KI im IT-Support: Benchmark zeigt 50,56 % Erfolgsquote
Veröffentlicht am: 14.08.2026 um 09:04 Uhr | Redaktion boerse-global.de
Die Automatisierung technischer Support-Prozesse durch Künstliche Intelligenz (KI) bleibt trotz technologischer Fortschritte eine komplexe Herausforderung für Unternehmen.
Eine Untersuchung von Atomicwork und New Measure, deren Ergebnisse am 12. August 2026 veröffentlicht wurden, liefert nun detaillierte Einblicke in die aktuelle Belastbarkeit führender Sprachmodelle im Bereich des IT-Service-Managements (ITSM).
Der neu eingeführte ITSMBench-Benchmark zeigt deutlich, dass die Marktreife für eine vollautonome Aufgabenbewältigung in diesem Sektor noch nicht erreicht ist.
Limitierungen bei der praktischen Aufgabenbewältigung
Die im August 2026 präsentierten Daten verdeutlichen eine signifikante Diskrepanz zwischen der theoretischen Leistungsfähigkeit von KI-Modellen und deren praktischer Anwendung in IT-Infrastrukturen. Laut den Ergebnissen des ITSMBench konnte das leistungsfähigste Modell im Testfeld lediglich 50,56 % der gestellten Aufgaben erfolgreich lösen. Von insgesamt 89 spezifischen Problemstellungen wurden in der Spitze 73 Aufgaben bewältigt.
Diese Quote unterstreicht, dass selbst spezialisierte Systeme in der Hälfte aller Fälle an der Komplexität oder den spezifischen Anforderungen von ITSM-Workflows scheitern. Für Unternehmen bedeutet dies, dass ein menschliches Eingreifen weiterhin essenziell bleibt, um die Betriebssicherheit und die Qualität des IT-Supports zu gewährleisten.
Spezialisierte Stärken bei Tool-Discovery und Execution
Trotz der moderaten Gesamtergebnisse identifizierte die Analyse spezifische Kompetenzen bei einzelnen KI-Modellen. Besonders im Bereich der sogenannten Tool-Discovery – der Fähigkeit eines Systems, die korrekten Software-Werkzeuge für ein spezifisches Problem zu identifizieren – erzielten einzelne Akteure beachtliche Resultate.
So erreichte das Modell Grok 4.5 in dieser Kategorie einen Wert von 83,0 %. Dies deutet auf eine hohe Präzision bei der Identifikation von Ressourcen innerhalb vernetzter Systeme hin.
Wer sich mit der Automatisierung von IT-Prozessen befasst, muss auch die neuen rechtlichen Rahmenbedingungen im Blick behalten. Dieser kostenlose Report klärt auf, welche rechtlichen Pflichten und Bedrohungen durch KI-Gesetze Unternehmer jetzt kennen müssen. Jetzt kostenlosen Cyber-Security-Report sichern
Differenzierter stellt sich die Lage bei der tatsächlichen Ausführung von Befehlen dar, der sogenannten Execution. In diesem Bereich konnte das Modell Opus 5 den Bestwert von 63,5 % erzielen. Während die Erkennung von Werkzeugen bereits fortgeschritten ist, bleibt die fehlerfreie Durchführung komplexer Prozessketten die größere Hürde für die untersuchten KI-Systeme.
Wirtschaftliche Faktoren und Modellvergleiche
Die Untersuchung von Atomicwork und New Measure bezog auch weit verbreitete Modelle wie GPT-5.6 Sol mit ein. Dieses schnitt im direkten Vergleich jedoch lediglich mittelmäßig ab und konnte sich in keiner der Kernkategorien an der Spitze positionieren. Dies verdeutlicht, dass allgemeine Sprachmodelle ohne spezifische Optimierung für technische Support-Umgebungen an ihre Grenzen stoßen.
Ein wesentlicher Faktor für die Integration solcher Systeme in Unternehmen ist zudem die Kostenstruktur. Der Benchmark führt hierzu das Modell GLM-5.2 an, bei dem Kosten in Höhe von 0,25 US-Dollar pro Trial anfielen. Angesichts der noch niedrigen Erfolgsquoten bei der Aufgabenlösung stellt die Kosten-Nutzen-Relation derzeit einen kritischen Punkt für IT-Abteilungen dar, die über eine Skalierung von KI-Lösungen nachdenken.
Während die Automatisierung technischer Abläufe noch vor Hürden steht, ist der Schutz der bestehenden Infrastruktur für Unternehmen bereits heute kritisch. Erfahren Sie in diesem Gratis-E-Book, wie Sie Sicherheitslücken proaktiv schließen und Ihr Unternehmen ohne hohe Investitionen langfristig schützen. Kostenloses E-Book zum Schutz vor Cyberbedrohungen herunterladen
Die Ergebnisse des ITSMBench vom 12. August 2026 dokumentieren somit einen Sektor im Übergang: Während die Identifikation von IT-Werkzeugen durch KI bereits hohe Genauigkeiten erreicht, bleibt die verlässliche Ausführung von Support-Aufgaben das zentrale Entwicklungsfeld für die kommenden Jahre.
