it ai » Wie künstliche Intelligenz die IT verändert

Künstliche Intelligenz verändert die IT-Branche grundlegend. Von der Softwareentwicklung über den IT-Support bis hin zu Cybersecurity, Cloud Computing und Automatisierung entstehen immer neue Möglichkeiten, Arbeitsprozesse mit AI und künstlicher Intelligenz zu unterstützen.

Unter dem Begriff IT AI lässt sich die Verbindung zwischen Informationstechnologie und künstlicher Intelligenz zusammenfassen. Dabei geht es nicht nur darum, KI als eigenständige Technologie einzusetzen. Vielmehr wird künstliche Intelligenz zunehmend direkt in IT-Systeme, Softwarelösungen, Entwicklungsprozesse und Unternehmensinfrastrukturen integriert.

KI kann beispielsweise Code generieren, Fehler analysieren, IT-Tickets klassifizieren, Logs auswerten, Sicherheitsbedrohungen erkennen oder Routineaufgaben automatisieren. Gleichzeitig entstehen neue Anforderungen an IT-Fachkräfte, denn neben klassischen IT-Kenntnissen werden zunehmend KI-Kompetenzen benötigt.

Doch wie genau verändert AI die IT? Welche Einsatzbereiche gibt es und welche Bedeutung hat künstliche Intelligenz für die Zukunft der Informationstechnologie? Dieser Artikel zeigt die wichtigsten Zusammenhänge zwischen IT und AI.

Was bedeutet IT AI?

IT AI beschreibt die Verbindung von Informationstechnologie mit Artificial Intelligence, also künstlicher Intelligenz. Während klassische IT-Systeme häufig nach fest definierten Regeln arbeiten, können KI-Systeme Daten analysieren, Muster erkennen, Inhalte generieren und bestimmte Aufgaben auf Basis erlernter Modelle unterstützen.

Die Kombination aus IT und AI ermöglicht beispielsweise:

• intelligente Softwareentwicklung

• automatisierten IT-Support

• KI-gestützte Datenanalyse

• intelligente Cybersecurity

• automatisierte Systemüberwachung

• intelligente Suchfunktionen

• Codegenerierung

• Fehleranalyse

• Prozessautomatisierung

• intelligente Cloud-Systeme

Damit wird künstliche Intelligenz zunehmend zu einem Bestandteil moderner IT-Infrastrukturen.

Die klassische IT hat bereits viele Prozesse automatisiert. Künstliche Intelligenz geht jedoch einen Schritt weiter. Ein herkömmliches Automatisierungssystem benötigt normalerweise klare Regeln.

Beispielsweise:

Wenn Ticket Kategorie A enthält → leite Ticket an Team A weiter. Ein KI-System kann dagegen anhand historischer Daten, Textinhalte und weiterer Informationen erkennen, worum es in einem Ticket wahrscheinlich geht und welche Bearbeitung sinnvoll sein könnte. Dadurch entstehen neue Möglichkeiten für komplexere Automatisierungsprozesse.

KI kann beispielsweise:

1. Informationen analysieren

2. Muster erkennen

3. Inhalte verstehen

4. Vorschläge erzeugen

5. Ergebnisse priorisieren

6. Prozesse unterstützen

Die IT wird dadurch zunehmend intelligenter und datengetriebener.

Einer der sichtbarsten Bereiche ist die Softwareentwicklung. KI-Assistenten können Entwickler bei zahlreichen Aufgaben unterstützen.

Dazu gehören beispielsweise:

• Code generieren

• Code erklären

• Fehler suchen

• Unit-Tests erstellen

• Dokumentation erzeugen

• Code refaktorieren

• SQL-Abfragen erstellen

• Regex entwickeln

• API-Beispiele erstellen

• technische Konzepte erklären

Ein Entwickler kann beispielsweise eine Funktion in natürlicher Sprache beschreiben und sich einen ersten Codeentwurf erzeugen lassen. Das bedeutet allerdings nicht, dass Entwickler überflüssig werden. Vielmehr verändert sich die Art der Softwareentwicklung.

Der Entwickler übernimmt zunehmend Aufgaben wie:

• Anforderungen definieren

• Architektur planen

• KI-Ergebnisse überprüfen

• Sicherheitsrisiken bewerten

• Code testen

• technische Entscheidungen treffen

KI wird damit zu einem Werkzeug innerhalb des Entwicklungsprozesses.

Auch der IT-Support kann von künstlicher Intelligenz profitieren. In vielen Unternehmen entstehen täglich große Mengen an Supportanfragen.

Typische Beispiele sind:

• Passwortprobleme

• Softwarefehler

• Netzwerkprobleme

• Zugriffsprobleme

• Hardwarefragen

• Windows-Probleme

• Druckerprobleme

• VPN-Probleme

• Berechtigungsanfragen

KI kann dabei helfen, Tickets automatisch zu analysieren und zu kategorisieren.

Ein KI-System könnte beispielsweise aus dem Inhalt eines Tickets erkennen:

Kategorie: Netzwerk Priorität: Hoch Betroffenes System: VPN Empfohlene erste Schritte: Verbindung prüfen, Client neu starten, Authentifizierung überprüfen Dadurch können IT-Mitarbeiter schneller auf relevante Informationen zugreifen.

Besonders interessant ist die Verbindung von AI und IT-Service-Management.

Ein KI-gestützter Helpdesk kann beispielsweise:

• Tickets zusammenfassen

• ähnliche Fälle erkennen

• Lösungsvorschläge bereitstellen

• Antworten formulieren

• Wissensdatenbanken durchsuchen

• Tickets priorisieren

• Anfragen automatisch weiterleiten

Ein Mitarbeiter muss dadurch nicht mehr jede Information manuell zusammensuchen. Die endgültige Entscheidung kann weiterhin beim IT-Support liegen.

Automatisierung gehört zu den wichtigsten Einsatzgebieten von künstlicher Intelligenz in der IT. Klassische Automatisierung funktioniert besonders gut bei wiederkehrenden und klar definierten Aufgaben. KI erweitert diese Möglichkeiten um Aufgaben, bei denen Informationen zunächst interpretiert werden müssen.

Beispiele:

Klassische Automatisierung: „Wenn Datei X vorhanden ist, verschiebe sie nach Ordner Y.“ KI-gestützte Automatisierung: „Analysiere die eingehenden Dokumente, erkenne ihren Inhalt und ordne sie automatisch der passenden Kategorie zu.“ Dadurch können auch komplexere Prozesse teilweise automatisiert werden.

Ein weiterer wichtiger Bereich ist IT-Sicherheit. Unternehmen müssen täglich große Mengen an Sicherheitsinformationen überwachen.

Dazu gehören beispielsweise:

• Logdaten

• Netzwerkaktivitäten

• Benutzeraktivitäten

• Authentifizierungsversuche

• Systemereignisse

• Endpoint-Daten

• verdächtige Dateien

KI kann große Datenmengen analysieren und Auffälligkeiten erkennen. Beispielsweise kann ein System ungewöhnliche Anmeldeaktivitäten erkennen und als potenziell verdächtig markieren. Dabei sollte KI nicht als vollständiger Ersatz für Sicherheitsfachkräfte betrachtet werden. Sicherheitsentscheidungen können erhebliche Auswirkungen haben und müssen entsprechend kontrolliert werden.

Auch Netzwerke können mit künstlicher Intelligenz überwacht werden. Ein KI-System kann beispielsweise historische Netzwerkdaten analysieren und typische Verhaltensmuster erkennen. Weicht das aktuelle Verhalten stark davon ab, kann eine Warnung ausgelöst werden.

Mögliche Anwendungsfälle sind:

• Anomalieerkennung

• Traffic-Analyse

• Performance Monitoring

• Fehlererkennung

• Ausfallprognosen

• Sicherheitsüberwachung

Damit kann AI die klassische Netzwerküberwachung ergänzen.

Cloud-Plattformen werden ebenfalls zunehmend mit KI-Funktionen kombiniert.

KI kann beispielsweise bei folgenden Aufgaben eingesetzt werden:

• Ressourcenoptimierung

• Kostenanalyse

• Monitoring

• Anomalieerkennung

• Skalierung

• Sicherheitsanalyse

• Performanceoptimierung

Eine intelligente Cloud-Infrastruktur kann dadurch große Mengen an Betriebsdaten analysieren und IT-Teams bei Entscheidungen unterstützen.

Datenbanken gehören zum Kern moderner IT-Systeme. Auch hier kann künstliche Intelligenz eingesetzt werden.

Mögliche Anwendungen sind:

• automatische Datenanalyse

• Abfrageoptimierung

• Fehlererkennung

• Performanceanalyse

• intelligente Suche

• Datenklassifizierung

• Erkennung ungewöhnlicher Datenmuster

Besonders interessant wird die Kombination mit generativer KI. Nutzer können beispielsweise eine Frage in natürlicher Sprache formulieren, während ein KI-System daraus eine passende Datenbankabfrage erzeugt. Die erzeugte Abfrage muss jedoch insbesondere bei produktiven Systemen kontrolliert und getestet werden.

Moderne IT-Infrastrukturen erzeugen enorme Mengen an Informationen. Server, Netzwerkgeräte, Anwendungen und Cloud-Dienste schreiben kontinuierlich Logs und Monitoringdaten. Für Menschen ist es schwierig, sämtliche Informationen gleichzeitig zu analysieren.

AI kann dabei unterstützen, große Datenmengen automatisch auszuwerten.

Beispielsweise können Systeme:

• Fehler erkennen

• Ereignisse zusammenfassen

• Trends erkennen

• Warnungen priorisieren

• Ursachen vermuten

• Handlungsempfehlungen erstellen

Damit kann sich die Arbeit von IT-Administratoren stärker von der reinen Überwachung hin zur Analyse und Entscheidungsfindung verschieben.

Auch DevOps wird durch künstliche Intelligenz verändert.

KI kann unter anderem in folgenden Bereichen eingesetzt werden:

• Codeanalyse

• automatisierte Tests

• Deployment-Unterstützung

• Monitoring

• Loganalyse

• Incident Management

• Fehleranalyse

• Dokumentation

Ein interessantes Einsatzgebiet ist die automatische Analyse von Produktionsfehlern. Statt tausende Logzeilen manuell zu durchsuchen, kann ein KI-System relevante Ereignisse zusammenfassen und mögliche Zusammenhänge hervorheben.

Ein besonders wichtiger Begriff in diesem Zusammenhang ist AIOps. AIOps steht für Artificial Intelligence for IT Operations. Dabei werden künstliche Intelligenz, Machine Learning und Datenanalyse eingesetzt, um IT-Betriebsprozesse zu verbessern.

AIOps kann beispielsweise:

• Monitoringdaten analysieren

• Events zusammenführen

• Anomalien erkennen

• Incidents priorisieren

• Ursachenanalysen unterstützen

• Prozesse automatisieren

Das Ziel besteht darin, IT-Teams bei der Verwaltung komplexer IT-Landschaften zu unterstützen.

Künstliche Intelligenz betrifft zahlreiche IT-Berufe.

Dazu gehören unter anderem:

• IT-Administrator

• Systemadministrator

• Netzwerkadministrator

• Softwareentwickler

• DevOps Engineer

• Cloud Engineer

• IT-Support

• Security Analyst

• Data Analyst

• Datenbankadministrator

• IT-Projektmanager

Die Auswirkungen können je nach Tätigkeit sehr unterschiedlich ausfallen. Besonders Aufgaben mit hohem Anteil an wiederholbarer Informationsverarbeitung können sich verändern. Gleichzeitig gewinnen Fähigkeiten an Bedeutung, bei denen Menschen Kontext, Verantwortung und komplexe Entscheidungen einbringen.

Die Frage, ob KI IT-Fachkräfte ersetzen wird, lässt sich nicht pauschal beantworten. Entscheidend ist, wel Aufgaben innerhalb eines Berufs betrachtet werden. KI kann bestimmte Tätigkeiten automatisieren oder beschleunigen. Das bedeutet jedoch nicht automatisch, dass ein kompletter Beruf verschwindet.

Ein IT-Administrator kann beispielsweise KI für Loganalyse und Dokumentation einsetzen. Die Verantwortung für Infrastruktur, Sicherheitskonzepte und komplexe Entscheidungen bleibt jedoch eine andere Aufgabe. Dadurch kann sich das Berufsbild verändern.

IT-Fachkräfte benötigen deshalb zunehmend eine Kombination aus:

klassischen IT-Kenntnissen + KI-Kompetenz + Problemlösung + kritischer Bewertung.

Die klassischen IT-Grundlagen bleiben wichtig.

Dazu gehören beispielsweise:

• Betriebssysteme

• Netzwerke

• Server

• Datenbanken

• Cloud

• Security

• Programmierung

• Virtualisierung

Hinzu kommen neue KI-Kompetenzen.

Dazu gehören:

• Grundlagen von Machine Learning

• generative KI

• Large Language Models

• Prompt Engineering

• KI-Tools

• AI APIs

• Automatisierung

• Datenanalyse

• KI-Sicherheit

• KI-Governance

IT-Fachkräfte müssen dabei nicht zwangsläufig zu Data Scientists werden. Viel wichtiger ist es, zu verstehen, wie KI in die eigene technische Umgebung integriert und sinnvoll genutzt werden kann.

Generative KI hat einen besonders starken Einfluss auf die IT. Large Language Models können natürliche Sprache verarbeiten und Inhalte erzeugen.

Dadurch können IT-Fachkräfte beispielsweise Fragen formulieren wie:

„Analysiere diesen PowerShell-Fehler und erkläre mögliche Ursachen.“

Oder:

„Erstelle ein PowerShell-Skript, das bestimmte Dateien anhand ihres Alters archiviert.“

Die KI kann anschließend einen Lösungsvorschlag liefern. Dieser muss allerdings immer geprüft, getestet und an die konkrete Umgebung angepasst werden. Gerade bei Skripten, Infrastruktur und Security kann ein ungeprüft übernommener KI-Vorschlag erhebliche Probleme verursachen.

Für IT-Administratoren ist die Kombination aus PowerShell und AI besonders interessant. KI kann bei der Erstellung und Analyse von PowerShell-Skripten unterstützen.

Beispiele:

• Skripte erstellen

• Befehle erklären

• Fehler analysieren

• Code optimieren

• Kommentare ergänzen

• Funktionen erstellen

• Regex entwickeln

Dadurch kann sich der Aufwand bei Routineaufgaben reduzieren. Gleichzeitig bleibt das Verständnis von PowerShell wichtig, weil KI-generierter Code nicht automatisch korrekt oder sicher ist.

Auch in Windows-Umgebungen kann AI als Unterstützung dienen.

Mögliche Anwendungsfälle sind:

• Event-Log-Analyse

• PowerShell-Unterstützung

• Fehlerdiagnose

• Gruppenrichtlinien-Dokumentation

• Active-Directory-Analyse

• Benutzerverwaltung

• Softwareverteilung

• Monitoring

Besonders bei komplexen Fehlerbildern kann eine KI dabei helfen, Informationen zu strukturieren und mögliche Ursachen zu priorisieren.

In größeren Unternehmen entstehen umfangreiche Datenmengen rund um Benutzer, Gruppen, Computer und Berechtigungen. KI kann beispielsweise bei der Analyse dieser Informationen unterstützen.

Mögliche Einsatzgebiete sind:

• ungewöhnliche Anmeldeaktivitäten

• Gruppenmitgliedschaften

• Berechtigungsanalysen

• Benutzeraktivitäten

• Dokumentation

• Fehlersuche

Bei personenbezogenen oder sicherheitsrelevanten Informationen müssen Unternehmen dabei besondere Anforderungen an Datenschutz und Zugriffskontrolle berücksichtigen.

Der Einsatz von künstlicher Intelligenz kann verschiedene Vorteile bieten.

Schnellere Analyse

KI kann große Informationsmengen wesentlich schneller verarbeiten als eine manuelle Analyse.

Automatisierung

Wiederkehrende Aufgaben können teilweise automatisiert werden.

Unterstützung bei der Fehlersuche

KI kann relevante Informationen zusammenfassen und mögliche Ursachen aufzeigen.

Produktivität

IT-Fachkräfte können bestimmte Routineaufgaben schneller erledigen.

Wissenszugriff

Informationen aus Dokumentationen und Wissensdatenbanken können leichter zugänglich gemacht werden.

Neben den Möglichkeiten gibt es auch Herausforderungen.

Falsche Ergebnisse

KI-Systeme können überzeugend formulierte, aber falsche Antworten erzeugen.

Datenschutz

Unternehmens- und personenbezogene Daten dürfen nicht unkontrolliert an externe Systeme übertragen werden.

IT-Sicherheit

KI-Anwendungen selbst können neue Sicherheitsrisiken schaffen.

Abhängigkeit

Wenn Mitarbeiter KI-Ausgaben ungeprüft übernehmen, können Fehler entstehen.

Kosten

Professionelle KI-Systeme, Infrastruktur und Integration können Kosten verursachen.

Know-how

Unternehmen benötigen Mitarbeiter, die KI-Systeme verstehen und kontrollieren können.

Traditionell war die IT-Abteilung häufig für Infrastruktur, Systeme, Support und Sicherheit verantwortlich.

Mit zunehmender KI-Nutzung kommt eine weitere Aufgabe hinzu:

KI-Technologien sinnvoll in bestehende Prozesse integrieren. Die IT wird dadurch teilweise zum Vermittler zwischen Technologie und Fachabteilungen.

Dabei entstehen Fragen wie:

• Welche KI-Anwendung ist geeignet?

• Wo werden Daten verarbeitet?

• Wie wird die Anwendung abgesichert?

• Wie wird sie in bestehende Systeme integriert?

• Welche Prozesse dürfen automatisiert werden?

• Wie werden KI-Ergebnisse kontrolliert?

Damit gewinnt IT-Strategie weiter an Bedeutung.

Die Verbindung von AI und IT dürfte sich weiterentwickeln. KI wird voraussichtlich zunehmend direkt in Software, Betriebssysteme, Cloud-Plattformen, Security-Lösungen und Entwicklerwerkzeuge integriert.

Für IT-Fachkräfte bedeutet das vor allem eines:

KI-Kompetenz wird zu einer zusätzlichen technischen Fähigkeit. Dabei muss nicht jeder IT-Spezialist KI-Modelle selbst entwickeln. Wer jedoch versteht, wie KI funktioniert, welche Möglichkeiten sie bietet und wo ihre Grenzen liegen, kann neue Werkzeuge besser beurteilen und sinnvoll einsetzen.

Wer sich mit IT und künstlicher Intelligenz beschäftigen möchte, kann schrittweise vorgehen.

Schritt 1: KI-Grundlagen lernen

Zunächst sollten die grundlegenden Begriffe verstanden werden.

Schritt 2: Generative KI ausprobieren

Praktische Erfahrungen mit Text-, Code- und Analysewerkzeugen sammeln.

Schritt 3: Eigene IT-Aufgaben analysieren

Welche wiederkehrenden Aufgaben kosten besonders viel Zeit?

Schritt 4: Kleine Automatisierungen entwickeln

KI mit Skripten, APIs oder bestehenden Tools verbinden.

Schritt 5: Ergebnisse überprüfen

KI-Ausgaben testen und kritisch bewerten.

Schritt 6: Datenschutz und Security berücksichtigen

Besonders bei Unternehmensdaten müssen Sicherheitsanforderungen berücksichtigt werden.

Schritt 7: Eigene KI-Workflows entwickeln

Aus einzelnen Experimenten können wiederverwendbare Prozesse entstehen.

Die Zukunft der IT besteht nicht ausschließlich aus automatisierten Systemen. Vielmehr entsteht eine Zusammenarbeit zwischen Menschen und KI.

Der Mensch bringt unter anderem:

• Erfahrung

• Fachwissen

• Kontext

• Verantwortung

• Kreativität

• kritisches Denken

Die KI kann dagegen beispielsweise:

• große Datenmengen analysieren

• Informationen strukturieren

• Vorschläge erzeugen

• Muster erkennen

• Routineaufgaben unterstützen

Die Kombination kann besonders bei komplexen IT-Aufgaben interessant sein.