Was ist AIOps? AIOps erklärt

Was ist AIOps? AIOps (Künstliche Intelligenz für IT-Betrieb) ist die Anwendung von Big Data, Analytik und maschinellem Lernen zur Automatisierung und Verbesserung von IT-Betrieb (ITOps). KI ist besonders wichtig für ITOps-Funktionen  wie Anomalieerkennung und Ereigniskorrelation, da sie die Fähigkeit hat, große Mengen an Netzwerk- und Maschinendaten zu analysieren, um Muster zu finden, die Ursache für bestehende Probleme zu identifizieren und Wege zur Vorhersage und Vermeidung zukünftiger Probleme zu finden.

In diesem Artikel findet ihr mehr zu:

• AIOps-Grundlagen
• AIOps-Plattformen
• Wichtige AIOps-Anwendungsbeispiele
• Geschäftliche Vorteile der Implementierung von AIOps
• Die Zukunft von AIOps
• Erste Schritte

Die Komplexität moderner Datenumgebungen, einschließlich Mikroservices, Multi-Cloud- oder Hybrid-Cloud-Architekturen und Container, sowie die Verbreitung verteilter Systeme haben zu enormen und schwer handhabbaren Mengen an Protokoll- und Leistungsdaten geführt. Diese können IT-Analysten schnell überfordern und die Transparenz bezüglich der Stabilität und Sicherheit des Netzwerks beeinträchtigen. AIOps-Lösungen helfen IT-Fachleuten, diese Probleme zu lösen, indem sie Assets effektiv überwachen und die Sichtbarkeit von Abhängigkeiten sowohl intern als auch außerhalb von IT-Systemen erweitern — und das alles ohne menschliches Eingreifen.

In diesem Artikel erläutern wir die Funktionsweise von AIOps, seine vielfältigen Anwendungsfälle und zahlreichen Vorteile sowie Möglichkeiten zur effektiven Implementierung von AIOps in Eurer Organisation.

AIOps-Grundlagen

Im Jahr 2016 prägte Gartner den Begriff "AIOps" als Kurzform für "Algorithmic IT Operations". Er sollte die nächste Entwicklungsstufe der IT Operations Analytics (ITOA) darstellen. Innerhalb etwa eines Jahres änderte Gartner den Ausdruck in "Artificial Intelligence for IT Operations" – eine subtile, aber wirkungsvolle Änderung im Marketing des Konzepts.

AIOps soll die Geschwindigkeit und Genauigkeit der KI auf den IT-Betrieb übertragen. Das Management des IT-Betriebs ist mit zunehmender Größe und Komplexität der Netzwerke immer anspruchsvoller geworden. Herkömmliche Betriebsmanagement-Tools und Praktiken haben Schwierigkeiten, mit den ständig wachsenden Datenmengen aus vielen Quellen in komplexen und vielfältigen Netzwerkumgebungen Schritt zu halten. Um diese Herausforderungen zu bewältigen, erfüllen AIOps-Tools folgende Funktionen:

• Zusammenführung von Daten aus mehreren Quellen, d. h., herkömmliche Ansätze, Tools und Lösungen wurden nicht für das Volumen, die Vielfalt und die Geschwindigkeit konzipiert, die durch die heutigen komplexen und vernetzten IT-Umgebungen erzeugt werden. Stattdessen konsolidieren und aggregieren sie Daten und fassen sie zu Durchschnittswerten zusammen, was die Datengenauigkeit beeinträchtigt. Ein grundlegendes Prinzip von AIOps-Plattformen ist ihre Fähigkeit, große Datensätze jeder Art in der gesamten Umgebung zu erfassen und dabei die Datengenauigkeit für eine umfassende Analyse zu erhalten.
• Vereinfachung der Datenanalyse: Ein großes Unterscheidungsmerkmal von AIOps-Plattformen ist ihre Fähigkeit, alle Formate von Big Data in unterschiedlicher Geschwindigkeit und Menge zu sammeln. Die Plattform wendet dann automatisierte fortgeschrittene Analysen auf diese Daten an, um zukünftige Probleme vorherzusagen und zu verhindern sowie die Ursachen bestehender Probleme zu identifizieren, was eine bessere Entscheidungsfindung ermöglicht.

Mithilfe von maschinellem Lernen und Big Data unterstützt eine KI-Plattform den IT-Betrieb dabei, einen höheren geschäftlichen Mehrwert zu erzielen.

AIOps-Plattformen

Laut Gartner "kombiniert eine AIOps-Plattform Big Data und maschinelles Lernen, um den IT-Betrieb durch die skalierbare Erfassung und Analyse der generierten Daten zu unterstützen. Die Plattform ermöglicht die gleichzeitige Nutzung mehrerer Datenquellen, Datenererfassungsmethoden sowie Analyse- und Präsentationstechnologien.

Eine AIOps-Plattform muss unter anderem in der Lage sein, gespeicherte Daten zu analysieren und Echtzeitanalysen am Punkt der Datenerfassung bereitzustellen. Laut Gartner sind die zentralen Aufgaben einer AIOps-Plattform wie folgt:

• Erfassen von Daten aus verschiedenen Quellen unabhängig von Quelle oder Anbieter
• Durchführen von Analysen in Echtzeit zum Zeitpunkt der Erfassung
• Ausführen einer historischen Analyse gespeicherter Daten
• Nutzen von Machine Learning
• Auslösen einer Aktion oder eines Folgeschritts auf der Grundlage von Erkenntnissen und Analysen

AIOps-Plattformen adressieren die rapide zunehmenden Herausforderungen beim Management komplexer Datenökosysteme. Im „Gartner Market Guide for AIOps Platforms“ 2022 stellt Gartner fest, dass "Kosten und Komplexität des Datenmanagements für viele Unternehmen, die AIOps-Plattformen eingeführt haben, mit zunehmender Nutzung zu einem Thema werden". Weiter heißt es: "Die Einführung von AIOps-Plattformen nimmt in Unternehmen rapide zu."

Angesichts dessen werden AIOps-Plattformen wahrscheinlich weiterhin eine attraktive Lösung für Organisationen sein, die ihre Cloud-Computing- und Datenumgebung effizienter, kosteneffektiver und besser handhabbar gestalten möchten.

Wichtige AIOps-Anwendungsbeispiele

Laut Gartner gibt es fünf primäre Anwendungsfälle für AIOps:

1. Big Data-Management (Volumen, Vielfalt, Veränderlichkeit und Geschwindigkeit)
2. Leistungsüberwachung und -analyse
3. Erkennung von Anomalien
4. Event-Korrelation und -Analyse
5. IT-Servicemanagement

Laut Gartner umfassen die fünf Hauptanwendungsfälle von AIOps Big-Data-Management, Leistungsanalyse, Anomalieerkennung, Ereigniskorrelation und IT-Service-Management.

1. Leistungsanalyse: AIOps ist ein wichtiger Anwendungsfall für die Analyse der Anwendungsleistung. Dabei werden KI und maschinelles Lernen eingesetzt, um schnell große Mengen an Ereignisdaten zu sammeln und zu analysieren, damit sich die Grundursache eines Problems identifizieren lässt. Als wichtige IT-Funktion ist die Leistungsanalyse mit zunehmendem Volumen und wachsender Vielfalt der Daten komplexer geworden. Für IT-Fachleute wird es immer schwieriger, ihre Daten mit herkömmlichen Methoden zu analysieren, selbst wenn Machine Learning-Technologie in diese Methoden eingebunden wurde. AIOps trägt zur Lösung des Problems des zunehmenden Datenvolumens und der steigenden Komplexität bei, indem es ausgeklügeltere KI-Techniken zur Analyse größerer Datensätze einsetzt. Dies kann wahrscheinliche Probleme vorhersagen und schnell eine Ursachenanalyse durchführen, wodurch Probleme oft verhindert werden, bevor sie auftreten.
2. Anomalieerkennung: Anomalieerkennung in der IT (auch "Ausreißererkennung" genannt) ist die Identifizierung von Datenausreißern – also Ereignisse und Aktivitäten in einem Datensatz, die sich stark genug von historischen Daten abheben, um auf ein potenzielles Problem hinzudeuten. Diese Ausreißer werden als anomale Events bezeichnet.Die Erkennung von Anomalien basiert auf Algorithmen. Ein laufender Algorithmus überwacht einen einzelnen KPI, indem er sein aktuelles Verhalten mit der Vergangenheit vergleicht. Wenn der Wert ungewöhnlich stark ansteigt, löst der Algorithmus einen Alarm aus. Ein kohäsiver Algorithmus betrachtet eine Gruppe von KPIs, die sich voraussichtlich ähnlich verhalten, und löst Alarme aus, wenn sich das Verhalten eines oder mehrerer KPIs ändert.
   
   AIOps macht die Anomalieerkennung schneller und effektiver. Sobald ein Verhalten identifiziert wurde, kann AIOps die Differenz zwischen dem tatsächlichen Wert des KPI und der Vorhersage des maschinellen Lernmodells überwachen und auf signifikante Abweichungen achten.
3. Ereigniskorrelation und -analyse: Ereigniskorrelation und -analyse ist die Fähigkeit, durch einen "Ereignissturm" hindurch, der aus vielen zusammenhängenden Warnungen besteht, die zugrunde liegende Ursache der Ereignisse zu erkennen und zu bestimmen, wie diese behoben werden kann. Herkömmliche IT-Tools bieten jedoch keinen Einblick in das Problem, sondern nur eine Flut von Warnungen.AIOps verwendet KI-Algorithmen, um bemerkenswerte Ereignisse automatisch nach ihrer Ähnlichkeit zu gruppieren. Dies reduziert die Belastung der IT-Teams durch kontinuierliches Ereignismanagement und verringert unnötigen (und störenden) Ereignisverkehr und -lärm. AIOps führt dann regelbasierte Aktionen aus, wie das Zusammenfassen doppelter Ereignisse, das Unterdrücken von Warnungen oder das Schließen bemerkenswerter Ereignisse bei deren Eingang.
4. IT-Service-Management: IT-Service-Management (ITSM) ist ein Oberbegriff für alle Aspekte des Entwurfs, der Erstellung, Bereitstellung, Unterstützung und Verwaltung von IT-Diensten innerhalb einer Organisation. ITSM umfasst die Richtlinien, Prozesse und Verfahren zur Bereitstellung von IT-Services für Endbenutzer innerhalb eines Unternehmens.AIOps bietet Vorteile für ITSM, indem es KI auf Daten anwendet, um Probleme zu identifizieren und schnell zu beheben, wodurch IT-Abteilungen effizienter und effektiver arbeiten können.AIOps für ITSM kann auf Daten angewendet werden, von der Überwachung des IT-Service-Desks bis hin zur Verwaltung von Geräten.
   
   AIOps für ITSM kann IT-Abteilungen dabei helfen:
   • Die Infrastrukturleistung in einer Multi-Cloud-Umgebung zu verwalten
   • Treffen genauerer Vorhersagen für die Kapazitätsplanung
   • Speicherressourcen durch automatische Kapazitätsanpassung zu optimieren
   • Verbessern der Ressourcenauslastung auf Grundlage von historischen Daten und Prognosen
   • IT-Service-Probleme zu identifizieren, vorherzusagen und zu verhindern
   • Vernetzte Geräte in einem Netzwerk zu verwalten
5. Automatisierung: Herkömmliche Überwachungstools erfordern oft das manuelle Zusammentragen von Informationen aus mehreren Quellen, bevor es möglich ist, Vorfälle zu verstehen, zu analysieren und zu lösen. AIOps bietet einen erheblichen Vorteil durch seine Fähigkeit, Daten aus mehreren Quellen automatisch zu sammeln und zu korrelieren, was die Geschwindigkeit und Genauigkeit deutlich erhöht. Der AIOps-Ansatz automatisiert diese Funktionen in den IT-Abläufen einer Organisation, einschließlich:
   • Server, Betriebssysteme und Netzwerke: Sammeln aller Protokolle, Metriken, Konfigurationen, Nachrichten und Traps, um serverübergreifend zu suchen, zu korrelieren, zu warnen und zu berichten.
   • Container: Sammeln, durchsuchen und korrelieren Sie Containerdaten mit anderen Infrastrukturdaten, um Servicekontext, Monitoring und Berichte zu verbessern.
   • Cloud-Überwachung: Überwachung von Leistung, Nutzung und Verfügbarkeit der Cloud-Infrastruktur
   • Virtualisierungs-Monitoring: Gewinnen von Einblicken in den gesamten virtuellen Stack, schnellere Ereigniskorrelationen und Suche nach Transaktionen über virtuelle und physische Komponenten hinweg.
   • Speicherüberwachung: Verstehen von Speichersystemen im Kontext der entsprechenden App-Leistung, Server-Antwortzeiten und des Virtualisierungs-Overheads

Geschäftliche Vorteile der Implementierung von AIOps

Durch die Automatisierung von IT-Betriebsfunktionen und den Einsatz von KI zur Verbesserung der Systemleistung kann AIOps erhebliche geschäftliche Vorteile für eine Organisation bieten. Zum Beispiel:

AIOps bietet Organisationen zahlreiche Vorteile, darunter die Vermeidung von Ausfallzeiten, die Korrelation von Daten, die Beschleunigung der Ursachenanalyse, das Entdecken und Beheben von Fehlern – all dies gibt der Führungsebene mehr Zeit für Zusammenarbeit.

Durch die Verbesserung der Leistung sowohl von Cloud-Computing als auch von lokalen IT-Infrastrukturen und -Anwendungen steigert AIOps die KPIs, die den Geschäftserfolg definieren.

• Durch Vermeiden von Ausfallzeiten verbessert sich die Kundenzufriedenheit.
• Die Zusammenführung von Datenquellen, die zuvor in Silos isoliert waren, ermöglicht eine umfassendere Analyse und Erkenntnisgewinnung.
• Durch die beschleunigte Ursachenanalyse und -behebung lassen sich Zeit, Geld und Ressourcen sparen.
• Durch Optimierung der Reaktionszeit und der Konsistenz der Reaktion verbessert sich die Bereitstellung von Services.
• Durch das Auffinden und Beheben von Fehlern, für das Mitarbeiter viel Mühe und Zeit aufwenden müssten, steigt die Zufriedenheit am Arbeitsplatz. IT-Teams können sich so auf die Analyse und Optimierung von Inhalten mit höherem Nutzen konzentrieren.
• Indem der IT-Leitung mehr Zeit für die Zusammenarbeit mit Kollegen aus anderen Fachbereichen eingeräumt wird, verdeutlicht sich der strategische Wert der IT-Organisation.

Viele der Herausforderungen, bei deren Lösung AIOps den IT-Betrieb unterstützen kann, sind branchenübergreifend. Es gibt jedoch Probleme, die in bestimmten Branchen häufiger auftreten oder bedrohlicher sind, so etwa im Gesundheitswesen, der Fertigung und bei Finanzdienstleistungen. Durch die Automatisierung des IT-Betriebs und durch den Einsatz von KI zur Verbesserung der Systemleistung kann AIOps erhebliche geschäftliche Vorteile für eine Organisation bieten. Zum Beispiel:

Wie AIOps für IT im Gesundheitswesen nützlich sein kann:

• Sichere Aufbewahrung elektronischer persönlicher Gesundheitsinformationen (ePHI) in Übereinstimmung mit dem Health Insurance Portability and Accountability Act (HIPAA)
  
• Reduzierung der Risiken von mobiler Vernetzung und Bring-Your-Own-Device (BYOD)-Praktiken durch medizinisches Fachpersonal
  
• Verhindern von Ransomware-Angriffen, die überproportional auf Organisationen im Gesundheitswesen abzielen
• Bereitstellen großer interner und externer Datenbestände für Forschungs- und Diagnosezwecke

Wie AIOps für IT in der Fertigung nützlich sein kann:

• Automatisieren der Erfassung und Analyse heterogener Datenquellen, die durch die Integration von Lieferkette, Fertigungsbetrieb und Lebenszyklusmanagement von Produkten und Services entstehen
• Verfolgen jeder Maschine im Fertigungsbereich durch Echtzeit-Monitoring, Zusammenführung von Daten wie Fertigungszykluszeiten, Qualitätsausbeute nach Maschine und Fertigungslauf, Kapazitätsauslastung und Qualitätsniveau der Lieferanten
• Verhindern von Produktionsverlangsamungen und Fehlersuche unter Verwendung historischer Daten in Kombination mit KI-gesteuerten prädiktiven Analysen, wodurch Umsatzströme geschützt und die Kundenzufriedenheit erhöht werden
• Nutzen von Maschinendaten, um eine vorausschauende Wartung zu ermöglichen, und Maschinen vor dem etwaigen Ausfall zu reparieren
• Besseres Nutzen von Daten zur Schaffung effizienterer Supply Chain Management-Systeme

Wie AIOps für IT im Finanzdienstleistungssektor nützlich sein kann:

• Verhindern von immer ausgefeilteren Datenschutzverletzungen und Cyberkriminalität
• Bereitstellen von Kundendaten zum gezielten Wahrnehmen von Marketing- und Wachstumschancen
• Analysieren bereits erfasster Kundendaten zur Erstellung genauerer Umsatzwachstumsprognosen
• Gewährleisten von Datensicherheit und Einhaltung von Vorschriften
• Bereitstellen eines Rahmens für die Integration mehrerer, großer Datensätze, um neue Technologien wie Blockchain zu ermöglichen
• Erfüllen von Erwartungen der Verbraucher an mobile und digitale Bankgeschäfte
• Verbessern der Netzwerkgeschwindigkeit und -leistung

Die Zukunft von AIOps

In den letzten Jahren haben AIOps-Plattformen in Unternehmen erheblich an Popularität gewonnen, da Organisationen aus verschiedenen Branchen AIOps als entscheidendes Werkzeug für die Verwaltung ihrer Datenumgebung betrachten und seinen Einsatz auf ITOM (IT Operations Management)-Funktionen ausgeweitet haben. Folglich ist der AIOps-Markt für signifikantes Wachstum bereit; es gibt keine Anzeichen einer Verlangsamung. Laut Gartner wird der Wert des prognostizierten AIOps-Marktvolumens bis 2025 rund 2,1 Milliarden Dollar (ca. 1,9 Mrd. Euro) betragen, mit einer jährlichen Wachstumsrate (CAGR) von etwa 19 %. Entsprechend erwartet Future Market Insights, dass der Markt für AIOps-Plattformen bis 2032 voraussichtlich 80,2 Milliarden Dollar (ca. 72,3 Mrd. Euro) erreichen wird, bei einer CAGR von 25,4 % zwischen 2022 und 2032.

Angesichts des explosionsartigen Wachstums von ChatGPT wird generative KI vermutlich eine Rolle bei der Entwicklung und Evolution von AIOps spielen. Ein Bericht von TechTarget legt nahe, dass generative KI bei der Entwicklung von Anwendungscode sowie bei Routineaufgaben im Engineering wie der Testerstellung zum Einsatz kommen könnte. Auch Observability-Funktionen und die Automatisierung von Resilienz-Workflows wie Penetrationstests könnten von generativer KI beeinflusst werden. Potenziell ließe sie sich zudem für die Analyse unstrukturierter Datensätze einsetzen, die Audio- und Chat-Dateien enthalten.

Wie genau sich generative KI auf diese Funktionen auswirken wird, bleibt abzuwarten. Wahrscheinlich wird sie jedoch eine immer größere und bedeutendere Rolle spielen, während Unternehmen AIOps in ihre digitale Transformation integrieren.

Erste Schritte

Der beste Ansatz für den Einstieg in AIOps ist ein schrittweises Vorgehen. Eine bewährte Methode besteht darin, klein anzufangen und die IT-Bereiche nach Datenquellen neu zu organisieren. Lernt, mit großen, persistenten Datensätzen aus verschiedenen Quellen zu arbeiten. Lasst euer IT-Betriebsteam mit den Big-Data-Aspekten von AIOps vertraut werden. Beginnt mit historischen Daten und fügt schrittweise neue Datenquellen hinzu, während ihr eure Praxis verbessert.

Konzentriert euch zunächst auf die Datenaufnahme: Die effektive und schnelle Aufnahme und Analyse aller Daten kann abschreckend wirken. Beginnt stattdessen damit, auf rohe historische Maschinen- und Metrikdaten zuzugreifen und diese zu analysieren, um ein grundlegendes Verständnis zu entwickeln. Nutzt Clustering-Algorithmen und Analysen, um Trends und Muster zu erkennen. Rohdaten sind die beste Wahl, wenn ihr wirklich Echtzeit-Erkennung wünscht. Dann könnt ihr damit beginnen, Streaming-Daten zu analysieren, um zu sehen, wie sie zu diesen Mustern passen. Wendet KI mit maschinellem Lernen an, um Automatisierung und schließlich prädiktive Analysen einzuführen.

Nehmt so viele Datentypen wie möglich auf und analysiert diese: Wenn ihr damit beginnt, vergangene Zustände eurer Systeme zu analysieren und zu verstehen, könnt ihr das Gelernte mit der Gegenwart in Beziehung setzen. Dazu müssen Unternehmen eine breite Palette an historischen und Streaming-Datentypen erfassen und zugänglich machen. Der von euch gewählte Datentyp – sei es Log-, Metrik-, Text-, Netzwerk- oder Social-Media-Daten – hängt von dem zu lösenden Problem ab. Ihr könnt beispielsweise Metrikdaten eurer Infrastruktur zur Kapazitätsüberwachung oder Anwendungsprotokolle verwenden, um sicherzustellen, dass ihr euren Kunden ein hervorragendes Erlebnis bieten. Letztendlich sollten Unternehmen Plattformen wählen, die in der Lage sind, Daten aus mehreren Quellen aufzunehmen und zu analysieren.

Versucht nicht, alles auf einmal zu machen: Konzentriert euch darauf, die Ursache eures wichtigsten Problems zu finden. Geht dann zur Datenüberwachung über. Erst wenn dies erreicht ist, solltet ihr euch mit KI befassen. Geht auch dann schrittweise vor:

• Beginnt mit der Implementierung einer AIOps-Plattform, die euch eine effektive Grundlage für die Organisation großer Datenmengen bietet und es einfach macht, Maßnahmen zu ergreifen und Überwachungsfunktionen zu nutzen, die Muster aufdecken.
• Untersucht als Nächstes, inwieweit diese Muster es euch ermöglichen, Vorfälle vorherzusagen und einen proaktiveren IT-Ansatz zu verfolgen, der es euch erlaubt, nicht nur eure MTTR (Mean Time to Repair), sondern auch die Anzahl geschäftskritischer Vorfälle zu reduzieren.
• Arbeitet schließlich mit maschinell lerngestützter Ursachenanalyse, um einen prädiktiven Zustand zu erreichen, in dem ihr den Vorfall und seine Auswirkungen bestimmen könnt, bevor er eure wichtigsten Geschäftsdienste und das Kundenerlebnis beeinträchtigt.

Erste Schritte mit AIOps: Grundlagen der Ereigniskorrelation und Erkennung von Alarmstürmen in Splunk IT Service

Zusammenfassung

Eine Investition in AIOps wird zur Verbesserung Eures Unternehmens beitragen

Als IT- und Netzwerkfachkraft habt ihr wiederholt gehört, dass Daten das wichtigste Kapital eures Unternehmens sind und eure Welt für immer verändern werden. KI ist eine Revolution, die gekommen ist, um zu bleiben – und AIOps bietet einen konkreten Weg, den Hype um KI und Big Data für eure Geschäftsinitiativen in die Realität umzusetzen. Von der Verbesserung der Sicherheit über die Optimierung von Abläufen bis hin zur Steigerung der Produktivität ist AIOps ein praktischer, unmittelbar verfügbarer Weg, um eure IT-Betriebsabläufe auszubauen und zu skalieren, künftige Herausforderungen zu meistern und die Rolle der IT als strategischen Wegbereiter für das Geschäftswachstum zu festigen.