Zunehmend mehr Entscheidern im Bereich Mainframe wird bewusst, dass die traditionelle Art und Weise der Abwicklung des Mainframe-Betriebs bald zurückbleiben wird. Die stetig wachsende Nachfrage nach neueren, schnelleren digitalen Diensten erhöht den Druck auf Rechenzentren, mitzuhalten, weil neue Anwendungen erscheinen, das verarbeitete Datenvolumen kontinuierlich steigt und die Arbeitslasten immer unvorhersehbarer werden.

In einer kürzlich von BMC in Auftrag gegebenen AIOps-Studie von Forrester Consulting gab die Mehrheit der Befragten an, dass sie zu viel Zeit damit verbringen, auf Vorfälle zu reagieren und nicht genug Zeit damit, Wege zu finden, diese zu verhindern [1]. 70 Prozent gaben an, dass Vorfälle Auswirkungen haben, bevor sie überhaupt erkannt werden, und 60 Prozent sagten, dass es zu lange dauert, bis ihr Unternehmen Vorfälle erkennt. Da der Mainframe ein zentraler Bestandteil der Anwendungsinfrastruktur ist, können sich Performance-Probleme auf die gesamte Anwendung auswirken, weshalb eine frühzeitige Erkennung und Lösung dieser Probleme (ganz zu schweigen von ihrer Vermeidung) von entscheidender Bedeutung ist.

Proaktives Betriebsmanagement. Unternehmen müssen den Mainframe als vernetzte Plattform behandeln und einen neuen, proaktiveren Ansatz für das Betriebsmanagement wählen. Glücklicherweise bieten uns die Weiterentwicklung der Technologie zur Datenerfassung und -verarbeitung und das Aufkommen neu geschaffener Machine-Learning-Techniken einen Weg, den Mainframe-Betrieb mit AIOps zu transformieren und zu einem »Autonomous Digital Enterprise« zu werden.

In der heutigen schnelllebigen digitalen Wirtschaft haben Betriebe nicht die Zeit, immer in langwierige Untersuchungsphasen zu investieren, wenn ein Problem auftritt. Statt zu warten bis Probleme auftreten und dann die verfügbaren Ressourcen für deren Lösung einzusetzen, nutzt die automatisierte Überwachung, die moderne Tools bieten, künstliche Intelligenz (KI) und maschinelles Lernen (ML), um das Zusammenspiel mehrerer sich überschneidender Informationen zu untersuchen und zu bewerten.

Diese Automatisierung wird umso wichtiger, weil die demografische Entwicklung der Belegschaft zu einem Verlust an institutionellem Wissen führt. Die AIOps-Umfrage von Forrester ergab, dass 81 Prozent der Befragten immer noch teilweise auf manuelle Prozesse angewiesen sind, um auf Verlangsamungen zu reagieren, wobei 75 Prozent angaben, dass ihre Organisation bei der Diagnose von Vorfällen mit mehreren Systemen einen gewissen Anteil an manueller Arbeit einsetzt. In der schnelllebigen digitalen Wirtschaft von heute führt dies zu einer Kombination aus höheren Erwartungen von Kunden, einer schnelleren Implementierung einer zunehmenden Anzahl digitaler Services und einem stärker vernetzten Mainframe, der von einer weniger erfahrenen Belegschaft unterstützt wird.

Automatisierte Überwachung hilft, diesen Druck zu verringern, indem Wissen kodifiziert und potenzielle Probleme und mögliche Lösungen identifiziert werden, was in proaktivem Monitoring, schnellerer Reaktion und geringere Abhängigkeit von spezialisierten Fähigkeiten resultiert.

AIOps als Out-of-the-Box-Modell. Die gute Nachricht ist, dass AIOps auf dem Mainframe nicht mehr nur den Unternehmen vorbehalten ist, die über die Ressourcen verfügen, um maßgeschneiderte, groß angelegte Datenerfassungs- und Data-Science-Infrastrukturen zu entwickeln und zu implementieren. Die Technologie für die Nutzung und Verarbeitung der großen Datenmengen, die auf dem Mainframe erfasst werden, und die bewährten Techniken zur Anwendung von Algorithmen für maschinelles Lernen auf diese Daten sind inzwischen so ausgereift, dass sie in einer Vielzahl von Unternehmensumgebungen implementiert werden können. Die Anbieter haben sich so weit entwickelt, dass sie jetzt Out-of-the-Box-Modelle anbieten, die sofort implementiert werden können, um bestehende und potenzielle Probleme genau zu erkennen.

Wo sollte man also anfangen? Viele Unternehmen haben Erfolg bei der Implementierung von Mainframe-AIOps, indem sie mit einem engen Rahmen beginnen. Bauen Sie AIOps auf Ihre bestehende Systemmanagement-Plattform auf, anstatt sie komplett zu ersetzen. Stellen Sie sicher, dass Ihre bestehende Plattform aktuell ist und dass Sie ein Überwachungstool wählen, das eine moderne Benutzeroberfläche bietet und es Ihnen ermöglicht, AIOps-Anwendungsfälle schnell und einfach zu integrieren.

Wenn Sie mit einem fokussierten Anwendungsfall beginnen, beispielsweise der Erkennung, und historische Daten eingeben, können Sie den Prozess entmystifizieren, indem Sie zeigen, wie bekannte Probleme erkannt werden und den Wert des Wechsels zu einem AIOps-basierten Ansatz beweisen. Sobald Sie diesen ersten Anwendungsfall erfolgreich implementiert haben, gehen Sie zu einem zweiten über, zum Beispiel der Analyse wahrscheinlicher Ursachen, wobei Sie wiederum historische Daten nutzen, um die neue Technologie zu erlernen und zu testen. Diese schrittweise Einführung stellt nicht nur sicher, dass Ihr Unternehmen die AIOps-Tools in vollem Umfang einsetzt, sondern ermöglicht es den Mitarbeitenden, die Tools zu erlernen und die Prozesse anzupassen, ohne den Umbruch einer plötzlichen, großen Veränderung.

Fazit. Das Modell »Erkennen und Reagieren« des Betriebsmanagements hat dem Mainframe jahrzehntelang gute Dienste geleistet, aber mehrere Faktoren haben deutlich gemacht, dass eine Änderung erforderlich ist. Angesichts der sich beschleunigenden digitalen Wirtschaft, der zunehmenden Notwendigkeit, den Mainframe in die digitale Strategie Ihres Unternehmens einzubeziehen, der sich verändernden Demografie der Belegschaft und der Verfügbarkeit von Technologien, die eine Automatisierung überall ermöglichen, ist die Zeit für Ihr Unternehmen gekommen, AIOps auf dem Mainframe einzuführen.

April Hickel, VP,
Intelligent Z Optimization and Transformation,
BMC Software

[1] https://www.bmc.com/forms/forrester-study-application-discovery.html

Illustration: © local_doctor/shutterstock.com

60 Artikel zu „Rechenzentrum AIOps“

NEWS | BUSINESS PROCESS MANAGEMENT | DIGITALE TRANSFORMATION | GESCHÄFTSPROZESSE | KÜNSTLICHE INTELLIGENZ

AIOps – die Möglichkeiten jenseits des Hypes

26. April 2019

Ständige Verfügbarkeit, möglichst keine Ausfallzeiten und Kosten, die so gering wie möglich ausfallen, sind heutzutage Grundbestandteil digitaler Geschäftsmodelle. Um diese zu gewährleisten, gilt es, Abläufe so effizient wie möglich zu gestalten. Mit AIOps steht IT-Teams ein Ansatz zur Verfügung, der in absehbarer Zeit aus dem laufenden Betrieb nicht mehr wegzudenken sein wird. Durch die Kombination…

April Hickel, VP, Intelligent Z Optimization and Transformation, BMC Software

[1] https://www.bmc.com/forms/forrester-study-application-discovery.html

60 Artikel zu „Rechenzentrum AIOps“

April Hickel, VP,
Intelligent Z Optimization and Transformation,
BMC Software