Bernhard Glanznig

• Die vorliegende Masterarbeit widmet sich der Implementierung künstlicher Intelligenz (KI) im Bearbeitungsprozess von Serviceanfragen im Kundensupport. Dabei wird der Design Science Research Ansatz als Forschungsmethode verwendet, um eine effektive Gestaltung und Umsetzung der KI-Integration zu gewährleisten. Zu Beginn der Arbeit wird der Design Science Research Ansatz eingehend erläutert. Dieser methodische Rahmen ermöglicht die Entwicklung und Evaluation von artefaktbasierten Lösungen, in diesem Fall die Implementierung von KI im Kundensupport. Es werden Designziele definiert und eine iterative Vorgehensweise skizziert, die die praxisnahe Anwendung von Forschungsergebnissen gewährleistet. Im Anschluss bezieht sich der Fokus auf das Incident Management im Kundensupport. Es erfolgt eine detaillierte Analyse des bestehenden Prozesses, um Herausforderungen zu identifizieren, die durch KI gelöst werden können. Der Schwerpunkt liegt auf der Automatisierung von Routinetätigkeiten, der schnellen Klassifizierung von Anfragen und der Verbesserung der Wissensbasis. Abgeschlossen werden die Grundlagen mit dem Thema künstliche Intelligenz. Verschiedene KI-Technologien wie Supervised Learning und der KNN-Algorithmus werden erläutert, um eine fundierte Basis für die spätere Implementierung zu schaffen. Das vierte Kapitel widmet sich einer empirischen Studie zur Evaluation der implementierten KI im Kundensupport. Hierbei wird die ausgewählte KI-Technologie in der Praxis getestet, und die Ergebnisse werden auf ihre Wirksamkeit und Effizienz hin analysiert. Die Erkenntnisse aus der empirischen Studie fließen in die abschließende Reflexion und Handlungsempfehlungen für zukünftige Implementierungen im Kundensupport ein. Eine Schlussfolgerung bzw. der Ausblick schließen diese Arbeit ab.
• This master's thesis investigates implementing artificial intelligence (AI) to process service requests in customer support. The Design Science Research approach ensures effective design and implementation of AI integration and is explained in detail. Design goals are defined, and an iterative approach outlined that ensures the practical application of research results. The focus then turns to incident management in customer support. A detailed analysis of the existing process is carried out to identify challenges that AI can solve. The focus is on the automation of routine activities, the rapid classification of queries, and the improvement of the knowledge base. The third chapter covers the basics of AI. Various AI technologies, such as supervised learning and the KNN algorithm, are explained to create a foundation for subsequent implementation. The fourth chapter is dedicated to an empirical study to evaluate the AI implemented in customer support. The selected AI technology is tested in practice, and the results are analyzed in terms of their effectiveness and efficiency. The findings from the empirical study are incorporated into the concluding reflection and recommendations for action for future implementations in customer support.