ServiceNow vertieft OpenAI-Integration in die Now Platform: Was die neue Enterprise-AI-Partnerschaft für Unternehmen bedeutet

Die heute angekündigte erweiterte Zusammenarbeit zwischen ServiceNow und OpenAI markiert einen Wendepunkt für Enterprise-AI-Architekturen. Frontier-Modelle von OpenAI – inklusive Speech‑to‑Speech‑ und Voice-Funktionen – werden als bevorzugte Intelligenzschicht direkt in die ServiceNow AI Platform und die Now Platform eingebettet. Für Unternehmen heißt das: weniger Eigenbau-Integrationen, mehr vorintegrierte agentische KI entlang bestehender Workflows – und zugleich neue Abhängigkeiten, Governance-Herausforderungen und Kostenfragen.

Dieser Artikel beleuchtet, was genau vereinbart wurde, wie sich die Architektur der Now Platform verändert, welche Chancen und Risiken sich für IT, Fachbereiche und Governance ergeben – und welche Entscheidungen Unternehmen jetzt vorbereiten sollten.

1. Kontext: Was wurde zwischen ServiceNow und OpenAI vereinbart?

1.1 Kernelemente der neuen Partnerschaft

Die am 20. Januar 2026 veröffentlichte Vereinbarung zwischen ServiceNow und OpenAI umfasst im Kern:

• Mehrjährige strategische Kooperation: OpenAI-Modelle werden als bevorzugte Intelligenzfunktion für Enterprise-Kunden positioniert, die ihre Workflows auf der ServiceNow AI Platform betreiben.

• Direkte Einbettung von Frontier-Modellen: Aktuelle OpenAI-Modelle – inklusive multimodaler und Computer-Use-Funktionen – werden ohne individuelle Sonderentwicklungen in die ServiceNow-Workflows integriert.

• Speech‑to‑Speech und native Voice-Technologie: ServiceNow baut auf Basis von OpenAI-Modellen eigene Sprachagenten, die in Echtzeit zuhören, verstehen, schlussfolgern und antworten können – ohne den Umweg über Text.

• Co-Innovation auf Engineering-Ebene: Teams von OpenAI und ServiceNow entwickeln gemeinsame, domänenspezifische Lösungen, die direkt in ServiceNow-Produkte einfließen (z.B. ITSM, CSM, HR Service Delivery).

• Rolle im AI Control Tower: OpenAI-Modelle werden explizit in die Governance- und Orchestrierungsebene der ServiceNow AI Platform eingebettet, inklusive Monitoring, Policy-Steuerung und Audits.

1.2 Einordnung in die Entwicklung der ServiceNow AI Platform

Bereits 2025 hatte ServiceNow die ServiceNow AI Platform als Schicht vorgestellt, die „Any AI, Any Agent, Any Model“ orchestrieren soll. Die jetzt vertiefte OpenAI-Integration verschiebt jedoch das Gleichgewicht:

• OpenAI wird vom „einen Anbieter unter vielen“ zu einem bevorzugten Standard-Baustein.

• Voice-first-Interaktionen und agentische KI (AI Agents, die eigenständig Aktionen über Systeme hinweg ausführen) werden in den Vordergrund gerückt.

• Die Plattform-Architektur verdichtet sich stärker zu einem „AI Control Tower“, in dem ServiceNow nicht nur Workflows, sondern auch die Nutzung der Modelle selbst kontrolliert.

Für Unternehmen entsteht damit ein attraktiver, aber stark kuratierter „One-Stop-Stack“ für KI-gestützte Serviceprozesse.

2. Was ändert sich technisch in der Now Platform?

2.1 Von Chatbots zu agentischen KI-Workflows

Bisherige GenAI-Nutzung in ServiceNow konzentrierte sich stark auf:

• Textgenerierung (Tickets, Zusammenfassungen, Knowledge Articles)

• Klassifikation und Routing (Priorisierung, Zuweisung)

• Such- und Q&A-Funktionen über Unternehmenswissen

Mit der vertieften OpenAI-Integration rückt nun eine neue Klasse von Automatisierung in den Fokus:

• Computer-Use-Modelle: KI-Agenten können selbstständig in GUIs und Tools „klicken“, Felder ausfüllen oder Aktionen ausführen, als wären sie menschliche Mitarbeitende.

• End-to-End-Orchestrierung: Ein Voice-Agent kann ein Problem verstehen, die Ursache ermitteln, notwendige Systeme ansteuern (z.B. Legacy-Mainframe, E-Mail, Collaboration-Tools) und die Lösung ausführen – ohne manuelle Übergabe.

• Mehrstufige Reasoning-Chains: Komplexe Workflows (z.B. Störungsanalyse, Berechtigungsprozesse, Eskalationen) werden als sequenzielle oder parallele Agentenketten modelliert.

Damit öffnet sich die Tür zu einem Betrieb, in dem Tickets nicht nur automatisch erstellt, sondern auch weitgehend automatisch gelöst werden.

2.2 Speech‑to‑Speech als „Engagement Layer“

Ein zentrales neues Element ist die direkte Sprach-zu-Sprach-Fähigkeit:

• Benutzer sprechen in ihrer jeweiligen Sprache mit einem ServiceNow-Agenten.

• Das System hört zu, versteht, plant die nächsten Schritte und antwortet wieder in der gewünschten Sprache – ohne wahrnehmbaren Medienbruch.

• Parallel dazu werden im Hintergrund Workflows angestoßen: Cases werden eröffnet, Genehmigungen angestoßen, Assets geprüft, Policies evaluiert.

Für Unternehmen bedeutet das:

• Wegfall starrer IVR-Menüs im Contact Center zugunsten natürlicher Dialoge.

• Bessere Mehrsprachigkeit ohne separate Übersetzungs-Stacks.

• Neue Anforderungen an Datenschutz bei Sprachaufzeichnungen (z.B. Audio-Retention, Pseudonymisierung, Löschkonzepte).

2.3 AI Control Tower und Modell-Governance

Mit der AI Platform hatte ServiceNow bereits Governance-Funktionen eingeführt; die OpenAI-Integration verschärft deren Bedeutung:

• Zentraler Überblick, welche Workflows welche Modelle verwenden (inkl. OpenAI-Frontier-Modelle).

• Policy-Enforcement: z.B. welche Daten in Prompts einfließen dürfen, welche Regionen/Endpoints genutzt werden, welche Antworttypen erlaubt sind.

• Messbarkeit von AI-Outcome: Zeit bis zur Lösung, Automatisierungsgrad, Fehlerraten von Agenten.

In Kombination mit OpenAI-Frontier-Modellen wird der Control Tower zu einem entscheidenden Werkzeug für Compliance, Kostensteuerung und Risiko-Management.

3. Chancen für Unternehmen

3.1 Beschleunigte Time-to-Value statt Eigenbau-Integrationen

Der offensichtlichste Vorteil:

• Unternehmen müssen nicht mehr eigenständig LLM-Integration in ITSM-, HR- oder CSM-Prozesse entwickeln.

• Statt Custom-Konnektoren, eigenem Prompting-Layer und separaten Monitoring-Lösungen erhalten sie vorkonfigurierte, produktionsreife AI-Funktionen direkt in ServiceNow.

Beispiele:

• Ein globaler Konzern kann binnen Wochen einen Voice-basierten IT-Helpdesk in mehreren Sprachen bereitstellen, ohne dedizierte Teams für Spracherkennung, NLU und Bot-Orchestrierung aufbauen zu müssen.

• Ein Shared-Service-Center für HR kann Standardanfragen (Urlaub, Bescheinigungen, Vertragsfragen) mit generativen Agenten beantworten und nur komplexe Fälle an HR-Spezialisten übergeben.

3.2 Höherer Automatisierungsgrad in bestehenden Workflows

Die Kombination aus Workflow-Engine, Konfigurationsdaten (CMDB) und Frontier-Modellen ermöglicht:

• Mehr Autonomie: Agenten, die nicht nur vorschlagen, sondern eigenständig handeln (z.B. Neustart eines Servers, Anlage eines Benutzerkontos, Änderung einer Berechtigung innerhalb fest definierter Guardrails).

• Granularere Automatisierungs-Pfade: statt einfacher If-Then-Regeln können Agenten situativ entscheiden, welche Daten zu prüfen sind, welche Systeme zu kontaktieren sind und wann eine menschliche Eskalation nötig ist.

Das Resultat ist ein messbar höherer Automatisierungsgrad, insbesondere in hochvolumigen, standardisierbaren Prozessen.

3.3 Vereinheitlichte AI-Strategie über IT, HR und Kundenservice hinweg

Weil ServiceNow in vielen Unternehmen bereits Querschnittsplattform für Serviceprozesse ist, kann die vertiefte OpenAI-Integration helfen, Silos in der AI-Strategie zu vermeiden:

• Ein zentraler Governance-Rahmen für AI in Service-Prozessen

• Einheitliche Rollen (z.B. „AI Product Owner ServiceNow“ statt dutzender isolierter Bot-Teams)

• Gemeinsame Messgrößen (Time-to-Resolution, Deflection-Rate, Automatisierungsquote, CSAT/NPS)

Das reduziert Komplexität, Doppelaufwände und widersprüchliche Policy-Umsetzungen zwischen einzelnen Bereichen.

4. Risiken und Abhängigkeiten

4.1 Vendor Lock-in und Konzentrationsrisiko

Die Kehrseite der vertieften Integration:

• Unternehmen koppeln sich noch stärker an zwei proprietäre Stacks – ServiceNow und OpenAI.

• Alternativ-Modelle (Open Source, europäische Anbieter, branchenspezifische Modelle) sind zwar technisch integrierbar, werden aber nicht denselben „First-Class-Status“ wie OpenAI-Modelle haben.

Konsequenzen:

• Geringere Verhandlungsmacht in Preis- und Vertragsfragen.

• Erschwerte Multi-Cloud- oder Multi-Model-Strategien, wenn kritische Workflows tief an OpenAI-Modelle gebunden sind.

Empfehlung aus Governance-Sicht:

• Frühzeitig eine Exit-Strategie und technische Abstraktionsschicht definieren (z.B. Nutzung der AI Control Tower Policies, klare Trennung von Workflow-Logik und Modellwahl, Dokumentation kritischer Prompts und Agenten-Logiken).

4.2 Datenschutz, Datenresidenz und Compliance

Mit Speech‑to‑Speech- und multimodalen Funktionen steigen die Anforderungen in Bezug auf:

• Art der verarbeiteten Daten: Sprache, ggf. Emotionen, Umgebungsgeräusche, Bildschirme.

• Übertragungswege: Welche Daten werden an OpenAI gesendet, wie werden sie pseudonymisiert oder minimiert?

• Rechtliche Rahmenbedingungen: EU-DSGVO, nationale Datenschutzaufsichten, kommende AI-Regulierungen.

Unternehmen müssen klären:

• Welche Datenkategorien in Prompts enthalten sein dürfen (z.B. keine Gesundheitsdaten, restriktiver Umgang mit personenbezogenen Daten von Mitarbeitenden und Kunden).

• Welche Regionen/Endpoints genutzt werden (EU-Datenräume, Datenspeicherorte, Logging-Strategien).

• Wie Aufbewahrungsfristen, Löschung und Auskunftsrechte im Zusammenspiel von ServiceNow-Instanz und OpenAI verarbeitet werden.

4.3 Kostensteuerung und „AI Sprawl“

Durch die Niedrigschwelligkeit der Integration steigt die Gefahr eines unkontrollierten Ausbaus:

• Fachbereiche aktivieren neue AI-Funktionen in großem Umfang.

• Workflows wachsen organisch, ohne einheitliches Kosten- und Nutzencontrolling.

Mögliche Auswirkungen:

• Unerwartet hohe Modell-Nutzungskosten.

• Schwierigkeiten, ROI einzelner AI-Funktionen transparent nachzuweisen.

Gegenmaßnahmen:

• Nutzung der AI Control Tower-Metriken zur Verrechnung an Fachbereiche.

• Einführung von Budget- und Quotenmodellen für AI-Nutzung (z.B. Kostenstellen-basierte Abrechnung, Limits für bestimmte Agenten).

5. Praxisbeispiele und Szenarien

5.1 IT-Service-Management (ITSM)

Ausgangslage: Ein internationaler Konzern mit tausenden IT-Tickets pro Tag, heterogener Landschaft aus Legacy-Systemen und modernen SaaS-Diensten.

Mit der neuen Integration:

• Mitarbeitende rufen eine Voice-Hotline an oder nutzen einen Voice-Button im Collaboration-Tool.

• Ein Speech‑to‑Speech-Agent erfasst das Problem („Mein VPN funktioniert nicht“), stellt Rückfragen und öffnet im Hintergrund ein Incident in ServiceNow.

• Der Agent greift auf die CMDB zu, erkennt, welche Komponenten betroffen sein könnten, startet automatisiert Diagnoseschritte (Ping, Log-Analyse, Policy-Check).

• Falls die Abhängigkeiten klar sind, löst er die Störung eigenständig (z.B. Policy neu anwenden, Account re-synchronisieren) und informiert den User über den Abschluss – ohne menschliches Eingreifen.

Nutzen:

• Reduktion der First-Level-Tickets um einen signifikanten Anteil.

• Kürzere Mean Time to Resolution (MTTR).

• Bessere User Experience durch natürlichen Dialog.

5.2 HR Shared Services

Ausgangslage: Hohe Volumina an Standardanfragen (Urlaub, Elternzeit, Benefits, Zeugnisse) in mehreren Sprachen.

Mit der neuen Integration:

• Mitarbeitende stellen ihre Fragen per Sprache oder Chat.

• Der HR-Agent versteht Kontext (Region, Rolle, Arbeitszeitmodell) und greift auf HR-Wissensdatenbank und Policy-Dokumente zu.

• Basierend auf OpenAI-Frontier-Modellen generiert er konkrete Antworten und leitet bei Bedarf automatisierte Workflows ein (z.B. Genehmigungsprozess, Erstellung von Dokumenten).

Nutzen:

• Skalierbare 24/7-Betreuung in mehreren Sprachen.

• Entlastung der HR-Teams von repetitiven Aufgaben.

5.3 Kundenservice und Field Service

Ausgangslage: Unternehmen mit komplexen Produkten, Techniker-Teams im Feld und unterschiedlichen Service-Level-Verträgen.

Mit der neuen Integration:

• Kunden schildern ihr Problem über Voice oder Chat; der Agent verbindet Produktdaten, Wissensartikel und Vertragsinformationen.

• Der Agent schlägt konkrete Schritte zur Selbsthilfe vor und kann – falls erfolglos – automatisch einen Field-Service-Einsatz planen, passende Skills auswählen und Materialverfügbarkeit prüfen.

• Für Techniker im Feld stehen generative Assistenten bereit, die auf Basis von Fotos, Beschreibungen und Historie konkrete Reparaturvorschläge machen.

Nutzen:

• Höhere First Contact Resolution Rate.

• Kürzere Vor-Ort-Einsatzzeiten.

• Besser planbare Ressourcenauslastung.

6. Geschäftliche Relevanz: Was Unternehmen jetzt tun sollten

6.1 Strategische Standortbestimmung

Führungskräfte sollten zeitnah eine Standortbestimmung entlang dreier Dimensionen durchführen:

1. Plattform-Strategie: Welche kritischen Serviceprozesse liegen heute schon auf ServiceNow, welche sollen in den nächsten 12–24 Monaten folgen?

2. AI-Reifegrad: Wo steht das Unternehmen beim Einsatz von GenAI (Pilot, begrenzter produktiver Einsatz, skalierter Roll-out)?

3. Governance und Compliance: Welche Richtlinien, Gremien und Kontrollmechanismen existieren bereits für AI-Nutzung?

Auf dieser Basis lässt sich bewerten, ob die tiefere OpenAI-Integration als Beschleuniger genutzt werden kann – oder zunächst Governance-Hausaufgaben zu erledigen sind.

6.2 Zielarchitektur und Modell-Strategie definieren

Unternehmen sollten eine Zielarchitektur formulieren, in der klar adressiert ist:

• Welche Rolle die ServiceNow AI Platform und der AI Control Tower in der Gesamt-AI-Landschaft spielen.

• In welchen Domänen OpenAI-Modelle bevorzugt werden und wo Alternativen (Open Source, europäische Modelle, Spezialanbieter) erforderlich sind.

• Wie Modellvielfalt mit der tiefen Integration in ServiceNow technisch und organisatorisch vereinbart werden kann.

Empfehlenswert ist ein „AI Reference Blueprint“, der u.a. enthält:

• Datenflüsse (Input/Output, Anreicherung, Maskierung)

• Modell-Zuordnung zu Use Cases

• Governance-Mechanismen (Freigabeprozesse, Risiko-Klassifizierung, Monitoring-Konzept)

6.3 Governance, Risiko und Compliance proaktiv stärken

Konkrete Schritte:

• Einrichtung oder Stärkung eines AI Governance Boards mit Vertretern aus IT, Fachbereichen, Datenschutz, Compliance, HR und Betriebsrat.

• Definition von Richtlinien für Prompts und Trainingsdaten – insbesondere, welche Arten von Inhalten nicht an externe Modelle gesendet werden dürfen.

• Nutzung der geplanten AI Control Tower-Funktionen für Protokollierung, Audit-Trails und Zugriffssteuerung.

6.4 Pilotprojekte fokussiert auswählen

Anstatt „AI überall“, empfiehlt sich ein fokussierter Start mit 2–3 klar messbaren Szenarien, etwa:

• Voice-basierter IT-Helpdesk mit definierten Automatisierungszielen.

• HR-FAQ-Agent für einen begrenzten Mitarbeiterkreis in mehreren Sprachen.

• Kundenservice-Agent für ein spezifisches Produktsegment mit klar abgegrenzten Prozessen.

Für jeden Pilot sollte es klare KPIs geben (z.B. Automatisierungsrate, Zeitersparnis, CSAT) und einen Plan für Skalierung oder Rückbau.

6.5 Kompetenzen und Organisation anpassen

Mit agentischer KI verändern sich Rollenbilder:

• ServiceNow-Admins entwickeln sich zu AI-Orchestratoren, die Agenten-Logiken, Guardrails und Monitoring aufsetzen.

• Fachbereiche werden stärker in die Gestaltung von AI-Policies eingebunden.

• Data & AI-Teams müssen Fähigkeiten für Prompt-Engineering, Evaluierung und Alignment aufbauen.

Unternehmen sollten gezielt in Up- und Reskilling investieren und klare Verantwortlichkeiten definieren.

7. Fazit: Was Entscheider mitnehmen sollten

Die vertiefte OpenAI-Integration in die ServiceNow AI Platform ist kein reines Produkt-Update, sondern eine strategische Weichenstellung für Enterprise-Automatisierung. Sie verschiebt den Schwerpunkt von „Chatbots über Tickets“ zu agentischer KI, die komplexe Serviceprozesse Ende-zu-Ende ausführt – mit allen Chancen und Risiken, die damit verbunden sind.

Wesentliche Takeaways:

• ServiceNow + OpenAI werden zum integrierten AI-Stack für Enterprise-Workflows – mit Frontier-Modellen, Voice-first-Funktionen und Computer-Use-Modellen tief im Now-Ökosystem.

• Time-to-Value sinkt, da Unternehmen vorintegrierte AI-Funktionen nutzen können, statt selbst komplexe LLM-Integrationen für ITSM, HR und CSM zu bauen.

• Vendor Lock-in und Abhängigkeiten steigen; eine klare Zielarchitektur, Multi-Model-Strategie und Exit-Optionen sind essenziell.

• Datenschutz, Compliance und Kostenkontrolle gewinnen an Bedeutung, insbesondere bei Speech‑to‑Speech und agentischer Automatisierung.

• Konzentrierte, messbare Pilotprojekte und ein robuster Governance-Rahmen sind der sinnvollste Weg, das Potenzial der neuen Partnerschaft zu heben, ohne Kontrollverlust zu riskieren.

Häufig gestellte Fragen (FAQ)

Was bedeutet die vertiefte Partnerschaft zwischen ServiceNow und OpenAI für Unternehmen konkret?

Die erweiterte Partnerschaft macht OpenAI-Frontier-Modelle zur bevorzugten Intelligenzschicht in der ServiceNow AI Platform und der Now Platform. Unternehmen erhalten damit vorintegrierte, produktionsreife KI-Funktionen für ITSM, HR und Kundenservice – müssen sich aber stärker mit Governance, Abhängigkeiten und Kostensteuerung auseinandersetzen.

Wie verändert sich die technische Architektur der Now Platform durch die OpenAI-Integration?

Die Now Platform entwickelt sich von klassischen Chatbots hin zu agentischen KI-Workflows, die eigenständig Aktionen in Systemen ausführen können. Computer-Use-Modelle, mehrstufige Reasoning-Chains und ein zentraler AI Control Tower ermöglichen End-to-End-Automatisierung über mehrere Systeme und Kanäle hinweg.

Welche Rolle spielt Speech‑to‑Speech in der neuen ServiceNow–OpenAI-Architektur?

Speech‑to‑Speech fungiert als neuer Engagement Layer, über den Nutzer per natürlicher Sprache mit ServiceNow-Agenten interagieren. Anfragen werden in Echtzeit verstanden, verarbeitet und beantwortet, während im Hintergrund automatisch Workflows angestoßen werden, was IVR-Menüs und starre Dialogbäume weitgehend ablösen kann.

Welche Chancen bietet die Integration von OpenAI in ServiceNow für IT, HR und Kundenservice?

Die Kombination aus ServiceNow-Workflows, CMDB-Daten und OpenAI-Frontier-Modellen ermöglicht einen deutlich höheren Automatisierungsgrad in Standardprozessen. Fachbereiche profitieren von schnellerer Time-to-Value, besserer Skalierbarkeit, 24/7-Services in mehreren Sprachen und einer einheitlichen AI-Strategie über alle Servicebereiche hinweg.

Welche Risiken und Abhängigkeiten entstehen durch die Nutzung von ServiceNow und OpenAI als integriertem AI-Stack?

Unternehmen laufen Gefahr, sich stark an zwei proprietäre Stacks zu binden und damit Vendor Lock-in und geringere Verhandlungsmacht in Kauf zu nehmen. Zudem steigen Anforderungen an Datenschutz, Datenresidenz, Compliance und Kostenkontrolle, insbesondere bei Sprachdaten und multimodalen Anwendungsfällen.

Was unterscheidet die neue agentische KI in ServiceNow von bisherigen Chatbot-Ansätzen?

Frühere Chatbots beschränkten sich meist auf Textgenerierung, Klassifikation und einfache Q&A-Funktionen. Die neue agentische KI kann hingegen eigenständig in GUIs agieren, Systeme orchestrieren, mehrstufige Entscheidungen treffen und Störungen oder Anfragen weitgehend ohne menschliches Eingreifen Ende-zu-Ende bearbeiten.

Welche konkreten Schritte sollten Unternehmen jetzt im Umgang mit der ServiceNow–OpenAI-Partnerschaft unternehmen?

Unternehmen sollten zunächst ihre Plattform- und AI-Strategie, den Governance-Reifegrad und die Rolle von ServiceNow in der Zielarchitektur klären. Darauf aufbauend empfiehlt sich ein AI Reference Blueprint, der Modellstrategie und Datenflüsse definiert, der Aufbau eines AI Governance Boards sowie fokussierte Pilotprojekte mit klaren KPIs in ITSM, HR oder Kundenservice.