KI als paralleler IT-Helpdesk – ohne dass es jemand merkt
Stell dir vor, dein IT-Team löst täglich hunderte Probleme – aber keines davon taucht im Ticketsystem auf. Kein SLA, keine Auswertung, keine Kapazitätsplanung. Genau das passiert gerade in Unternehmen weltweit.
Perplexity AI hat 85,5 Millionen Enterprise-Queries aus 135.852 Organisationen ausgewertet – ein Zeitraum von Januar 2025 bis Januar 2026. Das Ergebnis ist ernüchternd und aufschlussreich zugleich: 18 % aller KI-Anfragen im Unternehmensumfeld sind Technologie-Fragen – Software-Probleme, Cloud-Konfigurationen, Fehlermeldungen, Netzwerk-Troubleshooting. Arbeit, die früher als IT-Ticket gelandet wäre.
Hinweis: Diese Studie wurde von Perplexity selbst veröffentlicht und dient auch als Marketingmaterial für Perplexity Enterprise. Die Zahlen basieren auf Hochrechnungen und klar dokumentierten Annahmen. Die Kernbeobachtung ist trotzdem valide – und die Implikationen sind real.
Was die Daten zeigen
Drei Zahlen aus der Studie, die hängen bleiben:
- 77 % der Tech-Fragen sind „Ticket-würdig" – Tier 1 oder Tier 2, also genau das, womit IT-Teams üblicherweise beschäftigt sind. Nur 22,6 % sind rein informationell.
- 74 % der Nutzer, die eine Tech-Frage stellen, kommen innerhalb von 30 Tagen mit der nächsten zurück. Es sind keine Einmalereignisse – es sind wiederkehrende Probleme, die strukturell nicht gelöst werden.
- ~300 Millionen Dollar IT-Aufwand pro Jahr – allein in diesem Datensatz, unter konservativen Annahmen (50 $/Ticket, 50 % wären sonst tatsächlich zu Tickets geworden).
Für eine mittelgroße Organisation mit 500 Seats bedeutet das laut Studie bis zu 700.000 Dollar eingespartem IT-Aufwand jährlich – der in keiner einzigen Statistik auftaucht.
Die Tools mit dem meisten Frust – sind die mit dem höchsten ROI
Das ist der eigentlich unbequeme Teil der Studie. Die Plattformen, über die am häufigsten Fragen gestellt werden, sind dieselben, für die Anbieter die höchsten Produktivitätsgewinne versprechen:
- Databricks: 270.000 Fragen – Konfiguration, Query-Optimierung, Pipeline-Debugging
- Excel: 193.000 Fragen – Basic How-To, Fehlermeldungen, Advanced Features
- AWS & Azure: zusammen über 240.000 Fragen
- Slack, Salesforce, SAP, Snowflake – alle weit oben
Wenn man den unsichtbaren Support-Aufwand in bestehende ROI-Modelle einrechnet, verändert sich das Bild drastisch: Slack's ROI steigt von 325 % auf über 500 %, Databricks von 417 % auf über 600 %, Snowflake von 354 % auf über 550 %. Nicht weil die Tools schlechter wären – sondern weil der tatsächliche Nutzen bisher unterschätzt wurde.
Das eigentliche Problem: Das Visibility Gap
IT-Teams messen Tickets. Aber 3 von 4 Tech-Problemen landen nicht mehr im Ticketsystem – sie werden per KI-Tool gelöst, oft in Sekunden, und hinterlassen keine Spur. Das schafft ein strukturelles Blindfeld:
- Systeme, die in Dashboards gut aussehen, können im Alltag enorme Reibung erzeugen
- Dokumentations- und Onboarding-Lücken bleiben unsichtbar
- Kapazitätsplanung basiert auf einem Bruchteil des tatsächlichen Support-Volumens
- Vendor-Verträge und Tool-Evaluierungen ignorieren einen wesentlichen Kostenfaktor
Toyota hat durch KI-gestützten IT-Support über 70.000 Mitarbeiterstunden zurückgewonnen – das Äquivalent von 25 Level-1-Technikern pro Woche. Databricks selbst hat 73 % Ticket-Deflection erreicht und dabei schätzungsweise 1,5 Millionen Dollar Personalkosten vermieden. Das sind keine Ausreißer – das ist die Richtung.
Was das für IT-Entscheider bedeutet
Die Studie nennt vier konkrete Handlungsempfehlungen – ich halte alle vier für sinnvoll:
- KI-Query-Daten als IT-Telemetrie behandeln. Was Mitarbeiter eine KI fragen, ist ein Echtzeit-Signal für Lücken in Tools, Dokumentation und Onboarding. Diese Daten gehören in die IT-Steuerung.
- Vendor-ROI-Aussagen kritisch hinterfragen. Commissioned Studies messen nur, was im Ticketsystem landet. Der Aufwand, der davor abgefangen wird, fehlt in der Rechnung – in beide Richtungen.
- Dokumentation für die meistgefragten Tools priorisieren. Databricks, Excel, AWS, Azure, Slack – wer dort in interne Guides und Onboarding-Flows investiert, reduziert das informelle Support-Volumen spürbar.
- Kapazitätsplanung auf Basis realer Nachfrage. Wenn 3 von 4 Tech-Fragen nie ins Ticketsystem gelangen, plant man mit dem falschen Nenner.
Fazit
KI-Tools sind in Unternehmen längst zu einem parallelen IT-Helpdesk geworden – ohne Budget, ohne Monitoring, ohne strategische Steuerung. Das ist keine Schwäche, sondern eine Chance: Wer versteht, welche Fragen seine Mitarbeiter stellen, bekommt das ehrlichste Feedback über seinen Tech-Stack, das es gibt.
Die Perplexity-Studie ist nicht neutral – aber der Befund ist es: KI-Query-Daten sind IT-Intelligence, die die meisten Organisationen noch nicht nutzen.
Quelle: „Economic Impacts of AI on Enterprise IT Organizations", Perplexity AI, 2026. perplexity.ai/enterprise