Sie sind hier: HomeDatacenter

Intelligente Steuerung im Rechenzentrum: Wie KI IT-Infrastrukturen überwacht

Nicht nur die IT-Technologien, sondern auch die Unternehmenskulturen und Formen der Zusammenarbeit müssen sich auf dem Weg zu NoOps oder vollständig automatisierten Rechenzentren stark verändern. Künstliche Intelligenz ebnet den Weg und ermöglicht diesen Wandel.

Künstliche Intelligenz Bildquelle: © Kittipong Jirasukhanont -123rf

Die vielfältigen Cloud-Plattformen und -Services wie AWS, OpenStack, Azure, Docker-Container, Kubernetes, OpenShift und SaaS-Anwendungen bieten nicht nur die Agilität, die erfolgreiche Unternehmen brauchen, sondern führen auch zu einer ansteigenden Komplexität. IT-Teams stehen vor der Herausforderung, die Zufriedenheit der Endanwender (User Experience) sicherzustellen, indem sie die Leistungsfähigkeit der Front- und Backend-Systeme kontinuierlich und spürbar optimieren. Allein die Kontrolle und Überwachung der Anwendungen und Anwendungsumgebungen stellt bereits eine Herkulesaufgabe dar. Warum es so schwierig ist, den Überblick zu behalten, liegt hauptsächlich in einer Tatsache begründet: Die Anwendungen laufen als dynamische Microservices, in Containern
verpackt und über hybride Multi-Cloud-Ökosysteme verteilt. Untersuchungen von Dynatrace  haben ergeben, dass die durchschnittliche Anzahl der Technologiekomponenten, die eine einzelne Web- oder mobile App-Transaktion von Ende zu Ende benötigt, in den letzten fünf Jahren durchschnittlich von 22 auf 35 gestiegen ist.

Auf dem Weg ins vollautomatisierte Rechenzentrum

Unternehmen müssen daher neue Wege in den Bereichen IT-Monitoring und User Experience Management gehen. Der erste Schritt besteht darin, die Vielzahl der Überwachungslösungen zu konsolidieren, die sich über die Jahre angesammelt haben. Denn eine ganzheitliche Sicht auf die User Experience sowie Kausalitäten und Korrelationen der IT-Systeme lassen sich durch separate Dashboards und Solitärlösungen nicht ablesen. Ziele wie Leistungs- oder TCO-Optimierung rücken dann in unerreichbare Ferne. Denn unzählige Dashboards zu konfigurieren, zu durchsuchen und manuell zu analysieren ist mittlerweile unmöglich und verbraucht viel zu viele Arbeitsstunden im IT-Betrieb.

Sofortiger Überblick und klare Antworten sind in einer komplexen Anwendungslandschaft unerlässlich. Die Anforderungen an Monitoring-Lösungen sind entsprechend gestiegen. Diese müssen selbstständig und in Echtzeit erkennen, welche Komponenten verfügbar sind, welchem Zweck sie dienen (etwa Datenbanken, Webserver) und wie sie miteinander bei Datenabfragen und Prozessen wie Bestellungen, Buchungen oder Serviceabrufen interagieren. Weit über das bloße Monitoring hinaus geht das System Health Management. Dazu werden die Transaktionsdaten und Abhängigkeiten zwischen einzelnen Services sichtbar und es entsteht ein umfassendes Bild über die Leistung des Gesamtsystems. Dafür werden Methoden des maschinellen Lernens benötigt, um beispielsweise unterscheiden zu können, ob eine plötzlich ansteigende Auslastung eines Web-Service die Konsequenz von Load Balancing ist oder ob es sich um einen tatsächlichen Fehler innerhalb dieses Web-Service handelt, der sich auf die Endbenutzer auswirkt. Künstliche Intelligenz ermöglicht auch, mehrere Fehlersymptome in Sekundenschnelle auf ihre eigentliche Ursache hin zu untersuchen.