Samhammer

Omakase oder warum es beim Dispatching nicht immer KI sein muss

Man kennt das ja. Man geht Essen, entweder in ein neues Restaurant oder in ein Restaurant, das man schon kennt. Man studiert die Speisekarte, lässt sich noch die Tageskarte erklären und dann geht es los. Was isst man? Etwas, was man immer isst, etwas Vertrautes? Oder lässt man sich vielleicht auf etwas Neues ein, auch auf die Gefahr hin, dass es einem nicht schmeckt? Wäre es nicht schön, wenn der Koch immer gleich wüsste, welches das im Moment passendste Gericht für jemanden wäre? Wenn er intuitiv wüsste, welche Allergien ich habe, welche Dinge jemandem besonders schmecken, was vielleicht auch gerade, à la minute fertig ist?

Seit ein paar Jahren geistert der Begriff „Omakase" durch die deutsche und internationale Gastronomieszene. Der Begriff kommt aus dem Japanischen und bedeutet wörtlich übersetzt „Ich überlasse es Dir". Man begibt sich also in die Hände des Kochs, vertraut sich ihm an, setzt sich nicht der buchstäblichen Qual der Wahl aus, um dann vielleicht ein Gericht vorgesetzt zu bekommen, das einem gar nicht schmeckt.

Was das Ganze jetzt mit Service und Dispatching zu tun hat? Stellen Sie sich vor, die Gerichte auf der Speisekarte sind Incidents, die verteilt werden müssen, und die Gäste, für die die Gerichte ausgesucht werden, sind die Agenten, denen die Incidents zugeteilt werden.

Stellen Sie sich weiter vor, die Faktoren, nach denen ein Koch seinen Gästen Gerichte serviert - Geschmack, Verträglichkeit, Vorlieben und Wünsche etc. - wären die Faktoren, nach denen ein Incident verteilt werden kann oder muss - Dringlichkeit, Sprache, Eignung des Agenten usw.. Und das System verteilt die Incidents, genauso wie der Koch seine Gerichte.

Woher weiß nun das System, welche Incidents zu welchem Agenten passen? Nun, genauso wie ein guter Koch seine Gäste kennt und einschätzen kann, was sie mögen, so kennt auch das System alle relevanten Informationen, die es zum Verteilen der Incidents an den richtigen Agenten benötigt. Welche Sprache spricht der Agent? Wie gut kennt er sich in der Materie aus? Hat er vielleicht den Incident bereits einmal in Händen gehabt und bearbeitet und muss sich entsprechend nicht mehr in das spezifische Problem einarbeiten? Oder hat sich vielleicht in der Vergangenheit gezeigt, dass er für bestimmte Probleme nicht ausreichend qualifiziert ist? Wie dringend ist das Problem? Wie lange wartet der Kunde bereits auf eine Lösung?

Die Faktoren, die hier eine Rolle spielen, sind mannigfaltig. Um nun ein eindeutiges Ergebnis auf der Suche nach dem „besten Incident" zu erzielen, wird jedem einzelnen dieser Faktoren eine Gewichtung gegeben und das System rechnet nun diese Faktoren mit Hilfe eines Algorithmus gegeneinander auf. Der Incident mit der höchsten Summe an Gewichtungen wird dem Agenten nun zugeteilt, wobei für jeden Agenten der Incident mit der höchsten Gewichtung ein anderer sein kann oder sogar sein muss – jeder Agent ist ja schließlich auch anders. Der Agent erhält also immer den für ihn individuell zum jeweiligen Zeitpunkt passendsten Zeitpunkt. Ebenso wie, im besten Fall, jeder Gast das für ihn passendste Gericht vom Koch serviert bekommt...