AIOps: Warum wir künstliche Intelligenz im IT-Betrieb brauchen

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.

Anzeige

Komplexität wächst uns über den Kopf

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.

Newsletter
Newsletter Box

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

Künstliche Intelligenz für den IT-Betrieb (AIOps) ist die Zukunft

Mit traditionellen Methoden kann man in modernen Systemen nur Symptome verfolgen. Innovative Lösungen 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

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.

Insights

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

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. 

www.appdynanmics.de  

 

Anzeige

Weitere Artikel

Newsletter
Newsletter Box

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