Suchen

Definition Was ist AIOps?

Autor / Redakteur: Dipl.-Ing. (FH) Stefan Luber / Nico Litzel

Artificial Intelligence for IT Operations (AIOps) verwendet Künstliche Intelligenz (KI), Maschinelles Lernen (ML) und Big Data zur Überwachung, Optimierung und Automatisierung des IT-Betriebs. Die von den verschiedenen Geräten und IT-Systemen gelieferten Daten werden mithilfe Künstlicher Intelligenz analysiert, um Probleme oder Anomalien zu erkennen und passend darauf zu reagieren.

Firmen zum Thema

(Bild: © aga7ta - stock.adobe.com)

Das Kürzel AIOps steht für Artificial Intelligence for IT Operations. Es handelt sich um einen noch recht jungen, vom US-amerikanisches Marktforschungsunternehmen Gartner geprägten Begriff. Ins Deutsche übersetzt bedeutet AIOps „Künstliche Intelligenz für den Betrieb der IT“. Artificial Intelligence for IT Operations nutzt Konzepte und Verfahren der Künstlichen Intelligenz (KI) sowie des Maschinellen Lernens (ML) und Big Data, um IT-Systeme und -Geräte zu überwachen, zu optimieren und den Betrieb zu automatisieren.

Die von den verschiedenen Systemen und Betriebstools gelieferten Daten werden mithilfe Künstlicher Intelligenz ausgewertet. Durch diese Analysen lassen sich Probleme oder Anomalien ohne menschliches Zutun frühzeitig erkennen, um in Echtzeit angemessen darauf zu reagieren. Die AIOps-Systeme lernen ständig dazu und optimieren ihre Analysefähigkeit selbst. Der personelle und manuelle Aufwand für den IT-Betrieb reduziert sich. Gleichzeitig sind komplexe, sich schnell verändernde IT-Umgebungen einfacher zu managen.

Die Motivation für AIOps

Heutige IT-Umgebungen verändern sich dynamisch. Anwendungen werden häufig nicht mehr auf physischen Systemen im eigenen Rechenzentrum (On-Premises) bereitgestellt, sondern über öffentliche oder private Cloud-Umgebungen verteilt betrieben. Teilweise wechseln Ressourcen im laufenden Betrieb. Die bisher für den IT-Betrieb eingesetzten klassischen Tools sind in den dynamischen und virtualisierten Umgebungen nur noch eingeschränkt nutzbar. Traditionelle Werkzeuge sind auf statische Umgebungen und die Überwachung physischer Systeme ausgerichtet. Sie haben Probleme, mit den sich ständig verändernden hybriden Cloud- und Micro-Service-Umgebungen Schritt zu halten. Der AIOps-Ansatz eignet sich dank Künstlicher Intelligenz und Maschinellem Lernen auch für komplexe und agile IT-Landschaften.

Zentrale Funktionen von AIOps

AIOps bietet folgende zentrale Funktionen:

  • automatisiertes Monitoring der IT-Umgebung
  • selbstständiges Erkennen von Anomalien oder Problemen
  • automatische Analyse der Ursachen
  • automatische Reaktion und Behebung von Fehlern

Um diese Funktionen bereitzustellen, arbeitet AIOps mit den von IT-Systemen, Geräten und Tools gelieferten Daten. Die Daten werden gesammelt und unter Anwendung mathematischer Modelle und Algorithmen der Künstlichen Intelligenz in Echtzeit ausgewertet. Die KI erkennt Anomalien oder Probleme automatisch und lernt ständig dazu, ohne dass ein Administrator eingreifen muss. Ist eine Anomalie identifiziert, geht es im nächsten Schritt darum, die Ursache für die Anomalie zu finden.

AIOps kann durch Auswertung der Kennzahlen Ursachen und problembehaftete Systeme finden. Im Optimalfall kümmert sich AIOps auch um die Lösung des Problems, indem automatisch Workflows gestartet werden. Beispielsweise aktiviert AIOps selbstständig redundante Systeme. Ist AIOps nicht in der Lage das Problem zu lösen, verschickt das System Alarme oder erzeugt Störungstickets.

Wichtige System- und Funktionskomponenten von AIOps

AIOps-Systeme setzen sich aus vielen Einzelkomponenten zusammen. Wichtige System- und Funktionskomponenten sind:

  • Schnittstellen zu den Datenquellen der IT-Umgebung
  • Big-Data-Technologien und -Systeme
  • Vorgaben und Regelwerke für den IT-Betrieb
  • Algorithmen zur automatischen Erkennung von Mustern und zur Korrelation der Daten
  • Maschinelles Lernen
  • Oberflächen zur Visualisierung des Betriebsstatus
  • Schnittstellen zu den IT-Systemen zum Einleiten automatischer Fehlerbehebungen und zum Starten von Workflows
  • Schnittstellen zu Ticket- und Alarmierungssystemen

Anwendungsmöglichkeiten von Artificial Intelligence for IT Operations

Artificial Intelligence for IT Operations ist in allen Bereichen des IT-Betriebs einsetzbar. Mithilfe Künstlicher Intelligenz lassen sich Netzwerke, Cloud-Umgebungen, Services und physische Komponenten überwachen und automatisiert entstören oder optimieren. Besonders sinnvoll ist der Einsatz in komplexen, dynamischen Systemlandschaften und cloudbasierten Micro-Service-Umgebungen. AIOps hilft, hybride Cloud-Plattformen zu überwachen und in Echtzeit auf Anomalien zu reagieren.

Ebenfalls gut geeignet ist AIOps für Unternehmen, die das DevOps-Konzept leben. AIOps integriert Betrieb und Entwicklung gleichermaßen. Weitere Anwendungsmöglichkeiten sind die Überwachung und Einhaltung von Compliance-Vorgaben oder das IT-Security-Umfeld. Viele AIOps-Systeme sind dank Künstlicher Intelligenz in der Lage, Sicherheitsereignisse wie Denial-of-Service- oder Ransomware-Angriffe zu erkennen und Abwehrmaßnahmen einzuleiten.

Vorteile von Artificial Intelligence for IT Operations

Vorteile von AIOps sind:

  • weniger manueller und personeller Aufwand im IT-Betriebs
  • Kostenreduktion im IT-Betrieb
  • Erkennung von Problemen und Einleitung von Gegenmaßnahmen in Echtzeit
  • Reduzierung der Ausfallzeiten und Optimierung der Verfügbarkeit
  • kontinuierliche Rund-um-die-Uhr-Überwachung der kompletten IT-Landschaft
  • intelligente, sich ständig verbessernde Anomalie- und Ursachenanalysen
  • Entlastung der IT-Abteilung
  • Ganzheitlicher Blick auf die komplette IT-Umgebung durch Korrelation der Daten aller Systeme
  • für dynamische, virtualisierten Umgebungen geeignet
  • Beschleunigung und Optimierung der DevOps-Prozesse
  • Optimierung der Ressourcennutzung

(ID:46846104)

Über den Autor