Splunk Observability auf der .conf25: Alle Ankündigungen im Überblick

Auf der diesjährigen .conf25 definieren wir, was digitale Resilienz im KI-Zeitalter bedeutet. Splunk bietet die weltweit leistungsfähigste Plattform: Denn mit der Splunk-Plattform könnt ihr alle eure Maschinendaten zusammenführen, mit Splunk Security ein agentenbasiertes SOC (Security Operations Center) einrichten und mit Splunk Observability könnt ihr Observability vorantreiben, die sich auf KI-Agenten stützt. Diese Tools helfen euch dabei, Daten schneller zu korrelieren, aussagekräftigere Einblicke zu gewinnen, die Zusammenarbeit zu verbessern und sichere, zuverlässige und nahtlose Kundenerlebnisse bereitzustellen.  

Wir fühlen uns der Mission verpflichtet, ein neues Kapitel der agentenbasierten, KI-gestützten Observability aufzuschlagen. Deshalb haben wir mehrere wichtige Funktionen für die KI-gestützte Erkennung und Untersuchung geschäftskritischer Probleme angekündigt, darunter: 

• ITSI Event iQ
• ITSI Episode Summarization  
• KI-gesteuertes Troubleshooting in Observability Cloud & AppDynamics

Zur Optimierung von Zustand, Performance und Kosten von KI-Anwendungen und -Infrastruktur haben wir außerdem folgende Features eingeführt:

• AI Infrastructure Monitoring
• AI Agent Monitoring in Observability Cloud & AppDynamics

Und schließlich haben wir mehrere Innovationen vorgestellt, die ITOps- und Engineering-Teams zu einem einheitlichen Erlebnis verhelfen, um Telemetriedaten über dreistufige und Microservices-basierte Umgebungen hinweg schnell korrelieren und Probleme mit geschäftskritischen Auswirkungen priorisieren zu können. Zu diesen Innovationen gehören: 

• Business Insights in Observability Cloud 
• APM-Unterstützung für hybride Anwendungen und Geschäftstransaktionen in Observability Cloud
• Erkennung von Anwendungsschwachstellen in Observability Cloud 
• Datenbanküberwachung in Observability Cloud
• Integration von Observability Cloud Real User Monitoring (RUM) in ThousandEyes
• Digital Experience Analytics in Observability Cloud  
• Session Replay für Real User Monitoring in Observability Cloud und AppDynamics
• AppDynamics Combined Agent für Observability
• Observability Cloud FedRAMP Moderate

In diesem Blogbeitrag stellen wir euch diese nagelneuen Observability-Funktionen näher vor. 

KI-gestützte Observability

Agentenbasierte KI verändert gerade, wie Unternehmen starke Observability-Praktiken schaffen. Mit dem aufkommenden Vibe Coding wird es in naher Zukunft möglich sein, Anwendungen (fast) ohne menschliches Zutun zu programmieren. Doch KI schreibt nicht nur Code: Sie schreibt auch die Regeln für gute Observability im gesamten Incident-Response-Workflow neu. Eingebettete KI zu eurer Unterstützung gibt es bei Splunk schon seit Jahren. Nun freuen wir uns, euch agentenbasierte, KI-gestützte Funktionen für unser Splunk Observability-Portfolio präsentieren zu können. Damit können Teams Probleme noch schneller untersuchen und lösen. KI-gestützte Korrelation von Warnmeldungen, Zusammenfassungen von Episoden und KI-gesteuertes Troubleshooting – mit KI-Agenten können Teams geschäftskritische Vorfälle noch schneller verstehen, untersuchen und beheben.

Weniger Warnmelderauschen dank KI-gestützter Korrelationen mit ITSI Event iQ (GA)

Immer wenn etwas schiefläuft –  sei es ein Serverausfall oder ein Anwendungsfehler –  poppt eine Warnmeldung auf… und dann noch eine und noch eine und noch eine usw. Irgendwann geht der Überblick verloren, was die Problembehebung erschwert. Event iQ in Splunk IT Service Intelligence (ITSI) reduziert die Meldungsflut, damit sich alle – vom Anfänger bis zur Expertin – auf das eigentlich Wichtige konzentrieren können: den reibungslosen Betrieb kritischer Dienste.

Event iQ ermöglicht die KI-gestützte Korrelation von Warnmeldungen, sodass ITOps-Teams ähnliche Meldungen in Gruppen zusammenfassen und kritische, dringliche Incidents markieren können. Die Funktion schlägt in natürlicher Sprache potenziell relevante Felder vor und konfiguriert die Bedingungen für die Ereigniskorrelation. Das Ergebnis: weniger Überforderung durch zu viele Warnmeldungen und mehr Zeit für wichtigere Aufgaben. 

Warnmeldungen werden in sogenannten Episoden zusammenfasst – ihr müsst also nicht mehr stundenlang Dutzende oder sogar Hunderte Benachrichtigungen manuell durchforsten. Event iQ setzt das Puzzle für euch zusammen: Auf einen Blick seht ihr, wo und seit wann es hakt und welche Systeme betroffen sind.

Mit Event iQ ist die automatisierte Korrelation von Warnmeldungen in wenigen Klicks eingerichtet. Wenn Teams eine Episode öffnen, sehen sie sofort das große Ganze – kein Hin- und Herspringen zwischen Registerkarten und kein mühseliges Zusammensuchen von Informationen mehr. Für alles wird eine eindeutige Erklärung angezeigt, sodass ihr immer wisst, warum Warnmeldungen auf eine bestimmte Art und Weise gruppiert wurden. Mehr erfahrt ihr in unserem Blog.

Probleme schneller verstehen und beheben mit ITSI Episode Summarization (Alpha)

Schon heute lichtet Splunk ITSI den Meldungsdschungel, indem es ähnliche Warnmeldungen korreliert und zu Episoden gruppiert. Nun kann ITSI mithilfe modernster KI auch alle wichtigen Informationen über eine Episode zusammenstellen: Problem, Entstehungszeitpunkt, die wichtigsten Ereignisse und sogar erste Erkenntnisse zur Problemursache werden in einer übersichtlichen KI-generierten Zusammenfassung angezeigt. Teams müssen sich dann nicht mehr durch zehn Registerkarten klicken, sondern können alle wichtigen Details und Handlungsempfehlungen mit nur einem Klick abrufen. Das spart Zeit, sorgt für einen besseren Überblick und erleichtert es weniger erfahrenen Benutzern, die Plattform effektiv zu nutzen. Ein weiterer Pluspunkt: Die Zusammenfassungen können spielend mit anderen geteilt oder zu Tools wie ServiceNow hinzugefügt werden – damit jeder im Bild ist. Kurzum, Episode Summarization hilft Teams, smarter zu arbeiten, schneller zu reagieren und kritische Services am Laufen zu halten. ITSI Episode Summarization steht als Alpha-Version bereit. 

Auf der Splunk Voice of the Customer-Website könnt ihr den Zugriff anfordern.

Schnellere Problemuntersuchung und -behebung dank KI-gesteuertem Troubleshooting in Observability Cloud (Alpha) und AppDynamics (Alpha)

Observability Cloud

DevOps-Profis und Site Reliability Engineers (SREs) sind es gewohnt, sich durch Dashboards, Logs und Kennzahlen in mehreren Tools und Ansichten wühlen zu müssen, um einem Ausfall oder Performance-Problem auf den Grund zu gehen. Abhilfe schafft KI-gesteuertes Troubleshooting in Observability Cloud, das wie ein SRE-Assistent funktioniert: Es durchsucht automatisch alle Service- und Infrastrukturdaten, überprüft eure Anwendungen oder Infrastruktur auf Fehler und zeigt die wahrscheinlichsten Ursachen an – alles in natürlicher Sprache und im gewohnten Workflow. 

Das Hin und Her zwischen Ansichten, Registerkarten und Tools gehört damit der Vergangenheit an. Eure Teams sehen zur richtigen Zeit und am richtigen Ort eine Rangliste der wahrscheinlichsten Ursachen, eine klare Folgenabschätzung und leicht umsetzbare Empfehlungen. Statt stundenlanger manueller Untersuchungen gibt es Erkenntnisse in Minutenschnelle.

Sobald eine Warnmeldung eingeht, analysiert die KI alles: kürzliche Bereitstellungen, Kubernetes-Ereignisse, weiter zurückliegende Vorfälle, Muster aus früheren Fixes usw. Auch eine kurze Ursachenanalyse gehört dazu. Teams haben damit eine verlässliche Basis, um schnell handeln, Ausfälle reduzieren und Service-Unterbrechungen vermeiden zu können. Das KI-gesteuerte Troubleshooting in Observability Cloud steht als Alpha-Version bereit.

AppDynamics

Troubleshooting, das von agentenbasierter KI gesteuert wird, gibt es auch für AppDynamics. Dieses neue Feature hilft euch dabei, Anomalien und Verstöße gegen Zustandsregeln schnell zu erkennen und zu beseitigen. Ihr könnt Security Incidents praktisch sofort analysieren, wahrscheinliche Ursachen einsehen und euch Empfehlungen für das weitere Vorgehen anzeigen lassen.

Die KI zeigt Anomalien oder Regelverstöße aber nicht bloß an. Vielmehr erklärt sie, was passiert ist, wie es dazu kam und was dagegen zu tun ist. Ihr seht eine klare, kurze Zusammenfassung der Ursachen direkt an Ort und Stelle – Dashboard-Hopping und Rätselraten rund um Kennzahlen sind damit passé.

Das Ergebnis: Teams beheben Probleme schneller und genauer, selbst wenn sie keine Systemexperten sind. KI-gesteuertes Troubleshooting beseitigt Wissensbarrieren, führt per Mausklick durch Untersuchungen und zeigt nützliche Einblicke mit kontextbezogenen Echtzeitdaten an. Das KI-gesteuerte Troubleshooting in AppDynamics steht als Alpha-Version bereit.

Observability für KI

Bekanntlich ist KI mittlerweile allgegenwärtig. Für ITOPs- und Engineering-Teams heißt das: Sie brauchen leistungsstarke Tools, um den Arbeits- und Kostenaufwand für resiliente, komplexe Infrastruktur für spezialisierte Telemetrie zu minimieren. Um ambitionierte Geschäftsziele zu erreichen und hohen Kundenansprüchen gerecht zu werden, müssen Teams hochperformante KI-Modelle, Agenten und Anwendungen erstellen. Nach der Bereitstellung ist sicherzustellen, dass in jeder Incident-Response-Phase hochwertige Ergebnisse passend zum Geschäftszweck geliefert werden. 

Mit AI Infrastructure Monitoring (GA) Systemzustand, -leistung und -nutzung sicherstellen

Der anhaltende KI-Boom hat den erforderlichen Infrastruktur-Stack für die Anwendungsentwickelung entscheidend verändert. Grundlegende Komponenten wie GPUs, Cloud Computing und gehostete Server umfassen nun auch Large Language Models (LLMs), Vektordatenbanken sowie KI-Frameworks und -Bibliotheken. Ähnlich wie beim herkömmlichen Infrastruktur-Monitoring sind tiefe Einblicke nötig, um potenzielle Leistungsengpässe, -verschlechterungen und Ineffizienzen zu erkennen. Zusätzlich sind heute aber Einblicke in neue KI-Komponenten gefragt – in Echtzeit und umgebungsübergreifend. Mit AI Infrastructure Monitoring können ITOps- und Engineering-Teams sicherstellen, dass ihre Systeme zuverlässig, sicher und skalierbar sind.

Teams können datenreiche Dashboards, Detektoren und Transaktions-Traces einsehen, um den Unternehmenszustand, Nutzungstrends, Muster und Ausreißer problematischen KI-Infrastrukturkomponenten zuzuordnen. So lassen sich Noisy Neighbors proaktiv identifizieren, Warnmeldungen zu betrieblichen Kennzahlen aus KI-Anwendungen und -Diensten prüfen und Probleme wie Ressourcenkonflikte und Workload-Kapazitätslücken beheben. Unterm Strich hilft euch diese Funktion, Security-, Performance-, Kosten- und Reputationsrisiken einzudämmen. Noch mehr über AI Infrastructure Monitoring könnt ihr in unserem Blog nachlesen.

Mit AI Agent Monitoring in Observability Cloud und AppDynamics die Qualität, Genauigkeit, Kosten und Sicherheit von LLM- und Agentenanwendungen überwachen

Mit dem kometenhaften Aufstieg der KI sind auch KI-Agenten und agentenbasierte Anwendungen aufgekommen, die mithilfe von LLMs Daten interpretieren, Schlussfolgerungen ziehen und mehrere Aufgabenschritte ausführen. Vergleichbar dem menschlichen Gehirn nutzen Agenten LLMs, um Informationen zu erfassen und zu speichern. Schlecht gepflegte LLMs können allerdings zu minderwertigem oder irreführendem Output führen. Darunter leiden das Kundenvertrauen, das Nutzungserlebnis und die Kostenbilanz. 

Mit AI Agent Monitoring können ITOps- und Engineering-Teams fehlerhafte, ungenaue oder unerwünschte Antworten von LLMs (und den darauf aufbauenden Agenten) proaktiv erkennen und optimieren. So lässt sich sicherstellen, dass Anwendungen zuverlässig, sicher und bestimmungsgemäß funktionieren. Teams können definierte Transaktions-, Fehler- und Leistungskennzahlen nachverfolgen und Interaktionen genauer untersuchen, um Anwendungsproblemen wie fehlgeschlagenen LLM- oder Tool-Anfragen auf den Grund zu gehen. Dank der Integration von Cisco AI Defense steht auch eine einheitliche Ansicht kritischer Cybersecurity-Risiken – inklusive Prompt Injections, Datenlecks und gefährlicher Inhalte – über alle Agenten und LLMs hinweg zur Verfügung. Die Funktion bietet also ein Plus an Transparenz, aber das ist nicht alles: Auch detaillierte Einblicke zu Verbrauch, Kosten, Leistung und Qualitätskennzahlen für Modelle und Agenten sind verfügbar. KI-SRE- und MLSecOps-Teams können so über eine zentrale Plattform sowohl Risiken verwalten als auch die betriebliche Effizienz steigern.   

AI Agent Monitoring in AppDynamics bietet eine zentrale Oberfläche für die Echtzeit-Überwachung von KI-Agenten, Integrationen und der zugrunde liegenden Infrastruktur. Hier könnt ihr die LLM-Nutzung nachverfolgen, um im Rahmen eures Risikomanagements die Einhaltung interner Richtlinien und gesetzlicher Vorschriften sicherzustellen. Außerdem erhaltet ihr Einblick in die Ressourcenauslastung und -kosten, sodass ihr die Ressourcenallokation optimieren könnt. Ein effizientes Zustands- und Performance-Monitoring erleichtert die frühzeitige Erkennung und Behebung von Problemen, bevor sie das Benutzererlebnis oder Geschäftsanwendungen spürbar beeinträchtigen. Individuell anpassbare Dashboards und Business-Journey-Ansichten geben Aufschluss über die Auswirkungen von KI-Agenten. Alles in allem ermöglicht es AI Agent Monitoring in AppDynamics Unternehmen, erfolgskritische KI-Initiativen zuverlässig zu verwalten, zu skalieren und deren Zustand im Blick zu behalten. Weitere Details zu AI Agent Monitoring in Observability Cloud und AppDynamics findet ihr hier.

Splunk & AGNTCY: Die Zukunft der KI-Observability

Das boomende „Internet der Agenten“ läutet eine neue Ära der Observability ein. Im Juli 2025 übergab Outshift, die Inkubations-Engine von Cisco für neue Technologien, das Projekt AGNTCY an die Linux Foundation und legte damit den Grundstein für eine Zukunft, in der Agenten verschiedenster Anbieter nahtlos zusammenspielen. Auch Splunk ist an AGNTCY aktiv beteiligt. Im Rahmen des Projekts arbeiten wir mit führenden Experten für OpenTelemetry (OTel) zusammen, um ITOps- und Engineering-Teams mit offenen Standards zu unterstützen. 

Splunk fördert semantische OTel-Konventionen mithilfe eines standardisierten, erweiterbaren Telemetrie-Frameworks, das die nahtlose Datenerfassung aus mehreren KI-Umgebungen erleichtert. In die Splunk-Plattform ist auch die Metrics Compute Engine von AGNTCY integriert. Die Plattform ermöglicht damit anbieterunabhängige, skalierbare und interoperable Observability über KI-Umgebungen hinweg. Die Funktion verwandelt telemetrische Rohdaten in aussagekräftige Erkenntnisse und liefert grundlegende ebenso wie erweiterte Leistungskennzahlen – etwa zur faktischen Genauigkeit agentenbasierter Anwendungen. 

Hier könnt ihr genauer nachlesen, wie AI Agent Monitoring basierend auf den Branchenstandards OpenTelemetry und Cisco AGNTCY anbieterunabhängiges KI-Monitoring ermöglicht. 

Ein einheitliches Observability-Erlebnis

Zu guter Letzt haben wir ein einheitliches Observability-Erlebnis geschaffen, das Teams detaillierten geschäftlichen Kontext an die Hand gibt, um dringliche Aufgaben zu priorisieren. Die folgenden Features helfen euch dabei, kontextbezogene Einblicke zu gewinnen und kritische Geschäftsprozesse für leistungsstarke Apps und zuverlässige Systeme zu sichern – und zwar im großen Maßstab, an zentraler Stelle und in Echtzeit. 

Anwendungsperformance und geschäftliche Auswirkungen verknüpfen dank Business Insights in Observability Cloud (Alpha)

In der täglichen Flut an Warnmeldungen und Kennzahlen drohen die wirklich wichtigen Probleme unterzugehen. Business Insights hilft technischen und geschäftlichen Teams, die Auswirkungen der Anwendungsperformance auf kritische Geschäftsprozesse in Echtzeit zu verfolgen, um das Ergebnis unterm Strich zu verbessern. Die neue Funktion ermöglicht die Visualisierung langfristiger Prozesse – z. B. Kreditbewilligungen – und verdeutlicht den Zusammenhang zwischen technischer Leistung und geschäftlichen KPIs in einer einheitlichen Journey-Ansicht. Sie beschränkt sich dabei nicht auf konventionelle SLA-Kennzahlen, sondern zeigt die Umsatzwirkung klar auf, damit sich Teams auf wirklich wichtige Fragen konzentrieren können. Business Insights steht derzeit als Alpha-Version bereit. Auf der Splunk Voice of the Customer-Website könnt ihr den Zugriff anfordern.

Überwachung von hybriden Anwendungen und Geschäftstransaktionen in Observability Cloud APM

Viele Teams nutzen sowohl herkömmliche dreistufige Anwendungen als auch Cloud-native Dienste und benötigen daher Application Performance Monitoring (APM), um den Spagat zwischen beiden zu meistern. Deshalb erweitern wir Splunk Observability Cloud um neue Funktionen, die das APM für Cloud-native Anwendungen stärken und auch hybride Umgebungen unterstützen. Dabei bauen wir auf den bewährten Features von AppDynamics zur Überwachung herkömmlicher dreistufiger Anwendungen auf. 

Hier die wichtigsten Highlights: 

• Geschäftstransaktionen ermöglichen eine flexible und genaue Überwachung geschäftlicher Abläufe.
• Aufrufdiagramme bieten Einblicke auf Code-Ebene und beschleunigen Ursachenanalysen.
• Die Service-Map-Gruppierung fasst ähnliche Dienste nach indizierten Span-Tags visuell zusammen und ermöglicht eine einfache Zustandsüberwachung – eine wesentliche Erleichterung für eure Teams.
• Die Anzeige von Dienstinstanzen verbessert die Korrelation zwischen Anwendungs- und Infrastrukturdaten.

Im Zusammenspiel ergeben diese Funktionen eine einheitliche APM-Lösung für Unternehmen, die hybride oder Microservice-basierte Anwendungen erstellen und nutzen. Mehr darüber verraten wir euch in unserem Blogbeitrag.

Verbesserte SLA-Compliance mit der Erkennung von Anwendungsschwachstellen in Observability Cloud (Alpha)

Fehlerbehebungen und anspruchsvolle, innovationsorientierte SLAs unter einen Hut zu bekommen, ist keine leichte Aufgabe. Mit Secure Application for Splunk Observability Cloud können Engineering-Teams allerdings sichergehen, dass es sich bei jeder kritischen Schwachstelle im Ticketsystem tatsächlich um ein validiertes Risiko für laufende Anwendungen handelt. 

Im Gegensatz zu herkömmlichen statischen Tools zur Schwachstellen- und Bedrohungserkennung ist Secure Application direkt in das Observability-Framework eingebunden, und zwar mithilfe des bereits vorhandenen Splunk Observability-Agenten. Diese Neuerung schließt die Lücke zwischen sicherheitsrelevanten Funden und den Realitäten der Entwicklungsarbeit. Anwendungssicherheit ist nahtlos in eure Observability-Workflows eingebettet, und für Entdeckungen während der Laufzeit werden umfangreiche Security-Informationen angezeigt. So könnt ihr kritische, potenziell sofort ausnutzbare Schwachstellen gleich angehen und direkte Auswirkungen auf Anwendungen umgehend eindämmen. Das Hin und Her zwischen verschiedenen Kontext-Tools entfällt, und die Einhaltung von SLAs ist gewährleistet.

In der Service-Map von Secure Application ordnet Secure Application Schwachstellen unmittelbar den betroffenen Microservices zu. Damit habt ihr Anwendungskontext, mit dem eure Cybersecurity-Teams zwischen Schwachpunkten in Bibliotheken und echten Exploit-Risiken in Produktionsumgebungen unterscheiden können. Da euch nur relevante Schwachstellen angezeigt werden, könnt ihr die Liste nach dem Echtzeit-Ausnutzungsrisiko und den direkten Auswirkungen auf Anwendungen sortieren und entsprechende Prioritäten setzen. So behebt ihr Probleme, bevor sie das Endanwendererlebnis beeinträchtigen oder sich zu Sicherheitsvorfällen auswachsen.

Die Erkennung von Anwendungsschwachstellen steht als Alpha-Version bereit. Mehr Details findet ihr im Blogartikel über Secure Application in Splunk Observability Cloud. Auf der Splunk Voice of the Customer-Website könnt ihr den Zugriff anfordern.

Troubleshooting ineffizienter Abfragen mit Database Monitoring in Observability Cloud

Um Einblicke zur Abfrage- und Host-Performance zu gewinnen, nutzten Kundinnen und Kunden von Splunk Observability Cloud bislang die APM-Funktionen Database Query Performance und Database Infrastructure Monitoring. Viele wünschen sich jedoch eine einheitliche Benutzeroberfläche und tiefere Einblicke zu Ursachen für langsame Abfragen.

Database Monitoring ist eine starke neue Lösung auf OpenTelemetry-Basis, mit der ihr Datenbanken aller Art genauer durchleuchten könnt. Anwendungs- und Datenbankteams liefert sie aussagekräftige Informationen auf Abfrageebene, wie Wartezeit, Wartekategorien, CPU-Zeit, Arbeitsspeicherauslastung und Ausführungspläne, und ermöglicht so eine schnelle Beseitigung von Ineffizienzen. Außerdem zeigt sie den Zusammenhang zwischen Datenbankperformance, Anwendungsdiensten und Infrastrukturkennzahlen, sodass eure Teams entsprechende Prioritäten setzen können. So lassen sich Prozesse effizienter gestalten und gleichzeitig Konflikte und Kontrollkosten reduzieren.

Dieses Release unterstützt Microsoft SQL Server – weitere Datenbanktypen folgen. Database Monitoring steht als Alpha-Version bereit. Auf der Splunk Voice of the Customer-Website könnt ihr den Zugriff anfordern.

Splunk Observability Cloud strebt die FedRAMP Moderate-Zulassung für Behörden und öffentliche Unternehmen an  

Spannende Neuigkeiten: In den kommenden Monaten dürfte Splunk Observability Cloud die FedRAMP Moderate-Zulassung erhalten! Damit wäre die letzte Hürde auf dem Weg zu den Sicherheitsstandards genommen, die Splunk Observability Cloud benötigt, um Behördenkunden einen sicheren Umgang mit sensiblen Daten auf höchstem Niveau zu bieten. 

Die FedRAMP Moderate-Zulassung ermöglicht zudem Behörden und Unternehmen der öffentlichen Hand, ihre Cloud-Transformation schneller umzusetzen – über lokale, hybride und Cloud-native Umgebungen hinweg. Dies versetzt sie in die Lage, die wachsende Nachfrage nach Bürgerdienstleistungen zu erfüllen, ihre Cloud- und Cybersecurity-Fähigkeiten zu stärken und reibungslose digitale Erlebnisse bereitzustellen.

Eine zentrale Lösung sorgt für umfassende Transparenz bezüglich Benutzerinteraktionen, schnelle Problemerkennung und -behebung sowie kontinuierliche Verbesserungen – ideal für Behörden, die so öffentliches Vertrauen gewinnen und zuverlässige Dienstleistungen bieten können.

Erfahrt mehr über unsere FedRAMP Moderate-Zulassung.

Benutzer- und Netzwerkeinblicke verknüpfen dank Integration von Real User Monitoring in ThousandEyes (Alpha)

Das Anwendungserlebnis hängt von komplexen Netzwerken (CDNs, DNS, Internet) und externen Diensten wie Drittanbieter-APIs und Cloud-Plattformen ab. Auf vieles davon hat euer IT-Team keinen direkten Einfluss. Die Integration von Splunk Observability Cloud Real User Monitoring (RUM) für ThousandEyes führt umfassende reale UX-Daten aus Splunk und Netzwerkeinblicke aus ThousandEyes in einer einzigen Ansicht zusammen. Engineering-Teams können so im Handumdrehen ermitteln, ob ein anwendungs- oder netzwerkseitiges Problem vorliegt. Außerdem lässt sich das Troubleshooting optimieren und Vorfälle können schneller gelöst werden. Davon profitieren letztlich die Performance und die User Experience. Diese Integration ist ohne Aufpreis für Kunden erhältlich, die sowohl Splunk Observability Cloud als auch ThousandEyes nutzen, und steht als Alpha-Version bereit. Auf der Splunk Voice of the Customer-Website könnt ihr den Zugriff anfordern. 

Mit Digital Experience Analytics in Observability Cloud (Alpha) Benutzerverhalten und Anwendungsleistung korrelieren

Engineering- und Produktteams schultern gemeinsam die Verantwortung für überzeugende Benutzererlebnisse und Geschäftsergebnisse. Damit sie und eure Designabteilung tiefere Einblicke zu Benutzerverhalten, -intention und -stimmung erhalten, gibt es jetzt Digital Experience Analytics (DEA) als Erweiterung zur vorhandenen Funktionalität von Real User Monitoring. Im Gegensatz zu isolierten Tools korreliert unsere DEA-Funktion Verhaltensdaten mit Daten zur Anwendungsleistung. Teams können so schneller sehen, wie sich Anwendungsprobleme auf das Nutzungserlebnis auswirken, und entsprechend gegensteuern. Zur Instrumentierung dient derselbe OpenTelemetry-Agent wie bei RUM, was die Einrichtung vereinfacht und den Verwaltungsaufwand reduziert. Die erste DEA-Version ermöglicht Analysen des Verkaufstrichters mit detailliertem Session Replay an jedem Ausstiegspunkt – so seht ihr leicht, wo es hakt und was ihr dagegen tun könnt. Digital Experience Analytics steht derzeit als Alpha-Version bereit.  Auf der Splunk Voice of the Customer-Website könnt ihr den Zugriff anfordern.

Benutzererlebnisse optimieren mit Session Replay für Real User Monitoring in Observability Cloud (GA) und AppDynamics (GA)

Abstürze, Fehler und verwirrende Abläufe beeinträchtigen das Benutzererlebnis, doch um das zu ändern, müssen eure Teams sehen, was Benutzer zuvor gesehen haben. Deshalb führen wir in AppDynamics Session Replay für Browser und Mobilgeräte ein und dehnen die bislang ausschließlich browsergestützte Session-Replay-Funktion in Observability Cloud auf Mobilgeräte aus. Session Replay zeichnet Benutzerinteraktionen in dynamischen Video-Journeys auf, reichert diese mit Sitzungsmetadaten an und gibt Teams so genaueren Aufschluss über die Probleme, die Benutzer erlebt haben. Anhand dieser Kontextinformationen können Teams dann über bloßes Troubleshooting hinaus auch die Benutzerfreundlichkeit evaluieren, Reibungspunkte identifizieren und verborgene UX-Probleme erkennen. Erfahrt mehr über Session Replay in AppDynamics und Observability Cloud.

Hybride Anwendungsüberwachung mit dem kombinierten Splunk AppDynamics-Agenten (GA)

Diese Funktion bietet AppDynamics-Benutzern einen gemeinsamen Agenten zur Erfassung von Telemetriedaten, die entweder in Splunk AppDynamics oder in Observability Cloud genutzt werden können. Dadurch lassen sich aufwendige und teure Änderungen an Bereitstellungs- und Integrationspipelines vermeiden und zugleich Splunk APM-Tools evaluieren. 

Das Feature umfasst sowohl Code des AppDynamics-Agenten als auch Splunk OpenTelemetry-Code. Die Bereitstellung unterscheidet sich nicht von der anderen AppDynamics-Agenten. Ihr müsst einfach nur eure vorhandenen Agenten aktualisieren und schon werden latente OpenTelemetry-Funktionen als normales Update hinzugefügt. Das Update funktioniert über den Smart Agent oder jede andere Methode, die ihr derzeit nutzt.  

Drei Modi sind verfügbar:

• Der AppDynamics-Modus ist für Benutzer, die hauptsächlich abgestufte Anwendungen entwickeln und betreiben. Diese Lösung könnt ihr standardmäßig beibehalten.
• Der Splunk-Modus richtet sich an alle Nutzer hybrider Anwendungen – einschließlich Transaktionen, die mehrere Stufen und Microservices umfassen. Observability Cloud wird um AppDynamics-Funktionen erweitert, um Use Cases für abgestufte Anwendungen besser abzudecken.  
• Und schließlich gibt es den Dual-Modus für Unternehmen mit weitestgehend eigenständigen Teams, die dreistufige und Microservice-basierte Anwendungen betreiben. Damit ihr beim Troubleshooting AppDynamics und Observability Cloud gemeinsam verwenden könnt, entwickeln wir entsprechende Integrationen. Das ist ideal, wenn ihr Observability Cloud evaluieren oder darauf umsteigen wollt, eignet sich aber weniger für den erweiterten Einsatz in Produktionsumgebungen.

Im Blog könnt ihr weitere Details zum kombinierten AppDynamics-Agenten nachlesen.

^{* Alpha-Versionen hießen bei Splunk früher auch „Private Previews“ oder „Early Field Trials“. Es handelt sich um neue Produkte oder Funktionen, die aktuell noch von den Splunk-Produktteams entwickelt werden. Alpha-Versionen stehen nur ausgewählten Kunden und Partnern zur Verfügung, die wir zuvor eingeladen haben. Wer Alpha-Versionen testet, steht in der Regel im direkten Austausch mit unseren Produktteams und hat somit die Chance, Einfluss auf die Weiterentwicklung der Funktion zu nehmen. Teilnehmende an Alpha-Programmen haben zumeist exklusiven Zugriff auf Alpha-Dokumentationen und können auf den Support unserer Produkt- und Engineering-Teams zurückgreifen, ohne die üblichen Supportprozesse durchlaufen zu müssen.}