Unter dem von Gartner geprägten Begriff AIOps – künstliche Intelligenz für den IT-Betrieb – versteht man den Einsatz der Möglichkeiten der künstlichen Intelligenz (KI), wie z. B. Verarbeitung natürlicher Sprache und Modelle für maschinelles Lernen, für die Automatisierung und Rationalisierung aktiver Workflows.
Vor allem Big Data, Analysen und maschinelles Lernen werden von AIOps für folgenden Aufgaben eingesetzt:
AIOps vereint mehrere separate, manuelle Tools für den IT-Betrieb in einer einzigen intelligenten und automatisierten IT-Betriebsplattform. So können die IT-Betriebsteams mit durchgängiger Transparenz und umfassendem Kontext schneller – und sogar proaktiv – auf nachlassende Leistung und Betriebsunterbrechungen reagieren.
Die Kluft zwischen einer immer vielfältigeren, dynamischeren und schwieriger zu überwachenden IT-Umgebung und isolierten Teams auf der einen Seite und den Erwartungen der Benutzer, die wenige oder überhaupt keine Unterbrechungen in der Leistung und Verfügbarkeit von Anwendungen wünschen, auf der anderen Seite wird dadurch überbrückt. Die meisten Experten sehen in AIOps die Zukunft des IT Operations Management, und der Bedarf wird weiter steigen, weil die Unternehmen den Fokus zunehmend auf Initiativen zur digitalen Transformation legen.
Der Weg zu AIOps sieht in jedem Unternehmen anders aus. Wenn Sie erst einmal wissen, wo Sie auf Ihrem Weg zu AIOps stehen, können Sie mit der Aufnahme von Tools beginnen, mit deren Hilfe die Teams IT-Betriebsprobleme beobachten, vorhersagen und schnell handeln können. Für die Tools zur Verbesserung von AIOps in Ihrem Unternehmen wünschen Sie sich sicherlich folgende Funktionen:
Beobachtbarkeit: Beobachtbarkeit bezieht sich auf Software-Tools und -praktiken zum Aufnehmen, Aggregieren und Analysieren eines stetigen Stroms von Leistungsdaten aus einer verteilten Anwendung und der Hardware, auf der sie ausgeführt wird. Sie soll eine effektivere Überwachung und Fehlerbehebung der Anwendung gewährleisten, damit die Erwartungen an das Kundenerlebnis, Service Level Agreements (SLAs) und andere Geschäftsanforderungen erfüllt werden können. Diese Lösungen verschaffen Ihnen durch Aggregation und Konsolidierung von Daten eine ganzheitliche Sicht auf Ihre Anwendungen, Ihre Infrastruktur und Ihr Netz, ergreifen jedoch keine Korrekturmaßnahmen zum Beheben von IT-Problemen. Sie erfassen und aggregieren allerdings IT-Daten aus einer Vielzahl von Datenquellen in verschiedenen IT-Domänen. Die Endbenutzer werden auf potenzielle Probleme aufmerksam gemacht und von den IT-Serviceteams wird die Umsetzung der erforderlichen Korrekturmaßnahmen erwartet. Die Daten und die entsprechenden Visualisierungen dieser Tools sind zwar wertvoll, schaffen aber eine Abhängigkeit von IT-Organisationen, wenn es darum geht, Entscheidungen zu treffen und auf technische Probleme angemessen zu reagieren. Eine Ressourcenoptimierung, bei der Betriebssysteme von einem Bediener manuell aktualisiert werden müssen, wird in dynamischen Bedarfssituationen wohl nicht von großem Nutzen sein.
Vorhersageanalysen: AIOps-Lösungen können Daten analysieren und korrelieren, damit bessere Einblicke und automatisierte Abläufe entstehen. So können IT-Teams die Kontrolle über die immer komplexeren IT-Umgebungen behalten und die Anwendungsleistung sicherstellen. Die Möglichkeit, Probleme zu korrelieren und einzugrenzen, ist für jedes IT-Betriebsteam ein großer Fortschritt. So werden Probleme schneller erkannt, die andernfalls in der Organisation womöglich überhaupt nicht entdeckt worden wären. Automatische Anomalieerkennung, Alerts und Lösungsempfehlungen verringern die Gesamtausfallzeit wie auch die Anzahl der Vorfälle und Tickets. Die dynamische Ressourcenoptimierung kann mittels Vorhersageanalyse automatisiert werden. Das kann die Anwendungsleistung sicherstellen und gleichzeitig die Ressourcenkosten auch bei stark schwankendem Bedarf gefahrlos senken.
Proaktive Reaktion: Manche AIOps-Lösungen reagieren proaktiv auf unvorhergesehene Ereignisse, wie z. B. nachlassende Leistung und Betriebsunterbrechungen, und bringen Anwendungsleistung und Ressourcenmanagement in Echtzeit miteinander in Einklang. Wenn Metriken für die Anwendungsleistung in Vorhersagealgorithmen einfließen, können sie Muster und Trends erkennen, die sich bei verschiedenen IT-Problemen decken. Wenn IT-Probleme vorhergesagt werden können, bevor sie auftreten, können AIOps-Tools relevante, automatisierte Prozesse einleiten und Probleme schnell beheben. Die Vorteile der intelligenten Automatisierung zeigen sich z. B. in Form einer kürzeren mittleren Erkennungszeit (Mean Time to Detection, MTTD).
Diese Art von Technologie ist die Zukunft des IT Operations Management, denn sie kann zu einem besseren Mitarbeiter- und Kundenerlebnis beitragen. AIOps-Systeme stellen nicht nur sicher, dass IT-Service-Probleme zeitnah behoben werden, sondern bilden auch ein Sicherheitsnetz für IT-Betriebsteams. Es fängt Probleme auf, die sonst aufgrund menschlicher Versäumnisse wie organisatorischer Silos, unterbesetzter Teams usw. durch die Maschen fallen könnten.
AIOps haben den umfassenderen Vorteil, dass nachlassende Leistung und Betriebsunterbrechungen im IT-Betrieb schneller erkannt, angegangen und behoben werden können, als es bei manueller Durchsicht von Alerts aus verschiedenen IT-Betriebstools möglich wäre. Daraus ergeben sich mehrere entscheidende Vorteile:
Vom reaktiven zum proaktiven und dann zum vorausschauenden Management: Anhand der integrierten prädiktiven Analysefunktionen lernt AIOps ständig dazu und kann die dringendsten Alerts immer besser erkennen und priorisieren, damit die IT-Teams potenzielle Probleme in Angriff nehmen können, bevor sie zu nachlassender Leistung oder Betriebsunterbrechung führen. Electrolux konnte durch eine kürzere mittlere Erkennungszeit (MTTD) die Zeit zur Behebung von IT-Problemen von 3 Wochen auf eine Stunde verkürzen und durch Automatisierung von Reparaturaufgaben mehr als 1.000 Stunden pro Jahr einsparen.
Mit Big Data, erweiterten Analysen und maschinellem Lernen kann AIOps die folgenden Anwendungsfälle bewältigen:
Am besten ist die Funktionsweise von AIOps zu verstehen, wenn man die Rolle der einzelnen AIOps-Komponententechnologien – Big Data, maschinelles Lernen und Automatisierung – in diesem Prozess betrachtet.
Anhand einer Big-Data-Plattform führt AIOps isolierte IT-Betriebsdaten, Teams und Tools an einem Ort zusammen. Diese Daten können Folgendes umfassen:
AIOps setzt dann zielgerichtete Funktionalitäten für Analyse und maschinelles Lernen ein:
Wichtige Tätigkeiten können Sie kontinuierlich in Echtzeit – und ohne menschliches Zutun – automatisieren und damit proaktiv die effizienteste Nutzung von Rechen-, Speicher- und Netzwerkressourcen für Ihre Anwendungen auf jeder Ebene des Stacks ermöglichen.
Erweitern Sie Ihr Application Performance Monitoring und stellen Sie den zur schnelleren Behebung von Vorfällen erforderlichen Kontext bereit.
AIOps Insights ist eine SaaS-Lösung, die die Probleme zentraler IT-Betriebsteams bei der Verwaltung der Verfügbarkeit von IT-Ressourcen eines Unternehmens mit einem KI-gestützten Ereignis- und Vorfallsmanagement angeht und behebt.
Verbessern Sie Systemmanagement, IT-Betrieb, Anwendungsleistung und operative Ausfallsicherheit mit künstlicher Intelligenz auf dem Großrechner.