Softwareportfolios sind komplexer geworden und die Nutzungsmuster in hybriden IT-Umgebungen haben sich verändert. Ein effektives Software Asset Management (SAM) erfordert heute mehr als traditionelle Tools und manuelle Prozesse. Um diese Probleme zu lösen, werden künstliche Intelligenz (KI) und maschinelles Lernen (ML) jetzt auf SAM angewendet, um die Genauigkeit zu verbessern, den Arbeitsaufwand zu verringern und datengesteuerte Entscheidungen zu unterstützen.
Auf der IAITAM ACE 2025, David Boyle, Partnerschaftsmanager bei Open iT, den Vortrag "Optimierung des Software Asset Management mit KI und maschinellem Lernen" in Mesina 1, The M Resort, Las Vegas, NV, am 23. April 2025, von 11:15 bis 12:15 Uhr.
Diese technische Sitzung wird sich damit befassen, wie fortschrittliche KI und ML die SAM-Praktiken in realen Unternehmensumgebungen umgestalten.
Die Rolle von KI und ML in der modernen SAM
Da sich die Lizenzmodelle weiterentwickeln und die Softwarenutzung immer schwieriger nachzuverfolgen ist - insbesondere bei Cloud- und Hybrid-Implementierungen - verlassen sich SAM-Experten zunehmend auf Data-Science-Techniken, um die Transparenz und Kontrolle zu verbessern. KI und ML bieten eine Möglichkeit, von reaktiven Compliance-Berichten zu proaktiver Lizenzoptimierung und -prognose überzugehen.
David Boyle wird in seinem Vortrag die praktischen Anwendungen von KI und ML in der SAM aufschlüsseln und aufzeigen, wie diese Technologien in bestehende Systeme und Prozesse integriert werden können, um die Genauigkeit und Entscheidungsfindung zu verbessern. Die Präsentation konzentriert sich auf drei zentrale technische Ergebnisse:
1. Identifizierung und Neuzuweisung unzureichend genutzter Lizenzen
Eine Kernfunktion von KI in SAM ist die Fähigkeit, große Mengen an Nutzungsdaten aus verschiedenen Quellen zu verarbeiten und zu korrelieren - Lizenzmanager, Protokolle des Endbenutzerverhaltens, Cloud-Dashboards und Tools zur Anwendungsmessung. Durch fortschrittliche Algorithmen zur Mustererkennung und Clusterbildung kann KI Lizenzen identifizieren, die chronisch nicht ausgelastet oder völlig inaktiv sind.
Diese Erkenntnisse ermöglichen präzise Umverteilungsstrategien. Anstatt breit angelegte Lizenzreduzierungen vorzunehmen, die zu Betriebsunterbrechungen führen könnten, können Unternehmen ihre Bestände auf der Grundlage der tatsächlichen Verbrauchstrends gezielt stilllegen oder neu zuweisen. Dies ermöglicht eine kontinuierliche Optimierung der Softwarelizenzen bei gleichzeitiger Wahrung der Compliance und Verfügbarkeit.
2. Verbesserung der Budgetierung und Nachfrageprognose
Die Budgetprognose in SAM stützt sich traditionell auf historische Verbrauchsberichte und Schätzungen von Interessengruppen. Diese Ansätze sind jedoch aufgrund von fragmentierten Daten und unvorhersehbarem Nutzerverhalten oft nur begrenzt genau. Maschinelles Lernen überwindet diese Einschränkungen, indem es verborgene Trends und saisonale Schwankungen in der Lizenznutzung aufdeckt, die durch Standardanalysen nicht erkennbar sind.
ML-Systeme können den Lizenzbedarf über Abteilungen und Zeithorizonte hinweg mit hoher Granularität vorhersagen. Dies ermöglicht eine zuverlässigere Beschaffungsplanung, erleichtert kostensparende Verhandlungen bei Verlängerungen und verringert das Risiko einer Über- oder Unterversorgung mit wichtigen Tools.
Darüber hinaus kann ML externe Variablen wie Projektzeitpläne, Personalfluktuationen oder Ereignisse im Softwarelebenszyklus berücksichtigen und so die Vorhersagegenauigkeit weiter verbessern.
3. Reduzierung des manuellen Aufwands durch Automatisierung
Routinemäßige Compliance-Aufgaben wie der Lizenzabgleich, die Vorbereitung von Audits und die Durchsetzung von Richtlinien erfordern traditionell einen hohen menschlichen Aufwand und sind anfällig für Fehler oder Verzögerungen. KI führt eine skalierbare Automatisierung dieser Arbeitsabläufe ein und reduziert den manuellen Aufwand drastisch.
So können Modelle für die Verarbeitung natürlicher Sprache (NLP) komplexe Lizenzvereinbarungen interpretieren und mit Nutzungsprotokollen abgleichen, um die Einhaltung von Vorschriften sicherzustellen. KI kann auch das Sammeln von Lizenzen automatisieren, d. h. inaktive Lizenzen ohne administrative Eingriffe identifizieren und zurückfordern.
Durch die Automatisierung dieser zeitintensiven Prozesse können sich SAM- und ITAM-Experten auf hochwertige Initiativen wie die Optimierung des Software-Lebenszyklus, die Anbieterstrategie und die Ausrichtung auf die digitale Transformation konzentrieren.
Besuchen Sie David Boyle auf der IAITAM ACE 2025
David Boyle verfügt über umfassende Erfahrung in der Zusammenarbeit mit globalen Unternehmen, um die Transparenz der Softwarenutzung zu verbessern und die optimale Zuweisung hochwertiger Entwicklungs- und Unternehmenssoftware sicherzustellen. Bei Open iT konzentriert er sich auf Partnerschaften und Integrationsstrategien, die sich an aufkommenden Technologien orientieren, einschließlich KI und Cloud-native Analysen.
Sein Vortrag basiert auf realen Implementierungsszenarien und richtet sich an Praktiker, die einen stärker datengesteuerten Ansatz für die Verwaltung von Software-Assets in großem Umfang verfolgen möchten. Die Teilnehmer der Sitzung von David Boyle können einen praktischen Überblick über KI/ML-Anwendungen in SAM erwarten, zusammen mit Beispielen für Integrationsstrategien und Erfahrungen aus realen Implementierungen.
Besuchen Sie David Boyle am 23. April 2025 von 11:15 bis 12:15 Uhr im Messina 1, The M Resort, Las Vegas, und erfahren Sie, wie KI und maschinelles Lernen das Software Asset Management neu gestalten.
Schauen Sie am Stand Nr. 42 vorbei, um sich mit dem Open iT-Team auszutauschen und zu erfahren, wie datengestützte Einblicke in die Lizenznutzung eine bessere Kostenkontrolle, mehr Transparenz und strategischere SAM-Entscheidungen unterstützen können, insbesondere in den zunehmend komplexen IT-Umgebungen von heute. Wir freuen uns auf die Diskussionen auf der IAITAM ACE 2025
