Die Krise der Betriebserfahrung
Einblicke aus dem Bericht zum Stand der Anwendungsstrategie 2025
Einführung
Während Sie digitale Dienste schneller, sicherer und effizienter bereitstellen, stellt die zunehmende operative Komplexität eine große Herausforderung dar. Je stärker Sie auf Multicloud, verteilte Anwendungen und hybride Architekturen setzen, desto mehr beschäftigen Sie zeitintensive Aufgaben und fragmentierte Arbeitsabläufe in Ihrem IT-Betriebsteam. Veraltete Kennzahlen erfassen nicht die gesamte Reibung, die Ihr Betrieb täglich bewältigen muss.
Um diese Lücke zu schließen, führen wir den Betriebserfahrungswert (OES) ein, eine zusammengesetzte Metrik, die entwickelt wurde, um operative Herausforderungen zu quantifizieren und aufzuzeigen, wo Automatisierung, insbesondere KI-gesteuerte Vorgänge (AIOps), unverzichtbar wird. Dieser Score liefert eine klare, datenbasierte Übersicht darüber, wie effizient IT-Teams arbeiten und wo Engpässe sowie Ineffizienzen bestehen.
Methodik und Bewertungsformel
Wir haben untersucht, wie andere technische Domänen Erfahrung messen und daraus eine Formel abgeleitet, die Daten über drei Säulen hinweg aggregiert:
- Aufgabenproduktivität (TP) – Hierbei handelt es sich um die Messung des manuellen Aufwands, der zur Erledigung von Aufgaben notwendig ist. Wenn Teams stark auf das Schreiben von Skripten, die direkte Interaktion mit APIs oder die manuelle Genehmigung routinemäßiger Aktionen setzen, schneidet TP schlecht ab.
- Workflow-Effizienz (WE) – Dabei werden die Dauer und die Komplexität der Aufgabenausführung betrachtet. Ein hoher WE-Wert zeigt längere Bearbeitungszeiten an, die auf fragmentierte Tools, Prozessverzögerungen oder eine hohe Abhängigkeit von menschlichem Eingreifen zurückzuführen sind.
- Benutzerzufriedenheit (US) – Erfasst, wie zufrieden Praktiker mit ihren Tools und Arbeitsabläufen sind, einschließlich Offenheit für Automatisierung, einfache Konfiguration und Vertrauen in die Ergebnisse.
Dieser Ansatz belohnt höhere Zufriedenheit und bestraft Umgebungen, in denen manueller Aufwand und Ineffizienz dominieren. Wir nennen das den Betriebserfahrungsscore.
Bei allen Befragten lag der durchschnittliche OES bei 5.50, wobei es je nach Branchenbereich deutliche Unterschiede gab. Nachfolgend finden Sie die Ergebnisse:
Der höchstmögliche OES-Wert liegt bei 10, wobei 10 für eine optimale Erfahrung steht (geringe Aufgabenkomplexität, hohe Effizienz, hohe Zufriedenheit) und 1 für eine schlechte Erfahrung (hohe Komplexität, geringe Effizienz, geringe Zufriedenheit).
Wichtige Erkenntnisse
- 41 % der Befragten gaben an, dass das Arbeiten mit Anbieter-APIs oder das Schreiben von Skripten den zeitaufwändigsten Teil ihrer Arbeit ausmacht.
- 38 % möchten, dass KI Konfigurationen und Richtlinien automatisch anpasst.
- 56% suchen KI-generierte Vorschläge, um Arbeitsabläufe zu beschleunigen.
- Nur 6% gaben an, dass sie KI in ihren Automatisierungs-Workflows nicht einsetzen möchten.
Ein auffälliger Trend in diesen Daten zeigt den deutlich geringeren OES in stark regulierten Branchen. Finanzdienstleistungen, Behörden sowie Energie- und Versorgungssektor verzeichnen konstant höhere operative Hindernisse. Das überrascht nicht wirklich. Diese Branchen arbeiten unter strengen Compliance-Rahmenbedingungen, die häufig manuelle Prüfungen, starre Genehmigungsabläufe und langsamere Änderungszyklen vorschreiben. Obwohl Automatisierungstools vorhanden sind, dürfen Teams sie oft nicht vollständig einsetzen.
Darüber hinaus hält sich Legacy-Infrastruktur in regulierten Umgebungen tendenziell länger, was Integrations- und Modernisierungsherausforderungen mit sich bringt und die Arbeitseffizienz beeinträchtigt. Obwohl Fachkräfte in diesen Branchen KI gerne nutzen möchten, verzögern politische Vorgaben und Risikoangst häufig die Einführung. Die OES-Messgröße macht diese Reibung sichtbar und hebt die wichtige Rolle hervor, die gut gesteuertes AIOps bei der Erleichterung der Compliance und gleichzeitiger Beschleunigung der Bereitstellung spielen kann.
Verteilung + Skalierung = operativer Ballast
Moderne Anwendungsumgebungen sind komplex – nicht nur wegen ihres Einsatzorts, sondern auch wegen der Vielfalt der Daten, die sie verarbeiten. Heute betreiben die meisten Organisationen verschiedene Infrastrukturen: öffentliche Cloud, private Rechenzentren, Colocation, Edge-Computing und SaaS. Dabei verwalten sie dutzende bis hunderte Anwendungen über diese Umgebungen hinweg.
Um die Auswirkungen zu messen, haben wir zwei zentrale Variablen betrachtet:
- {"source":"Distributedness: the number of different environments in which applications are deployed.","target":"Verteiltheit: die Anzahl der unterschiedlichen Umgebungen, in denen Anwendungen bereitgestellt werden."}
- Skalierung: die Gesamtanzahl der verwalteten Anwendungen.
Was die Daten aussagen:
- Korrelation zwischen Verteiltheit und OES: –0,22
Diese negative Beziehung zeigt, dass die Betriebserfahrung abnimmt, je mehr Umgebungen Sie für die Bereitstellung von Anwendungen nutzen. Jede Umgebung bringt eigene Tools, Richtlinien und Integrationsanforderungen mit, wodurch die Kontrolle zersplittert und die Reaktionsfähigkeit eingeschränkt wird. - Korrelation zwischen Anzahl der Anwendungen und OES: +0,05
Allein betrachtet zeigt die Anzahl der Anwendungen kaum eine Auswirkung auf den Betriebswiderstand. Kombinieren Sie es jedoch mit der Verteilung, ergibt sich ein klareres Bild: Organisationen mit vielen Anwendungen in zahlreichen Umgebungen erzielen die geringsten OES-Werte.
Größere Anwendungsskala erzeugt vertikalen Druck: Mehr Anwendungen bedeuten mehr Konfigurationen, Richtlinien und Updates, die Sie verwalten müssen. Verteilung führt zu horizontaler Komplexität: Mehr Umgebungen verlangen mehr Integrationen, Transparenz und spezialisiertes Know-how.
Zusammen bremsen sie die operative Geschwindigkeit erheblich.
Branchen wie Finanzdienstleistungen, Energie und Fertigung, die bei OES die niedrigsten Werte erzielen, gehören gleichzeitig zu denjenigen mit der höchsten Verbreitung und Anwendungsgröße. Im Gegensatz dazu berichten Bildung und Gesundheitswesen, die in der Regel weniger Anwendungen und einfachere Infrastrukturtopologien aufweisen, von deutlich höheren OES-Werten.
Warum es wichtig ist
Operative Teams kämpfen nicht nur mit der Komplexität, sie ertrinken darin. Je fragmentierter und skalierter eine Umgebung wird, desto zerbrechlicher sind die Workflows, desto verzögerter erfolgt die Reaktion und desto wichtiger wird die Automatisierung.
source":"Operational pain points","target":"Betriebliche Schwachstellen
Der Operational Experience Score ist mehr als nur eine Zahl; er spiegelt die konkreten Herausforderungen wider, denen IT- und Betriebsteams bei der Verwaltung moderner, verteilter und oft fragmentierter Umgebungen gegenüberstehen. Beim Blick auf die übergreifenden Muster in den Daten erkennen Sie mehrere Themen, die sowohl die Probleme als auch die Dringlichkeit für Automatisierung und AIOps-Einführung erklären.
1. Manuelle Aufgaben dominieren nach wie vor
Trotz jahrelanger Investitionen in Automatisierungstools erledigen Sie einen großen Teil der operativen Arbeit noch manuell. Es geht dabei nicht nur um Altsysteme, sondern auch um Lücken zwischen Tools, fehlende Standardisierung und Hindernisse durch Skripte und APIs, die nie für Skalierung ausgelegt waren.
- 41 % der Befragten gaben an, dass die Arbeit mit Anbieter-APIs oder das Schreiben von Skripten die zeitaufwändigste Aufgabe in ihrem Workflow ist.
- Selbst in Cloud-nativen Unternehmen führt Automatisierung oft nur zu einer Sammlung von Skripten, statt zu nahtloser Orchestrierung.
Dies zeigt einen dringenden Bedarf an intelligenterer, anpassungsfähiger Automatisierung, die die Abhängigkeit von festcodierter Logik und tribalem Wissen verringert.
2. Workflow-ineffizienzen sind systemisch
Die Daten zeigen Ihnen, dass Verzögerungen und Ineffizienzen nicht auf ein spezifisches Tool oder einen bestimmten Prozess beschränkt sind. Vielmehr entstehen sie systemisch und strukturell durch fragmentierte Genehmigungsketten, Prozesssilos und nicht integrierte Systeme.
- Fast 30 % der Befragten nannten das Warten auf Genehmigungen oder Übergaben als einen der Hauptfaktoren für Verzögerungen.
- 18 % berichteten, dass die unzureichende Integration der Tools eine wesentliche Ursache für Ineffizienz ist.
Das zeigt, dass es bei der Steigerung der Workflow-Effizienz nicht nur um den Einsatz zusätzlicher Tools geht, sondern um die Neugestaltung von Prozessen und die Schaffung von Feedbackschleifen, die die Latenz zwischen Absicht und Handlung verringern.
3. Hohe Bereitschaft gegenüber KI, getrieben durch Reibung
Obwohl die Reife der Automatisierung variiert, ist die Offenheit gegenüber KI-Tools in allen Rollen und Branchen durchweg hoch. Dieses Interesse ist kein hypothetisches Szenario; es korreliert stark mit Bereichen, in denen es zu hoher operativer Reibung kommt.
- Die Korrelation zwischen KI-Interesse und OES liegt bei –0,62, was bedeutet, dass die stärksten Schmerzpunkte am ehesten für KI-Interventionen bereit sind.
- Teams möchten, dass KI Menschen nicht ersetzt, sondern die kognitive Belastung durch wiederholende, fehleranfällige Arbeit verringert: Log-Zusammenfassung, Richtlinienerstellung, Statusberichte, automatische Skalierung usw.
Diese Bereitschaft eröffnet eine bedeutende Chance: Wir können die Einführung von AIOps von unten nach oben beschleunigen, indem wir genau jene Teams stärken, die den größten Druck spüren.
4. Die Komplexität wächst mit Umfang und Verteilung
Die Kombination aus Anwendungsumfang und verteilter Infrastruktur stellt Sie vor eine einzigartige betriebliche Herausforderung. Einzeln betrachtet wirkt sich jeder Faktor nur wenig auf das OES aus, doch zusammen verursachen sie spürbare Reibungen.
- Branchen mit vielen Anwendungen und Bereitstellungen in mehreren Umgebungen (z. B. Finanzdienstleistungen, Energie, Fertigung) schnitten im OES am schlechtesten ab.
- Sektoren wie Bildung und Gesundheitswesen, die ein kleineres Anwendungsportfolio und weniger Umgebungsvielfalt bieten, erreichten deutlich bessere Ergebnisse.
Das zeigt, dass Komplexität eine zusammengesetzte Funktion ist: Sie wächst mit zunehmendem Maßstab (vertikale Belastung) und Verbreitung (horizontale Ausdehnung). Genau hier wird Automatisierung, insbesondere AIOps, nicht nur nützlich, sondern unerlässlich.
5. Der Status quo hält so nicht stand
Vielleicht ist die wichtigste Erkenntnis, dass viele Teams kurz vor einem Wendepunkt stehen. Die Kombination aus steigenden Anforderungen, unveränderten Personalzahlen, veralteten Tools und manuellen Workarounds führt zu untragbarem Betriebsdruck.
- Teams signalisieren Burnout.
- Der Wunsch nach KI ist pragmatisch, nicht aspirativ.
- Und die Bereitschaft, Veränderungen anzunehmen, ist bereits in Bewegung.
Die Daten sprechen eine klare Sprache: Der Weg in die Zukunft führt nicht über mehr Skripte, mehr Tools oder Dashboards, sondern über eine intelligente, kontextabhängige Automatisierung, die sich mit den betrieblichen Anforderungen weiterentwickeln kann.
Das Rezept lautet KI
Um besser zu verstehen, wie KI in die betriebliche Erfahrung integriert wird, haben wir die Antworten auf Fragen zu KI und Automatisierung analysiert, insbesondere, wo die Befragten KI einsetzen wollten oder ihre Bereitschaft dazu äußerten. Anschließend haben wir die Anzahl der positiven KI-bezogenen Antworten mit dem Operational Experience Score (OES) jedes Teilnehmers verglichen.
- Korrelation zwischen KI-Interesse und OES: -0,62
Das ist eine deutliche negative Korrelation, die ein klares Muster zeigt: Je größer die operativen Schwierigkeiten eines Teams sind, desto stärker wünschen sie sich Unterstützung durch KI. Anders gesagt: Die Teams, die am meisten von KI profitieren möchten – sei es beim Zusammenfassen von Logs, Abstimmen von Richtlinien oder Erstellen von Konfigurationen – haben auch die geringste operative Erfahrung.
Dies unterstreicht die Dringlichkeit der Einführung von AIOps. Unternehmen suchen nach KI nicht, um etwas Neues zu schaffen; sie greifen darauf zurück, weil sie damit die Reibungsverluste, die sie derzeit erleben, beheben können. Unabhängig davon, ob dieser Druck durch Skalierung, Komplexität oder veraltete Prozesse verursacht wird, treibt er eine Bottom-up-Nachfrage nach einer intelligenten, kontextbezogenen und betrieblich eingebetteten Automatisierung an.
Diese Daten belegen, dass Interesse an AIOps praktisch und zielführend ist. Befragte träumen nicht von Spekulationen über zukünftige Anwendungsfälle, sondern wollen Zeitfresser beseitigen und manuelle Komplexität in ihren aktuellen Abläufen vermindern.
Aufgaben wie Skripte schreiben, Protokolle zusammenfassen oder Dienste skalieren sind keine Innovationen, sondern gehören zum täglichen Betrieb moderner Infrastruktur dazu. Genau bei solchen Aufgaben wünschen sich die Befragten Unterstützung durch KI.
Die Ergebnisse führen zu einer klaren Erkenntnis: Teams, die am eifrigsten auf KI setzen, sind auch die, die am ehesten einem Burnout ausgesetzt sind.
Sie fordern Werkzeuge, die bei der Automatisierung, Optimierung und Skalierung zentraler Betriebsaufgaben unterstützen. Und sie tun dies, weil der Status quo – fragmentierte Skripte, fragile Workflows und manuelle Triage – auf Dauer nicht tragbar sind.
Das bestätigt die zentrale Aussage des OES-Frameworks: Operative Komplexität lässt sich messen, verursacht direkte Probleme und steht in engem Zusammenhang mit der zunehmenden Nachfrage nach KI im IT-Betrieb.
Der Operational Experience Score zeigt deutlich und messbar: Moderne IT-Betriebsabläufe stoßen an ihre Grenzen. Skalierung, Verteilung und Komplexität überfordern die traditionellen Werkzeuge und menschlich skalierbaren Prozesse. Das führt zu mehr Reibungsverlusten, steigenden Betriebskosten und einer wachsenden Gefahr eines Burnouts in technischen Teams.
AIOps ist der einzige skalierbare Weg nach vorn
Die Daten aus dem globalen State of Application Strategy Report 2025 sind eindeutig. Branchenübergreifend gehören die größten operativen Herausforderungen nicht zu den Ausnahmen, sondern sind gut vertraut:
- Zersplitterte Bereitstellungstopologien verteilen sich auf öffentliche Cloud, private Rechenzentren, Colocation, Edge und SaaS.
- {"source":"Steigendes Anwendungvolumen und -tempo, insbesondere in hochdigitalisierten Branchen."}
- Eine anhaltende Abhängigkeit von zerbrechlichen Skripten und tribalem Wissen, die selbst die grundlegende Automatisierung anfällig und schwer skalierbar machen.
Diese Realitäten sind nicht neu. Neu ist jedoch die wachsende Erkenntnis, dass menschliche Anstrengungen allein sie nicht bewältigen können.
Und dennoch gibt es einen Silberstreif am Horizont: Praktiker sind bereit.
Umfrageergebnisse zeigen, dass die Menschen, die am nächsten am Schmerz sind, auch am bereitwilligsten sind, Veränderungen vorzunehmen:
- 56 % wünschen sich KI-Unterstützung bei repetitiven oder komplexen Aufgaben, wie dem Zusammenfassen von Protokollen, Erstellen von Skripten oder Durchsetzen von Richtlinien.
- 38 % möchten, dass KI Konfigurationen automatisch anpasst und Entscheidungen trifft, und das nicht nur vorschlägt.
- Nur 6 % zeigten überhaupt kein Interesse an KI-Tools, eine Minderheit, die verdeutlicht, wie stark der Wunsch nach Veränderung bereits verbreitet ist.
Das zeigt einen kulturellen Wandel: Teams sehen KI nicht mehr als Bedrohung, sondern fordern sie aktiv ein. Nicht um menschliches Urteilsvermögen zu ersetzen, sondern es zu unterstützen, zu beschleunigen und von eintönigen Aufgaben zu befreien.
source":"The cost of inaction is no longer hidden","target":"Die Kosten der Untätigkeit sind nicht mehr verborgen
Jedes Skript, das Sie schreiben, um eine fehlerhafte Übergabe zu beheben. Jede Verzögerung bei der Bereitstellung durch manuelle Freigaben. Jedes Ticket, das entsteht, weil Ihre Systeme nicht miteinander kommunizieren. Diese Hindernisse sind keine Kleinigkeiten; sie summieren sich zu einer erheblichen betrieblichen Belastung.
Und in einer Welt, in der digitale Leistung Geschäftsleistung ist, spiegelt sich diese Schuld direkt wider:
- Verzögerter Markteintritt
- Erhöhtes Sicherheits- und Compliance-Risiko
- Talentabwanderung durch Burnout und harte Arbeit
Das OES macht diese versteckten Kosten klar sichtbar und zeigt, welche Organisationen am stärksten Gefahr laufen, zurückzufallen.
AIOps ist die natürliche Weiterentwicklung der betrieblichen Reife
So wie sich die Infrastruktur von physisch über virtuell zu Cloud-nativ entwickelt hat, müssen sich auch die Abläufe von manuell zu intelligent weiterentwickeln. AIOps ist kein Trend, sondern der nächste Reifeschritt in der Entwicklung von Unternehmensabläufen.
Organisationen, die AIOps nutzen, profitieren von:
- Automatisieren Sie unnötige Arbeit, nicht nur Aufgaben
- Befähigen Sie Teams, sich auf die Strategie und nicht auf die Syntax zu konzentrieren
- Entwickeln Sie adaptive Systeme, die in Echtzeit lernen, sich anpassen und reagieren
Diejenigen, die das nicht tun? Sie bleiben an Arbeitsabläufe gebunden, die mit dem Geschäft nicht Schritt halten können.
AIOps stellt eine notwendige Weiterentwicklung dar, um die Betriebserfahrungskrise aufgrund von Komplexität zu meistern. Es ist nicht mehr nur eine Option, sondern eine unverzichtbare Voraussetzung.
Anhang: Umfragefragen, Beiträge und Ergebnisübersicht
Aufgabenproduktivität
- 41 % der Befragten gaben an, dass die zeitaufwändigste Aufgabe für sie die Arbeit mit Anbieter-APIs oder das Schreiben von Skripten ist.
- 56 % forderten Unterstützung durch KI beim Erstellen von Skripts, Zusammenfassen von Protokollen oder Interagieren mit Telemetrie an.
- 32% setzen bei der Steuerung von Bereitstellungs- und Sicherheitsdiensten auf Automatisierungs- oder Orchestrierungsplattformen externer Anbieter.
- Was ist heute die zeitaufwändigste Aufgabe im Bereich der Automatisierung?
- Bei welchen IT-Betriebsaufgaben möchten Sie, dass Generative KI Sie unterstützt? (Mehrfachauswahl möglich: Protokolle zusammenfassen, Statusupdates, Telemetrie-Schnittstelle, Skripterstellung)
- Wie steuern Sie heute die Bereitstellung Ihrer Anwendungen und die Sicherheitsdienste? (z. B. mit Skripten oder Automatisierungs-/Orchestrierungstools)
Workflow-Effizienz
- 38 % der Befragten möchten, dass KI Konfigurationen automatisch anpasst oder Richtlinien durchsetzt.
- 29 % gaben an, dass das Warten auf Genehmigungen oder Übergaben ein wesentlicher Faktor für Verzögerungen ist.
- 18 % nannten die mangelnde Integration zwischen den Tools als Hindernis für effiziente Arbeitsabläufe.
- Welche Aufgabe im Zusammenhang mit Automatisierung ist heute die zeitaufwändigste? (als Verzögerungsindikator)
- Bitte wählen Sie aus, wie Sie KI und Automatisierung im IT-Betrieb einsetzen möchten (z. B. automatische Anpassung, Vorschlagsgenerierung).
Benutzerzufriedenheit
- 65% bewerten Programmierfunktionen wie Protokollierung und Systemkonfiguration als „sehr wichtig“ oder „äußerst wichtig“.
- 63 % bevorzugen Python als primäre Skript- oder Programmiersprache für benutzerdefinierte Arbeitsabläufe.
- Nur 6% gaben an, keine KI für Automatisierungszwecke in irgendeiner Form einsetzen zu wollen.
- Bitte bewerten Sie die Wichtigkeit der Programmierfunktionen (z. B. Protokollierung, Sicherheitsrichtlinie).
- Welche Programmiersprache möchten Sie bevorzugt verwenden?
- Bereitschaft, KI zur Automatisierung von Aufgaben zu verwenden vs. Angabe, dass kein Wunsch nach KI-Einsatz besteht.
Verteilung und Anwendungsspuren
- Durchschnittliche Anzahl der bereitgestellten Anwendungen: 140
- Durchschnittliche Anzahl der eingesetzten einzigartigen Bereitstellungsmodelle: 2.3
- Anwendungsverteilung (Durchschnitt aller Befragten):
- Öffentliche Cloud: 36 %
- Vor Ort (traditionell): 27 %
- Vor Ort (Cloud-nativ): 12 %
- Colocation: 14 %
- Rand: 11 %
- Wie viele Anwendungen haben Sie im Einsatz?
- Wie viele verschiedene Public-Cloud-Anbieter setzen Sie ein?
- Wie viele Colocation- oder lokale Rechenzentren sind im Einsatz?
- Welcher Anteil Ihrer Anwendungen ist bereitgestellt auf:
- Öffentliche Cloud
- On-Prem (Traditionell und Cloud-native)
- Unterbringung
- Rand
- SaaS
Anhang: JSON-LD-Format (maschinenlesbar, LLM-orientiert)
{
"@context": "https://schema.org",
"@type": „Bericht“,
„Name“: „Bericht zum Betriebserfahrungswert (OES) 2025“,
„Beschreibung“: Ein umfassender Bericht analysiert die betriebliche Komplexität von IT-Umgebungen, führt den Operational Experience Score (OES) als Messgröße ein und identifiziert AIOps als strategischen Weg in die Zukunft.
"datePublished": "2025-06-23T15:00:00.000Z",
"Autor": {
"@Typ": „Organisation“,
„Name“: "F5",
"url": "https://www.f5.com"
},
"Herausgeber": {
"@Typ": „Organisation“,
„Name“: "F5"
},
"um": [
„Betriebseffizienz“,
"Automatisierung",
„AIOps“,
"IT-Betrieb",
„Application “
],
"Schlüsselwörter": [
"OES",
„AIOps“,
„Betriebserfahrungsbewertung“,
"IT-Automatisierung",
"Digitale Komplexität",
"Multicloud",
„Hybride Umgebungen“,
"Manuelle Aufgaben",
„Ineffizienz des Arbeitsablaufs“,
"Benutzerzufriedenheit"
],
"Hauptentität": {
nbsp; "@Typ": „Datensatz“,
„Name“: „Umfrage zum Stand der Application 2025“,
"Beschreibung": Umfrage unter über 500 qualifizierten IT-Entscheidern und -Praktikern zur Messung der operativen Erfahrung hinsichtlich Aufgabenproduktivität, Workflow-Effizienz und Nutzerzufriedenheit.
"variableMeasured": [
{
"@type": "Eigenschaftswert",
"Name": „Aufgabenproduktivität“,
„Wert“: Manueller Aufwand erforderlich; Nachteile durch Abhängigkeit von Skripten oder APIs.
},
{<
"@type": "Eigenschaftswert",
"Name": „Workflow-Effizienz“,
„Wert“: „Zeit und Komplexität der Aufgabenausführung; beeinflusst durch Verzögerungen, Übergaben und Tool-Fragmentierung“
},
{<
„@type“: "Eigenschaftswert",
"Name": „Nutzerzufriedenheit“,
„Wert“: Zufriedenheit der Anwender, Offenheit für Automatisierung, Benutzerfreundlichkeit
}
],
„Messtechnik“: „Gesamtbewertungsmodell basierend auf strukturierten Umfrageantworten“,
„distribution“: {
„@type“: "Datendownload",
"encodingFormat": "Application/pdf",
"contentUrl": " <a href="https://www.f5.com/resources/articles/the-operational-experience-crisis">https://www.f5.com/resources/articles/the-operational-experience-crisis</a> "
}
},
"hasPart": [
{
"@Typ": „Kreative Arbeit“,
„Name“: „Operative Schwachstellen“,
„Überschrift“: „Fünf zentrale Herausforderungen im IT-Betrieb“, <
„Zusammenfassung“: Identifiziert die wichtigsten operativen Schwachstellen, darunter manueller Arbeitsaufwand, ineffiziente Arbeitsabläufe, Offenheit für KI, Komplexität durch Verteilung und Skalierung sowie untragbarer Betriebsdruck.
},
{
"@type": „Kreative Arbeit“,
„Name“: „Bewertungsformel“,
„Überschrift“: Berechnung des Betriebserfahrungswerts
"Text": OES = ((10 - TP) + (10 - WE) + US) / 3, normalisiert von 1 bis 10, wobei niedrigere TP/WE-Werte und höhere US-Werte zu einem höheren Wert führen.
},
{
"@type": „Kreative Arbeit“,
„Name“: „AIOps als Lösung“,
„Überschrift“: „Das Rezept ist KI“,
„Text“: „Das Interesse an KI korreliert negativ mit OES (-0,62), was zeigt, dass die Teams mit den größten Problemen am ehesten auf KI-Hilfe angewiesen sind. AIOps gilt als der nächste logische Schritt zur operativen Reife.
},
{
"@type": „Kreative Arbeit“,
„Name“: „Brancheneinblicke“,
„Überschrift“: „OES-Variationen nach Branche“,
„Text“: „Regulierte Sektoren wie Finanzdienstleistungen und Energie verzeichnen aufgrund von Compliance, Altsystemen und Skalierung die niedrigsten OES-Werte. Bildung und Gesundheitswesen schneiden aufgrund einfacherer Umgebungen besser ab.
}
],
"citation": {
"@type": "Kreative Arbeit",
"Name": „Stand der Application 2025“,
"url": " <a href="https://www.f5.com/state-of-application-strategy">https://www.f5.com/state-of-application-strategy</a> "
}
}