Seite 2 - KI als solide Basis für nachhaltige Geschäftsmodelle

Lesezeit
2 Minuten
Bis jetzt gelesen

Seite 2 - KI als solide Basis für nachhaltige Geschäftsmodelle

27.04.2022 - 14:00
Veröffentlicht in:
AIOps entlastet Administratoren
Zugleich schafft eine MLOps-Plattform eine optimale infrastrukturelle Grundlage, um Anwendungen mithilfe von AIOps umzusetzen. Dabei geht es darum, auf verschiedene Silos verteilte IT-Betriebsumgebungen durch eine zentrale, KI-gestützte Plattform abzulösen – eben die AIOps-Plattform. Ein solcher Ansatz ist in Zeiten, in denen Unternehmen ihre Daten und Systeme verstärkt in die Cloud migrieren, ein entscheidender Erfolgsfaktor. Hybride oder Multicloud-Umgebungen zu managen, ist äußerst kompliziert, weil die verwendeten Ressourcen jederzeit bedarfsgerecht zu skalieren sind. Vor diesem Hintergrund erlaubt AIOps, den Betrieb komplexer IT-Systemlandschaften KI-basiert zu automatisieren und damit dessen Effizienz zu erhöhen. Davon profitieren insbesondere IT-Administratoren und weiteres IT-Betriebspersonal. Dank AIOps können sie automatisiert

  • Root Causes für großflächige Störungen ermitteln,
  • Anomalien identifizieren und aufkommende Störungen präventiv erkennen,
  • Vorschläge für die Fehlerbehebung erhalten und
  • Supporttickets klassifizieren sowie zuteilen.


So funktioniert AIOps
Damit AIOPs die IT-Abteilung tatsächlich bei der Erledigung operativer Routineaufgaben unterstützt, ist eine Reihe an Voraussetzungen zu erfüllen. Es braucht

  • eine skalierbare Cloudumgebung, in der sich die hohen Daten-Updatefrequenzen im IT-Betrieb adäquat managen lassen,
  • ein Datenberechtigungskonzept, das gemäß Data-Governance-Strategie definiert und umgesetzt ist,
  • qualitativ hochwertige IT-Betriebsdaten, die eine 360-Grad-Sicht auf jegliche Prozesse eröffnen und nahtlos bereitstehen,
  • eine zentrale Datenplattform, die Betriebsdaten aus verschiedenen Quellen systemübergreifend auswertbar und verfügbar macht,
  • bidirektionale Schnittstellen zwischen Plattform sowie Quell- und Zielsystemen,
  • digitalisierte Supportprozesse einschließlich gut gepflegter Dokumentationen von Anfragen samt Lösungen sowie
  • erfahrene Experten für Machine Learning und Data Science, die die AIOps-Anwendungsfälle auf der MLOps-Plattform bedarfsgerecht umsetzen.
Auf einem derartigen technologischen Fundament lassen sich verschiedenste KI-Applikationen und -Services umsetzen. Bewährte Anwendungsfälle sind zum Beispiel:
  1. Root Cause Analysis: In einer IT-Landschaft sind verschiedenste Komponenten voneinander abhängig, etwa eine zentrale Applikation, die Userdaten für eine Vielzahl an Webanwendungen bereitstellt. Fällt in solch einem Konstrukt eine zentrale Komponente aus, löst das eine Kaskade von Störmeldungen aus, die allesamt dieselbe Ursache haben. Damit Administratoren gezielt reagieren können, ist es notwendig, das zentrale Problem zu erkennen und als solches hervorzuheben. Bei einer sich wandelnden und komplexer werdenden IT-Landschaft kann eine KI-gestützte Root Cause Analysis helfen, die zugrundeliegende Ursache in einer Flut von Störmeldungen zu identifizieren. Als Vorstufe dieses Modells ist eine KI in der Lage, die Störmeldungen zumindest zu gruppieren, ohne den Root Cause zu benennen.

  2. Anomaly Detection & Incident Prediction: Der Traum eines jeden Service-Providers: Eine potenzielle Störung erkennen, bevor sie aufkommt. KI macht dies möglich. Indem sie ein System überwacht, lassen sich Anomalien erkennen und Alarme präventiv auslösen. Dabei fließen Logs und Metriken des Systems, wie etwa Netzwerkauslastung oder Festplattenkapazität, in das KI-basierte System. Statt nach Anomalien jedweder Art Ausschau zu halten, ist es sinnvoll, eine KI gezielt so zu trainieren, dass sie die Wahrscheinlichkeit einer aufkommenden Störung einschätzen kann. Wenn diese Wahrscheinlichkeit dann einen bestimmten Schwellwert überschreitet, erhalten Administratoren eine entsprechende Warnung und können eine aufkommende Störung abwenden.
Fazit
Die Anwendungsfälle für hilfreiche KI-basierte Produkte und Services sind so vielfältig wie die Geschäftsmodelle von Unternehmen. Mit dem technologischen Fortschritt geht ein strategischer Paradigmenwechsel einher: weg von der Entwicklung singulärer KI-Prototypen hin zur Umsetzung bedarfsgerechter Use Cases, die dank KI-Funktionalitäten grundlegende Prozesse und kundenfreundliche Services unterstützen. Sich dieses Wandels bewusst werdend, sind immer mehr Unternehmen bereit, in cloudbasierte Plattformen für MLOps und AIOps zu investieren. Damit schaffen sie eine solide Basis, auf der sie ihr Geschäftsmodell nachhaltig und zukunftsgerichtet digitalisieren können – Use Case für Use Case.

Seite 1: MLOps bedarfsgerecht nutzen
Seite 2: AIOps entlastet Administratoren


<< Vorherige Seite Seite 2 von 2


ln/Niels Pothmann, Head of AI, und Thomas Löwen, AIOps Spezialist bei Arvato Systems

Ähnliche Beiträge

Im Test: Heimdal Patch & Asset Management

Ein zeitgemäßes Patchmanagement darf sich angesichts der vielfältigen Bedrohungen nicht allein auf die Microsoft-Produkte konzentrieren, sondern muss sich auch verbreiteten Drittanbieteranwendungen widmen. Der dänische Anbieter Heimdal Security geht noch einen Schritt weiter und hat eine ganze Suite zum Schutz vor Cyberbedrohungen im Programm. Mit dem Fokus auf das Patchen haben wir uns das cloudbasierte Angebot genauer angesehen.

Device-Management mit Microsoft Intune und Office 365 - Zwei Wege, ein Ziel

Um Geräte im Netzwerk oder mobile Geräte, die auf das Netzwerk zugreifen, zu verwalten, bietet sich für Unternehmen entweder Office 365 Mobile Device Management oder Microsoft Intune an. Ein Unterschied zwischen den beiden Lösungen besteht vor allem im Preis. Während das Device-Management zu vielen Abonnements in Office 365 gehört, muss Microsoft Intune gesondert abonniert werden. In diesem Beitrag stellen wir beide Ansätze vor.