Telekommunikation: Ganzheitliche Automatisierung durch KI und Analytics

Automatisierung hat in der Telekommunikation Priorität. Sie ist ausschlaggebend, um die Geschwindigkeit und den Umfang der Prozesse von Service Assurance in komplexen, konvergierenden IT- und Netzwerkdomänen zu erhöhen. Doch wie können Unternehmen Automatisierung nutzen, um Herausforderungen wie folgende zu meistern? 

  • Aufklärung beim Trouble Ticketing
  • Senkung der Kosten und Störungen 
  • Halbautomatischer Ansatz

Mustererkennung im Ticketsystem

Konvergierende Trends bringen das Trouble Ticketing ganz oben auf die Tagesordnung der Telekommunikationstransformation. Sich schnell ändernde Technologien und zunehmende Komplexität erhöhen das Potenzial für Probleme im gesamten Netzwerk, häufig mit schlecht verständlichen Ursachen und Auswirkungen. Gleichzeitig macht der intensive Wettbewerb die Zufriedenheit der Kund*innen entscheidend für Erfolg und Wachstum. In der Zwischenzeit müssen Netzwerkmitarbeiter*innen schnellere und effizientere Wege finden, Probleme zu lösen, um mithalten zu können.

Anzeige

Um diese Herausforderungen zu meistern, müssen Unternehmen in der Lage sein, Daten effektiver zu nutzen, um den nötigen Kontext bereitzustellen. Mithilfe der automatisierten, KI-gestützten Analyse komplexer Datensätze, können IT-Teams Muster in Bezug auf Leistung, Alarm und Ticketdaten in Netzwerk-, Infrastruktur- und Cloud-Umgebungen identifizieren. Mit dieser Erkenntnis können Netzwerkmitarbeiter*innen mehrere Probleme auf intelligente Weise mit einer gemeinsamen Grundursache oder einer Reihe von Auswirkungen auf Kund*innen in Beziehung setzen. So werden Trouble Tickets schneller sowie effizienter erstellt, bewertet, zugewiesen und behoben.

Reduzierung von Kosten und Störungen

Ob vom Menschen initiiert oder maschinell generiert, die Geschwindigkeit und Komplexität von Änderungen nimmt weiter zu. Herkömmliche Ansätze können dies nicht in der Geschwindigkeit und Größe berücksichtigen, die erforderlich sind, um der laufenden Netzwerktransformation, den sich ändernden Anforderungen von Kund*innen und dem Leistungsmanagement gerecht zu werden. Die Betreiber müssen in der Lage sein, die Erfolgsrate von Änderungen zu verbessern, die Auswirkungen auf Kosten und Qualität besser zu begreifen, komplexe Änderungsinteraktionen zu verstehen und die Planung zu optimieren. Auf diese Weise minimieren sich die negativen Auswirkungen auf die Kund*innen.

Durch die Automatisierung der Bewertung und Planung für initiierte Änderungen können Unternehmen die Beteiligung der Mitarbeiter*innen reduzieren, gleichzeitig die Kosten senken und den Erfolg steigern. Wenn Änderungen geplant sind, können potenzielle Störungen bei Kund*innen effektiver vorhergesagt und gemindert werden, und die Änderung selbst kann automatisiert werden. Künstliche Intelligenz (KI) und Automatisierung können auch die vollautomatische Bewertung und Planung für maschinengenerierte Modifikationen unterstützen, um die menschliche Interaktion vollständig überflüssig zu machen.

Newsletter
Newsletter Box

Mit Klick auf den Button "Jetzt Anmelden" stimme ich der Datenschutzerklärung zu.

Halbautomatischer Ansatz

Die betreibergesteuerte Automatisierung ist eine mittlere, aber häufig kritische Phase der Service Assurance auf dem Weg zu vollständig autonomen Netzwerken und selbstverwalteten Systemen. Bevor die Betreiber die Steuerung vollständig auf KI und Automatisierung mit geschlossenem Regelkreis übertragen, können sie zunächst einen halbautomatischen Ansatz wählen. Nach einer Bewertung, bei der das System feststellt, welcher Grad an menschlicher Interaktion erforderlich ist, kann die KI-gesteuerte intelligente Automatisierung die IT zu den richtigen Maßnahmen zur Behebung von Problemen führen oder eine vollautomatische Behebung ermöglichen. In beiden Fällen wird der Erfolg von Aktionen gemessen, um die Genauigkeit zu verbessern. Da manuelle Eingriffe reduziert und eliminiert werden, kann das Unternehmen auf eine Automatisierung mit vollständig geschlossenem Regelkreis hinarbeiten.

Entwicklung zu AIOps

Um ein wettbewerbsfähiges Kund*innenerlebnis zu bieten, müssen die Betreiber eine Verlagerung der Service Assurance von der Behebung bereits aufgetretener Probleme hin zur Verwendung von Systemdaten ermöglichen, um einen prädiktiven Ansatz zu schaffen. So werden Probleme abgewendet, bevor sie die Servicequalität beeinträchtigen. KI ermöglicht es, gemeinsame zugrunde liegende Probleme systemübergreifend zu bewerten.

Im weiteren Sinne können IT-Teams Big Data, maschinelles Lernen und Analysen verwenden, um Muster bei Überwachungs-, Kapazitäts- und Automatisierungsdaten in komplexen Technologieinfrastrukturen zu identifizieren. Basierend auf diesen Erkenntnissen können sie schneller und effektiver arbeiten, um die Geschwindigkeit, Qualität und Kosteneffizienz der Servicebereitstellung zu verbessern. Letztendlich besteht das Ziel darin, eine vollständig autonome Bereitstellung zu ermöglichen, bei der die Echtzeitautomatisierung eine optimale Servicequalität mit der Geschwindigkeit, Skalierbarkeit und Effizienz gewährleistet, die für moderne IT-Umgebungen unabdingbar sind.

Russ Ian

BMC Software -

EMEA Chief Architect

Anzeige

Artikel zu diesem Thema

Weitere Artikel

Newsletter
Newsletter Box

Mit Klick auf den Button "Jetzt Anmelden" stimme ich der Datenschutzerklärung zu.