Künstliche Intelligenz (KI) ist im Service- und Betriebsmanagement, sowohl in verteilten Systemen als auch auf dem Mainframe, weiter verbreitet als je zuvor. Der Markt für KI im IT-Betrieb (AIOps), der im Jahr 2020 auf 13,51 Milliarden US-Dollar geschätzt wurde, wird laut Mordor Intelligence bis 2026 voraussichtlich 40,91 Milliarden US-Dollar wert sein [1].
Wenn eine Anwendung Probleme macht, zählt jede Sekunde. Die Produktivität der Mitarbeitenden, der Net Promoter Score (NPS), der Ruf des Unternehmens und der Umsatz können in Mitleidenschaft gezogen werden, wenn komplexe Anwendungen und Dienste, die vor Ort, in der Cloud und sogar auf dem Mainframe laufen, nicht wie vorgesehen funktionieren.
AIOps können dabei helfen, indem sie die entsprechenden hochentwickelten KI- und ML-Algorithmen und -Modelle anstelle der traditionellen regelbasierten (und typischerweise manuellen) Verarbeitungsmethoden für den IT-Betrieb anwenden. Das führt zu einer neuen Geschwindigkeit und Effizienz im gesamten Unternehmen und liefert übergeordnete Erkenntnisse, die zu besseren Entscheidungen führen.
Zwei Konzepte: Observability & AIOps. »Observability« geht Hand in Hand mit AIOps, aber es sind zwei unterschiedliche Konzepte, die sich gegenseitig ergänzen. Wenn beides vorhanden ist, nutzt man AIOps für eine intelligentere und dynamischere Überwachung mit Anomalieerkennung und fortschrittlicher Ursachenanalyse, die aus einem breiten Datensatz, einschließlich Ereignissen, Protokollen, Traces, Metriken und Topologie, lernt.
Unter »Observability« versteht man die Einsicht in dem gesamten Tech-Stack. Bei der Beobachtung geht es darum:
- Einblicke in Betriebsinformationen zu gewinnen,
- mehrere Datenquellen und -typen zu nutzen,
- den Zustand eines Systems auf der Grundlage dieser externen Daten zu bestimmen.
Das Ziel ist eine vollständige Beobachtung des gesamten Stacks, die es ermöglicht, auf davor unbekannte Situationen zu reagieren und intelligente Automatisierung anzuwenden, um die IT-Landschaft zu untersuchen und die entsprechenden Maßnahmen zu ergreifen, sei es die Einhaltung von Vorschriften, ein Patch oder das Blockieren oder Beseitigen einer Bedrohung. Einfach ausgedrückt: Je besser die Beobachtbarkeit und die Erkenntnisse, desto wirkungsvoller sind die ergriffenen Maßnahmen und desto besser ist man auf das Unerwartete vorbereitet.
Wechsel von reaktiv zu proaktiv. Ein vollständiger Überblick über die Auswirkungen auf das Geschäft und der Wechsel von reaktiv zu proaktiv können dabei helfen, geschäftliche Risiken und Probleme besser zu priorisieren, um Service Level Agreements (SLAs) einzuhalten und die Zufriedenheit und Bindung von Kunden und Mitarbeitenden zu verbessern und gleichzeitig differenzierte Wachstumschancen zu nutzen. Dies öffnet auch die Tür für mehr Innovation. In dem Maße, wie sich Unternehmen besser an die sich schnell entwickelnden Technologien und Prozesse anpassen können, können sie ihre Top-Talente für Innovationsprojekte einsetzen, die lohnender sind.
Eine kürzlich von PricewaterhouseCoopers durchgeführte Unternehmensumfrage ergab, dass 62 Prozent der KI-»Leader« die Technologie zur Unterstützung von Betrieb und Wartung einsetzen [2]. Der Einsatz der richtigen AIOps-Lösung erfordert viele Überlegungen, darunter:
- Mit unternehmensweitem, plattformgesteuertem Management kann die IT-Abteilung Probleme besser vorhersehen, schneller lösen und dem Unternehmen einen jederzeit verfügbaren Service bieten.
- KI/ML kann Muster in den Daten erkennen, Trends aufzeigen und intelligente Erkenntnisse liefern, die nur mit erheblichem menschlichem Aufwand und Investitionen möglich wären. Die Projektion organischer Wachstumstrends kann dazu beitragen, drohende Ressourcenknappheit proaktiv zu erkennen, während das Lernen aus Trends im Zusammenhang mit früheren Fehlschlägen helfen kann, Misserfolge vorherzusagen, bevor sie eintreten.
- Die KI/ML-gestützte Analyse trennt die wirklichen Pro-bleme vom »Rauschen«, um einen klareren Blick auf die tatsächlichen Herausforderungen zu erhalten.
- Durch die Zusammenführung von Daten aus der gesamten IT-Umgebung, einschließlich der Lösungen von Drittanbietern, kann AIOps die Daten filtern und korrelieren und sie in verwertbare Ereignisse umwandeln, so dass potenzielle Probleme proaktiv erkannt werden, bevor sie beeinträchtigen.
Durch die Einführung von AIOps können Unternehmen ihre Betriebsabläufe verbessern und weiterentwickeln und qualitativ bessere Erkenntnisse gewinnen, die sie in die Lage versetzen, flexibel auf Veränderungen zu reagieren und sich auf die Zukunft vorzubereiten.
Ali Siddiqui,
CPO bei BMC Software
[1] https://www.mordorintelligence.com/industry-reports/aiops-market
[2] https://www.pwc.com/us/en/tech-effect/ai-analytics/ai-business-survey.html