Suchen

Per Bauer, TeamQuest, über Predictive Analytics IT-Probleme beheben, ehe sie entstehen

| Autor / Redakteur: Per Bauer / Nico Litzel

Die Datenmenge in Unternehmen wächst ständig. Mit jedem Klick vergrößert sich die Anzahl digitaler Informationen, deren Analyse zahlreiche Chancen für das Unternehmen bietet. Besonders vielversprechend sind moderne IT-Analysemethoden wie Predictive Analytics, mit deren Hilfe sich Daten gewinnbringend auswerten, Unternehmensrisiken vorhersagen, Chancen effizient nutzen und Services stetig verbessern lassen. IT-Verantwortliche können damit zukünftig agieren statt wie bisher nur zu reagieren.

Der Autor: Per Bauer ist Leiter Global-Services-Team bei TeamQuest
Der Autor: Per Bauer ist Leiter Global-Services-Team bei TeamQuest
(Bild: TeamQuest)

Einige Beispiele: Mithilfe von Predictive Analytics können Rennställe in der Formel 1 mögliche Komplikationen rechtzeitig vorhersagen und die Rennleitung frühzeitig informieren. Unter Einsatz moderner Algorithmen setzen sie spezifische Variablen wie Strecken- und Wetterdaten oder individuelle Informationen zum Verschleiß mechanischer Komponenten zueinander ins Verhältnis und leiten daraus mögliche Szenarien ab. Tödliche Unfälle werden dadurch verhindert.

Weniger dramatisch aber ebenso effektiv ist der Einsatz von Predictive Analytics bei der Automatisierung industrieller Fertigungsprozesse. Hier werden im gesamten Produktionsablauf Daten erfasst, gespeichert und von Analyse-Tools auf Fehler in der Fertigung untersucht. Produktionsplaner können so schneller reagieren und beispielsweise durch den Einbau von Ersatzteilen eventuellen Schäden vorbeugen und finanzielle Risiken minimieren.

Auch für IT-Systeme von Unternehmen lohnt sich der Einsatz von Predictive Analytics. Hier können beispielsweise Probleme in der Applikations-Umgebung rechtzeitig erkannt werden, bevor sich diese auf Unternehmensprozesse auswirken. Das spart Zeit, Ressourcen und Kosten. So lassen sich beispielsweise Erkenntnisse darüber gewinnen, wann und an welcher Stelle der Prozesskette die Kundenzufriedenheit abbrechen wird und wo sich Ineffizienzen in wichtigen Geschäftsprozessen verbergen. Maßnahmen zur Prävention können dann rechtzeitig und vorausschauend ergriffen werden – und so die User Experience – sowohl beim internen Anwender als auch beim externen Kunden oder Partner – nachhaltig verbessern.

Predictive Analytics im Einsatz für die IT

Welche konkreten Vorteile Predictive Analytics in der IT-Praxis haben, zeigt folgender Anwendungsfall des Anbieters TeamQuest: Die Lösungen des Unternehmens ermöglichen IT-Service-Providern und Systemintegratoren die automatisierte und umfassende Performance-Analyse von komplexen IT-Infrastrukturen in Echtzeit sowie deren Optimierung: Die Applikationslandschaft eines Unternehmens weist typischerweise eine dreistufige Struktur auf – bestehend aus Web-, Anwendungs- und Datenbank-Schicht.

Letztere setzt sich dabei üblicherweise aus Elementen des Online Analytical Processing (OLAP) und relationalen Datenbanksystemen (RDBMS) zusammen. Im vorliegenden Fall wollte ein Unternehmen die Anzahl von Servern und CPUs, die in jeder Schicht für den Zugriff von 400 Anwendern benötigt wird, präzise schätzen lassen. Es ging dabei um eine Finanzapplikation, die sowohl mit Oracle, als auch mit einer OLAP-Datenbank arbeitete.

Was-wäre-wenn-Szenarien erlauben Prognosen

Mithilfe des TeamQuest Predictor ließen sich nun in kurzer Zeit Testreihen mit realistischen Was-wäre-wenn-Szenarien durchführen. Dadurch wurde sichtbar, wie sich eine unterschiedliche Anzahl von Servern in jeder Schicht konkret auf die Performance auswirkt. Bei der Analyse berücksichtigte die Software natürlich, dass sowohl die Dauer der einzelnen Transaktionen als auch die Anzahl der betroffenen User stark schwanken können. Zudem können die Transaktionen eine unterschiedliche Komplexität aufweisen, wenn sie verschiedene Server passieren. Die größte Herausforderung bestand darin, die Anzahl von OLAP-Servern präzise zu ermitteln, die für die geforderte Performance benötigt werden.

Segmentierung der Transaktionen

Während der Berechnungen fand die Software heraus, dass sich durch den Einsatz von 40 OLAP-Servern die Transaktionszeit für 400 Anwender um weniger als sieben Prozent verschlechtert. Die CPU war dabei jedoch nur zu 36 Prozent pro Server ausgelastet. Um die Auslastung zu erhöhen, wurde in einem anderen Modell die Anzahl der Server auf 34 verringert. Dabei verlangsamten sich bestimmte Transaktionszeiten jedoch um 18 Prozent.

Der Grund für die Verzögerung kurzer Transaktionen bestand darin, dass diese warten mussten, bis lange Transaktionen (wie eine OLAP-Berechnung) eine CPU freigaben. Diese Erkenntnis führte zu dem Schluss, dass sich durch eine Segmentierung der Transaktionen die Anzahl der benötigten OLAP-Server minimieren lässt. Grundlage der Segmentierung ist dabei der stündliche Service-Bedarf bestimmter Anwendergruppen sowie die Rechenleistung dieser Gruppen in zugeordneten OLAP-Servern.

Verbesserung der Profitabilität

So wurden alle Transaktionen in eine Gruppe mit niedrigen und in eine mit hohen stündlichen Service-Anforderungen eingeteilt. Die so modellierte und segmentierte Architektur bestand aus einem OLAP-Server für die niedrigen Anforderungen und 20 OLAP-Servern für hohe Arbeitslasten. Diese Konfiguration ermöglichte dieselben Transaktionszeiten wie ein System mit 40 OLAP-Servern in einer nicht segmentierten Architektur.

Das Szenario zeigt eindrucksvoll, wie sich mithilfe des TeamQuest Predictor die Anzahl der benötigten OLAP-Server halbieren lässt – ohne Einbußen bei den Transaktionszeiten. Dadurch können Unternehmen die Profitabilität von Cloud-Services ohne zusätzliche Hardware-Investitionen signifikant verbessern.

Zukunft beginnt jetzt

Auch wenn sich eine nachhaltige IT-Service-Optimierung durch Predictive Analytics nicht von heute auf morgen umsetzen lässt, können Unternehmen bereits jetzt mit den Vorbereitungen beginnen. Dafür sollten sie als erstes eine Bestandsaufnahme aller vorhandenen IT-Management-Tools, -prozesse und metrischer Daten machen sowie deren Abhängigkeiten voneinander untersuchen. Ist der Kontext geklärt, können Überlegungen über passende Analysemethoden getroffen und kleinere Projekte gestartet werden. Diese helfen bei der Identifikation geeigneter Ziele für den Einsatz automatisierter Analysemethoden wie Predictive Analytics durch den Profi. Der erste Schritt für eine größere IT-Effizienz und bessere IT-Services wäre damit für die meisten Unternehmen bereits erledigt.

(ID:43598908)