Ticketzuweisung: Rotation, Auslastung, Kompetenz oder KI? Wir haben 50 Wochen simuliert

Wir haben 200 Tickets und 5 Techniker mit sieben Zuweisungsmethoden simuliert. Kompetenz mit KI-Vorsortierung und Überlauf hatte in 46 von 50 Wochen die kürzeste Wartezeit; Rotation verbrauchte fast 50 % mehr Stunden. Tabelle zum Herunterladen und Umsetzung in GLPI.

In diesem Artikel6 Abschnitte

Wir haben dieselbe Service-Desk-Woche mit sieben Arten der Ticketzuweisung simuliert: 200 Tickets und 5 Techniker. Eine davon hatte in 46 der 50 simulierten Wochen die kürzeste Wartezeit: Zuweisung an den Spezialisten, mit KI-Vorsortierung und einem Überlauf, wenn der Spezialist ausgelastet ist. Die durchschnittliche Wartezeit sank auf 33 Minuten, gegenüber 94 bei der Rotation. Und die Methode, die viele Teams unbemerkt nutzen, die freie Warteschlange, funktioniert nur, wenn jemand ständig auf die Warteschlange schaut.

Dieser Artikel verwendet die 200 fiktiven Tickets und die reale Vorsortierung von Jev aus dem Test Ticket-Vorsortierung ohne LLM: Wir haben Jev getestet.

Die Zuweisungsmethoden

Methode Funktionsweise Was typischerweise schiefgeht
Freie Warteschlange Ein Ticket landet in einer Warteschlange und ein freier Techniker übernimmt es Hängt davon ab, dass jemand auf die Warteschlange schaut; jeder wählt, was er kann
Rotation Eins für jeden, der Reihe nach Ignoriert, wer beschäftigt ist und wer es lösen kann
Geringste Auslastung Geht an den, der am wenigsten Arbeit in der Warteschlange hat Ignoriert, wer es lösen kann
Kompetenz Geht an den Spezialisten der Kategorie Überlastet den, der die aufwendigsten Kategorien abdeckt; hängt von der Vorsortierung ab
Kompetenz mit KI Die KI klassifiziert bei der Erstellung und leitet an den Spezialisten weiter Gleiches Auslastungsproblem; die KI irrt sich manchmal
Kompetenz + Überlauf Zuerst der Spezialist; kann er erst nach 1 Stunde beginnen, geht es an den, der frei ist Braucht eine klare Regel und Techniker, die die Grundlagen anderer Bereiche abdecken

Wie wir die Simulation aufgebaut haben

  • Tickets: die 200 aus dem Jev-Test (25 pro Kategorie: Netzwerk, Zugang, ERP, E-Mail, Drucker, Hardware, Software und Telefonie), zufällig verteilt über 5 Arbeitstage zu je 8 Stunden.
  • Techniker: 5, jeder Spezialist für eine oder zwei Kategorien. Ana deckt Netzwerk und Hardware ab, die zeitaufwendigsten.
  • Bearbeitungszeit: von 15 Minuten (Zugang) bis 60 (ERP) für den Spezialisten, mit Schwankung. Wer kein Spezialist ist, braucht 1,6-mal so lange.
  • Vorsortierung: Bei Kompetenz ohne KI braucht ein Disponent im Schnitt 20 Minuten zum Klassifizieren. Bei Kompetenz mit KI ist die Kategorie diejenige, die Jev im Test tatsächlich vorhergesagt hat, mit seinen 6 Fehlern bei 200; jeder Fehler kostet 15 Minuten Weiterleitung.
  • Freie Warteschlange: auf zwei Arten getestet, wobei der Techniker die Warteschlange in dem Moment prüft, in dem er frei wird (ideal), und alle 30 Minuten (was üblicherweise passiert).
  • Wiederholung: 50 verschiedene Wochen mit zufällig gezogenen Eingängen und Dauern. Die Zahlen unten sind Durchschnittswerte.

Parameter und Ergebnisse finden Sie in der Tabelle der Simulation, mit einem Blatt, um die Stunden Ihres Teams für jede Methode zu schätzen.

Das Ergebnis

Diagramm: durchschnittliche Wartezeit, Wartezeit der schlechtesten 10 % der Tickets und Arbeitsstunden pro Woche für sechs Zuweisungsmethoden
Kompetenz mit KI-Vorsortierung und Überlauf hatte die kürzeste Wartezeit; Rotation und geringste Auslastung verbrauchen fast 50 % mehr Stunden. Durchschnitt aus 50 simulierten Wochen, NexTool, Okt. 2026.
Methode Durchschnittliche Wartezeit bis Beginn Schlechteste 10 % warten länger als Durchschnittliche Lösungszeit Vom Spezialisten bearbeitet Arbeitsstunden pro Woche Auslastungsunterschied zwischen Technikern
Freie Warteschlange, Blick auf die Warteschlange alle 30 Min. 77 Min. 164 Min. 122 Min. 73 % 150 h 5,8 h
Rotation 94 Min. 240 Min. 151 Min. 19 % 191 h 8,5 h
Geringste Auslastung 54 Min. 120 Min. 111 Min. 20 % 190 h 3,7 h
Kompetenz (menschliche Vorsortierung) 85 Min. 241 Min. 124 Min. 100 % 128 h 28,7 h
Kompetenz mit KI-Vorsortierung 66 Min. 221 Min. 104 Min. 100 % 128 h 28,7 h
Kompetenz mit KI + Überlauf 33 Min. 78 Min. 79 Min. 69 % 154 h 8,9 h
Freie Warteschlange ideal (sofortiger Blick auf die Warteschlange) 20 Min. 55 Min. 72 Min. 41 % 174 h 5,3 h

Was die Zahlen zeigen

1. Rotation und geringste Auslastung wirken fair, kosten aber viel. Beide gleichen die Menge aus, aber nur 1 von 5 Tickets landet bei jemandem, der es lösen kann. Ergebnis: Ihr Team arbeitet 190 Stunden, um zu liefern, was ein Kompetenzmodell in 128 liefert. Das sind fast 50 % mehr Aufwand für dieselben 200 Tickets.

2. Reine Kompetenz spart Stunden und erzeugt einen Engpass. Jedes Ticket geht an den Spezialisten, aber die Auslastung wird schief: In der ersten simulierten Woche arbeitete Ana (Netzwerk und Hardware) 43 Stunden und Eva (Telefonie) 12. Die schlechtesten 10 % der Tickets warten länger als 4 Stunden. Wer am Donnerstagnachmittag ein Netzwerkticket erstellt hat, spürt genau dies.

3. KI-Vorsortierung beseitigt die Wartezeit auf den Disponenten. Selbst mit 6 Fehlern bei 200 senkte die Klassifizierung bei der Erstellung die durchschnittliche Wartezeit von 85 auf 66 Minuten. Der Gewinn liegt nicht in Intelligenz, sondern darin, nicht warten zu müssen, bis jemand das Ticket liest.

4. Der Überlauf löst den Engpass. Kann der Spezialist erst nach einer Stunde beginnen, geht das Ticket an den, der frei ist. Das Team arbeitet etwas mehr (154 h), aber die durchschnittliche Wartezeit sinkt auf 33 Minuten und die Auslastung ist ausgeglichen. Dies war in 46 der 50 Wochen die beste Methode (ohne die ideale freie Warteschlange, die niemand durchhalten kann).

5. Die freie Warteschlange ist auf dem Papier großartig und im echten Leben schlecht. Wenn jeder Techniker in dem Moment, in dem er ein Ticket abschließt, auf die Warteschlange schaut, ist sie die beste von allen (20 Minuten Wartezeit). Schaut er alle 30 Minuten, vervierfacht sich die Wartezeit fast (77 Minuten). Und die freie Warteschlange zeigt nicht, wer was zurückhält.

So setzen Sie es in GLPI um

Was GLPI von sich aus tut: Jede Kategorie kann einen Zuständigen Techniker und eine Zuständige Gruppe haben. In der Einheit nutzt die Automatische Zuweisung von Tickets, Änderungen und Problemen diese Information („Basierend auf der Kategorie, dann auf dem Element“ oder umgekehrt). Dies ist reine Kompetenz: immer dieselbe Person oder dieselbe Gruppe, ohne Blick auf die Auslastung.

Geschäftsregeln erlauben die Zuweisung nach Kategorie, Standort, Anforderer oder Wort im Titel, aber ebenfalls ohne zu prüfen, wer frei ist. Siehe Geschäftsregeln in GLPI.

Um innerhalb der Gruppe auszugleichen, verteilt ein kostenloses Modul Smart Assign die Tickets jeder Kategorie auf die Techniker der Gruppe, per Rotation oder nach geringster Auslastung.

Für die Vorsortierung bei der Erstellung muss die Kategorie korrekt ankommen, ohne dass jemand es liest: automatische Kategorisierung und Pflichtfelder und der Test der KI-Vorsortierung.

Der Aufbau, den wir empfehlen: 1. Eine Gruppe pro Fachgebiet, wobei die Kategorie auf die zuständige Gruppe verweist. 2. Verteilung nach geringster Auslastung innerhalb der Gruppe. 3. Vorsortierung bei der Erstellung (gut gestaltetes Formular oder KI), damit das Ticket bereits mit der richtigen Kategorie entsteht. 4. Eine Unterstützungsgruppe, die übernimmt, was das Wartezeitlimit des Spezialisten überschreitet. Vereinbaren Sie diesen Grenzwert mit dem Team und verfolgen Sie es über die Zeit bis zur ersten Bearbeitung.

Bevor Sie Ihre Methode ändern

  • Messen Sie die Wartezeit bis zur ersten Bearbeitung pro Kategorie. Wartet eine Kategorie viel länger als die anderen, liegt der Engpass bei der Kompetenz, nicht beim Volumen.
  • Prüfen Sie den Auslastungsunterschied zwischen den Technikern im Monat. Mehr als der Faktor 2 zwischen dem am stärksten und dem am wenigsten Ausgelasteten ist ein Zeichen für Kompetenz ohne Überlauf.
  • Überarbeiten Sie die Kategorien, bevor Sie automatisieren. Im Jev-Test stammten die Fehler, die allen drei Modellen gemeinsam waren, aus Kategorien mit zwei möglichen Lesarten.
  • Tragen Sie Ihre Zahlen in die Tabelle ein (Tickets pro Kategorie, Bearbeitungszeit, Techniker und wie viel länger ein Nicht-Spezialist braucht) und sehen Sie, wie viele Stunden jede Methode verbraucht.

Simulation von NexTool am 3. Oktober 2026: 200 fiktive Tickets, 5 fiktive Techniker, 50 zufällig gezogene Wochen, KI-Vorsortierung mit den realen Antworten von Jev aus dem Test vom 1. Oktober 2026. Es ist ein Modell: Die Zahlen dienen dem Vergleich von Methoden, nicht der Vorhersage Ihrer Warteschlange. Vollständige Parameter in der Tabelle.

Häufig gestellte Fragen

In unserer Simulation: Zuweisung an den Spezialisten, mit der von der KI bei der Erstellung festgelegten Kategorie, und Überlauf an den, der frei ist, wenn der Spezialist erst nach 1 Stunde beginnen kann. Sie hatte in 46 von 50 Wochen die kürzeste Wartezeit.

Sie gleicht das Volumen aus, ignoriert aber, wer es lösen kann. In der Simulation landeten nur 19 % der Tickets beim Spezialisten, und das Team arbeitete fast 50 % mehr Stunden als im Kompetenzmodell.

Nur wenn die Techniker in dem Moment auf die Warteschlange schauen, in dem sie frei werden. Bei einem Blick alle 30 Minuten vervierfachte sich die durchschnittliche Wartezeit in der Simulation fast, und die freie Warteschlange zeigt nicht, wer was zurückhält.

Ja, nach Kategorie oder nach Element: Jede Kategorie kann einen zuständigen Techniker oder eine zuständige Gruppe haben, und Geschäftsregeln weisen nach anderen Kriterien zu. GLPI gleicht die Auslastung nicht von sich aus aus; dafür gibt es Smart Assign.

Sie hilft bei der Vorsortierung: Das Ticket bei der Erstellung zu klassifizieren, ohne zu warten, bis jemand es liest, senkte die durchschnittliche Wartezeit in der Simulation von 85 auf 66 Minuten, selbst mit 6 Kategoriefehlern bei 200.

Brauchen Sie Hilfe?