ML-Algorithmen statt Regeln und Heuristik Was ist unter AIOps zu verstehen?

Anbieter zum Thema

Schneider Electric GmbH

Fujitsu Technology Solutions GmbH

FNT GmbH

Die digitale Transformation transformiert auch die Prozesse im IT-Service-Management. Entwicklung, operativer Betrieb und Überwachung wachsen immer mehr zusammen. Und Maschinelles Lernen (ML) mit seinen Algorithmen sowie Big-Data-Analyse sind dabei die wichtigsten Instrumente.

Heutige IT-Architekturen sind immer häufiger eine (mitunter sehr bunte) Mischung aus lokal und global situierten Ressourcen und Anwendungen. Das Beziehungsgeflecht zwischen selbst betriebener oder als Dienstleistung angekaufter Hardware und Software und den erwünschten Services ist nicht leicht zu entwirren, jedenfalls nicht mit den traditionellen regelbasierten Service-Management-Werkzeugen.

ML und Big Data

Hardware und Software, das heißt Spezialprozessoren und dazugehörige Algorithmen, aus dem Bereich Künstliche Intelligenz, insbesondere Maschinelles Lernen (ML), sollen es auch hier richten, sprich IT-Ressourcen und Anwendungen als einheitliche Topologie wahrnehmen, so dass wechselseitige Abhängigkeiten zwischen Einheiten gleich welcher Dimensionalität (physisch, logisch, konzernpolitisch oder was auch immer) identifiziert und bewertet werden können. Letztlich sind die riesigen ganz unterschiedlich strukturierten beziehungsweise gänzlich unstrukturierten Datenmengen nur noch durch lernfähige Algorithmen zu erfassen und zu klassifizieren.

Schon vor Jahren haben die Marktforscher von Gartner für das fruchtbare Zusammenbringen von ML und Big Data im Bereich IT-System-Management den Begriff „AIOps“ (Artificial Intelligence for IT Operations) geprägt. Die äußerliche Ähnlichkeit mit einem Begriff wie „DevOps“, also der Verzahnung von Entwicklung und Betrieb ist dabei Absicht. AIOps ergänzt zumindest im Idealfall das enge wechselseitige Zusammenspiel von Software-Entwicklung und Software-Anwendung durch die möglichst nahtlose Integration der Komponente IT-Service-Management (ITSM).

Diagnose und Therapie in Echtzeit

In dem Begriff AIOps laufen Verfügbarkeits- und Performance-Monitoring, Event-Korrelation und -Analyse, IT-Service-Management zusammen und alle diese Aufgabenbereiche münden in das Generalthema Automatisierung, die ihrerseits unabdingbar ist für das Großprojekt digitale Transformation. Eine AIOps-Plattform muss in der Lage sein, sowohl eine Echtzeit-Analyse (Streaming-Analyse) als auch eine nachgängige Analyse gesammelter Daten vorzunehmen.

Durch die Verknüpfung der beiden letztgenannten Fähigkeiten kann eine AIOps-Plattform zuverlässig anomales Verhalten von Systemen erkennen, ja mehr noch: durch integrierte Prognosemodelle sollten sich aufgrund der vorliegenden und der gerade gestreamten Datensätze mit großer Sicherheit auch Fehlfunktionen erkennen lassen, die erst im Entstehen sind.

In hochautomatisierten, weitgehend autonom ablaufenden digitalen Prozessen ist eine solche proaktive Diagnose- und Therapie-Komponente ein Muss. Ohne sie könnten sich unter Umständen zentrale Abläufe bei Havarie einer einzelnen Komponente schnell zu einer Art Super-GAU aufschaukeln.

Datenflut erzwingt Automation der Analyse

Ob Unternehmen AIOps-Komponenten sukzessive, beispielsweise in „aufgebohrten konventionellen“ ITSM-Systemen – in denen die bisherigen Regeln und Heuristiken durch ML-Algorithmen ersetzt sind – einführen oder mit einem Schlag die ganze Überwachungsphilosophie auf ML-Algorithmen und Big-Data-Analysen umstellen, hängt sicher von vielen Faktoren ab: vom Budget ebenso wie von der vorhandenen Expertise, von der Heterogenität der IT-Landschaft und vor allem auch davon, wieweit die digitale Transformation im Unternehmen schon fortgeschritten ist.

„Die digitale Geschäftstransformation treibt den AIOps-Markt. […..] Bei Datenmengen, die Gigabytes pro Minute in einem Dutzend oder mehr verschiedene Domänen erreichen oder überschreiten, ist es für einen Menschen nicht mehr möglich, die Daten manuell zu analysieren“, schreiben Pankaj Prasad, Josh Chessman und Padraig Byrne in der neuesten Ausgabe des Gartner-Reports „Market Guide for AIOps-Platforms“ (6.April 2021). In dem Report, dem auch diese Darstellung hier viele Anregungen verdankt, gibt es unter anderem eine umfangreiche Liste an Anbietern, die sich in der einen oder anderen Variante mit AIOps beschäftigen.

(ID:47622588)