Was ist AIOps?

AIOps und DevOps haben zwar unterschiedliche Ursprünge, sind aber keine konkurrierenden Konzepte, sondern leistungsstarke Partner. Die Beziehung lässt sich am besten so beschreiben:

• DevOps ist eine Kultur und ein Prozess, der darauf abzielt, den Lebenszyklus der Softwarebereitstellung durch die Integration von Entwicklung und Betrieb zu beschleunigen. Der Schwerpunkt liegt auf Zusammenarbeit, Automatisierung und CI/CD-Pipelines.
• AIOps ist die intelligente Engine, die die DevOps-Toolkette optimiert. Es bietet die erweiterten Analysen und die Automatisierung, die erforderlich sind, um die Komplexität zu bewältigen, die durch moderne DevOps-Praktiken entsteht.

Kurz gesagt: DevOps baut die schnelllebige Pipeline und AIOps sorgt dafür, dass diese Pipeline zuverlässig und effizient läuft, indem Probleme automatisch erkannt, diagnostiziert und behoben werden.

AIOps-Plattformen arbeiten in der Regel in einem dreiteiligen Prozess: beobachten, einbinden und handeln.

Die AIOps-Plattform erfasst und zentralisiert riesige Datenströme – einschließlich Messwerten, Logs, Traces und Ereignissen – aus der gesamten IT-Landschaft, um ein vollständiges Echtzeitbild des Systemzustands zu erstellen.

Mithilfe von Machine Learning korreliert und analysiert die Plattform diese Daten, um kritische Signale von Rauschen zu unterscheiden. Es erkennt automatisch Anomalien, gruppiert zusammengehörige Warnungen und lokalisiert die wahrscheinliche Ursache. IT-Teams erhalten über einheitliche Dashboards und gezielte Warnungen umsetzbare Informationen.

Auf der Grundlage dieser Analyse löst die Plattform Probleme durch automatisierte Antworten. Das kann von der Benachrichtigung des richtigen Teams bis zur Ausführung automatisierter Abhilfemaßnahmen reichen, wie z. B. das Neustarten eines Dienstes, das Skalieren von Ressourcen oder das Zurücksetzen einer Änderung – oft noch bevor menschliche Bediener eingreifen.

Der Weg zu AIOps-Reife umfasst in der Regel mehrere Phasen:

1. Reaktiv: Unternehmen in dieser ersten Phase arbeiten unabhängig voneinander und erheben Daten zu Ereignissen nur für reaktive Zwecke. Es gibt kaum Interaktion zwischen den Systemen und dem Unternehmen.
2. Integriert: Mit zunehmender Einführung von AIOps können Unternehmen Silos aufbrechen und die Zusammenarbeit fördern, indem sie Datenquellen in eine einheitliche Struktur integrieren und das IT-Servicemanagement (ITSM) verbessern.
3. Analytisch: In der dritten Phase wird eine umfassende Analysestrategie umgesetzt, bei der die Datenzugänglichkeit für alle Stakeholder im Vordergrund steht. Durch die Optimierung von ITSM-Prozessen und die Definition von Messstandards und Schlüsselmesswerten können Unternehmen bessere Ergebnisse erzielen.
4. Präskriptiv: An diesem Punkt haben Unternehmen die Automatisierung zu einer Priorität gemacht und setzen häufig Machine Learning ein. Die Automatisierung, die die menschliche Interaktion ergänzt, ist zu einem wichtigen Bestandteil von ITSM-Prozessen geworden. Außerdem können Sie mit vergleichenden Analysen Verbesserungen und die Auswirkungen auf Ihr Unternehmen messen.
5. Automatisiert: Auf der höchsten Reifegradstufe erreichen Unternehmen eine vollständige Automatisierung und prädiktive Machine-Learning-Modelle, die ohne menschliches Eingreifen funktionieren. Die Beteiligten können Daten nahtlos austauschen und die Analysen sind vollständig transparent. So können Sie proaktive, geschäftswertorientierte Entscheidungen treffen.

Es ist wichtig, die verschiedenen Arten von AIOps-Lösungen zu kennen, um die richtige Plattform auszuwählen und sie effektiv zu implementieren. AIOps-Lösungen lassen sich in zwei Haupttypen unterteilen:

• Domainzentrierte AIOps: Diese spezialisierten KI-gestützten Tools überwachen und verwalten die Leistung eines bestimmten Bereichs des IT-Betriebs, wie z. B. Netzwerk, Anwendungen und Cloud-Computing-Umgebungen. Eine domänenzentrierte AIOps-Plattform kann sich beispielsweise speziell auf die Überwachung der Netzwerkleistung konzentrieren und KI verwenden, um Netzwerkanomalien zu erkennen und zu diagnostizieren.
• Domainunabhängige AIOps: Diese Lösungen sind darauf ausgelegt, prädiktive Analysen und KI-Automatisierung über breitere Netzwerk- und Organisationsgrenzen hinweg zu skalieren. Sie erfassen und analysieren Ereignisdaten aus verschiedenen Quellen in der gesamten IT-Landschaft, um ganzheitliche Einblicke und Korrelationen zu ermöglichen. Eine domänenunabhängige AIOps-Plattform kann beispielsweise Daten aus verschiedenen Monitoring-Tools, Sicherheitssystemen und ITSM-Plattformen (IT-Servicemanagement) aufnehmen, um einen umfassenden Überblick über den IT-Betrieb zu erhalten und Korrelationen zwischen Ereignissen in verschiedenen Domänen zu erkennen.

AIOps bietet eine Reihe von funktionalen Anwendungen für verschiedene IT-Betriebsszenarien:

Damit die Dienste schnell und zuverlässig bleiben, überwacht AIOps proaktiv die Leistung der IT-Infrastruktur. Dabei werden Verlaufs- und Echtzeitdaten analysiert, um zu ermitteln, was normal ist. So können subtile Abweichungen erkannt werden, die auf ein zukünftiges Problem hindeuten – etwa ein Speicherleck oder eine sich verschlechternde Reaktionszeit. So können Teams Probleme beheben, bevor sie zu einer Dienstunterbrechung führen.

AIOps ermöglicht die Automatisierung von Workflows zur Reaktion auf Vorfälle durch die Integration in IT-Automatisierungstools und Orchestrierungsplattformen. Wenn ein Vorfall erkannt wird, kann AIOps automatisch vordefinierte Maßnahmen zur Behebung auslösen, z. B. Dienste neu starten, Ressourcen skalieren oder Diagnoseskripts ausführen – ohne manuellen Eingriff. Wenn AIOps beispielsweise einen Fehler in einer Webanwendung erkennt, kann automatisch ein Workflow gestartet werden, um den Anwendungsserver neu zu starten und alle kürzlich bereitgestellten problematischen Codes zurückzusetzen.

Nutzen Sie maschinelles Lernen, um Daten aus verschiedenen IT-Quellen zu analysieren und zu korrelieren, darunter Logs, Messwerte, Netzwerkverkehr und Konfigurationsdaten, um eine intelligente Ursachenanalyse durchzuführen. So kann AIOps die Ursachen von IT-Problemen ermitteln, indem komplexe Beziehungen und Abhängigkeiten erkannt werden, die bei einer menschlichen Analyse möglicherweise übersehen würden. Wenn beispielsweise ein Problem mit der Datenbankleistung erkannt wird, kann AIOps Datenbankprotokolle mit Servermesswerten und Netzwerklatenzdaten korrelieren, um festzustellen, ob die Ursache eine langsame Abfrage, ein Serverressourcenkonflikt oder ein Netzwerkengpass ist.

AIOps verbessert die Sicherheit, indem es dasselbe Prinzip der Anomalieerkennung anwendet, um vor Bedrohungen zu schützen. Dabei werden Netzwerkverkehr, Nutzerverhalten und Systemprotokolle analysiert, um eine Baseline für normale Aktivitäten zu erstellen. Anschließend werden verdächtige Abweichungen markiert, die auf eine potenzielle Sicherheitsverletzung hindeuten, z. B. ungewöhnliche Datenzugriffsmuster oder Anmeldeversuche von unerwarteten Standorten. Das Sicherheitsteam erhält dann eine Benachrichtigung.

Intelligente Algorithmen analysieren und kontextualisieren Warnungen und priorisieren sie dynamisch nach Schweregrad, geschäftlichen Auswirkungen und Abhängigkeiten. Diese Funktion geht über einfache schwellenwertbasierte Benachrichtigungen hinaus, indem sie die Anzahl der Benachrichtigungen reduziert und dafür sorgt, dass sich IT-Teams auf die wichtigsten und umsetzbaren Benachrichtigungen konzentrieren.

Führen Sie Trendanalysen und Algorithmen zur Kapazitätsplanung durch, um potenzielle Leistungsengpässe proaktiv zu erkennen und die Ressourcenzuweisung zu optimieren. Durch die Analyse historischer Leistungsdaten und die Vorhersage des zukünftigen Ressourcenbedarfs kann AIOps Empfehlungen für Ressourcenanpassungen geben, z. B. für die Aufstockung von Rechenressourcen oder die Umverteilung von Arbeitslasten, um eine optimale Leistung aufrechtzuerhalten und eine Verschlechterung der Dienste zu verhindern. AIOps kann beispielsweise Trends bei der Anwendungsleistung analysieren und vorhersagen, wann eine Webanwendung voraussichtlich eine Spitzenlast erfahren wird. Dann wird eine proaktive Skalierung der Webserverinstanzen empfohlen, um auch während der Spitzenzeiten eine konsistente Nutzererfahrung zu gewährleisten. 

Die Implementierung von AIOps erfordert einen strategischen Ansatz, bei dem verschiedene Faktoren wie Datenqualität, Integration und Kompetenzentwicklung berücksichtigt werden. Hier eine kurze Übersicht, wie Sie AIOps in Ihrem Unternehmen implementieren können:

• AIOps an Geschäftsziele anpassen: Definieren Sie klare Ziele für die AIOps-Implementierung und stimmen Sie diese auf die allgemeine Geschäftsstrategie Ihres Unternehmens ab. Wenn Ihre Organisation beispielsweise die Kundenzufriedenheit verbessern möchte, könnten Sie sich darauf konzentrieren, mit AIOps Ausfallzeiten zu reduzieren und die Zuverlässigkeit von Diensten zu verbessern.
• Ereignisdaten mit AIOps-Tools verknüpfen: Daten aus verschiedenen Quellen und Monitoring-Tools einbinden, um eine einheitliche Ansicht Ihrer IT-Umgebung zu erhalten. Dazu kann die Einbindung in bestehende Monitoring-Tools, Logverwaltungssysteme und ITSM-Plattformen gehören.
• Rauschen reduzieren: Strategien zur Filterung irrelevanter Warnungen und Benachrichtigungen implementieren, um sich auf die wichtigsten Probleme zu konzentrieren. Dazu kann es gehören, mit KI Warnungen zu korrelieren, Muster zu erkennen und falsch positive Ergebnisse zu unterdrücken.
• Ereignisdaten und Vorfälle anreichern und normalisieren: Ereignisdaten standardisieren und anreichern, um eine schnellere Reaktion und Zusammenarbeit zwischen Teams zu ermöglichen. Dazu gehört beispielsweise, Warnungen mit Kontextinformationen zu versehen, etwa zu den betroffenen Systemen, Anwendungen und Nutzern.
• Automatisierte Workflows zur Problembehebung erstellen: Identifizieren Sie zunächst häufige, sich wiederholende Vorfälle. Erstellen und testen Sie automatisierte Playbooks, die AIOps auslösen kann, um diese Probleme sofort zu beheben. So können sich die Ingenieure auf komplexere Probleme konzentrieren.
• Hochwertige Daten: Die Effektivität von AIOps hängt von der Qualität der Daten ab, die in das System eingespeist werden. Achten Sie darauf, dass Ihre Daten korrekt, vollständig und konsistent sind, um ungenaue Statistiken oder Vorhersagen zu vermeiden.
• Offene APIs und SDKs nutzen: Offene APIs und SDKs sind unerlässlich, um AIOps in bestehende Systeme zu integrieren und Integrationen anzupassen. Wählen Sie AIOps-Plattformen mit offenen APIs und SDKs aus, um eine nahtlose Integration in Ihre IT-Umgebung zu gewährleisten.

Google Cloud bietet eine leistungsstarke, integrierte Suite von Diensten, die als Bausteine für eine moderne AIOps-Strategie dienen. Statt eines einzelnen Produkts bietet es eine flexible Plattform zur Umsetzung des Workflows „Beobachten, Interagieren, Handeln“.

• Für die Ebene „Beobachten“:
• Observability-Suite von Google Cloud (Cloud Logging, Cloud Monitoring, Cloud Trace): Dies ist die Grundlage für die Datenerhebung. Sie erfasst automatisch Messwerte, Logs und Traces aus Ihren gesamten Google Cloud-, Hybrid- und Multi-Cloud-Umgebungen und stellt die Rohdaten für die Analyse bereit.
• Für die Ebene „Interagieren“ (analysieren und diagnostizieren):
• BigQuery: Dieses serverlose Data Warehouse dient als zentrale Analyse-Engine. Es kann Petabyte an Betriebsdaten aus Cloud Observability speichern und verarbeiten. Sie können komplexe Abfragen ausführen, um historische Trends zu analysieren und Muster in unterschiedlichen Datasets zu erkennen.
• Vertex AI: Hier kommt die KI in AIOps zum Einsatz. Mit Vertex AI können Sie benutzerdefinierte Machine-Learning-Modelle für die erweiterte Anomalieerkennung, prädiktive Warnungen und die Ursachenanalyse direkt auf den in BigQuery gespeicherten Daten erstellen, trainieren und bereitstellen.
• Für die Ebene „Act“ (Automatisierung und Behebung):
• Cloud Functions und Cloud Run: Diese serverlosen Computing-Dienste eignen sich hervorragend für die Ausführung automatisierter Abhilfemaßnahmen. Ein Einblick aus Vertex AI oder eine Benachrichtigung aus Cloud Monitoring kann eine Cloud Functions-Funktion auslösen, um automatisch einen Pod neu zu starten, einen Dienst zu skalieren oder eine detaillierte Benachrichtigung in einem Collaboration-Tool zu veröffentlichen.
• Workflows: Mit diesem Dienst können Sie komplexe Abfolgen von Aktionen in mehreren Google Cloud-Diensten orchestrieren. Sie können ausgefeilte, durchgängige Playbooks für die Fehlerbehebung entwerfen, die automatisch durch AIOps-Ereignisse ausgelöst werden und so eine konsistente und zuverlässige Reaktion auf Vorfälle gewährleisten.