Was ist AIOps?

Definition von AIOps

AIOps steht für „Artificial Intelligence for IT Operations” (künstliche Intelligenz für den IT-Betrieb) und beschreibt Plattformen, die maschinelles Lernen (ML) und Analysen nutzen, um den IT-Betrieb zu automatisieren. AIOps-Lösungen nutzen Big Data aus im IT-Betrieb genutzten Appliances und zeichnen sich dadurch aus, dass sie Probleme blitzschnell erkennen und beheben können. Dazu analysieren sie die gesammelten Daten mit ML-Algorithmen, die sie kontinuierlich verbessern, um immer nützlichere Ergebnisse zu liefern. Ziel ist es, mithilfe von ML, Automatisierung und Big Data mit der sich schnell entwickelnden IT-Landschaft Schritt zu halten. Dieses Video gibt Ihnen einen kurzen Überblick darüber, was AIOps ist und wie sie funktioniert.

AIOps-Produkte funktionieren alle nach dem gleichen Prinzip. Im ersten Schritt werden die Daten zusammengetragen. Tools müssen Daten aus verschiedenen Systemen exportieren und dann so bündeln, dass sie im nächsten Schritt möglichst effizient genutzt werden können. Anschließend werden die aggregierten Daten gründlich analysiert. Mithilfe von ML-Algorithmen erkennen AIOps-Tools Muster in sowie Beziehungen zwischen Daten und können dadurch Problemursachen und andere Bereiche identifizieren, die genauer untersucht werden sollten. Im nächsten Schritt wenden AIOps-Tools simuliertes „kritisches Denken” auf die Ergebnisse dieser Analyse an. Sie nutzen die gefundenen Muster, um potenzielle zukünftige Problemherde zu finden und den IT-Betrieb automatisch zu optimieren. AIOps-Lösungen werden in der Regel mit Funktionen zur Erstellung umfassender analytischer Berichte ausgestattet, damit ihre Benutzer die Ergebnisse leichter interpretieren und nutzen können, um fundierte, datengestützte Entscheidungen zu treffen.

AIOps Tools

Tools müssen eine bestimmte Funktionalität bereitstellen, um als AIOps-Lösungen bezeichnet werden zu können. Erstens müssen sie in der Lage sein, Daten aus verschiedenen Quellen, Anwendungen und Infrastrukturen so zu normalisieren, dass die anschließende Analyse korrekte Ergebnisse liefert. Zweitens müssen sie die logischen Datenflüsse zwischen verschiedenen IT-Assets innerhalb einer Organisation korrekt erkennen und interpretieren. Genauso wichtig ist es, miteinander verbundene Ereignisse zu identifizieren und zusammenzufassen, da dadurch weniger menschliche Eingriffe erforderlich sind – was der Hauptzweck von künstlicher Intelligenz (KI) ist. Das wichtigste Merkmal von AIOps-Plattformen ist die Fähigkeit, an geografisch verteilten Punkten erfasste und zur Analyse an ein IT-System weitergeleitete Telemetriedaten auszuwerten, um Probleme vorherzusehen, zu vermeiden oder zumindest umgehend zu erkennen – und diesen Prozess dann mithilfe maschineller Lernverfahren kontinuierlich anzupassen und zu verbessern.

Abbildung 1: Ereigniskorrelation und ‑analyse mit AIOps

Was spricht für AIOps?

AIOps erkennt und analysiert IT-Probleme in Echtzeit und optimiert die dazu genutzten maschinellen Lernverfahren dabei fortlaufend. Aufgrund der zunehmenden Cloud-Nutzung wird AIOps immer unentbehrlicher für die Optimierung des IT-Betriebs. Der Wert von AIOps-Plattformen liegt in ihren Kernkompetenzen Mustererkennung, maschinelles Lernen und stetige Verbesserung des eigenen Ansatzes zur Aufdeckung von IT-Problemen – alles ohne menschliches Eingreifen. AIOps meldet die gefundenen Infrastrukturprobleme nicht nur, sondern kann sie auch selbst beheben.

Eine der größten Stärken von AIOps liegt im Bereich der kontinuierlichen Verbesserung der Cloud-Sicherheit. Wenn Datenquellen für Threat Intelligence in AIOps integriert werden, kann die Technologie Angriffe auf Cloud-Infrastrukturen vorhersagen und sogar vereiteln. Darüber hinaus können AIOps-Lösungen eine wichtige Rolle bei der Automatisierung des Managements von Sicherheitsereignissen (SEM), also der Identifizierung und Erfassung von Sicherheitsereignissen in einer IT-Umgebung, spielen. Mithilfe von ML kann AIOps die für das Ereignismanagement genutzten Prozesse (zum Beispiel für die Überwachung und das Generieren von Alarmmeldungen) stetig weiterentwickeln und verbessern. Ein weiterer Anwendungsbereich von AIOps ist die Erkennung von Betrugsversuchen, da dazu große Datenmengen durchforstet werden müssen und vorausschauende Analysen unabdingbar sind. Durch die Automatisierung der Einspeisung und Analyse der für diesen Prozess benötigten Daten können Organisationen viel Zeit und Geld sparen. In einem ihrer einfachsten Anwendungsszenarien kann AIOps Daten überwachen und gemäß spezifischer vordefinierter Regeln und Kategorien mit „Tags“ versehen.

Diese Demo erläutert detaillierter, wie AIOps funktioniert und wo Interessenten mehr über verschiedene Einsatzbereiche und verfügbare Schulungen erfahren können.

Vorteile von AIOps

Einer der vielen Vorteile von AIOps – und vielleicht sogar der größte – ist die Zusammenführung von Funktionen verschiedener Überwachungstools an einer Stelle. Da die Überwachung immer komplexer wird, besteht die größte Herausforderung inzwischen oft darin, die vielen zur Verfügung stehenden Überwachungstools zu durchkämmen, um den entscheidenden Hinweis auf die Problemursache zu finden. Mit AIOps werden alle Daten aus vielen verschiedenen Quellen in einer einzigen Plattform normalisiert, abgeglichen und dann auf einem Dashboard gut verständlich präsentiert.

Eine der größten Sorgen vieler Sicherheitsprofis ist die stetig steigende Anzahl an Alarmen aus verschiedenen Überwachungstools – und wie sie sich bewältigen lassen. Hier kann AIOps Abhilfe schaffen. Ein auf ML-Algorithmen gestütztes Tool, das sich kontinuierlich an neue Gegebenheiten anpasst und weiterentwickelt, kann den Ausschlag dafür geben, dass all diese Alarmmeldungen effektiv und ohne exorbitanten Zeit- und menschlichen Arbeitsaufwand bewältigt werden können. AIOps trägt somit dazu bei, dass Probleme und Alarmmeldungen richtig identifiziert und priorisiert und Ausfallzeiten reduziert werden.

Zudem hat AIOps eine spezielle Fähigkeit, die Mitarbeitern nicht gegeben ist: vorausschauende Analysen. Wie oben erwähnt, werden in den ersten Schritten des AIOps-Prozesses Daten erfasst und analysiert. Diese Technologie kann fundierte und automatisierte datengestützte Entscheidungen treffen und dann noch einen Schritt weitergehen: AIOps kann zukünftige Probleme vorhersehen und diese proaktiv beheben, bevor sie die Leistung beeinträchtigen.

Unserer Meinung nach sind die hier beschriebenen Vorteile und Anwendungsbereiche ein schlagkräftiges Argument für eine weitläufige Implementierung von AIOps-Lösungen zur Steigerung der betrieblichen und IT-Effizienz.

AIOps-Lösungen

SD-WAN und AIOps

SD-WANs(softwaredefinierte Weitverkehrsnetze) haben Organisationen in den letzten Jahren viele Vorteile beschert und WAN-Architekturen agiler, resilienter und kostengünstiger gemacht. Der Einsatz dieser kosteneffizienten Lösung wurde zusätzlich beschleunigt, als die Netzwerkkonnektivität zu Beginn der COVID-19-Pandemie für die meisten Unternehmen zur obersten Priorität wurde. Doch während IT-Teams bei der Bereitstellung von SD-WAN-Lösungen weniger Aufwand investieren müssen, bleibt die Erkennung und Behebung von WAN-Ausfällen aufwendig. Auch hier ist AIOps von Vorteil. SD-WAN-Umgebungen sind von Natur aus resilient, damit einzelne Ausfälle sich nicht sofort bemerkbar machen. Das erschwert allerdings auch die Fehlererkennung, aber ein automatisierter, in das SD-WAN integrierter Ereignisabgleich kann dem entgegenwirken. Systeme, die künstliche Intelligenz nutzen, können große Datenmengen verarbeiten und mit vorausschauenden Analysen selbst indirekte Hinweise identifizieren, wenn etwas nicht stimmt. AIOps ist die beste Möglichkeit, die Funktionalität und Effektivität von SD-WAN zu ergänzen und auszuweiten.

Palo Alto Networks konnte Prisma SD-WAN mit AIOps deutlich verbessern. Frühere SD-WAN-Lösungen sollten in erster Linie. Multiprotocol Label Switching (MPLS) ersetzen, um Kosten zu sparen. Palo Alto Networks hingegen bietet eine moderne Lösung, die Automatisierungsmaßnahmen, geringere Gesamtbetriebskosten sowie bessere Anwendungsleistung ermöglicht und ein umfangreiches Portfolio an Sicherheits- und Netzwerkdiensten in der Cloud umfasst. Zu den vor Kurzem veröffentlichten leistungsstarken neuen AIOps-basierten Funktionen in Prisma SD-WAN zählen Datenkorrelation und ‑analyse, optimierte Dashboardansichten sowie das Exportieren von Telemetriedaten in Kollektoren anderer Anbieter. Da sich die Bedürfnisse und Ansprüche von Organisationen sehr schnell verändern, ist ein möglichst einfacher, automatisierter Netzwerkbetrieb heute so wichtig wie nie zuvor.

Gartner hat einen Marktleitfaden für AIOps-Plattformen erstellt, der Anbieter bewertet und Führungskräften Einblicke dazu bietet, wie der IT-Betrieb in Organisationen von KI-gestützten Technologien mit ML und vorausschauenden Analysen profitieren kann – zum Beispiel in puncto Kosteneinsparungen. Gartner präsentiert auch wichtige Trends und Ergebnisse bezüglich der stetigen Zunahme der Nutzung und des Angebots von AIOps-Plattformen. Prisma SD-WAN beinhaltet AIOps-Funktionen, mit denen beim Netzwerkbetrieb anfallende Routineaufgaben reduziert und automatisiert werden können. Prisma SD-WAN wurde im Gartner Magic Quadrant für WAN-Edge-Infrastruktur 2021 als ein Leader eingestuft.

Informieren Sie sich ausführlicher darüber, wie Sie Ihren Netzwerkbetrieb mit Prisma SD-WAN vereinfachen können.