Frankfurt a.M., September 2021 – Atlassian ist Spezialist in Sachen Kollaboration und Projektmanagement und hat auf Machine Learing (ML) basierende Verbesserungen in seine Plattform integriert. Diese Modifikationen stehen Nutzern von Jira, Confluence und Bitbucket zur Verfügung. Die subtilen aber enorm hilfreichen Veränderungen, sogenannte Smart-Funktionen, helfen Teams durch prädiktive und datengestützte Vorhersagen dabei, effektiver zu arbeiten.
Die Umstellung auf Remote Work ist vielen von uns anfangs nicht leichtgefallen. Selbst, nachdem sich Arbeitnehmer wie Arbeitgeber mittlerweile an diese Umstände gewöhnt haben, ergeben sich bei physisch verteilt arbeitenden Teams Herausforderungen für Effizienz und Kreativität: Relevante Informationen müssen miteinander geteilt werden oder der entsprechende Kollege, der für eine Nachfrage gebraucht wird, ist gerade nicht erreichbar.
Eine weitere zentrale Erkenntnis aus dem Remote-Arbeitsalltag ist, dass redundante Tätigkeiten und eine schwerfällige Team-Kommunikation die Effektivität der Mitarbeiter beeinträchtigen. Smart-Funktionen schaffen hier Abhilfe: Anhand von Interaktionen und Workflows werden bestimmte Arbeitsmuster erkannt – daraufhin werden Prozesse effektiver gestaltet und Projekte schneller umgesetzt. Das führt dazu, dass Arbeitnehmer mehr Zeit gewinnen, um sich auf strategische oder kreative Aufgaben zu konzentrieren.
1. Prädiktive Suchfunktion: Schnell relevante Informationen finden
Durch den Einsatz von ML und einer verbesserten Suchfunktion lassen sich relevante Informationen noch schneller finden. Wenn zum Beispiel zwei Mitarbeiter den Begriff "Roadmap" in die Suche eingeben, kann es sein, dass sie trotz der Eingabe der gleichen Wörter zwei unterschiedliche Dokumente suchen. Jira und Confluence merken sich nun, an welchen Dokumenten ein Nutzer gearbeitet hat, so dass die Smart Search-Funktion ihnen darauf basierend das naheliegendste Ergebnis – also das Dokument, das sie am wahrscheinlichsten suchen und erwarten – liefert.
Während Smart Search relevante Informationen und Dokumente aufspürt, erscheinen durch Instant Search Results sofort Ergebnisse, nach denen Mitarbeiter in Zukunft wahrscheinlich suchen werden, ohne dass sie auch nur einen Buchstaben in die Suchleiste eingeben müssen. Darüber hinaus sagt die neue Intelligent Filter-Funktion voraus, welche Filter sie wahrscheinlich nutzen werden, um ihre Suche einzugrenzen. Doch Informationsbeschaffung ist nicht nur über Suchfunktionen möglich: Mithilfe der Smart-Funktionen stellt Atlassian einen personalisierten Überblick über jene Dokumente und Lösungen bereit, an und mit denen die Mitarbeiter hauptsächlich arbeiten.
2. Optimale Zusammenarbeit: Alle wichtigen Mitarbeiter auf einen Blick
Für optimale Zusammenarbeit im Team sollten sich alle Mitarbeiter kennen, die für das Abschließen oder Vorantreiben eines Projektes wichtig sind. Ansonsten kann die Suche nach den richtigen Kollegen schnell in Frustration enden. Mithilfe der Smart-Funktion Predictive User Mentions listen Jira und Confluence jene Kollegen auf, die in jeweilige Projekte involviert werden sollten. Diese Vorschläge basieren auf der regelmäßigen Zusammenarbeit mit bestimmten Personen im Unternehmen.
Predictive User Pickers schlagen auf Grundlage verschiedener, kontextualisierter Szenarien relevante Teamkollegen vor. Zum Beispiel lässt sich aufgrund historischer Daten ermitteln, wer einem neuen Projekt zugeteilt werden kann, da die Lösung weiß, wer in der Vergangenheit an ähnlichen Projekten gearbeitet hat.
3. Probleme schneller finden und beheben
IT-Mitarbeiter verbringen einen Großteil ihres Tages damit, Service Desk- und Support-Tickets zu bearbeiten, die sich häufig überschneidende Probleme aufweisen. Bei einer Vielzahl täglicher Anfragen kann die Suche nach und das Sortieren von ähnlichen Tickets wertvolle Zeit kosten. Deshalb braucht es eine Lösung, die ähnliche Anfragen vorausschauend in Clustern gruppiert. Neue Smart-Funktionen in Jira helfen dabei, diesen Prozess umfassend zu beschleunigen, damit mehr Zeit in die eigentliche Problemlösung investiert werden kann. Dieselbe prädiktive Technologie ist darüber hinaus in der Lage, sich ähnelnde Fehlerberichte (Bug Reports) zu clustern oder bestimmte Incidents mit passenden Tickets zu verbinden. Hierfür berechnet ein ML-Modell die Ähnlichkeit von Fehlerberichten oder Anfragen, basierend auf deren Zusammenfassung und Beschreibung.
"Der Erfolg unserer Kunden hat für uns höchste Priorität. Deshalb wollen wir, dass sie von intelligenten Machine-Learning-Prozessen profitieren, die die Zusammenarbeit in ihren Teams vorhersehbarer und sicherer machen", sagt Shihab Hamid, Head of Product, Teamwork Platform bei Atlassian.
