Sie sind hier: Startseite » Markt » Tipps und Hinweise

AIOps-Ansatz liefert klare Vorteile


AIOps: Warum wir künstliche Intelligenz im IT-Betrieb brauchen
Cloud-Infrastrukturen, Serverless und Edge Computing sind nur einige Beispiele für neue Technologien, die die IT-Landschaften komplizierter machen


Über Fehler in ihrem IT-Betrieb erfahren Unternehmen heute meist dadurch, dass sich Kunden über Probleme beschweren. Eine Umfrage von AppDynamics hat ergeben, dass 58 Prozent der IT-Teams durch Anrufe oder Kunden-E-Mails über Fehlfunktionen informiert werden. Führungskräfte oder andere Mitarbeiter außerhalb der IT entdecken 55 Prozent der bekannten Probleme. 38 Prozent werden durch User Posts in sozialen Netzwerken aufgedeckt.

Natürlich wäre es für alle Beteiligten besser, wenn Unternehmen Fehler finden, bevor sich Kunden beschweren, oder sogar strukturelle Probleme so früh erkennen, dass Fehler gar nicht erst auftreten. Die enorme Komplexität heutiger Systeme und Infrastrukturen erlaubt das, zumindest auf konventionellen Wegen, nicht mehr. In einem vergleichsweise einfachen technischen System, wie einer Dampfmaschine, kann ein guter Maschinist durch regelmäßige Wartung für einen reibungslosen Betrieb sorgen. Er weiß, wo er seine Maschine schmieren muss, welche Belastungen er ihr zumuten kann und wann es Zeit wird, Verschleißteile auszutauschen. In modernen digitalen Systemen können Menschen dieses Verständnis nicht mehr erreichen.

Jede Geschäftstransaktion basiert heute auf einer immensen Zahl an Abhängigkeiten. Cloud-Infrastrukturen, Serverless und Edge Computing sind nur einige Beispiele für neue Technologien, die die IT-Landschaften komplizierter machen. Dazu kommen immer schnellere Release-Zyklen durch DevOps, immer mehr mobile Geräte und ein exponentielles Datenwachstum im Allgemeinen.

Technologie ist nicht das Problem, sondern die Lösung
Die technologische Entwicklung können und wollen wir nicht zurückdrehen. Kaum jemand möchte zurück ins Dampfzeitalter, oder wieder mit Windows 98 arbeiten. Es geht nun darum, dass wir der Komplexität im IT-Betrieb mit neunen Technologien begegnen. Dreh- und Angelpunkt des Komplexitätsproblems ist die Datenflut, vor der menschliche Analysten kapitulieren. Auch konventionelle Monitoring-Tools schaffen nur bedingt Abhilfe, da sie nur reaktives Eingreifen erlauben und von Mitarbeitern immer wieder an veränderte Situationen angepasst werden müssen.

Mit selbstlernenden Algorithmen und automatisierter Mustererkennung auf Basis künstlicher neuronaler Netze können wir heute Machine Learning realisieren. Dabei werden Daten automatisch ausgewertet, in einer Geschwindigkeit, die früher unvorstellbar schien. Diese, allgemein als Anwendungsbereich künstlicher Intelligenz charakterisierte Technologie erlaubt es außerdem, aus der Analyse großer Datenmengen belastbare Vorhersagen abzuleiten.

Künstliche Intelligenz für den IT-Betrieb (AIOps) ist die Zukunft
Mit traditionellen Methoden kann man in modernen Systemen nur Symptome verfolgen. Innovative Lösungen, wie die Cognition Engine von AppDynamics, sind dagegen in der Lage, automatisch mögliche Ursachen zu identifizieren. Das kommt einer 180-Gradwende im Application Performance Management gleich. Eine Anomalieerkennung, die auf dynamisch ermittelten Schwellenwerten (Dynamic Baselining) basiert, erkennt Probleme wesentlich schneller als traditionelle Systeme und macht eine Benutzerkonfiguration überflüssig, da sie sich im Betrieb selbst trainiert. Auch die Ursachenanalyse wird wesentlich vereinfacht. So kann das System anhand maschinell erlernter Korrelationen vom Normalzustand abweichende Kennzahlen selbstständig isolieren.

Der AIOps-Ansatz liefert Unternehmen klare Vorteile:

1. Transparenz
Die Zusammenhänge in komplexen Systemen werden verständlich. Mitarbeiter sehen in Echtzeit, wie Anwendungen performen und was im Netzwerk geschieht. Das sorgt für eine bessere Zusammenarbeit von Netzwerk- und Anwendungs-Teams.

2. Insights
Die Ursachen und Hintergründe von Problemen werden, über die Symptome hinaus, sichtbar. Das ermöglicht fundiertere datenbasierte Entscheidungen.

3. Automatisierte Aktionen
Zu AIOps gehört auch eine automatisierte Fehlerbehebung, das reicht von einfachen Benachrichtigungen, über das Ausführen von Korrektur-Scripten, bis zur selbstständigen Einrichtung einer neuen Netzwerkrichtlinie.

Fazit
Anwendungen, die aus immer komplexerem Code bestehen, laufen in immer komplexeren Netzwerken. Für Menschen ist es schlicht nicht mehr möglich, alle diese Strukturen und die riesigen Datenmengen zu überblicken, weshalb Problemlösung im IT-Betrieb leider oft Behandlung von Symptomen, statt tiefgehender Fehleranalyse bedeutet. AIOps liefert IT-Teams die Analysekapazitäten, die sie brauchen um den Durchblick zu behalten. Intelligente Mustererkennung erlaubt es sogar, Fehler zu identifizieren, bevor diese zu Problemen führen.
(AppDynamics: ra)

eingetragen: 15.03.19
Newsletterlauf: 25.03.19

AppDynamics: Kontakt und Steckbrief

Der Informationsanbieter hat seinen Kontakt leider noch nicht freigeschaltet.


Meldungen: Tipps und Hinweise

  • Wie sich Teamarbeit im KI-Zeitalter verändert

    Liefertermine wackeln, Teams arbeiten unter Dauerlast, Know-how verschwindet in der Rente: In vielen Industrieunternehmen gehört der Ausnahmezustand zum Betriebsalltag. Gleichzeitig soll die Zusammenarbeit in Produktion, Qualitätskontrolle und Wartung immer schneller, präziser und vernetzter werden. Wie das KI-gestützt gelingen kann, zeigt der Softwarehersteller Augmentir an sechs konkreten Praxisbeispielen.

  • Vom Workaround zum Schatten-Account

    Um Aufgaben im Arbeitsalltag schneller und effektiver zu erfüllen, ist die Suche nach Abkürzungen Gang und Gebe. In Kombination mit dem technologischen Fortschritt erreicht die Effizienz menschlicher Arbeit so immer neue Höhen und das bringt Unternehmen unwissentlich in eine Zwickmühle: Die zwischen Sicherheit und Produktivität. Wenn ein Mitarbeiter einen Weg findet, seine Arbeit schneller oder besser zu erledigen, die Bearbeitung von Zugriffsanfragen durch die IT-Abteilung aber zu lange dauert oder zu kompliziert ist, dann finden Mitarbeiter oftmals "kreative" Lösungen, um trotzdem weiterarbeiten zu können. Diese "Workarounds" entstehen selten aus böser Absicht. Allerdings stellen sie gravierende Sicherheitslücken dar, denen sich viele Beschäftigte und Führungskräfte nicht bewusst sind.

  • KI in der Cloud sicher nutzen

    Keine Technologie hat die menschliche Arbeit so schnell und weitreichend verändert wie Künstliche Intelligenz. Dabei gibt es bei der Integration in Unternehmensprozesse derzeit keine Tür, die man KI-basierter Technologie nicht aufhält. Mit einer wachsenden Anzahl von KI-Agenten, LLMs und KI-basierter Software gibt es für jedes Problem einen Anwendungsfall. Die Cloud ist mit ihrer immensen Rechenleistung und Skalierbarkeit ein Motor dieser Veränderung und Grundlage für die KI-Bereitstellung.

  • Clever skalieren auf Basis bestehender Strukturen

    Da Generative AI zunehmend Teil unseres Alltags wird, befinden wir uns in einer KI-Phase, die sich durch außerordentliche Fähigkeiten und enormen Konsum auszeichnet. Was anfangs auf einer theoretischen Ebene stattgefunden hat, ist inzwischen messbar - und zwar bis zur kleinsten Einheit. Aktuelle Untersuchungen von Mistral AI und Google deuten darauf hin, dass die Folgen einer einzigen Interaktion vernachlässigbar sind: Bruchteile eines Watts, einige Tropfen Wasser und ein Kohlenstoffausstoß, der etwa dem entspricht, was beim Streamen eines Videos unter einer Minute verbraucht wird.

  • Von Cloud-First zu Cloud-Smart

    Die zunehmende Vernetzung von IT- und OT-Systemen bedeutet für die Fertigungsindustrie neue Sicherheitsrisiken. Ein moderner Cloud-Smart-Ansatz verbindet Innovation mit effektiven Sicherheitslösungen, um diesen Herausforderungen gerecht zu werden. Die industrielle Digitalisierung stellt die Fertigungsindustrie heute vor neue Herausforderungen - insbesondere in puncto Sicherheit.

  • Technik statt Vertrauen

    Die andauernden Turbulenzen in den USA seit Amtsantritt von Donald Trump, die konsequente Kürzung von Mitteln für Datenschutz und die Kontrolle staatlicher Überwachungsprogramme verdeutlichen: Wer als Behörde oder Institution höchste Datensicherheit garantieren muss, kann nicht auf US-amerikanische Unternehmen oder deren europäische Töchter setzen.

  • Risiko von SaaS-zu-SaaS-Integrationen

    Ein SaaS-Sicherheitsalbtraum für IT-Manager in aller Welt wurde kürzlich wahr: Hacker nutzten legitime OAuth-Tokens aus der Drift-Chatbot-Integration von Salesloft mit Salesforce, um unbemerkt Kundendaten von der beliebten CRM-Plattform zu exfiltrieren. Der ausgeklügelte Angriff deckt einen kritischen toten Winkel auf, von dem die meisten Sicherheits-Teams nicht einmal wissen, dass sie von ihm betroffen sind.

  • Kostenfallen erkennen und vermeiden

    Remote Work, Cloud Computing und mobile Endgeräte haben die Arbeitswelt grundlegend verändert. Mitarbeiter erwarten heute, von überall aus auf ihre Anwendungen und Daten zugreifen zu können. Virtuelle Desktop-Lösungen machen diese Flexibilität möglich, indem sie Desktop-Umgebungen und Anwendungen über das Netzwerk eines Unternehmens bereitstellen. Doch der Markt für solche Lösungen ist komplex und vielfältig. IT-Entscheider stehen vor der Herausforderung, aus dem Angebot die passende Lösung zu identifizieren, die sowohl technische Anforderungen als auch wirtschaftliche Ziele erfüllt.

  • Übergang in die neue Systemlandschaft

    Der Umstieg auf SAP S/4HANA ist bei vielen Unternehmen bereits in vollem Gange oder steht unmittelbar bevor. Wer in diesem Zusammenhang seine Archivierungsstrategie überdenkt, kann wertvolle Zeit, Kosten und Aufwand sparen. Die Archivierungsexperten von kgs haben zehn zentrale Aspekte zusammengestellt, die dabei helfen, den Übergang in die neue Systemlandschaft effizient und zukunftssicher zu gestalten.

  • Die Zukunft braucht offene KI-Infrastrukturen

    KI ist mehr als ein ominöses Hinterzimmer-Experiment. Die Technologie ist eine treibende Kraft, wenn es um Produkte, Entscheidungen und Nutzererfahrungen über jegliche Wirtschaftsbereiche hinaus geht. Mittlerweile stellen Unternehmen jedoch die Inferenz in den Mittelpunkt ihrer KI-Implementierungen. Hier können die Modelle ihren eigentlichen Mehrwert unter Beweis stellen - unter anderem in Form von Antworten auf drängende Fragen, Vorhersagen und Content-Generierung. Der Anstieg des Inferenz-Bedarfs bringt jedoch eine entscheidende Herausforderung mit sich. Bei Inferenzen handelt es sich nämlich nicht um einzelne Workloads.

Wir verwenden Cookies um unsere Website zu optimieren und Ihnen das bestmögliche Online-Erlebnis zu bieten. Mit dem Klick auf "Alle akzeptieren" erklären Sie sich damit einverstanden. Erweiterte Einstellungen