Kennisbank

Monitoring und Signalisierung: was unter dem Chatfenster geschieht

Monitoring und Signalisierung klingt wie ein Dashboard. Meistens ist es etwas anderes: ein System, das kontinuierlich Daten empfängt, diese mit einer Erwartung oder einem Schwellenwert abgleicht und ein Signal abgibt, sobald etwas abweicht. Das kann eine Maschine sein, die anders vibriert als normal, ein Lagerbestand, der schneller schrumpft als geplant, ein Netzwerk, durch das ungewöhnlicher Verkehr läuft, oder ein Kundenprozess, bei dem die Durchlaufzeit zunimmt. Die KI-Komponente liegt im Erkennen von Mustern, die mit festen Regeln nicht zu erfassen sind — nicht im Ersetzen des Menschen, der auf das Signal reagiert.

Was dies konkret liefert

Ein Monitoringsystem liefert drei Dinge: eine kontinuierliche Messung, eine Norm, gegen die diese Messung abgeglichen wird, und ein Signal, wenn die Abweichung eine bestimmte Grenze überschreitet. Was danach geschieht, hängt von der Einrichtung ab. In der einfachsten Form geht eine Meldung an einen Menschen, der beurteilt und handelt. In einer weiterführenden Form startet das Signal automatisch einen Folgeschritt — eine Meldung an einen Lieferanten, eine Anpassung in einer Planung, eine Blockade einer Transaktion. Diese zweite Form berührt das Terrain von Ketten, in denen Schritte aufeinander folgen: Monitoring wird dann zum Ausgangspunkt eines Prozesses, der ohne Eingreifen weiterläuft, und das erfordert eine andere Art von Vertrauen als eine Meldung, die jemand noch weiterklicken kann.

Der Unterschied zwischen diesen beiden Formen ist nicht trivial. Ein Signal, das an einen Menschen geht, kann falsch sein, ohne dass es sofort Schaden anrichtet — der Mensch filtert. Ein Signal, das eine Aktion auslöst, muss stimmen, oder die Organisation muss eine Möglichkeit haben, die Aktion zurückzudrehen. Viele Organisationen beginnen deshalb bei der ersten Form und bewegen sich erst zur zweiten, wenn das Signal sich bewährt hat.

Was dies von der Organisation verlangt

Monitoring und Signalisierung erfordert zunächst kontinuierliche, zuverlässige Daten. Ein System, das jede Woche einen Export aus einem anderen System erhält, kann kein Signal geben — es kann nur nachträglich berichten. Es muss einen Strom geben: Sensoren, Logs, Transaktionen, Ereignisse, die kontinuierlich eintreffen und deren Qualität nicht davon abhängt, wer die Eingabe vornimmt.

Darüber hinaus erfordert es eine Norm. Eine Abweichung ist nur eine Abweichung im Verhältnis zu etwas. Bei Maschinen ist das oft eine technische Spezifikation; bei Prozessen ist es häufiger ein historischer Durchschnitt oder ein Zielwert, den jemand festgelegt hat. Wo diese Norm fehlt oder instabil ist — ein Prozess, der sich fortlaufend verändert, ein Markt, der schwankt — gibt das System entweder zu viele Signale oder zu wenige. Beides untergräbt das Vertrauen darin.

Drittens erfordert es einen festgelegten Ablauf dafür, was mit einem Signal geschieht. Wer erhält die Meldung, innerhalb welcher Zeit wird sie beurteilt, was ist die Eskalation, wenn nicht reagiert wird. Ohne diesen Ablauf endet ein Signal in einem Postfach, das niemand liest, und das System verliert seine Funktion. Dies berührt dieselbe Frage wie bei Gesprächen, die festgehalten und weiterverfolgt werden: Festhalten ohne Weiterverfolgung liefert nur ein Archiv, keine Verbesserung.

Wo es schiefgeht

Der häufigste Mangel ist ein Monitoringsystem, das zu viele Signale gibt. Wenn jede kleine Abweichung eine Meldung erzeugt, lernen Menschen, diese zu ignorieren — der umgekehrte Effekt von dem, wofür das System gedacht ist. Die Einstellung des Schwellenwerts ist deshalb eine fortlaufende Abwägung zwischen zu viel Rauschen und zu spätem Warnen, und diese Abwägung verschiebt sich, je mehr Daten eintreffen.

Ein zweiter Mangel besteht darin, dass das Signal wohl ausgelöst wird, aber niemand Eigentümer der Weiterverfolgung ist. Dies geschieht häufig, wenn Monitoring als IT-Projekt eingerichtet wird, ohne dass die Abteilung, die mit den Signalen arbeiten muss, angebunden ist. Die Technik funktioniert, die Organisation nicht.

Ein dritter Mangel entsteht, wenn das Signal eine Entscheidung erfordert, die eigentlich Menschenwerk ist — ist diese Abweichung akzeptabel, muss der Kunde angerufen werden, ist dieses Risiko das Einstellen wert. Wo diese Abwägung schwerer wird, als eine feste Regel bewältigen kann, verschiebt sich Monitoring hin zu Entscheidungsunterstützung, und dort gelten andere Anforderungen an Begründung und Erklärbarkeit als bei einem einfachen Schwellensignal.

Wo dies stecken bleibt

Die meisten Monitoringprojekte, die nicht vom Boden kommen, scheitern am Datenstrom, nicht am Modell. Sensoren, die ausfallen, Logs, die inkonsistent sind, Systeme, die nicht miteinander sprechen — das sind keine KI-Probleme, es sind Infrastrukturprobleme, die zuerst gelöst sein müssen. Auch Koordination spielt eine Rolle: ein Signal, das in einer Abteilung entsteht, muss oft bei einer anderen Abteilung landen, um etwas zu bedeuten, und das berührt die Frage, wie Koordination zwischen Abteilungen eingerichtet ist.

Die nächste Frage

Diese Seite beschreibt, was Monitoring und Signalisierung liefern kann, und was die Organisation vorbereitet haben muss, bevor es funktioniert. Eine andere Frage ist, welcher Teil der Arbeit rund um diese Signale — das Beurteilen, das Weiterverfolgen, das Eskalieren — tatsächlich von KI zu übernehmen ist. Das ist eine Frage auf Aufgabenebene, und die beantwortet der Werkscan von FTE TO AI: der berechnet pro Aufgabe, welcher Teil der Arbeit zu übernehmen ist, statt auf der Ebene eines ganzen Prozesses oder einer ganzen Funktion.