„Nichts ist so beständig wie der Wandel.“
Mit dieser These kann man eins zu eins jede technologische Veränderung der letzten 100 Jahre unterstreichen. Die heutige Gesellschaft, die Unternehmen, die Produkte und Dienstleistungen zur Verfügung stellen wollen und auch das Zusammenspiel zwischen allen Beteiligten ist sehr stark durch den Wandel geprägt.
Das was heute zeitgemäß ist, kann innerhalb von kurzer Zeit nicht mehr relevant sein. Genauso sind technologische Veränderungen die Basis für künftige Wertschöpfung und die Anpassung der Produkte an die neuen Kundenwünsche.
Wie wird IT-Asset-Management heute gesehen?
Heutige IT-Experten würden folgende Hauptaufgaben sehen:
- Beschaffung und Einkauf von Geräten
- Inventarisierung von Geräten
- Abbildung von Abhängigkeiten zwischen den Geräten
- Audits für Zertifizierungen und aus Qualitätsgründen
- Verwaltung des Asset-Lebenszyklus
- Abschreibungsprozesse und Zusammenarbeit mit der Buchhaltung und HR
Hiermit wird der Lebenszyklus des gesamten Assets abgebildet von Kauf bis Entsorgung.
Gerade bei diesen Prozessen und Themen gibt es eine ganze Reihe von Standardaufgaben und wiederkehrenden sehr ähnlichen Tätigkeiten, die die Menschen entsprechend Zeit kosten.
Dies ist also ein perfektes Szenario, um Automatisierung zu integrieren und dafür Technologien wie maschinelles Lernen und KI zu verwenden.
💡 Inventarisierung leicht gemacht
Kombiniert Hardware, Lizenzen, Verträge, Bestellungen und vieles mehr in einem System.
Was ist Maschinelles Lernen?
Maschinelles Lernen steht für Computerprogramme mit der Fähigkeit, sich ohne Neuprogrammierung zu ändern. Die Datenverarbeitung ist hierbei der Grundbaustein, um die eigene Logik wiederum anzupassen und sich immer weiter zu optimieren.
Anders als bei herkömmlichen Programmen wird kein Lösungsweg modelliert. Es wird selbstständig die Struktur der Daten erkannt, z. B. bei Robotern, damit bestimmte Objekte gegriffen werden, um sie von A nach zu B transportieren. Die Roboter bekommen nur angegeben, von wo und nach wo sie die Objekte transportieren sollen.
Die Technologie des maschinellen Lernens ist so weit fortgeschritten, dass sie verwendet werden kann, um alte Asset-Management-Prozesse der Erkennung, Assoziation und Abhängigkeitszuordnung durchzuführen. In den nächsten Jahren gibt es ein starkes Potenzial die manuellen Tätigkeiten der heutigen Asset-Management-Disziplin durch Automatisierung teilweise oder vollständig zu ersetzen.
Was ist künstliche Intelligenz?
„Künstliche Intelligenz ist die Eigenschaft eines IT-Systems, »menschenähnliche«, intelligente Verhaltensweisen zu zeigen.“
Künstliche Intelligenz ist der zweite Technologietrend, der das Asset-Management bereichern wird.
Bei künstlicher Intelligenz geht es nicht nur darum, wiederholbare Muster zu lernen und auszuführen und Aufgaben, Ereignisse usw. auf der Grundlage von Geschäftsregeln zu automatisieren.
Die Nachstellung der menschlichen kognitiven Fähigkeiten ist das primäre Ziel der Technologie, z. B. bei der Analyse von Daten, der Sortierung von Daten und deren erster Interpretation im jeweiligen Kontext.
Einfacher ausgedrückt, wird KI es uns ermöglichen das gesamte Verständnis und die Wahrnehmung von Assets zu verändern und zu erweitern. Der Gesamtblick auf das Unternehmen kann einfacher einer größeren Personengruppe zur Verfügung gestellt werden.
ITAM – Die nächste Generation
Durch den Einsatz neuer Technologien bilden sich in jedem IT-Bereich neue Funktionalitäten heraus, die dann dem Benutzer mehr Unterstützung, Usability und Möglichkeiten für den Eingriff in Geschäftsprozesse bieten.
Eine Reihe von Asset-Management-Funktionen der nächsten Generation (unterstützt durch KI) wird den disruptiven Wandel begleiten und folgende Punkte umfassen:
- Kostenoptimierung durch dynamisches Verschieben von Workloads auf die kostengünstigsten Ressourcen
Server A ist teurer als Server B und somit werden die Prozesse auf den Server B umgezogen, solange wie Server B günstiger sein wird als Server A.
- Nahezu 100 % Ressourcenauslastung durch aktives Kapazitätsmanagement
Ungenutzte Ressourcen werden genutzt, wenn diese benötigt werden. Server, die keinerlei Workload haben, werden automatisch heruntergefahren und beispielhaft wieder neu hochgefahren, sobald die Last wieder steigt.
- Risikominderung und Echtzeit-Redundanzplanung durch Analyse und Simulation
Die künstliche Intelligenz entscheidet auf Grundlage von Massendaten und bekannten Mustern, wann welche Redundanzen gebraucht werden und wann mögliche Probleme auftauchen.
- Automatisierte Diagnose und Reparatur zur Erhöhung der Anlagenverfügbarkeit
Klassische Szenarien wären z. B. die Verlängerung von Garantiezeiten, weil das Notebook nicht ausfällt oder eine ordnungsgemäße Planung der Wartungsfenster für jegliche Assets, um generelle Ausfälle zu minimieren.
- Dynamisches Sourcing und Kostenarbitrage zwischen Dienstleistern
Der Bestellprozess wird dadurch automatisiert stattfinden und die Einholung von Angeboten und Kostenvergleichen zur Unterstützung für die IT-Administratoren angeboten.
Wenn diese neuen Funktionalitäten ausgereift sind, werden die Definitionen von „Was ist ein Vermögenswert?“ und „Was wird vom IT-Asset-Management-Prozess abgedeckt?“ sich verändern.
Ein besseres Verständnis bei allen Beteiligten von Vermögenswerten wird die direkte Folge sein:
- Einfache und klare Bilanzierung auch von Assets aus der Schatten-IT
- Optimierung physischer Assets auf Basis von Massendaten aus den Geräteinformationen
- Optimierung von Leasing Assets auf Basis unterschiedlicher Berechnungsmodelle
- Optimierung von Vertragsbestandteilen und klare Kostenausweisung sind „in-time“ möglich
- (Risiko-)Bewertung und Analyse von BYOD Assets
- Gesamtheitliche Analyse der Assets, um den Betrieb zu gewährleisten (Risiko- und Kosten-Faktoren können in unterschiedlichen Modellen berechnet und ausgewertet werden)
Fazit
Maschinelles Lernen und künstliche Intelligenz werden entscheidend sein, um in den nächsten Jahren die schnelle Entwicklung von „neuen“ Asset-Management-Funktionalitäten zu ermöglichen und die Mitarbeiter in IT, HR und Controlling massiv zu entlasten.
Zeitgleich ist dies ein enormer Kostenhebel, da Standardtätigkeiten teil- oder sogar vollständig automatisierbar sind.
