellt wurden – bei einem KI-Assistenten.
Genau das zeigt eine aktuelle Analyse von Perplexity, veröffentlicht unter dem Titel „Economic Impacts of AI on Enterprise IT Organizations“. Die Datenbasis: 85,5 Millionen Enterprise-Anfragen von über 135.000 Organisationen über zwölf Monate. Die Erkenntnis: 18 % aller KI-Anfragen in Unternehmen sind Technologie-Fragen – und die meisten davon wären klassische IT-Tickets gewesen.
15,5 Millionen Tech-Fragen – und kein IT-Leiter weiß davon
Von den 85,5 Millionen Anfragen waren 15,5 Millionen reine Technologie-Fragen: Software-Probleme, Troubleshooting, Cloud-Konfiguration, Netzwerk, Security. Also genau die Themen, die normalerweise im IT-Helpdesk landen.
Aber sie landen dort nicht. Sie landen beim KI-Assistenten.
Die Studie klassifiziert 77 % dieser Anfragen als „Ticket-Grade“ – also Tier-1- oder Tier-2-Probleme, die eine IT-Abteilung üblicherweise bearbeiten würde. Unter konservativen Annahmen (50 % Deflection Rate, 30–70 Dollar Mischkosten pro Ticket) ergibt sich ein geschätzter IT-Gegenwert von rund 300 Millionen Dollar jährlich. Allein aus diesem einen Datensatz.
Die Mitarbeiter fragen – nur nicht dort, wo die IT hinschaut
Was besonders auffällt: Dieses Verhalten ist kein Übergangsphänomen. Neue Organisationen starten mit einem Tech-Anteil von rund 20,6 % – und der pendelt sich dauerhaft bei 17–18,5 % ein. Mitarbeiter „entwachsen“ dem nicht. KI als IT-Supportkanal ist kein Onboarding-Effekt, sondern ein fester Bestandteil des Arbeitsalltags.
Dazu kommt die Wiederkehrrate: 74 % der Nutzer, die eine Tech-Frage stellen, kommen innerhalb von 30 Tagen mit einer weiteren zurück. In Subdomänen wie Software liegt die Rate sogar bei 82,5 %. Und rund 30 % der Themen betreffen innerhalb einer Organisation mehrere Personen gleichzeitig – ein klares Muster systemischer Probleme.
Laut einer Studie von Unisys und HFS Research verlieren 49 % der Mitarbeiter wöchentlich ein bis fünf Stunden Produktivität durch IT-Probleme. Weitere 23 % verlieren sogar mehr als sechs Stunden. Diese Zeit taucht in keiner Ticket-Statistik auf – aber sie kostet.
Wo die Reibung am größten ist: Excel, Slack, AWS, Databricks
Die Studie benennt die Enterprise-Tools, die am häufigsten in Tech-Anfragen auftauchen. Die Top 5:
- Databricks: 270.732 Anfragen
- Excel: 193.302 Anfragen
- AWS: 132.357 Anfragen
- Azure: 108.649 Anfragen
- Google Workspace: 70.851 Anfragen
Dazu kommen Outlook, Salesforce, SharePoint, Slack, SAP, Snowflake, Power BI und weitere. Auffällig: Es sind genau die Tools, deren Hersteller mit dreistelligen ROI-Zahlen werben.
Wenn man den unsichtbaren Support in die Forrester-ROI-Modelle der Hersteller einrechnet, verschieben sich die Zahlen deutlich: Der Drei-Jahres-ROI von Slack steigt von 325 % auf über 500 %, bei Databricks von 417 % auf über 600 %, bei Snowflake von 354 % auf über 550 %. Die Tools liefern also mehr Wert, als ihre eigenen Studien zeigen – aber eben auch mehr Reibung.
Eine kritische Frage, die die Studie nicht stellt
So beeindruckend die Zahlen sind – es gibt einen blinden Fleck in der Methodik, den man kennen sollte: Die Studie unterscheidet nicht, wer die Tech-Fragen stellt. Sind es Endanwender, die nicht wissen, wie sie eine Spalte in Excel einfügen? Oder sind es IT-Profis – Support-Techniker bei IT-Dienstleistern, MSPs, Systemhäusern – die Perplexity nutzen, um Lösungen für Kundenprobleme zu recherchieren?
Einiges spricht dafür, dass ein relevanter Teil der Anfragen aus dem professionellen IT-Umfeld kommt: 97,7 % der Organisationen haben weniger als 50 Seats – darunter dürften viele IT-Dienstleister sein. Die Per-Seat-Nutzung in kleinen Teams ist mit 294 Anfragen pro Jahr auffällig hoch. Und wenn Databricks mit Abstand die meisten Anfragen erzeugt, dann sind das keine Gelegenheitsnutzer, sondern Data Engineers und Admins, die Pipeline-Debugging und Query-Optimierung nachschlagen.
Das ändert die Interpretation: Ein Teil der „300 Millionen Dollar unsichtbarer IT-Aufwand“ ist möglicherweise gar kein Aufwand, der am Ticket-System vorbeigeht – sondern Ticket-Aufwand, der mit KI effizienter erledigt wird. Die Kernaussage der Studie bleibt trotzdem stark, aber man sollte die Zahlen mit diesem Vorbehalt lesen.
Was bedeutet das für IT-Dienstleister?
Hier wird es für unser Umfeld richtig spannend. Denn diese Daten zeigen nicht nur ein Problem bei Endkunden – sie zeigen eine massive Chance für IT-Dienstleister und Systemhäuser.
1. Der unsichtbare Support ist dein Argument. Wenn du beim Kunden sitzt und über Managed Services sprichst, hast du jetzt eine belastbare Datenbasis: Drei von vier IT-Problemen tauchen nicht im Ticket-System auf. Die reale Supportlast ist deutlich höher, als jedes Dashboard zeigt. Wer das sichtbar macht, positioniert sich als strategischer Partner statt als Ticket-Abarbeiter.
2. KI-Anfragen werden zur neuen Datenquelle. Die Studie argumentiert, dass KI-Query-Logs als IT-Telemetrie behandelt werden sollten – als Live-Signal, wo Tools versagen, Dokumentation lückenhaft ist und Onboarding nicht funktioniert. Für IT-Dienstleister heißt das: Wer den Kunden hilft, diese Daten zu lesen und darauf zu reagieren, schafft einen Service-Layer, den es bisher nicht gibt.
3. Vendor-ROI-Studien erzählen nicht die ganze Geschichte. Wenn dein Kunde fragt, ob sich die Investition in Databricks, Snowflake oder Microsoft 365 lohnt – dann reicht ein Blick auf die Forrester-Studie nicht. Die realen Kosten (und der reale Nutzen) liegen in den Fragen, die nie als Ticket ankommen. IT-Dienstleister, die das quantifizieren können, werden zur unverzichtbaren Entscheidungshilfe bei Beschaffungen und Plattformwechseln.
„Die interessanteste Erkenntnis aus dieser Studie ist nicht die Summe von 300 Millionen Dollar. Es ist die Tatsache, dass IT-Abteilungen und IT-Dienstleister bisher auf Basis eines Bruchteils der tatsächlichen Supportnachfrage planen. Wer das ändert, verändert sein gesamtes Servicemodell.“ – Ingo Lücker, Gründer der KI LEAGUE
Die Deflection-Falle: Warum Genauigkeit entscheidend ist
Die Studie macht einen Punkt, der oft übersehen wird: Die Einsparungen durch KI-gestützten IT-Support funktionieren nur, wenn die Antworten stimmen. Eine falsche Antwort auf eine Tier-2-Konfigurationsfrage erzeugt ein Ticket, statt eines zu verhindern.
Branchenbenchmarks zeigen: Unternehmen, die KI im IT-Support einsetzen, erreichen Deflection-Raten zwischen 40 und 60 %. Best-in-Class-Implementierungen kommen auf bis zu 85 % bei Routinefragen. Aber diese Raten sind direkt abhängig von der Qualität der zugrundeliegenden KI-Modelle und der angebundenen Wissensbasis.
Für IT-Dienstleister heißt das: KI-Assistenten beim Kunden einzuführen, ohne eine gepflegte, aktuelle Knowledge Base zu haben, ist wie ein Callcenter ohne Schulungsunterlagen aufzubauen. Die Technik ist nur so gut wie die Inhalte, die sie nutzt.
Was jetzt sinnvoll ist – und was nicht
Sinnvoll:
- KI-Anfragen als Datenbasis für Serviceoptimierung nutzen – nicht ignorieren
- Die reale Supportlast bei Kunden sichtbar machen, statt nur Tickets zu zählen
- Dokumentation und Self-Service für die Tools priorisieren, die die meisten wiederkehrenden Fragen erzeugen
- Vendor-ROI-Bewertungen um den „unsichtbaren Support“ ergänzen
Nicht sinnvoll:
- Annehmen, dass KI-Assistenten den IT-Support ersetzen – sie verlagern ihn
- Kapazitätsplanung weiterhin nur auf Ticket-Volumen basieren
- KI-Assistenten ohne strukturierte Knowledge Base und Qualitätskontrolle ausrollen
„IT-Dienstleister, die ihren Kunden nur die sichtbare Seite des IT-Supports managen, managen weniger als die Hälfte. Das hier ist der Weckruf, den Rest auch in den Griff zu bekommen.“ – Ingo Lücker, Gründer der KI LEAGUE
Du willst tiefer einsteigen? Komm in die KI LEAGUE.
Die Frage, wie KI die IT-Supportlandschaft verändert und was das konkret für dein Geschäft als IT-Dienstleister bedeutet, ist eines der Themen, die wir in der KI LEAGUE regelmäßig aufgreifen – mit Einordnung, Praxisbezug und ohne Vendor-Marketing.
Im nächsten KI LEAGUE Live Talk diskutieren wir unter anderem solche Entwicklungen: Was ist Substanz, was ist Hype, und was kannst du morgen umsetzen? Die Teilnahme ist kostenlos.
Jetzt anmelden unter kileague.de/live-erleben
Die KI LEAGUE ist die Plattform für IT-Dienstleister und Systemhäuser, die KI nicht hypen, sondern verstehen und anwenden wollen. Validierte Erkenntnisse, verlässliche Fakten, praxisnaher Austausch.
Quellen
1. Perplexity, „Economic Impacts of AI on Enterprise IT Organizations“, 2026. perplexity.ai/enterprise
2. Unisys Corporation / HFS Research, „From Surviving to Thriving in Hybrid Work“, 2023. unisys.com
3. Forrester Consulting, „The Total Economic Impact of Slack for Service Teams“, 2023.
4. Forrester Consulting, „The Total Economic Impact of the Snowflake AI Data Cloud“, 2024.
.jpeg)
