DEVOPS

AIOps für einen kühlen KI-Kopf im Datenrausch

Hinweis: Dieser Blog ist Teil einer fünfteiligen Blog-Reihe rund um das Thema Observability. Die anderen dazugehörenden Blogs findet ihr hier:


Rasterelektronenmikroskope sind eine tolle Sache. Sie eröffnen eine ganz neue Welt und machen eine Unmenge kleinster Dinge sichtbar, die mit bloßem Auge beim besten Willen nicht zu erkennen wären. Mit dieser neuen Sichtweise gelingt es, Strukturen zu entdecken, die zunächst winzig sind, aber potenziell großen Schaden anrichten können. Mit Observability ist es ganz ähnlich: Ihr untersucht eure Systeme ganzheitlich und gründlich und seht auch dorthin, wo Monitoring allein nicht hinkommt.

 



Neue Herangehensweisen schaffen allerdings auch neue Herausforderungen. Wer genauer hinsieht, sieht viel mehr. Wie lassen sich all die zusätzlichen Informationen verarbeiten und gewinnbringend nutzen? Unsere Antwort lautet: Mit künstlicher Intelligenz.

AIOps: Mehr Sichtbarkeit, weniger manuelle Arbeit

Observability führt zusammen, was zusammengehört: Traces, Logs und Metriken aus verschiedensten Quellen, unabhängig von vorgestanzten Protokollen und an einer einheitlichen Schnittstelle. Das dient dazu, dass das Unternehmen den Überblick über seine meist komplexen IT-Systeme behält und die zuständigen Teams auch dort hinsehen können, wo Monitoring-Tools an ihre Grenzen stoßen. 

Zugegeben, es hört sich erst einmal wie ein Widerspruch an, den Dateninput massiv zu erhöhen, um Komplexität zu reduzieren. Allerdings wird andersherum ein Schuh daraus: Wissen ist Macht, und je mehr Informationen ihr über eure Systeme habt, desto mehr Kontrolle habt ihr über sie. 

Die Kunst ist es, die Datenströme clever zu bündeln und sie möglichst automatisiert und intelligent auszuwerten. Dann bekommt die IT nur die wirklich wichtigen Meldungen, auf die sie sich konzentrieren kann, anstatt sich im Klein-Klein der Statusberichte zu verlieren, die wahrscheinlich unwichtig sind (vielleicht aber auch nicht).

Nur AIOps ist am Ende schnell genug

Für alle, die in der IT-Abteilung praktisch zu tun haben, klingt das in der Regel überzeugend, aber das Management will doch immer Zahlen sehen. Das ist sein Job. Bevor wir also erklären, wie’s in der Praxis funktioniert, noch einige Informationen für die Etagen, auf denen entschieden wird:

  • Gartner zufolge werden 30 % der Unternehmen, die verteilte Systemarchitekturen implementieren, bis 2024 Observability-Techniken einsetzen, um die Leistung digitaler Geschäftsservices zu verbessern. 2020 waren es noch weniger als 10 %.
  • Unternehmen, die das Thema links liegen lassen, gehen damit ins Risiko, dass sie schlechter für die Zukunft gerüstet sind als der Wettbewerb. Diese Blöße kann Marktanteile kosten – vielleicht noch nicht heute, aber ganz sicher morgen.
  • Bitkom-Präsident Achim Berg sagt, dass Digitalisierung, wenn sie klug aufgesetzt ist, „Unternehmen effizienter, schneller und wettbewerbsfähiger“ macht (und ihnen außerdem einen Vorteil bei der Personalgewinnung verschafft). Entsprechend zählt Gartner die unternehmerische Notwendigkeit, proaktiv zu handeln, zu den wichtigsten AIOps-Treibern.
  • Fragen Sie sich selbst: Glauben Sie, dass die zu verarbeitenden Datenmengen in Ihrer Organisation künftig eher abnehmen oder weiter zunehmen werden?

 

AIOps macht Unternehmen handlungsfähig

Wir wissen, ihr wisst, alle wissen, dass die Datenmengen weiter zunehmen werden. Einem Unternehmen, das den Blick auf die eigenen Systeme mit Observability weitet, dem entgeht trotzdem nichts. Die Frage ist, wie man es schafft, dass das Mehr an Möglichkeiten nicht zum Meer an Informationen wird, in denen man zu ertrinken droht. Hier kommt AIOps ins Spiel. Mit KI-gestützten IT-Operations lassen sich die Vorteile von Observability erst so richtig ausnutzen. AIOps kann beispielsweise …

  • Verwaltungsaufgaben automatisieren: AIOps erfasst Daten aus mehreren Quellen automatisch und korreliert sie miteinander. Das führt zu mehr Geschwindigkeit bei gleichzeitig erhöhter Genauigkeit
  • die Performance analysieren: AIOps analysiert schnell große Mengen an Event-Daten, um festzustellen, wo Sand im Getriebe respektive im IT-System ist. Für das menschliche Auge und Gehirn ist diese Aufgabe heute fast unmöglich geworden, selbst wenn herkömmliche Tools dabei helfen.
  • IT-Prozesse verbessern: AIOps kann der IT dabei helfen, ihre Services, ihre Planungen und ihren Support zu verbessern, weil die Teams damit Probleme schneller ermitteln und beheben können. Praktische Beispiele sind etwa die Kapazitätsplanung, die Ressourcenauslastung oder die Verwaltung vernetzter Geräte.
  • Anomalien erkennen: Das Identifizieren und Interpretieren von Datenausreißern zählt schon lange zu den Kernaufgaben der IT und basiert in der Regel auf Algorithmen. AIOps schaltet den Turbo ein, weil künstliche Intelligenz die Werte nicht nur mit vorgegebenen Kennzahlen vergleicht, sondern auch mit den Werten, die sie aufgrund der Datenlage prognostizieren würde. Damit werden Anomalien schneller, treffsicherer und effektiver erkannt.
  • schnell auf kritische Ereignisse reagieren bzw. sie sogar vorhersagen und klären, ehe die User überhaupt etwas davon merken. Damit lassen sich Zeit, Geld und Ressourcen sparen, vor allem aber Geschäftsbeziehungen erhalten und vertiefen.

AIOps geht notfalls auch ohne KI, aber …

… sie hat den großen Vorteil, dass sie automatisch die riesigen Mengen an Netzwerk- und Maschinendaten untersuchen kann, die durch Observability anfallen und gebündelt werden. (Genauer gesagt: AIOps braucht sogar jede Menge Daten.) Besser und schneller als jeder Mensch identifiziert sie Muster und kann so die genannten Ziele umsetzen. Wer A sagt, sollte daher auch B sagen, um den Nutzen zu maximieren. Sprich: Wenn euer Unternehmen eine Observability-Strategie umsetzt, dann sollte es für den vollen Durch- und Einblick parallel eine AIOps-Strategie verfolgen.

Sprecht uns an, wenn ihr mehr über die Observability-Plattform von Splunk erfahren möchtet oder startet einfach unverbindlich mit einer kostenlosen Testversion.