In hybriden Cloud-Strukturen fehlt vielen Unternehmen der Überblick über Datenströme und Abhängigkeiten. KI-basierte APM-Lösungen können helfen, mehr Transparenz zu schaffen.
Das ist einer dieser Tage, an denen man besser im Bett geblieben wäre. Am Service-Telefon geht ein wütender Kundenanruf nach dem anderen ein, der
E-Mail-Server läuft mit Beschwerden über und auf den Social-Media-Kanälen hagelt es Beschimpfungen; „Betrug“, „Sauerei“ und „Drecksladen“ sind noch die harmlosesten davon. Und das alles nur, weil eine App zwei Stunden nicht funktioniert hat, ein Service nicht erreichbar war oder die Verbindung lahmt.
Die Toleranz der Anwender gegenüber Ausfällen oder Performance-Schwächen geht gegen null - diese Erfahrung macht fast jedes Unternehmen, das digital mit Endkunden kommuniziert. „Angesichts der digitalen Transformation und des wettbewerbsintensiven Marktes können es sich Unternehmen nicht mehr leisten, Ausfallzeiten oder Leistungseinbußen bei Anwendungen hinzunehmen“, weiß Federico De Silva Leon, Research Director beim Marktforschungsunternehmen Gartner. Hinzu kommt die ständige Gier nach neuen Features und Funktionen. „Nutzer digitaler Dienste erwarten heute konstante Aktualisierungszyklen. Das erhöht den Druck auf die IT, immer schneller neue und bessere Lösungen zu liefern“, erklärt Gerald Ismaier, Regional VP Central Europe von Dynatrace.
Aber auch intern ist Software zu einem geschäftskritischen Faktor geworden, betont Karsten Flott, Sales Engineer Manager bei der Cisco-Tochter AppDynamics: „Zentrale Geschäftsprozesse laufen heute digital, deshalb kann sich kein Unternehmen mehr Ausfälle, Performance-Probleme oder langwierige Fehlersuchen leisten.“
Die Überwachung der Software-Umgebungen durch das sogenannte Application Performance Monitoring (APM) wird daher zu einem geschäftskritischen Faktor. „APM ist zwingend erforderlich“, sagt Sascha Giese, Head Geek bei SolarWinds. „Jedes Unternehmen, dessen wirtschaftliches Überleben von der IT abhängig ist, sollte sämtliche Schichten der IT kontrollieren können.“
Ein wirkungsvolles APM ist in den vergangenen Jahren jedoch immer schwieriger geworden. Hybride Szenarien und Multi-Cloud-Umgebungen überfordern herkömmliche Tools, die für den Einsatz in überschaubaren internen IT-Infrastrukturen konzipiert wurden. „Je weiter die Digitalisierung im Unternehmen voranschreitet, desto weitläufiger werden die Anwendungslandschaften“, beobachtet AppDynamics-Manager Flott, „darüber hinaus sorgen Technologien wie Container und Microservices für zusätzliche Komplexität.“
Vor allem die zunehmende Nutzung von Software as a Service ist nach Ansicht von SolarWinds-Head-Geek Giese eine große Herausforderung für das klassische APM: „Die Cloud als proprietäre Lösung bietet keinen oder nur geringen Zugriff auf Details der Anwendung und der zugrunde liegenden Infrastruktur.“
Anbieter von APM-Lösungen wie AppDynamics, Dynatrace und SolarWinds haben erkannt, dass für einen reibungslosen Applikationsbetrieb auch Server, Netzwerke, virtuelle Infrastrukturen und Cloud-Umgebungen möglichst durchgängig überwacht werden müssen. „Letzten Endes hängen die verschiedenen Schichten in der IT zusammen, und die Fähigkeit, ein Problem zeitnah identifizieren und lösen zu können, kann über den Betriebserfolg entscheiden“, erklärt Sascha Giese.
Anbieter |
Produkt |
Anwendungsgebiete |
Bereitstellung:
On-Premise / Cloud |
Besonderheiten |
AppDynamics 1) |
Application Performance Management |
Klassische Applikationen, verteilte Webapplikationen, mobile Apps, Datenbanken, hybride Umgebungen |
● / ● |
Darstellung von Abhängigkeiten, dynamisches Baselining, nutzerspezifische Datenaufbereitung, Verlinkung von Business- und IT-Metriken, automatische Root-Cause-Analyse mittels KI |
BMC Software |
TrueSight AppVisibility Manager |
Klassische Applikationen, Webapplikationen, cloudbasierte Services |
● / ● |
Applikationszentrisches Infrastrukturmonitoring, Performance-Monitoring aus Anwendersicht, Drill-down-Analysen |
Dynatrace |
Application Performance
Management |
Klassische Applikationen, Mainframes, Microservices, Code, API-Monitoring, Transaktionen, Datenbanken |
● / ● |
Single-Agent-Architektur für Enterprise-Cloud-Umgebungen, automatische Skalierung und Datenerfassung, benutzerdefinierte deterministische
KI-Engine für die automatische Analyse des gesamten Technologie-Stacks |
Instana |
Automatic Application Performance Management |
Klassische Applikationen, Middleware, Container,
Microservices |
● / ● |
Sekundengenaue Überwachung, KI-basierte Anomalie-Erkennung und Ursachenanalyse |
LightStep |
[x]PM |
Klassische, Web- und mobile Applikationen, Microservices, Serverless Computing |
○ / ● |
Integration in Kubernetes, OpenTracing und andere cloud-native Technologien, Workflow-Integration mit Grafana, Slack und PagerDuty, Single-Sign-on-Support über SAML |
New Relic
|
APM
|
Klassische Applikationen, Datenbanken, Container |
○ / ● |
Einheitliche Sicht auf Applikationen und Betriebsumgebungen, Entdeckung und Visualisierung versteckter Fehler, KI-basierte Problemanalyse und geführte Fehlerbehebung |
OverOps
|
OverOps
|
Klassische Applikationen, Microservices, DevOps-Umgebungen |
● / ● |
Überprüfung der Code-Qualität, Integration in Jenkins, KI-basierte automatische Ursachenanalyse, automatisierte Erkennung von Anomalien, Performance-Einbrüchen und Fehlern |
Riverbed
|
SteelCentral AppInternals |
Verteilte Umgebungen, cloud-native Applikationen, Microservices, Container |
● / ● |
Big-Data-Analysen, prädiktive Fehlererkennung, Priorisierung von Maßnahmen auf Basis der finanziellen Folgen fehlerhafter Transaktionen |
SolarWinds |
Application Performance Optimization Pack |
Applikationen, Server, Datenbanken |
○ / ● |
Überwachung aller IT-Schichten auf einer Plattform, Erfassung und Korrelation verschiedenster Performance-Indikatoren von Betriebssystemen, Anwendungen, physischen und virtuellen Infrastrukturen sowie Cloud-Umgebungen, durchgängige Überwachung isolierter Transaktionen von .NET-Prozessen, Visualisierung von Abhängigkeiten |
