Cisco Blog Deutschland
Teilen
tweet

Cisco Blog Deutschland > Enterprise Networking

Enterprise Networking

AI im Cisco Catalyst Center – Ihr Netzwerk-Management mit neuen AI-Tools von Cisco. (Part 1)


06. May 2024

(Disclaimer: Die Produktbezeichnungen „Catalyst Center“ und „DNA-Center“ werden in diesem Beitrag synonym verwendet und beziehen sich auf ein und dasselbe Produkt von Cisco Systems Inc. Mehr dazu finden Sie hier: Link)

Künstliche Intelligenz, oft einfach als “AI” (engl. Artificial Intelligence) bezeichnet, ist heutzutage kein Fremdwort mehr. Eine Vielzahl von Unternehmen in Deutschland streben danach, diese neue Technologie zu nutzen, obwohl nur wenige tatsächlich dafür ausgerichtet sind, wie der Cisco-Bericht zum AI Readiness Index in Deutschland zeigt. In diesem Artikel präsentiere ich Ihnen anhand von Beispielen einen kurzen Überblick darüber, wie AI im Cisco Catalyst Center (früher bekannt als DNA-Center) – einem renommierten Netzwerkmanagement-Tool von Cisco – verwendet wird, und wie dadurch Ihr Netzwerk optimiert werden kann.

 

Cisco AI Network Analytics

Probleme im Netzwerk können nur dann gelöst werden, wenn diese auch rechtzeitig erkannt, oder gar vorhergesehen werden. Aus diesem Grund bilden einsichtsreiche Telemetriedaten das Fundament für ein erfolgreiches Management-Tool. Das Catalyst Center verwendet Cisco AI Network Analytics für eine Vielzahl von Aufgaben, die in den darauffolgenden Kapiteln näher erläutert werden.

Primär soll der Nutzer auf mögliche Gefahrenstellen hingewiesen werden. Hierzu werden die Events im User-Netzwerk über einen verschlüsselten Kanal anonymisiert an die Cisco AI Network Analytics Cloud geschickt, dort mithilfe von Machine-Reasoning mit einer großen Menge an bereits bekannten Datensätzen weltweit verglichen, und anschließend wird dem User eine Empfehlung zur Optimierung gegeben. Das Bild unten (Abb. 1) veranschaulicht diesen Prozess.

Vorteil einer solchen Lösung ist vor allem das frühzeitige Erkennen von potenziellen Problemen im Netzwerk, die mithilfe von bekannten Trends und Netzwerkmustern von der Künstlichen Intelligenz vorhergesehen werden können. Hinzu kommt eine enorme Zeitersparnis, die ein Netzwerkadministrator normalerweise nur mit einem mühsamen und manuellen Troubleshooting bewerkstelligt. Miteinher kommt auch eine deutlich höhere Visibilität über alle laufenden Prozesse im System.

Mehr zum Thema Cisco AI Network Analytics finden Sie hier: Link

 

Abbildung 1: Machine Learning und Machine Reasoning bilden das Fundament für Cisco AI Network Analytics

 

Comparative Analytics

Bestandteil der Cisco AI Network Analytics sind die sogenannten Comparative Analytics. Sie dienen schwerpunktmäßig einer näheren Analyse des drahtlosen Netzes sowie der Access Points und der dazugehörigen Clients (Endgeräte). Die Einsichten werden mithilfe einer KI-gestützten Machine-Learning-Engine geliefert. Die einzelnen Tools der Comparative Analytics im Menü des Catalyst Centers werden im Folgenden noch etwas näher beleuchtet:

  • Network Heatmap
    Nutzen Sie Network Heatmaps, um alle Access Points und Switches in Ihrem Netzwerk für einen gegebenen Monat/Tag visuell zu vergleichen. Neben einsichtsreichen Trends und Einblicken können Sie auch selbst auswählen, welche der vielen Leistungsindikatoren (KPIs) für die KI-Analyse in Betracht gezogen werden soll, z.B. Client Count, Client RSSI, Data Rate und viele mehr.

    Abbildung 2: Screenshot des Network-Heatmap-Tools in Catalyst Center. Dargestellt sind eingesetzte Access Points und der jeweilige Client Count (Anzahl der verbundenen Endgeräte zum Access Point)

 

  • Peer Comparison
    Schauen Sie sich an, wie Ihr Netzwerk im Vergleich zu Peer-Netzwerken (also anderen Kunden mit ähnlichen Netzwerkgrößen) abschneidet. Auch hier werden unterschiedliche Leistungsindikatoren herangezogen mit dem Fokus auf Wireless. Abb. 2 zeigt einen Bildausschnitt aus dem Dashboard des Cisco Catalyst Centers.

    Abbildung 3: RSSI (Received Signal Strength Indication) Vergleich im Peer Comparison Tool von Cisco Catalyst Center

 

  • Network Comparison
    Mit Network Comparison kann man nicht nur Access-Point-Modelle, sondern auch einzelne Gebäude („Buildings“) und die jeweiligen Endgeräte („Endpoints“) im Netzwerk miteinander vergleichen.Wie in Abb. 3 anhand eines Beispiels dargestellt, kann man schnell erkennen, dass das Gebäude in San Francisco deutlich mehr Access Points mit einem höheren Radio-Throughput (Funkdurchsatz) im 5-Ghz-Band hat als das Gebäude in San Jose.

    Abbildung 4: Vergleich vom Radio-Throughput der Access-Points in unterschiedlichen Gebäuden eines Netzwerks mithilfe des Network-Comparison Tools in Cisco Catalyst Center

     

Baselines

Kommen wir nun zu einer weiteren KI-gestützten Lösung von Cisco Catalyst Center: Baselines.

Stellen Sie sich folgendes Szenario vor: Sie als Netzwerk-Admin möchten von Ihrer Plattform eine Benachrichtigung bekommen, wenn eine bestimmte Zeit für das Onboarding neuer Clients/Endgeräte im Netzwerk überschritten wird. Eine erste Idee wäre das Setzen eines Thresholds bzw. Schwellenwertes, der beim Erreichen eine Meldung auslöst. Was ist aber, wenn diese festgelegte Zeit an einem Montag um 9 Uhr morgens für üblich erscheint, weil viele Mitarbeiter um diese Uhrzeit ins Büro kommen, nicht aber an demselben Tag um 18 Uhr? Setzen Sie dann zwei Thresholds, oder gar drei, vier oder noch mehr, wenn die ganze Woche abgedeckt sein muss? Und was ist mit verschiedenen Standorten und den zugehörigen Auslatung?

Die Antwort darauf ist beim Cisco Catalyst Center ganz einfach: „Baselines!“. Diese werden mithilfe von AI dynamisch an die Umgebung angepasst, und können mit sehr hoher Genauigkeit auf ein wirkliches Problem im Netzwerk hinweisen, statt den Admin ständig mit irrelevanten Alarmen zu beunruhigen. Abbildung 5 und 6 veranschaulichen diesen Prozess.

Abbildung 5: AI-Driven Baselines im Vergleich zu manuell gesetzten Schwellenwerten (engl.: Thresholds)

Abbildung 6: AI-driven Baselines am Beispiel von Onboarding Failures in Netzwerk

Der Admin kann jetzt sofort erkennen, zu welcher Zeit und in welchem Office die Zahl der „Onboarding Failures“ dem üblichen Normwert des gegebenen Ortes und Zeitpunktes nicht entspricht. Mithilfe eines einfachen „Klicks“ auf die rote Fläche im Diagramm wird eine sogenannte „Root Cause Analysis“ durchgeführt, die ebenfalls KI-gestützt mögliche Ursachen und empfohlene Lösungsschritte für die hohe Ausfallrate der Onboardings gibt (siehe Abb. 7).

Abbildung 7: Root Cause Analysis mit suggested Actions in Catalyst Center bzw. DNA-Center

 

Cisco Catalyst Center AI-Enhanced RRM (Radio Resource Management)

Wenn Sie schon Access Points sowie Wireless LAN Controller von Cisco im Einsatz haben, können Sie jetzt Gebrauch von Cisco’s AI Enhanced RRM in Catalyst Center machen (vorausgesetzt die empfohlenen Software Versionen für die WLCs, APs und Catalyst Center sind in Betrieb). Das Radio-Resource-Management-Tool von Cisco, welches hauptsächlich für RF-Gruppierungen und die dynamische Zuteilung von RF-Kanälen zuständig ist, dürfte den meisten bekannt sein. Durch die Integration der Künstlichen Intelligenz von Cisco wird das Potenzial dieser Lösung noch weiter maximiert. Statt einfach nur mit sogenannten Snapshots der RF-Spektren zu arbeiten, werden jetzt RF-Trends bzw. vergangene Erfahrungswerte über das drahtlose Netzwerk gesammelt, um ein noch stabileres Wi-Fi-Erlebnis für Nutzer zu liefern und mögliche Zukunftsereignisse vorherzusehen. Für den Administrator heißt es auch hier: Weniger manuell konfigurieren und mehr Produktivität!

Wie in Abbildung 8 zu sehen, bietet das Catalyst Center die zentrale Plattform für das RRM Control Center, wo u.a. wichtige Metriken wie Performance, Kanalinterferenzen und RF-Coverage überwacht werden können.

Abbildung 8: Cisco Catalyst Center im Mittelpunkt des AI-Enhanced RRM-Ablaufs.

 

Um die Effektivität zu testen, wurde das Cisco AI-Enhanced RRM letztes Jahr auf einer internen Cisco-Veranstaltung mit vielen Tausend Teilnehmern eingesetzt. Nach ausführlicher Analyse konnte im Vergleich zum üblichen Radio-Resource-Management nach kurzer Zeit die Kanalinterferenz drastisch gesenkt, sowie ein deutlich besseres Signal-Rausch-Verhältnis (SNR) erzielt werden.

Zusammenfassend kann man sagen, dass die Einbindung der Künstlichen Intelligenz in das Management des Netzwerks viele Vorteile mit sich bringt und sehr wahrscheinlich in Zukunft noch extensiver eingesetzt wird. Das Catalyst Center ist hier nicht das einzige Beispiel. Cisco setzt AI auch in anderen Architekturen und Produktsegmenten ein, u.a. im Security- und Collaboration-Portfolio.

Wenn Sie bis hierhin gelesen, haben möchte ich mich bei Ihnen bedanken. Sollten Sie noch weitere Informationen brauchen oder in Kontakt mit einem Sales-Representative treten wollen, können Sie gerne hier Ihre Anfrage abschicken.

Disclaimer: Die aufgeführten Produkte, Tools und Links von Cisco Systems Inc. basieren auf dem Stand von April 2024. Änderungen und Variationen sind vorbehalten.

 

Tags:
Kommentar hinterlassen