AIOps in der öffentlichen Verwaltung – Flop oder Top?
DevOps, SecOps, NetOps und jetzt etabliert sich ein weiterer Bereich: AIOps.
Die Anwendung von künstlicher Intelligenz (KI) für den IT-Betrieb ist ein aktueller Trend im Bereich der IT-Netzwerke und wird als AIOps (eng. Artificial Intelligence Operations) bezeichnet. Dies sollte nicht mit der Infrastruktur für den Betrieb von KI-Anwendungen verwechselt werden.
Was ist AIOps?
Der Begriff AIOps wurde von Gartner geprägt und kann wie folgt beschrieben werden: “AIOps kombiniert Big Data und maschinelles Lernen, um IT-Betriebsprozesse zu automatisieren, einschließlich Ereigniskorrelation, Anomalie Erkennung und Kausalitätsbestimmung.” AIOps nutzt Fähigkeiten der künstlichen Intelligenz, wie maschinelles Lernen (ML) und Machine Reasoning (MR), um die Herausforderungen des traditionellen IT-Betriebs zu bewältigen. Die Aufgabe von AIOps besteht darin, das bestmögliche Nutzererlebnis zu bieten, indem zuverlässige, leistungsstarke und sichere IT-Dienste mit maximaler Effizienz und Geschwindigkeit durchgängig gewährleistet werden.
Warum AIOps in der öffentlichen Verwaltung?
Die Netzwerkumgebung der öffentlichen Verwaltung steht vor einem enormen Umbruch. Es werden flexible Anwendungen benötigt, die nicht mehr nur auf physischen Servern im eigenen Rechenzentrum bereitgestellt werden, sondern als Micro-Services verteilt auf Private-Cloud-Umgebungen laufen. In den letzten Jahren lässt sich diese Entwicklung bei den IT-Dienstleistern des Bundes und der Länder im Rahmen der Deutschen Verwaltungscloud-Strategie beobachten. Die IT-Dienstleister haben die Netzwerke und Rechenzentren ausgebaut, um die Digitalisierung der öffentlichen Hand voranzubringen. Die nationalen Dienstleister des Bundes und der Länder entwickeln innovative Cloud-Geschäftsmodelle, die Rechen- und Netzwerkressourcen zur Verfügung stellen, um enorme Datenmengen kostengünstig zu aggregieren und zu verarbeiten.
Eine Antwort auf die Herausforderungen von Komplexitätmanagement in der IT-Landschaft wird daher der Einsatz von AIOps sein. Schritt für Schritt wird sich KI in die Abläufe der IT-Betreiber integrieren und Ereignisse aus den Daten automatisch herausfiltern. Diese Fähigkeiten sind unabdingbar für die neuen Privat-Cloud Modelle der öffentlichen IT-Dienstleister. Auch wenn Projekte mit dem Schwerpunkt AIOps nicht unmittelbar geplant sind, lohnt es sich, die KI-Technologie für Netzwerke zu prüfen, denn allein die Möglichkeit automatisch Probleme zu identifizieren und lösen, rechtfertigt die Investition.
Was bedeutet AIOps in der Praxis?
Die Automatisierung von Aufgaben ist ein zentraler Bestandteil von AIOps. Dabei ist die Grenze zwischen NetOps und AIOps fließend. Ein mögliches Szenario:
- Ein Netzwerkmanagementsystem (NMS), das die KI-Technologie einsetzt, erkennt ein Problem mit einem Netzwerkgerät durch eine Abweichung vom bekannten Muster. Die KI diagnostiziert das Problem und bietet Lösungsvorschläge zur Behebung des Problems an.
- Das NMS sendet eine Warnung an den IT-Service-Management-Server (ITSM), dass ein Problem im Netz festgestellt wurde und ein Service-Ticket eröffnet werden sollte, um die Reparatur zu autorisieren. Auf der Grundlage der Dauer früherer Probleme wird eine Zeitschätzung für die Reparatur vorgenommen.
- Sobald das Problem von den Mitarbeitern des technischen Supports behoben wurde – im besten Fall durch die Lösungsvorschläge – aktualisiert das NMS das ITSM, dass das Problem gelöst ist, und schließt das Ticket automatisch.
- Das NMS, das KI nutzt, spart Zeit bei der Fehlersuche und -behebung. Der Ticketing-Prozess wird automatisiert und verläuft nahtlos zwischen den integrierten Systemen abgewickelt, so dass kein IT-Mitarbeiter mehr manuell ein Support-Ticket erstellen muss. Automatisierung und KI gestützte Prozesse arbeiten Hand in Hand. Das ist die Stärke von AIOps.
Wie setzt Cisco KI für den IT-Betrieb ein?
Cisco setzt KI in verschiedenen Produkten und Technologien ein. Mehr dazu hier. Drei Beispiele sind dabei besonders erwähnenswert:
1. Cisco AI Network Analytics in Cisco DNA-Center analysiert die aggregierten Netzwerkdaten mit Hilfe von KI, um Muster und Anomalien aufzudecken. Dabei werden Netzwerk-Baselines mit mehreren Stufen erstellt, die “normal” für ein bestimmtes Netzwerk, einen Standort, ein Gebäude und eine SSID definieren. Plötzliche Änderungen der Einschaltzeiten für Wi-Fi-Geräte werden detektiert und aufgeschlüsselt nach einzelnen APs, Stockwerken, Gebäuden und Niederlassungen.
2. Cisco AI Endpoint Analytics in Cisco ISE erhöht die Netzwerktransparenz und -sicherheit durch die Anwendung von KI-Algorithmen zur Erkennung und Gruppierung bisher nicht identifizierter Endpunkte. Die KI hilft bei der Identifizierung und Gruppierung von Endpunkten.
3. Die Cognition Engine von AppDynamics besteht aus Algorithmen für maschinelles Lernen, die Daten über verschiedene Anwendungen hinweg analysieren. Dies bietet eine umfassende Sichtbarkeit für die ungewünschten Abweichungen einer Anwendung sowie Einblicke, um die gemittelte Zeit bis zur Problemlösung drastisch zu reduzieren.
Schlussfolgerung: AIOps Flop oder Top?
KI ist ein Mittel – nicht ein Zweck. AIOps ist weder eine Utopie noch ein weit hergeholtes Paradigma. Zum einen wird AIOps ganz unauffällig mit Cisco Produkten in Ihr Netzwerk eingeführt. Zum anderen setzen immer mehr Unternehmen und Länder IT-Strategien für den Einsatz von KI-gestütztem ITOps ein. Vor allem die nationalen Dienstleister des Bundes und der Länder kommen mit ihren vielschichtigen Netzwerken nicht an KI gestützten Monitoring vorbei.
Vielen Dank an meinen Co-Autor David Faxel.
Tags:
