Die sechs Servicemuskeln: was Menschen im Service können müssen
Sechs Kompetenzfelder, die eine Servicemannschaft trainiert — mit allen Fähigkeiten je Muskel. Und was sich verschiebt, wenn KI die Routinen übernimmt.
-
-
Service Ende zu Ende: Was eine serviceorientierte Architektur für den Service bedeutet
Ein Service ist erst dann gut, wenn das Ergebnis beim Kunden ankommt. Wie man Anwendungen, Geräte, Daten, Prozesse und Menschen als Kette plant, verantwortet und überwacht – am Beispiel Webshop und Maschine.
-
Self-Service und Level 0: ein Level mit Aufgaben, Rechten und Pflichten
Warum Self-Service nur entlastet, wenn Level 0 wie jeder andere Level beschrieben ist — mit Aufgaben, Rechten, Pflichten und eigenen Kennzahlen.
-
Use Cases beschreiben, bevor Sie auswählen
Wie Sie tool-neutral beschreiben, was Ihr Service können muss — Use Cases, Drehbuch und Testszenarien. Die Vorarbeit, die über Projektlaufzeit und Akzeptanz entscheidet.
-
Service-Software im Mittelstand: Welches System passt zu welchem Problem?
Welches System zu welchem Problem passt — sortiert nach der Frage, die Sie lösen wollen. Mit Anbieterübersicht, Auswahlkriterien und offengelegten Beziehungen.
-
Die vier Serviceperspektiven — vom GAP-Modell zur Arbeit
Versprechen, Führen, Organisieren, Dienst leisten — vier Blickrichtungen, in denen sich eine Serviceorganisation prüfen und entwickeln lässt. Unsere Übersetzung des GAP-Modells in Arbeit, die man am Montag beginnen kann.
-
Das GAP-Modell — die fünf Lücken der Servicequalität
Fünf Lücken zwischen dem, was Kunden erwarten, und dem, was sie erleben. Das GAP-Modell ist seit 1985 das schärfste Werkzeug, um Servicemängel bei ihrer Ursache zu fassen statt bei ihrem Symptom.
-
Ticketreview
Ticketqualität entsteht nicht durch eine Vorgabe, sondern durch regelmäßiges Hinschauen. Warum Ticketreviews wichtig sind, welche Formate es gibt und woran man ein gutes Ticket erkennt.
-
Ticketqualität
Erfahrungswissen entsteht durch Menschen, nicht durch Technologie. Warum Ticketqualität über Wissensmanagement, Effizienz und die Einsatzfähigkeit von KI im Service entscheidet.
-
Was die KI nicht lernt: Erfahrungswissen im technischen Service
Serviceysteme dokumentieren das Ergebnis, nicht den Weg dorthin. Genau dort sitzt das Erfahrungswissen — und genau das fehlt, wenn eine KI aus den Falldaten lernen soll.