Kommentar von Niels Pothmann, Arvato Systems MLOps und AIOps – gut automatisiert ist mehr als halb gewonnen

Von Niels Pothmann

Anbieter zum Thema

Künstliche Intelligenz (KI) ist in vielen Branchen angekommen. Doch damit KI substanzielle Abläufe unterstützt und echte Mehrwerte schafft, sind die Lösungen und Services in der IT-Systemlandschaft zu verankern und mit relevanten Geschäftsabläufen sowie Applikationen zu integrieren. Dafür braucht es unter anderem Plattformen für Machine Learning Ops (MLOps) und Artificial Intelligence for IT Operations (AIOps). Sie entlasten IT-Administratoren und schaffen die Basis für nachhaltige KI-Lösungen.

Der Autor: Niels Pothmann ist Head of AI von Arvato Systems
Der Autor: Niels Pothmann ist Head of AI von Arvato Systems
(Bild: Arvato Systems)

Wer sich im Business-Kontext mit KI beschäftigt, stellt sich irgendwann folgende Fragen: Welche Prozesse eignen sich für eine Automatisierung? Welche Teilprozesse verursachen Brüche in Geschäftsabläufen? Sind die Daten hochwertig genug? Heute müssen Firmen aktuelle und konsistente Daten aus diversen Quellen schnell und effizient bereitstellen können – idealerweise auf einer MLOps-Plattform. Indem sie Daten systemübergreifend konsolidiert, entsteht eine verkettete Datengrundlage: eine optimale Basis für das Sichten und zweckgebundene Verarbeiten von Daten. Zugleich ist es möglich, KI-Modelle datenbasiert zu trainieren und zielgerichtet zu optimieren. Häufig baut eine solche Plattform auf den Lösungen der Hyperscaler Microsoft, Google oder Amazon Web Services auf, die im Standard viele bewährte Komponenten bieten, die flexibel kombinier- und bedarfsgerecht anpassbar sind.

Externe Expertise nutzen

Vielerorts hat die IT-Abteilung keine Ressourcen für derartige Projekte. Sie ist mit dem Management der Bestandssysteme voll ausgelastet und sorgt dafür, dass alle IT-Lösungen sicher, skalierbar und hochverfügbar sind. Darum ist es ratsam, mit einem spezialisierten Dienstleister zusammenzuarbeiten. Er

  • richtet eine hochperformante und skalierbare Cloud-Umgebung als infrastrukturelle Basis für den Betrieb der MLOps-Plattform ein,
  • implementiert die Plattform, passt sie individuell an und verknüpft sie mit relevanten Quell- sowie Zielsystemen,
  • ist nicht nur technisch versiert. Als erfahrener Berater unterstützt er Firmen auch dabei, sich einen Überblick über ihre IT-Systemlandschaft zu verschaffen, ihre Prozesse zu digitalisieren und ihre Datenqualität zu verbessern.

AIOps entlastet Administratoren

Zugleich schafft eine MLOps-Plattform eine optimale infrastrukturelle Grundlage dafür, Anwendungen mit AIOps umzusetzen. Dabei geht es darum, auf Silos verteilte IT-Betriebslösungen durch die zentrale die AIOps-Plattform abzulösen – ein entscheidender Erfolgsfaktor, da immer mehr Unternehmen ihre Daten und Systeme in die Cloud migrieren. Hybride oder Multi-Cloud-Umgebungen zu managen, ist sehr kompliziert, weil die verwendeten Ressourcen optimal zu skalieren sind. Hier erlaubt AIOps, den Betrieb komplexer IT-Systemlandschaften zu automatisieren und damit dessen Effizienz zu erhöhen. Davon profitieren IT-Administratoren und weiteres IT-Betriebspersonal gleichermaßen. Dank AIOps können sie automatisiert

  • Root Causes für großflächige Störungen ermitteln,
  • Anomalien identifizieren und Störungen präventiv erkennen,
  • Vorschläge für die Fehlerbehebung erhalten und
  • Support-Tickets klassifizieren sowie zuteilen.

Damit AIOps funktioniert

AIOps unterstützt die IT-Abteilung bei operativen Routineaufgaben, sofern es

  • eine skalierbare Cloud-Umgebung, in der sich die hohen Daten-Update-Frequenzen im IT-Betrieb adäquat managen lassen,
  • ein Datenberechtigungskonzept, das gemäß Data-Governance-Strategie definiert und umgesetzt ist,
  • qualitativ hochwertige IT-Betriebsdaten, die eine 360-Grad-Sicht auf jegliche Prozesse eröffnen und nahtlos bereitstehen,
  • eine zentrale Datenplattform, die Betriebsdaten aus verschiedenen Quellen systemübergreifend auswertbar und verfügbar macht,
  • bidirektionale Schnittstellen zwischen Plattform sowie Quell- und Zielsystemen,
  • digitalisierte Support-Prozesse einschließlich gut gepflegter Dokumentationen von Anfragen samt Lösungen sowie
  • erfahrene Experten für Machine Learning und Data Science, welche die AIOps-Anwendungsfälle auf der MLOps-Plattform umsetzen, gibt.

So lassen sich verschiedene KI-Lösungen und -Services umsetzen, wie etwa:

1. Anwendungsfall: Root Cause Analysis

In einer IT-Landschaft sind unterschiedliche Komponenten voneinander abhängig. Man stelle sich eine zentrale Anwendung vor, die Nutzerdaten für viele Web-Anwendungen bereitstellt. Fällt eine zentrale Komponente aus, löst das eine Kaskade von Störmeldungen aus. Damit Administratoren gezielt reagieren können, ist das zentrale Problem zu erkennen und als solches hervorzuheben. In immer komplexeren IT-Landschaften kann eine KI-gestützte Root Cause Analysis helfen, die Ursache in einer Flut von Störmeldungen zu identifizieren, indem die KI die Meldungen gruppiert.

2. Anwendungsfall: Anomaly Detection & Incident Prediction

Der Traum eines jeden Service Providers: Eine potenzielle Störung erkennen, bevor sie aufkommt. Überwacht eine KI das System, lassen sich Anomalien erkennen und Alarme präventiv auslösen – vorausgesetzt, Logs und Metriken des Systems, wie etwa Netzwerkauslastung oder Festplattenkapazität, fließen in die KI-Lösung. Dabei ist es sinnvoll, die KI so zu trainieren, dass sie die Wahrscheinlichkeit einer aufkommenden Störung berechnet. Sollte die Wahrscheinlichkeit einen Schwellwert überschreiten, erhalten Administratoren eine Warnung und können den etwaigen Störfall abwenden.

Zukunftsfähige Mehrwerte schaffen

Die Anwendungsfälle für KI-basierte Produkte und Services sind so vielfältig wie die Geschäftsmodelle von Unternehmen. Mit dem technologischen Fortschritt geht ein strategischer Paradigmenwechsel einher: weg von singulären KI-Prototypen hin zu bedarfsgerechten Use Cases, die grundlegende Prozesse und kundenfreundliche Services unterstützen. Immer mehr Unternehmen sind sich dieses Wandels bewusst und daher bereit, in Cloud-basierte Plattformen für MLOps und AIOps als solide Basis für die nachhaltige und zukunftsgerichtete Digitalisierung ihres Geschäftsmodells zu investieren – Use Case für Use Case.

(ID:48475306)

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Big Data, Analytics & AI

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung.

Aufklappen für Details zu Ihrer Einwilligung