KI und IT-Operations bilden ein starkes Team

AIOps-Vorteile

von Bernd Reder - 01.11.2019

Aus den Aussagen der Experten lassen sich als Hauptvorteile einer AIOps-Plattform acht Aspekte ableiten:

Vermeiden von kostspieligen Ausfallzeiten, höhere Nutzerzufriedenheit: Vorhersagen von Ausfallursachen dienen dazu, Probleme proaktiv zu beheben und die Effizienz von IT-Operations zu erhöhen.

Kürzere Bereitstellungszeiten: Die Mean Time to Resolve (MTTR) verkürzt sich nach Angaben des Beratungshauses Enterprise Management Associates um bis zu 65 Prozent. IT-Services lassen sich um 70 Prozent schneller bereitstellen.

Auflösen von IT-Silos und isolierten Reaktionen: In Silos eingeschlossene Daten werden genutzt, um Ausfallzeiten durch eine beschleunigte Ursachenanalyse zu reduzieren. Es entsteht außerdem kein „Herrschaftswissen“ bei einzelnen IT-Operations-Fachleuten oder in bestimmten Abteilungen.

Reduzierung des „Datenlärms“: IT-Ops-Teams können Ereignisse korrelieren, um den Kontext von Meldungen zu verbessern und aus der Vielzahl von Informationen Insights zu gewinnen.

Eliminieren manueller Aufgaben: Automatisierung reduziert Inkonsistenzen bei Reaktionen, beseitigt Fehler, die sich sonst nur schwer beheben lassen, und schont Ressourcen. Die IT-Abteilung konzentriert sich auf die Analyse und Optimierung von Prozessen oder übernimmt höherwertigere Aufgaben.

Kürzere Reaktionszeiten bei der Problembehebung. Voraussetzung ist laut Axians die „Qualität der AIOps-Lösung“.

Höheres Sicherheitsniveau: Anomalien rechtzeitig zu erfassen, verbessert die Sicherheit von IT-Systemen und Netzwerken. Angriffe werden schneller erkannt.

Ansatz für das Business Process Mininig: Dabei werden die Datenquellen von IT-Operations und Applikationen im Rahmen von AIOps miteinander kombiniert.

Datenwirrwarr reduzieren

Ganz entscheidend kommt es darauf an, dass AIOps die Vielzahl der Daten reduziert. „Intelligente AIOps-Lösungen korrelieren, aggregieren und priorisieren Incident-Daten, reduzieren dadurch den Datenlärm und verkürzen die Mean Time To Resolution deutlich“, stellt Guy Fighel fest, General Manager of AIOps und Vice President Product Engineering beim amerikanischen Monitoring- und AIOps-Spezialisten New Relic. Anstatt den AIOps-Ansatz auf einen bestimmten Aspekt des Incident-Response-Prozesses zu beschränken, empfiehlt New Relic, die Verbindungen zwischen den einzelnen Phasen des Implementierungsprozesses zu verstärken, um eine leistungsfähigere Lösung zu schaffen. „Es reicht nicht aus, sich nur auf schnelleres Erkennen, Verstehen, Reagieren oder Nachbereiten zu konzentrieren“, so Fighel. „Teams brauchen ein Werkzeug, das wie ihre besten Site Reliability Engineers denkt - aus einer Systemperspektive heraus.“ Zuverlässige AIOps-Funktionen könnten Ereignisse korrelieren, um den Kontext der Systemmeldungen zu verbessern. Gerade für vielbeschäftigte Teams, die unter dem Druck stehen, die MTTR zu verkürzen, kann eine ständig wachsende Liste von Tools Probleme bereiten: Vorfall-, Ereignis- und Telemetriedaten sind fragmentiert, isoliert oder redundant. „Dies macht es schwieriger, die für die Diagnose und Behebung von Vorfällen erforderlichen Informationen zu finden“, berichtet Guy Fighel.

AIOps-Plattformen versprechen, diese Probleme mit einem zentralen, intelligenten Feed von Incident-Informationen zu lösen, der alles anzeigt, was IT-Experten zur Fehlerbehebung und Reaktion auf Probleme benötigen, und zwar auf einem Blick.

Implementierung

Allerdings warnt Guy Fighel davor, die Implementierung von AIOps auf die leichte Schulter zu nehmen: „Diesen Mehrwert zu erschließen kann einen erheblichen Zeitaufwand und eine Anpassung des Workflows erfordern und die Teams etliche Stunden an Integrations-, Konfigurations-, Schulungs- und Onboarding-Arbeiten kosten“, gibt er zu bedenken. Aus diesem Grund habe New Relic AIOps „ganz oben“ auf seiner Observability-Plattform implementiert. „Daher kann unsere Lösung Daten aus mehr als 60 Integrationen aufnehmen. Damit erhalten Kunden sofort wertvolle Daten.“

Einen weiteren Aspekt bringt Karsten Flott von AppDynamics ins Spiel: „Wir stellen fest, dass Anwender zunehmend von Anbietern verunsichert werden, die auf den ‚KI-/Maschinelles-Lernen-Zug‘ aufspringen, aber in Wirklichkeit noch keine verlässliche Lösung anbieten.“ Das schreckt potenzielle Nutzer ab. „Wer jedoch erprobte Lösungen mit einem Mehrwert anzubieten hat und auf konkrete Anwendungsfälle verweisen kann, dem schlägt auf dem Markt derzeit viel Interesse entgegen“, so Flott. Hilfreich ist es daher, sich vom Anbieter der AIOps-Lösung Referenzkunden nennen zu lassen und zu diesen Kontakt aufzunehmen.

Plattformen und Lösungen für AIOps (Teil 1)
Anbieter	Lösung(en)	Details
Anodo	AIOps Analytics Platform	Autonome Erkennungs- und Prognosefunktionen auf Basis von Machine Learning (ML) und KI, Aufspüren und Korrelation von Anomalien in Echtzeit, Analyse der Auswirkungen auf Geschäftsvorgänge
AppDynamics	App iQ Platform, Central Nervous System for IT	Plattform, auf der alle „Nervenstränge“ einer Anwendungslandschaft zusammenlaufen, gemeinsam mit der Muttergesellschaft Cisco entwickelt, KI-gestütztes Baselining und automatisierte Erkennung von Anomalien, Analyse der Metriken und der entsprechenden Abhängigkeiten
Big Panda	BigPanda AIOps Platform	Schwerpunkt auf „Autonomous Operations“, sprich Automatisierung von IT-Operations in Rechenzentren, Integration vorhandener Tools über Integration Hub, „Autonomous Layer“ für automatische Aktionen/Reaktionen
BMC Software	TrueSight AIOps	Speziell für Hybrid- und Multi-Cloud-Umgebungen, automatische Analyse von Daten aus Monitoring, Service Desk und Infrastruktur, um Performance-Probleme zu erkennen und automatisch zu beseitigen, Empfehlungen für Kostenoptimierung und automatische Reaktion auf Events
Broadcom	AIOps from Broadcom	Korrelation von Daten von Usern, Anwendungen, IT-Infrastruktur und Netzwerkservices, KI- und Machine-Learning-Funktionen, Automatisierung von Prozessen; auch für komplexe IT-Umgebungen mit Mainframes und Cloud-Ressourcen
Devo	Devo Platform	Ein Schwerpunkt: IT-Sicherheit und Cloud-Security; kontextbezogene Echtzeitanalysen auf Basis von KI und ML, als Cloud-Service (SaaS) verfügbar, Korrelation von Daten wie Abbruch von Einkäufen in Online-Shops mit Metriken wie Server- und Netzwerk-Performance; laut Forrester Stärken bei Echtzeitanalyse und Verarbeitung von Daten aus unterschiedlichen Quellen
Dynatrace	Dynatrace Davis	Cloudbasierte Lösung mit hoher Skalierbarkeit; Monitoring von Infrastruktur und Anwendungen in Verbindung mit Analyse der User Experience und Auswirkungen auf Geschäftsprozesse, Analyse des gesamten Anwendungs-Stacks, detaillierte Analysen und Erstellen von Insights in Echtzeit
Extrahop	ExtraHop	Schwerpunkte: Netzwerkanalyse und Netzwerkbetrieb, Security Operations; Machine-Learning-Funktionen via ExtraHop Cloud-Scale ML; hohe Skalierbarkeit und Performance dank cloudgestützter ML-Funktionen, Analysen und Prognosen über Netzwerk-Domains hinweg, Sicherheitsanalysen
HPE	HPE Infosight	Schwerpunkt: Hybrid Clouds; Analyse von IT-Umgebungen und proaktive Problemlösung speziell für Storage-Umgebungen ausgelegt, als Cloud- und On-Premise-Lösung verfügbar, kontextbezogene Analysefunktionen und Insights, Unterstützung bei der Planung, wo neue Workloads platziert werden sollen
IBM	IBM Netcool Operations Insight	Proaktive, kontextbezogene Analysen der IT-Infrastruktur und von Anwendungen, Automatisierung von Aktionen mit dem Ziel, die Zahl von Events zu reduzieren, für komplexe Umgebungen wie Hybrid- und Multi-Cloud-Infrastrukturen ausgelegt
Kentik	Kentik AIOps Platform	Schwerpunkt: Netzwerkanalyse und Network Operations; Analysen, proaktive Insights und Handlungsempfehlungen, Automatisierung von Aktionen, Einbindung von IT-Security-Daten, um Risiken zu ermitteln, Performance-Analysen in Abhängigkeit von den Anforderungen der Anwendungen
Lakeside Software	SysTrack AIOps	Monitoring und proaktives Beheben von Problemen der Infrastruktur und von Anwendungen auf Basis von KPIs und der Nutzerfahrung, Integration der Lösung von Splunk, Erfassen und Verarbeiten von Daten von Endpoints, Analyse von Echtzeit- und historischen Daten
Loom Systems	Loom Systems Sophie AIOps	IT-Monitoring mit AIOps-Funktion, proaktives Erkennen von Problempunkten und Erstellen von Insights, automatisierte Untersuchung von Log-Daten und Root-Cause-Analysen, für Unternehmensrechenzentren, Hybrid Clouds und Multi-Cloud-Umgebungen
Logz.io	Logz.io Platform	Schwerpunkt: KI- und ML-basierte Log-Datenanalyse für das Aufspüren von IT-Security-Risiken; Integration in DevOps-Prozesse möglich, Basis: ELK-Stack, eine Open-Source-Lösung für Monitoring und Logging, Integration von mehr als 200 Tools
Masergy	Masergy AIOps	Lösung für die Optimierung des Netzwerks, der IT-Sicherheit und von Anwendungen, speziell für komplexe Umgebungen wie Multi-Cloud-Infrastrukturen, Anomalie-Erkennung mit Prognosefunktion, proaktive Optimierung von Netzwerk, Security und Applikationen

Seite

KI und IT-Operations bilden ein starkes Team

AIOps-Vorteile

Datenwirrwarr reduzieren

Implementierung

Mehr zum Thema