Die Krise der operativen Erfahrung

Verfasst von: Lori MacVittie

Einleitung

Da Unternehmen bei der Bereitstellung digitaler Services nach mehr Geschwindigkeit, Sicherheit und Effizienz streben, ist die betriebliche Komplexität zu einem der größten Hindernisse geworden. Die zunehmende Abhängigkeit von Multicloud-Umgebungen, verteilten Anwendungen und hybriden Architekturen konfrontiert IT-Betriebsteams mit zeitaufwendigen Aufgaben und fragmentierten Arbeitsabläufen. Herkömmliche Kennzahlen erfassen nicht die Summe der Reibungsverluste, mit denen IT-Fachkräfte im täglichen Betrieb konfrontiert sind.

Um diese Lücke zu schließen, führen wir den Operational Experience Score (OES) ein – eine zusammengesetzte Kennzahl, mit der sich operative Belastungen quantifizieren und Bereiche aufzeigen lassen, in denen Automatisierung, insbesondere KI-gestützter IT-Betrieb (AIOps), unverzichtbar wird. Dieser Score bietet einen klaren, datengestützten Einblick darin, wie effizient IT-Teams arbeiten und wo Engpässe und Ineffizienzen bestehen.

Methodik und Bewertungsformel

Wir haben untersucht, wie andere technische Fachgebiete „Erfahrung“ messen, und daraus eine Formel abgeleitet, die Daten aus drei Säulen zusammenführt:

Aufgabenproduktivität (TP) – Diese Kennzahl misst den manuellen Aufwand, der zur Erledigung von Aufgaben erforderlich ist. Wenn Teams in hohem Maße darauf angewiesen sind, Skripte zu schreiben, direkt mit APIs zu interagieren oder Routineaktionen manuell zu genehmigen, fällt der TP-Wert niedrig aus.

Workflow-Effizienz (WE) – Dabei werden der Zeitaufwand und die Komplexität der Aufgabenausführung berücksichtigt. Ein hoher WE-Wert weist auf längere Bearbeitungszeiten hin, die durch fragmentierte Tools, Prozessverzögerungen oder eine starke Abhängigkeit von menschlichem Eingreifen verursacht werden.

Benutzerzufriedenheit (US) – Erfasst, wie zufrieden Anwender mit ihren Tools und Arbeitsabläufen sind, einschließlich ihrer Offenheit für Automatisierung, der einfachen Konfiguration und ihres Vertrauens in die Ergebnisse.

Dieser Ansatz belohnt eine höhere Zufriedenheit und berücksichtigt Umgebungen negativ, in denen manueller Aufwand und Ineffizienz überwiegen. Wir bezeichnen dies als den Operational Experience Score.

Zur Berechnung des OES verwendeten wir strukturierte Umfrageantworten, die den drei Bewertungskomponenten zugeordnet wurden. Unser Datensatz umfasste mehr als 500 qualifizierte IT-Entscheidungsträger und technische Fachkräfte, die an der Umfrage für den „State of Application Strategy Report 2025“ teilgenommen hatten.

Über alle Befragten hinweg lag der durchschnittliche OES bei 5,50, wobei es je nach Branche erhebliche Unterschiede gab. Nachfolgend die Ergebnisse:

Der maximal mögliche OES-Wert beträgt 10, wobei 10 für ein optimales Erlebnis (geringe Aufgabenkomplexität, hohe Effizienz, hohe Zufriedenheit) und 1 für ein schlechtes Erlebnis (hohe Komplexität, geringe Effizienz, geringe Zufriedenheit) steht.

Die wichtigsten Erkenntnisse

• 41 % der Befragten gaben an, dass die „Arbeit mit Anbieter-APIs“ oder das „Schreiben von Skripten“ der zeitaufwendigste Teil ihrer Arbeit ist.

• 38 % möchten, dass KI Konfigurationen und Richtlinien automatisch anpasst.

• 56 % wünschen sich KI-generierte Vorschläge, um Arbeitsabläufe zu beschleunigen.

• Nur 6 % gaben an, dass sie KI nicht in ihren Automatisierungs-Workflows einsetzen möchten.

Ein Trend, der in diesen Daten besonders auffällt, ist der deutlich niedrigere OES in stark regulierten Branchen. Im Finanzdienstleistungssektor, in der öffentlichen Verwaltung sowie in der Energie- und Versorgungswirtschaft treten durchweg größere betriebliche Reibungsverluste auf. Das ist nicht völlig überraschend. Diese Branchen unterliegen strengen Compliance-Vorgaben, die häufig manuelle Prüfungen, starre Genehmigungsprozesse und langsamere Änderungszyklen erfordern. Daher können Teams möglicherweise nicht das volle Potenzial verfügbarer Automatisierungstools ausschöpfen.

Darüber hinaus bleibt veraltete Infrastruktur in regulierten Umgebungen tendenziell länger bestehen. Dies bringt Herausforderungen bei der Integration und Modernisierung mit sich, die sich auf die Effizienz von Arbeitsabläufen auswirken. Und obwohl Fachkräfte in diesen Branchen möglicherweise bereit sind, KI einzusetzen, verzögern Richtlinien und Risikoscheu häufig deren Einführung. Die OES-Kennzahl macht diese Reibungsverluste sichtbar und unterstreicht die entscheidende Rolle, die gut gesteuerte AIOps dabei spielen können, den Compliance-Aufwand zu verringern und gleichzeitig die Bereitstellung zu beschleunigen.

Verteilung + Skalierung = operative Belastung

Moderne Anwendungsumgebungen sind komplex – nicht nur im Hinblick darauf, wo sie bereitgestellt werden, sondern auch darauf, wie viele Anwendungen sie umfassen. Die meisten Unternehmen nutzen heute verschiedene Infrastrukturtypen: Public Cloud, private Rechenzentren, Colocation, Edge und SaaS. Gleichzeitig verwalten sie in diesen Umgebungen Dutzende bis Hunderte von Anwendungen.

Um die Auswirkungen zu quantifizieren, haben wir zwei zentrale Variablen betrachtet:

• Verteiltheit: die Anzahl der verschiedenen Umgebungen, in denen Anwendungen bereitgestellt werden.

• Umfang: die Gesamtzahl der verwalteten Anwendungen.

Was die Daten zeigen:

• Korrelation zwischen Verteiltheit und OES: –0,22
  Dieser negative Zusammenhang zeigt, dass die betriebliche Erfahrung abnimmt, wenn Anwendungen in einer größeren Anzahl von Umgebungen bereitgestellt werden. Jede Umgebung bringt eigene Tools, Richtlinien und Integrationsherausforderungen mit sich, wodurch die Kontrolle fragmentiert und die Reaktionsfähigkeit verlangsamt wird.

• Korrelation zwischen der Anzahl der Anwendungen und dem OES: +0,05
  Für sich genommen weist die Anzahl der Anwendungen nur eine vernachlässigbare Korrelation mit betrieblichen Reibungsverlusten auf. In Kombination mit der Verteilung ergibt sich jedoch ein klareres Bild: Unternehmen mit vielen Anwendungen und zugleich vielen Umgebungen erzielen die niedrigsten OES-Werte.

Die Skalierung von Anwendungen erhöht den vertikalen Druck: Mehr Anwendungen bedeuten, dass mehr Konfigurationen, Richtlinien und Updates verwaltet werden müssen. Die Verteilung erhöht die horizontale Komplexität: Mehr Umgebungen erfordern mehr Integrationen, Transparenz-Tools und spezialisiertes Fachwissen.

Zusammengenommen bremsen sie die operative Geschwindigkeit zunehmend aus.

Branchen wie Finanzdienstleistungen, Energie und Fertigung, die beim OES am schlechtesten abschneiden, gehören zugleich zu den Branchen mit dem höchsten Grad an Verteilung und der größten Anwendungslandschaft. Im Gegensatz dazu weisen Bildung und Gesundheitswesen, die in der Regel über weniger Anwendungen und einfachere Infrastrukturtopologien verfügen, deutlich höhere OES-Werte auf.

Warum das wichtig ist

Operative Teams haben es nicht nur mit Komplexität zu tun – sie drohen darin zu ertrinken. Je fragmentierter und größer eine Umgebung wird, desto störanfälliger werden die Arbeitsabläufe, desto verzögerter erfolgt die Reaktion und desto dringender wird der Bedarf an Automatisierung.

Operative Herausforderungen

Der Operational Experience Score ist nicht nur eine Zahl, sondern spiegelt die realen Herausforderungen wider, denen IT- und Betriebsteams bei der Verwaltung moderner, verteilter und häufig fragmentierter Umgebungen gegenüberstehen. Bei der Betrachtung übergreifender Muster in den Daten zeichnen sich mehrere Themen ab, die sowohl die Problembereiche als auch die Dringlichkeit der Einführung von Automatisierung und AIOps erklären.

1. Manuelle Aufgaben dominieren weiterhin

Trotz jahrelanger Investitionen in Automatisierungstools wird ein erheblicher Teil der betrieblichen Aufgaben weiterhin manuell erledigt. Das liegt nicht nur an Altsystemen, sondern auch an Lücken zwischen den Tools, fehlender Standardisierung und Reibungsverlusten durch Skripte und APIs, die nie für eine Skalierung ausgelegt waren.

• 41 % der Befragten gaben an, dass die Interaktion mit Anbieter-APIs oder das Schreiben von Skripten die zeitaufwendigste Aufgabe in ihrem Arbeitsablauf ist.

• Selbst in Cloud-nativen Unternehmen bedeutet Automatisierung häufig nur „eine Sammlung von Skripten“ statt einer optimierten Orchestrierung.

Dies verdeutlicht den dringenden Bedarf an intelligenterer, anpassungsfähiger Automatisierung, die die Abhängigkeit von fest codierter Logik und informellem Erfahrungswissen verringert.

2. Ineffiziente Arbeitsabläufe sind systembedingt

Die Daten zeigen, dass Verzögerungen und Ineffizienzen nicht auf ein bestimmtes Tool oder einen bestimmten Prozess beschränkt sind. Vielmehr sind sie systemischer und struktureller Natur und werden durch fragmentierte Genehmigungsketten, Prozesssilos und nicht integrierte Systeme verursacht.

• Fast 30 % der Befragten nannten das Warten auf Genehmigungen oder Übergaben als einen wesentlichen Grund für Verzögerungen.

• 18 % gaben an, dass die mangelhafte Integration verschiedener Tools eine wesentliche Ursache für Ineffizienz sei.

Dies zeigt, dass es bei der Steigerung der Workflow-Effizienz nicht nur darum geht, mehr Tools einzusetzen, sondern Prozesse neu zu denken und Feedbackschleifen zu schaffen, die die Verzögerung zwischen Absicht und Handlung verkürzen.

3. Hohe Offenheit gegenüber KI, bedingt durch Reibungsverluste

Auch wenn der Reifegrad der Automatisierung unterschiedlich ist, besteht über verschiedene Funktionen und Branchen hinweg durchweg eine große Offenheit gegenüber KI-Tools. Dieses Interesse ist nicht nur hypothetischer Natur, sondern korreliert stark mit Bereichen, in denen erhebliche betriebliche Reibungsverluste auftreten.

• Die Korrelation zwischen dem Interesse an KI und dem OES beträgt –0,62, was bedeutet, dass diejenigen mit dem größten Leidensdruck am ehesten für den Einsatz von KI bereit sind.

• Teams möchten, dass KI Menschen nicht ersetzt, sondern die kognitive Belastung durch repetitive, fehleranfällige Aufgaben reduziert: Zusammenfassung von Protokollen, Erstellung von Richtlinien, Statusberichte, automatische Skalierung usw.

Diese Bereitschaft eröffnet eine große Chance: Die Einführung von AIOps lässt sich von unten nach oben beschleunigen, indem genau die Teams gestärkt werden, die am stärksten unter Druck stehen.

4. Die Komplexität nimmt sowohl mit der Größe als auch mit der Verteilung zu

Das Zusammenspiel von Anwendungsgröße und verteilter Infrastruktur stellt eine besondere betriebliche Herausforderung dar. Während jeder Faktor für sich genommen nur begrenzte Auswirkungen auf OES hat, führen sie gemeinsam zu messbaren Reibungsverlusten.

• Branchen mit einer hohen Anzahl an Anwendungen und Bereitstellungen in mehreren Umgebungen (z. B. Finanzdienstleistungen, Energie, Fertigung) erzielten beim OES die niedrigsten Werte.

• Im Gegensatz dazu erzielten Branchen wie das Bildungs- und Gesundheitswesen, in denen die Anwendungsportfolios kleiner und die Umgebungen weniger vielfältig sind, deutlich höhere Werte.

Dies unterstreicht, dass Komplexität eine zusammengesetzte Funktion ist: Sie nimmt zu, wenn Skalierung (vertikale Belastung) und Verteilung (horizontale Ausdehnung) wachsen. Genau hier wird Automatisierung, insbesondere AIOps, nicht nur nützlich, sondern unverzichtbar.

5. Der Status quo ist nicht tragbar

Die vielleicht bemerkenswerteste Erkenntnis ist, dass viele Teams kurz vor einem Wendepunkt stehen. Die Kombination aus wachsenden Anforderungen, gleichbleibender Personalstärke, veralteten Tools und manuellen Behelfslösungen führt zu einem auf Dauer nicht tragbaren operativen Druck.

• Teams zeigen Anzeichen von Burnout.

• Der Wunsch nach KI ist pragmatisch, nicht von Wunschdenken geprägt.

• Und die Bereitschaft, Veränderungen anzunehmen, ist bereits vorhanden.

Die Daten sprechen eine klare Sprache: Der Weg in die Zukunft führt nicht über mehr Skripte, mehr Tools oder mehr Dashboards, sondern über intelligente, kontextbezogene Automatisierung, die sich mit den betrieblichen Anforderungen weiterentwickeln kann.

Die Lösung heißt KI

Um besser zu verstehen, wie sich KI in die operative Erfahrung einfügt, haben wir die Antworten auf Fragen zu KI und Automatisierung analysiert. Dabei ging es insbesondere darum, in welchen Bereichen die Befragten KI einsetzen wollten oder bereit waren, sie im operativen Betrieb zu nutzen. Anschließend verglichen wir die Anzahl der positiven Antworten zum Thema KI mit dem Operational Experience Score (OES) der jeweiligen Person.

• Korrelation zwischen KI-Interesse und OES: -0,62

Dies ist eine starke negative Korrelation, die ein klares Muster erkennen lässt: Je mehr operative Probleme ein Team hat, desto stärker wünscht es sich Unterstützung durch KI. Anders ausgedrückt: Diejenigen, die sich am meisten Unterstützung durch KI wünschen – sei es bei der Zusammenfassung von Protokollen, der Optimierung von Richtlinien oder der Erstellung von Konfigurationen –, weisen zugleich die niedrigsten Bewertungen hinsichtlich ihrer operativen Erfahrung auf.

Dies unterstreicht die Dringlichkeit der Einführung von AIOps. Unternehmen setzen nicht aus reiner Neugier auf KI, sondern betrachten sie als notwendige Lösung für die Reibungsverluste, mit denen sie derzeit konfrontiert sind. Unabhängig davon, ob diese durch Skalierung, Komplexität oder veraltete Prozesse verursacht werden, führen diese Belastungen zu einer Nachfrage nach Automatisierung aus den operativen Bereichen heraus, die intelligent, kontextsensitiv und fest in die Betriebsabläufe integriert ist.

Diese Daten zeigen, dass das Interesse an AIOps nicht von Wunschdenken geprägt, sondern praxisorientiert ist. Die Befragten träumen nicht von spekulativen zukünftigen Anwendungsfällen, sondern versuchen, Zeitfresser zu beseitigen und die manuelle Komplexität ihrer aktuellen Arbeitsabläufe zu reduzieren.

Aufgaben wie das Schreiben von Skripten, das Zusammenfassen von Protokollen oder das Skalieren von Diensten sind nicht hochmodern, sondern gehören zu den alltäglichen Belastungen beim Betrieb moderner Infrastrukturen. Und genau dabei wünschen sich die Befragten Unterstützung durch KI.

Die Ergebnisse lassen einen klaren Schluss zu: Die Teams, die KI am aufgeschlossensten gegenüberstehen, sind zugleich diejenigen, die einem Burnout am nächsten sind.

Sie wünschen sich Tools, mit denen sich zentrale betriebliche Aufgaben automatisieren, optimieren und skalieren lassen. Der Grund dafür ist, dass der Status quo mit fragmentierten Skripten, fehleranfälligen Workflows und manueller Triage nicht zukunftsfähig ist.

Dies untermauert die zentrale These des OES-Frameworks: Die betriebliche Komplexität ist messbar, verursacht erhebliche Probleme und steht in engem Zusammenhang mit der steigenden Nachfrage nach KI im IT-Betrieb.

Der Operational Experience Score liefert ein klares, quantifizierbares Signal: Moderne IT-Betriebsabläufe stoßen zunehmend an ihre Grenzen. Die Kombination aus Größenordnung, Verteilung und Komplexität hat herkömmliche Tools und auf menschliche Kapazitäten ausgelegte Prozesse überholt. Die Folge sind zunehmende Reibungsverluste, steigende Betriebskosten und ein wachsendes Burnout-Risiko in technischen Teams.

AIOps ist der einzige skalierbare Weg in die Zukunft

Die Daten aus dem globalen State of Application Strategy Report 2025 sind eindeutig. Branchenübergreifend sind die größten betrieblichen Herausforderungen keineswegs ungewöhnlich, sondern nur allzu bekannt:

• Fragmentierte Bereitstellungstopologien verteilen sich auf Public Clouds, private Rechenzentren, Colocation, Edge und SaaS.

• Steigende Anzahl und Geschwindigkeit von Bewerbungen, insbesondere in stark digitalisierten Branchen.

• Die anhaltende Abhängigkeit von fehleranfälligen Skripten und informellem Erfahrungswissen, die selbst grundlegende Automatisierungen instabil und schwer skalierbar macht.

Diese Realitäten sind nicht neu. Neu ist jedoch die wachsende Erkenntnis, dass menschliche Anstrengungen allein sie nicht bewältigen können.

Und doch gibt es einen Lichtblick: Die Fachkräfte sind bereit.

Die Umfrageergebnisse zeigen, dass diejenigen, die die Probleme am unmittelbarsten erleben, auch am ehesten zu Veränderungen bereit sind:

• 56 % wünschen sich Unterstützung durch KI bei sich wiederholenden oder komplexen Aufgaben, etwa beim Zusammenfassen von Protokollen, Erstellen von Skripten oder Durchsetzen von Richtlinien.
• 38 % wünschen sich, dass KI Konfigurationen automatisch anpasst und Entscheidungen trifft, statt diese nur vorzuschlagen.
• Nur 6 % zeigten keinerlei Interesse an KI-Tools, eine Minderheit, die verdeutlicht, wie weit verbreitet der Wunsch nach Veränderung inzwischen ist.

Dies deutet auf einen kulturellen Wandel hin: Teams haben keine Angst vor KI, sondern wünschen sie sich. Nicht, um menschliches Urteilsvermögen zu ersetzen, sondern um es zu erweitern, Entscheidungen zu beschleunigen und Menschen von mühsamer Routinearbeit zu entlasten.

Die Kosten des Nichthandelns sind nicht länger verborgen

Jedes Skript, das geschrieben wird, um eine fehlerhafte Übergabe zu beheben. Jede Bereitstellung, die sich aufgrund manueller Freigaben verzögert. Jedes Ticket, das erstellt wird, weil Systeme nicht miteinander kommunizieren können. Das sind keine kleinen Unannehmlichkeiten, sondern Ursachen für eine stetig wachsende operative Schuld.

Und in einer Welt, in der digitale Leistungsfähigkeit gleichbedeutend mit Geschäftserfolg ist, wirkt sich diese Schuld unmittelbar aus auf:

• Längere Markteinführungszeit

• Erhöhtes Sicherheits- und Compliance-Risiko

• Abwanderung von Fachkräften aufgrund von Burnout und belastender Routinearbeit

Der OES zeigt diese versteckten Kosten präzise auf und macht deutlich, bei welchen Organisationen das Risiko, den Anschluss zu verlieren, am größten ist.

AIOps ist die natürliche Weiterentwicklung der operativen Reife

So wie sich die Infrastruktur von physisch über virtuell hin zu Cloud-nativ entwickelt hat, muss sich auch der IT-Betrieb von manuellen zu intelligenten Prozessen weiterentwickeln. AIOps ist kein Trend, sondern die nächste Reifestufe in der Entwicklung des Unternehmensbetriebs.

Unternehmen, die AIOps einsetzen, werden:

• Automatisieren Sie nicht nur Aufgaben, sondern schaffen Sie auch lästige Routinearbeit ab

• Teams befähigen, sich auf die Strategie statt auf die Syntax zu konzentrieren

• Entwickeln Sie adaptive Systeme, die in Echtzeit lernen, sich anpassen und reagieren

Und diejenigen, die das nicht tun? Sie werden weiterhin an Arbeitsabläufe gebunden sein, die mit der Geschäftsentwicklung nicht Schritt halten können.

AIOps ist eine notwendige Weiterentwicklung, um die durch Komplexität verursachte Krise im IT-Betrieb zu bewältigen. Es ist längst kein Nice-to-have mehr, sondern unverzichtbar.

Anhang: Umfragefragen, Eingaben und zusammengefasste Ergebnisse

Aufgabenproduktivität

• 41 % der Befragten gaben an, dass „die Arbeit mit Anbieter-APIs“ oder „das Schreiben von Skripten“ ihre zeitaufwendigste Aufgabe sei.

• 56 % wünschten sich KI-Unterstützung beim Erstellen von Skripten, beim Zusammenfassen von Protokollen oder bei der Interaktion mit Telemetriedaten.

• 32 % verlassen sich auf Automatisierungs- oder Orchestrierungsplattformen von Drittanbietern, um Bereitstellungs- und Sicherheitsdienste zu verwalten.

• Welche Aufgabe im Zusammenhang mit Automatisierung nimmt derzeit am meisten Zeit in Anspruch?

• Bei welchen der folgenden IT-Betriebsaufgaben soll Sie generative KI unterstützen? (Mehrfachauswahl: Zusammenfassung von Protokollen, Statusaktualisierungen, Telemetrieschnittstelle, Skripterstellung)

• Wie verwalten Sie derzeit Ihre Dienste für die Anwendungsbereitstellung und -sicherheit? (z. B. mithilfe von Skripten oder Automatisierungs-/Orchestrierungstools)

Workflow-Effizienz

• 38 % der Befragten wünschen sich, dass KI Konfigurationen automatisch anpasst oder Richtlinien durchsetzt.

• 29 % gaben an, dass das Warten auf Genehmigungen oder Übergaben wesentlich zu Verzögerungen beiträgt.

• 18 % nannten die mangelnde Integration verschiedener Tools als Hindernis für effiziente Arbeitsabläufe.

• Welche Aufgabe im Zusammenhang mit Automatisierung nimmt derzeit am meisten Zeit in Anspruch? (als Indikator für Verzögerungen)

• Bitte wählen Sie aus, wie Sie KI und Automatisierung im IT-Betrieb einsetzen möchten (z. B. für automatische Anpassungen oder die Erstellung von Vorschlägen).

Benutzerzufriedenheit

• 65 % bewerteten Programmierbarkeitsfunktionen wie Protokollierung und Konfiguration als „sehr wichtig“ oder „äußerst wichtig“.
• 63 % bevorzugen Python als primäre Skript- oder Programmiersprache für benutzerdefinierte Workflows.
• Nur 6 % gaben an, KI überhaupt nicht für die Automatisierung einsetzen zu wollen.
• Bitte bewerten Sie, wie wichtig Programmierbarkeitsfunktionen (z. B. Protokollierung, Sicherheitsrichtlinien) sind.
• Welche Programmiersprache würden Sie bevorzugen?
• Bereitschaft, KI zur Automatisierung von Aufgaben einzusetzen, gegenüber der Aussage, keine Einbindung von KI zu wünschen.

Verteilungsgrad und Anwendungsumfang

• Durchschnittliche Anzahl bereitgestellter Anwendungen: 140
• Durchschnittliche Anzahl der verwendeten individuellen Bereitstellungsumgebungen: 2,3
• Anwendungsverteilung (Mittelwert über alle Befragten):
  • Public Cloud: 36 %
  • On-Premises (traditionell): 27 %
  • On-Premises (Cloud-nativ): 12 %
  • Colocation: 14 %
  • Edge: 11 %
• Wie viele Anwendungen haben Sie bereitgestellt?
• Wie viele verschiedene Public-Cloud-Anbieter nutzen Sie?
• Wie viele Colocation-/On-Premises-Rechenzentren werden genutzt?
• Wie viel Prozent Ihrer Anwendungen werden in den folgenden Umgebungen bereitgestellt:
  • Public Cloud
  • On-Premises (traditionell und Cloud-nativ)
  • Colocation
  • Edge
  • SaaS

Anhang: JSON-LD-Format (maschinenlesbar, für LLMs optimiert)

{

  "@context": "https://schema.org",

  "@type": "Report",

  "name": "Bericht zum Operational Experience Score (OES) 2025",

  "description": "Ein umfassender Bericht, der die betriebliche Komplexität in IT-Umgebungen analysiert, den Operational Experience Score (OES) als Kennzahl einführt und AIOps als strategischen Weg in die Zukunft identifiziert.",

  "datePublished": "2025-06-23T15:00:00.000Z",

  "author": {

    "@type": "Organization",

    "name": "F5",

    "url": "https://www.f5.com"

  },

  "publisher": {

    "@type": "Organization",

    "name": "F5"

  },

  "about": [

    "Betriebliche Effizienz",

    "Automatisierung",

    "AIOps",

    "IT-Betrieb",

    "Anwendungsbereitstellung"

  ],

  "keywords": [

    "OES",

    "AIOps",

    "Operational Experience Score",

    "IT-Automatisierung",

    "Digitale Komplexität",

    "Multicloud",

    "Hybride Umgebungen",

    "Manuelle Aufgaben",

    "Ineffiziente Arbeitsabläufe",

    "Benutzerzufriedenheit"

  ],

  "mainEntity": {

nbsp;   "@type": "Dataset",

    "name": "Umfrage zur Anwendungsstrategie 2025",

    "description": "Umfrage unter mehr als 500 qualifizierten IT-Entscheidungsträgern und Fachkräften zur Messung der betrieblichen Erfahrung in den Bereichen Aufgabenproduktivität, Effizienz von Arbeitsabläufen und Benutzerzufriedenheit.",

    "variableMeasured": [

      {

        "@type": "PropertyValue",

        "name": "Aufgabenproduktivität",

        "value": "Erforderlicher manueller Aufwand; Abzüge bei Abhängigkeit von Skripten oder APIs"

      },

      {<

        "@type": "PropertyValue",

        "name": "Effizienz von Arbeitsabläufen",

        "value": "Zeitaufwand und Komplexität der Aufgabenausführung; beeinträchtigt durch Verzögerungen, Übergaben und fragmentierte Tools"

      },

      {<

        "@type": "PropertyValue",

        "name": "Benutzerzufriedenheit",

        "value": "Zufriedenheit der Fachkräfte, Offenheit gegenüber Automatisierung, Benutzerfreundlichkeit"

      }

    ],

    "measurementTechnique": "Zusammengesetztes Bewertungsmodell auf Grundlage strukturierter Umfrageantworten",

    "distribution": {

      "@type": "DataDownload",

      "encodingFormat": "application/pdf",

      "contentUrl": "https://www.f5.com/resources/articles/the-operational-experience-crisis"

    }

  },

  "hasPart": [

    {

      "@type": "CreativeWork",

      "name": "Betriebliche Problembereiche",

      "headline": "Fünf zentrale Herausforderungen im IT-Betrieb",<

      "abstract": "Identifiziert die vorherrschenden betrieblichen Problembereiche, darunter die Belastung durch manuelle Aufgaben, ineffiziente Arbeitsabläufe, Offenheit gegenüber KI, die durch Verteilung und Skalierung entstehende Komplexität sowie untragbarer betrieblicher Druck."

    },

    {

      "@type": "CreativeWork",

      "name": "Bewertungsformel",

      "headline": "So wird der Operational Experience Score berechnet",

      "text": "OES = ((10 - TP) + (10 - WE) + US) / 3, normiert auf einer Skala von 1 bis 10, wobei niedrigere TP-/WE-Werte und ein höherer US-Wert zu einer höheren Punktzahl führen."

    },

    {

      "@type": "CreativeWork",

      "name": "AIOps als Lösung",

      "headline": "Die Lösung ist KI",

      "text": "Das Interesse an KI korreliert negativ mit dem OES (-0,62). Dies zeigt, dass Teams mit den größten Problemen am stärksten an Unterstützung durch KI interessiert sind. AIOps gilt als der nächste logische Schritt hin zu einem höheren betrieblichen Reifegrad."

    },

    {

      "@type": "CreativeWork",

      "name": "Brancheneinblicke",

      "headline": "OES-Unterschiede nach Branche",

      "text": "Regulierte Branchen wie Finanzdienstleistungen und Energie weisen aufgrund von Compliance-Anforderungen, Altsystemen und Skalierung die niedrigsten OES-Werte auf. Bildung und Gesundheitswesen erzielen aufgrund einfacherer Umgebungen höhere Werte."

    }

  ],

  "citation": {

    "@type": "CreativeWork",

    "name": "Anwendungsstrategie 2025",

    "url": "https://www.f5.com/state-of-application-strategy"

  }

}