Analyse historischer IT-Service-Desk-Tickets zur Identi-fikation wiederkehrender Anliegen und Themenbereiche
Was verraten 17’004 historische Incidents über wiederkehrende Anliegen, Prozesslücken und Verbesserungsmöglichkeiten im IT-Service-Desk der BLS? Die Bachelorarbeit zeigt, wie strukturierte Daten und Textanalyse aus Einzelfällen eine Grundlage für eine vorausschauendere Steuerung schaffen.
Osawe, Samuel, 2026
Art der Arbeit Bachelor Thesis
Auftraggebende BLS AG
Betreuende Dozierende Spahic, Maja
Views: 4
Der IT-Service-Desk der BLS bearbeitet zahlreiche Anliegen und Meldungen in ServiceNow. Die Incident-Daten wurden bisher vor allem für die Bearbeitung einzelner Fälle und für Standardauswertungen genutzt. Eine bereichsübergreifende Sicht auf wiederkehrende Themen, auffällige Bearbeitungsverläufe und Datenlücken fehlte. Ziel der Bachelorarbeit war es, diese Daten systematisch auszuwerten und eine Grundlage für die operative Steuerung sowie ein zukünftiges Problem-Management zu schaffen.
Untersucht wurden 17’004 Incidents aus dem Zeitraum vom 29. Oktober 2024 bis zum 1. Mai 2026. Das Vorgehen orientierte sich am CRISP-DM-Modell. Mit Python wurden strukturierte ServiceNow-Attribute zu Ticketvolumen, IT-Services, Eingangskanälen, Bearbeitungsverläufen und Datenqualität analysiert. Kurz- und Detailbeschreibungen wurden bereinigt, mit TF-IDF und Sentence-Transformer-Embeddings repräsentiert und mittels K-Means gruppiert. Die Cluster wurden quantitativ und anhand von Stichproben bewertet.
Die Analyse schafft eine zusammenhängende Sicht auf das Ticketvolumen und dessen Zusammensetzung. Sie zeigt Schwerpunkte bei Basisservices sowie Ausschläge durch technische Ereignisse und maschinell erzeugte Meldungen. Die Eingangskanäle bilden die inhaltliche Herkunft der Incidents nur eingeschränkt ab. Bei den Bearbeitungsverläufen wurden auffällige Lösungszeiten und Neuzuweisungen erkannt. Reaktionszeiten, aktive Bearbeitungszeiten und Wartezeiten konnten wegen fehlender Prozesszeitpunkte sowie unvollständiger Status- und Zuweisungsverläufe nicht belastbar berechnet werden. Nach der Abgrenzung vorwiegend maschinell dominierter Cluster wurden 19 Themenbereiche sichtbar, darunter Identitätsmanagement, mobile Geräte, Arbeitsplatzsysteme, Software, Berechtigungen, Netzwerk und Fachapplikationen. Die Themenbereiche dienen als Problemkandidaten, bestimmen jedoch keine Ursachen. Daraus wurden Handlungsempfehlungen zur Verbesserung der KPI-Messbarkeit, zur Historisierung von Prozessverläufen, zur Trennung menschlicher und maschineller Meldungen, zur Vereinfachung von Kategorisierung und Routing sowie zum Aufbau eines zentralen Problem-Managements abgeleitet.
Studiengang: Wirtschaftsinformatik (Bachelor)
Keywords Datenbasierte Grundlage für die operative Steuerung und ein zukünftiges Problem-Management
Vertraulichkeit: vertraulich