Einblicke in IT-Abhängigkeiten

AIOps ist die Abkürzung für "Artificial Intelligence for IT Operations". AIOps verwendet einen Mix aus verschiedenen KI-Strategien, um IT-Assets zu überwachen und Einblicke in die Abhängigkeiten von IT-Systemen zu erhalten. AIOps basiert dabei auf der Zusammenführung der Daten aus dem IT Operations Management (ITOM – Metriken, Ereignisse) und dem IT Service Management (ITSM – Vorfälle, Änderungen). Der Hauptvorteil der Einführung von AIOps besteht darin, dass Operation-Teams die Geschwindigkeit und Flexibilität erhalten, die sie benötigen, um die Verfügbarkeit kritischer Services und die Bereitstellung eines optimalen digitalen Kundenerlebnisses sicherzustellen.

AIOps als CI/CD für IT-Kernfunktionen

AIOps-Plattformen kombinieren Big Data-, Analytik- und KI-Funktionen, um alle primären IT-Betriebsfunktionen wie Verfügbarkeits- und Leistungsüberwachung, Ereigniskorrelation und -analyse sowie IT-Service-Management und Automatisierung zu verbessern. Die „KI“ in AIOps bedeutet nicht, dass menschliche Bediener durch automatisierte Systeme ersetzt werden. Stattdessen arbeiten Menschen und die AIOps-Plattform zusammen, wobei die KI- und ML-Algorithmen die menschlichen Fähigkeiten erweitern und es Ops-Profis ermöglichen, sich auf das Wesentliche zu konzentrieren.

Eine AIOps-Plattform basiert auf fünf Arten von Algorithmen, die fünf Schlüsseldimensionen der Überwachung von IT-Vorgängen vollständig automatisieren und rationalisieren:

Datenauswahl

In jedem Unternehmen gibt es eine enorme Menge hochredundanter und verrauschter IT-Daten, die von einer modernen IT-Umgebung generiert werden. AIOps-Algorithmen sammeln aus einer Vielzahl von Daten aus verschiedenen IT-Betriebstools und -Geräten Daten und finden in Echtzeit bei der Zusammenführung der Daten die Datenelemente, die auf ein Problem hinweisen.

Mustererkennung

Die AIOps-Algorithmen korrelieren und finden Beziehungen zwischen den ausgewählten, aussagekräftigen Datenelementen und gruppieren diese zur weiteren Analyse.

Inferenz

AIOps-Algorithmen identifizieren die Hauptursachen für (wiederkehrende) Probleme, damit Maßnahmen ergriffen werden können.

Zusammenarbeit

AIOps-Algorithmen benachrichtigen Teams und erleichtern die Zusammenarbeit zwischen ihnen insbesondere dann, wenn Personen geografisch verteilt sind. Des Weiteren speichert es Daten zu Vorfällen, die die zukünftige Diagnose ähnlicher Probleme beschleunigen können.

Automatisierung

AIOps-Algorithmen automatisieren die Reaktion und Korrektur so weit wie möglich, um Lösungen präziser und schneller zu realisieren. Diese automatisierungsgesteuerten Erkenntnisse und Reaktionen führen zu kontinuierlichen Verbesserungen und Korrekturen. AIOps kann man sich als Continious Integration und Continious Delivery (CI/CD) für IT-Kernfunktionen vorstellen.

Abkehr von siloartiger Datenspeicherung

Tools zur Visualisierung bieten Dashboards zur Veranschaulichung von Berichten und Grafiken, damit Benutzer Änderungen und Ereignisse in der IT-Umgebung verfolgen und auf Situationen reagieren können, die Entscheidungen erfordern, die die AIOps-Software nicht treffen kann. AIOps erfordert aber eine Abkehr von einer siloartigen IT-Daten-Speicherung, um Beobachtungsdaten aus Überwachungssystemen und Job-Protokollen zusammen mit Eingriffsdaten aus Ticket-, Incident- und Event-Aufzeichnungen innerhalb einer Big-Data-Plattform zu aggregieren.

Die grundlegenden Schritte

Der allgemeine Prozess, nach dem AIOps-Plattformen und -Lösungen arbeiten, umfasst drei grundlegende Schritte: Observe, Engage und Act.

Observe

Eine AIOps-Plattform beobachtet die Beschaffenheit von Daten und deren Verhalten. Dies beinhaltet das Sammeln von leistungsbezogenen Informationen und das Adressieren von großem Datenvolumen aus verschiedenen Multi-Domain- und Multi-Vendor-Umgebungen. Zu diesen Quellen können Legacy-Infrastrukturen oder neue Elemente aus Containern, Hybrid-Clouds, virtualisierten Umgebungen gehören. Unabhängig von den Daten oder der Quelle ist Geschwindigkeit der Schlüssel für den Beobachtungsteil des Prozesses, denn die Daten müssen nahezu in Echtzeit gesammelt werden, um Muster zu erkennen. Eine erfolgreiche AIOps-Plattform kombiniert Big Data und Maschinelles Lernen mit Domänenwissen, um Datenbeziehungen und -verläufe zu identifizieren und komplexe Probleme zu lösen.

Engage

Eine AIOps-Plattform bietet eine Orchestrierung über wichtige IT-Betriebsdomänen hinweg an. ITSM-Aktivitäten wie Asset Management, Change Management und Incident Management werden traditionell manuell durchgeführt und sind in der Regel stark von der Configuration Management Database (CMDB) abhängig. Die AIOps-Plattform ermöglicht Analysen und Input, um ITSM-Aufgaben automatisierter und zuverlässiger zu gestalten und die Beobachtung hybrider Umgebungen auf einer End-to-End-Basis. Sie stellt sicher, dass die CMDB-Daten relevant und zuverlässig sind und erlaubt eine Automatisierung sowie ein schnelleres und genaueres Incident Management. Die Mustererkennung versetzt Unternehmen in die Lage, Probleme zu erkennen und zu beheben, bevor sie sich auf die Endbenutzer auswirken.

Act

Natürlich ist die Automatisierung kritischer IT-Operationen mit Hilfe von ML für die meisten Unternehmen Neuland. Aber eine State-of-the-Art Automatisierung ist so ausgereift, dass Unternehmen sie heute sowohl für einfache als auch für komplexere Aufgaben einsetzen können. Sie können die Automatisierung nutzen, um Protokolldateien zu bereinigen, um Speicherplatz freizugeben oder um Anwendungen neu zu starten. Die Automatisierung kann auch die Richtlinien für den Anwendungsverkehr auf einem Router ändern, wenn AIOps den Bedarf sieht.

AIOps macht den geschäftlichen Unterschied aus

Zu den AIOps-Anwendern zählen Unternehmen mit umfangreichen IT-Umgebungen und verschiedenen Technologietypen, die mit Problemen in Bezug auf Komplexität und Umfang konfrontiert sind. Wenn diese durch ein Geschäftsmodell ergänzt werden, das stark von der IT abhängig ist, kann AIOps zum großen Matchwinner für diese Unternehmen werden. Die Notwendigkeit, schnell auf Marktveränderungen und aufkommende Chancen mit innovativen, digital unterstützten Geschäftslösungen reagieren zu können, erzeugt eine immer größere Nachfrage nach IT-Agilität.

Fazit:

Herkömmliche IT-Management-Lösungen können mit dem immensen Datenvolumen nicht Schritt halten und die Ereignisse aus der Informationsflut nicht intelligent sichten. Eine prädiktive Analyse und Echtzeitinformationen, die ein erfolgsorientierter IT-Betrieb benötigt, um schnell genug auf Probleme zu reagieren, können traditionelle Lösungen nicht liefern.

AIOps-Plattformen verbessern die Entscheidungsfindung von Führungskräften, indem sie große Mengen unterschiedlicher und flüchtiger Daten kontextualisieren. Unternehmen sollten AIOps-Plattformen verwenden, um die Leistungsanalyse über den gesamten Anwendungslebenszyklus hinweg zu verfeinern und das IT-Service-Management und die Automatisierung zu verbessern. Die Analytik- und Orchestrierungsfunktionen ermöglichen die Etablierung eines allgegenwärtigen Self Services. AIOps schließt die Lücke zwischen einer dynamischen, vielfältigen und schwierigen IT-Landschaft einerseits und den Erwartungen der Benutzer an eine minimale bzw. keine Unterbrechung der Systemverfügbarkeit und -leistung anderseits.

Die Automatisierung im Rahmen von AIOps öffnet den Unternehmen das Tor zu dem enormen Reichtum an ungenutzten Geschäftsdaten und minimiert das Ausfallrisiko geschäftskritischer Anwendungsfälle. Die erfolgreichen Unternehmen von morgen werden diejenigen sein, die intelligente, technologiegestützte Systeme wie AIOps einsetzen, die es ihnen ermöglichen, zu florieren, während andere in Zeiten massiver Veränderungen ins Stocken geraten.

Über Milad Safar

Milad Safar ist Managing Partner der Weissenberg Group, die er 2013 mit dem Ziel gründete, Prozesse durch den Einsatz von intelligenten Automatisierungslösungen effizienter zu gestalten. Schon während seines Studiums der Volkswirtschaftslehre interessierte er sich für zukunftsweisende Technologien. Getrieben durch die Erkenntnis, dass viele Prozesse wertvolle Arbeitszeit verschlingen, beschäftigt sich Milad Safar von Beginn seiner Beratertätigkeit an mit den Themen Digitalisierung, Robotics und Künstliche Intelligenz, zu denen er auch regelmäßig Vorträge hält, an Expertenrunden teilnimmt und Beiträge in namhaften Fachmagazinen veröffentlicht. Er ist Co-Buchautor des 2019 von WEKA Media herausgegebenen vierbändigen IT-Lexikons „Informationstechnologie von A-Z“. Als Initiator rief er 2018 das jährlich stattfindende AI Camp Wolfsburg ins Leben, eine Diskussionsplattform rund um die Themen Künstliche Intelligenz, Robotics, Maschinelles Lernen und deren Anwendung.