Pain Points
Neue Möglichkeiten und Herausforderungen führen zu exponentiell steigenden systemseitig generierten Log-Daten. Bisherige Monitoring Systeme reichen heute nicht mehr aus, da allein der manuelle Aufwand zur Überwachung und Analyse kaum noch zu leisten ist. Ohne eine signifikante weitere Automatisierung sind auch die Zeiten für die Fehleranalyse und Behebung deutlich zu lang, was wiederum zu enormer Unzufriedenheit bei internen oder externen Kunden führen kann.
Und hier setzt AIOps an
AIOps verspricht, diese rasant gestiegene Komplexität und die Menge an Log-Informationen beherrschbar zu machen. Die grundlegende Definition von AIOps ist, künstliche Intelligenz und maschinelles Lernen zur Unterstützung aller IT-Prozesse einzusetzen und diese soweit wie möglich zu automatisieren. Das Ziel ist es, die von IT-Systemen generierten Daten in aussagekräftige Erkenntnisse zu verwandeln.
Dabei werden aus dem gesamten Betriebs-Stack, angefangen von der Infrastruktur, über das Betriebssystem und die Applikationen bis hin zu den ITSM Systemen und den Systemen zur Softwareverwaltung und Versionierung Daten entgegengenommen, harmonisiert, auf Auffälligkeiten, Anomalien und Korrelationen analysiert. Univariate Analysen untersuchen hierbei Kennzahlen einzelner Systemkomponenten, während bei multivariaten Analysen Modelle aus der KI darauf trainiert werden, Anomalien und Auffälligkeiten aus vielen verschiedenen Logs zu erkennen und in Echtzeit zu reagieren. Der Nutzen von AIOps geht jedoch weit über die genannten Beispiele hinaus.
Die Vorteile von AIOPS
Einsatz KI basierter Anomalie Erkennung zur Reduktion der „Mean Time to Detect MTTD“
Einsatz der Kausalanalyse zur Reduktion der „Mean Time to Repair MTTR“
Optimierung aller IT relevanten Services in Kosten und Qualität
Erkennung von Mustern in Log Einträgen, so dass bei Kennzahlen aus dem IT-Betrieb, wie z.B. die CPU Auslastung, erkannt wird, dass für eine Komponente zu dieser Zeit ungewöhnlich hohe oder niedrige Werte automatisiert gefunden werden
Wechsel von einem reaktiven passiven IT-Betrieb zu einem vorausschauenden proaktiven IT-Betrieb mit einer deutlich höheren Kunden Zufriedenheit
Unterstützung oder vollständig automatisierte Ursachenfindung (Root-Cause-Analyse) bei Fehlern oder Problemen
Herausforderungen im IT-Betrieb
Gerade in den letzten Jahren hat die Komplexität im IT-Betrieb signifikant zugenommen. Einige exemplarische Gründe hierfür sind:
Migrationen in hybride Cloud- und Container basierte Architekturen, dadurch wird der gesamte Infrastruktur Stack um neue durchaus komplexe Komponenten erweitert.
Der zunehmende Bedarf an Echtzeit Analysen. Weiterhin wurden hierfür zusätzlich Data Lakes mit einem dynamischen Ökosystem aus Open Source Komponenten eingesetzt.
Das Internet der Dinge, Künstliche Intelligenz, 5G-Mobilfunk und die zunehmende Bedeutung von Edge-Computing sind weitere wesentliche Katalysatoren, die zu einem enormen Datenwachstum führen.
Die Einführung von DevOps und zusätzlich von DataOps, bei immer kürzer werdenden Releasezyklen, führt zu neuen Prozessen und Log-Informationen im IT-Betrieb.
Neue und verschärfte regulatorische Anforderungen, die ein detaillierteres Logging sicherheitsrelevanter oder sensibler Informationen erfordern.
Neue Anforderungen an Transparenz, Nachvollziehbarkeit und die Aufbewahrung von Daten im gesamten IT-Betrieb.
AIOps Userstories
AIOps Architektur
Creating a sustelligent digital tomorrow
Das Portfolio der Seven Principles Mobility GmbH reicht von der Beratung und Entwicklung von innovativen IT-Lösungen bis hin zu einem 24×7 Betrieb in zertifizierten Rechenzentren. 7P zeichnet sich als strategischer Partner für Großkunden und mittelständische Unternehmen aus. Auf Basis jahrelanger Erfahrung in den verschiedensten Branchen verfügen wir über ein umfassendes Leistungsspektrum, das die gesamte Wertschöpfungskette von der Prozess- und Architekturberatung bis zu Managed Services abdeckt.
Um den Betrieb der Services für ihre Kunden hinsichtlich ihrer Qualität und Kosten kontinuierlich zu optimieren, setzt Seven Principles Mobility auf eine auf Open Source Komponenten basierende AIOps Plattform. Diese reichen von einem proaktiven SLA Monitoring bis hin zur Erkennung von Auffälligkeiten und Anomalien in Systemlasten, Laufzeiten oder Log-Einträgen.