Was ist AIOps?
AIOPs ist eine neue Möglichkeit, um den sich wandelnden Nutzer- und IoT-Anforderungen an moderne und komplexe Campus-, Niederlassungs- und WFH-Netzwerke von heute gerecht zu werden. Transparenz und Automatisierung versorgen IT-Einrichtungen mit den erforderlichen Erkenntnissen, um die Effizienz zu erhöhen und die Benutzererfahrung zu verbessern.
Das ist AIOPs
Der Begriff „AIOps“ (Artificial Intelligence for IT Operations) beschreibt, wie IT-Teams Big Data, Analysen und maschinelles Lernen nutzen, um Netzwerkausfälle vorherzusagen, schnell darauf zu reagieren oder diese sogar zu verhindern.
- Der Begriff wurde ursprünglich 2017 von Gartner geprägt und bezieht sich darauf, wie Daten und Informationen aus einer Anwendungsumgebung verwaltet werden.
- AIOps kombiniert die Automatisierung von Verwaltungsaufgaben und die Kontrolle durch Netzwerkexperten mit dem Fachwissen qualifizierter IT-Experten, um die Effizienz zu verbessern.
- Der Einsatz von KI/ML dient Netzwerk-Insights, der Endpunkt-Profilerstellung für Sicherheitszwecke und der erforderlichen Transparenz, um die ordnungsgemäße Leistung für lokale und Cloud-Anwendungen sicherzustellen.
Wie funktioniert AIOps?
AIOps verwendet Telemetrie, die von allen Netzwerk- und Clientgeräten erfasst wird, um Ausgangswerte zu erstellen, anhand derer automatisch und in Echtzeit Probleme identifiziert, Grundursachen ermittelt und Anleitungen zur Optimierung bereitgestellt werden können.
AIOps umfasst Folgendes:
- Big Data – Strukturierte und unstrukturierte Daten, die in großen Mengen gesammelt werden.
- Maschinelles Lernen – Algorithmen, die in der Lage sind, Veränderungen in der Umgebung zu erlernen und sich an diese anzupassen. Dazu kommt die Fähigkeit, sich zu verändern oder neue zu erstellen, um Probleme früher zu erkennen und effektive Lösungen zu empfehlen.
Warum AIOps?
Herkömmlichen IT-Tools fehlt die Intelligenz und die Automatisierung, die für die Bewältigung der drastisch zunehmenden Zahl neuer Services, Remotebenutzer, IoT-Geräte, Cloud-Technologien und Daten erforderlich sind.
AIOps bietet folgende Vorteile:
- IT-Teams können auf Ausfälle reagieren und diese verhindern, bevor sie auftreten.
- Die mittlere Reparaturzeit (MTTR) wird verkürzt und die IT-Effizienz verbessert.
- Störungen werden identifiziert und herausgefiltert, damit die IT-Abteilung ihre Zeit nicht mit Problemen geringer Priorität verschwendet.
- Tipps für die Optimierung der Netzwerk-, Sicherheits- und Anwendungsleistung werden bereitgestellt.
Was sind Anwendungsfälle für AIOPs?
Die folgende Tabelle beschreibt gängige Netzwerkprobleme und wie AIOPs sie lösen kann.
| Herausforderung | Wie herkömmliche Tools versagen | Wie AIOps eine Lösung findet |
|---|---|---|
Aufrechterhaltung der Konformität der Netzwerkkonfiguration | Statische Geräteeinstellungen halten nicht Schritt mit veränderten Geschäftsanforderungen. | AIOps sorgt für eine kontinuierliche Überwachung des Netzwerkbetriebs und empfiehlt oder realisiert automatisch Änderungen für die Optimierung. |
Anpassung an geänderte Geschäftsanforderungen | Service Level Expectations (SLEs) müssen manuell konfiguriert werden. Das ist kostspielig und zeitaufwändig. | Wichtige Netzwerkgrenzwerte werden automatisch definiert, überwacht und auf Grundlage von Veränderungen der Umgebung angepasst. |
Schnelle Behebung von Netzwerkproblemen | Die meisten Probleme werden aufgrund von Anrufen beim Helpdesk identifiziert. Das ist teuer und ineffizient. | Präventive Erkenntnisse helfen, Probleme zu identifizieren, bevor sie sich auf Benutzer oder IoT-Geräte auswirken, und verringern die Anzahl der Helpdesk-Anrufe. |
Replizierung sporadisch auftretender Probleme | Das Aufspüren sporadisch auftretender Probleme erfordert Stunden oder Tage, da diese nur schwer reproduzierbar sind. | Eine automatisierte, ständig aktive Überwachung zeigt dauerhafte und offensichtliche Probleme auf – mit integrierter Datenerfassung. |
Zunehmende Netzwerkkomplexität | Über 50 % der IT-Zeit wird für Fehlerbehebung und Optimierung verbraucht. | Erkenntnisse liefern Fehlerursachen, Ursachenanalysen und Reparaturempfehlungen. |
Fehlende Ressourcen und Qualifikationen | Mangelnde Ressourcen und Schulungen bilden einen ständigen Streitpunkt. | Erkenntnisse und Suchfunktionen sind dazu ausgelegt, Teams zu unterstützen und deren Wissensbasis zu erweitern. |
