Intelligente Steuerung im Rechenzentrum
Wie KI IT-Infrastrukturen überwacht
Fortsetzung des Artikels von Teil 1
Von DevOps zu BizDevOps
Ebenso wie die Vision des selbstfahrenden Fahrzeugs den Menschen von Komplexität und Routine entbindet, ebnet KI-basiertes Monitoring den Weg zum vollautomatisierten Rechenzentrum. Untrennbar verbunden mit der Welt von Cloud-nativen Anwendungen und der daraus resultierenden Hyperkomplexität ist der DevOps-Ansatz. Er hat das Ziel, unter anderem mittels agiler Methoden, höchste Qualität trotz schneller Entwicklungszeiten sicherzustellen. Dabei schließen sich die funktionalen Abteilungsgräben zwischen Entwicklung, Qualitätssicherung und Betrieb. Das ist jedoch nur ein Zwischenschritt. Denn Ziel für jedes Rechenzentrum muss es sein, Anwendungen mit Selbstheilungsmechanismen auszustatten.
Die Voraussetzung hierfür sind KI-basierte Technologien für die frühzeitige und präzise automatische Erkennung von Problemen. Dadurch werden IT-Teams nicht mehr in zeitfressende War-Rooms einberufen, in denen sie die Root-Cause-Probleme nur mühsam, wenn überhaupt, identifizieren. Stattdessen können sie sich anspruchsvolleren und strategischen IT-Aufgaben widmen, die die Grundlage für weitere Innovationen sind.
Und dazu gehört vor allem der Shift zu BizDevOps mit dem Ziel, dass sich IT-Mitarbeiter aus Entwicklung und Betrieb mit Kollegen aus Marketing oder Vertrieb laufend abstimmen. Die entscheidende Rolle bei BizDevOps spielen die Entwickler, die eng mit Operations- und Business-Kollegen zusammenarbeiten und Feedbacks einholen müssen. Dabei helfen ihnen Monitoring-Daten und Logfiles. Sie machen in Echtzeit sichtbar, ob eine Anwendung funktioniert und von ihren Endanwendern sowohl funktional als auch performant verwendet werden kann. Der große Unterschied ist, dass sich die Abteilungssilos von Entwicklung, Betrieb, Marketing und Management auflösen und die Nutzerdaten direkt eingespielt werden. Dadurch beschleunigt und erhöht sich die Innovationsfähigkeit im Unternehmen. Denn derzeit klagen rund drei von vier IT-Verantwortlichen über unrealistische Erwartungen der Fachabteilungen und Anwender, wie eine Studie von Vanson Bourne unter 800 CIOs ergeben hat. Doch nicht nur die hohen Erwartungen an User Experience, Cloud- und Microservices erzwingen geradezu den Einsatz selbstlernender Technologien. Mit der Ausbreitung der IoT-Technologien und der damit verbundenen Notwendigkeit, Rechenlasten nah am Ort des Geschehens ohne Latenzen zu verarbeiten, entsteht mit dem Ansatz des Edge Computing eine weitere IT-Teilinfrastruktur. Ähnlich der Revolution in der Sofwarearchitektur, monolithische Anwendungen in Microservices aufzuteilen, geht der Trend heute dahin, ganze Rechenzentren oder Cloud-Infrastrukturen in „Mikro-Rechenzentren“ (Micro Data Center) aufzuteilen. Die Bedeutung von Edge Computing nimmt zu – zumal auch die großen Cloud-Anbieter wie AWS, Microsoft Azure und Google sowie die IoT-Plattformlieferanten entsprechende Lösungen für die lokale Datenverarbeitung, Analyse und mehr bereitstellen.
Auch hier gilt: Unabhängig von der letztendlich eingesetzten Technologie nimmt die Komplexität weiter enorm zu. Um den Überblick über Sensor-Hubs, Edge-Compute-Nodes, Gateways, Cloud-Backends mit Services, Datenspeichern und Geschäftsanwendungen zu behalten, sind intelligente automatisierte Monitoring-Systeme unverzichtbar. Die Dynamik dieser hochvernetzten Strukturen ist per manueller Konfiguration nicht mehr beherrschbar. Es gilt also, kausale Zusammenhänge automatisch zu erkennen und zu analysieren. Eine durchgängige Transparenz der Transaktionen und der unverstellte Blick auf den gesamten IT-Stack mit allen angebundenen Services ist Voraussetzung für die Übersicht.
Ein sehr gutes Beispiel für die hohe Relevanz ist das selbstfahrende Auto. Es liegt auf der Hand, dass die vollständige Umsetzung nicht ohne eine Masse an IoT-fähigen Objekten im Straßenverkehr wie vernetzte Ampeln, Straßenschildern oder mit Sensoren ausgestatten Anlagen, etwa zur Geschwindigkeitsmessung, möglich ist. Gemeinsam mit den selbstfahrenden Fahrzeugen bilden sie eine exponentiell wachsende Infrastruktur, in der Daten in Echtzeit verarbeitet und ausgetauscht werden. Um diese Herausforderung zu stemmen, ist eine IT-Monitoring-Lösung erforderlich, die die zahllosen Datensätze, die über verschiedene Kommunikationsstandards zusammenarbeiten, bündelt. Ziel ist eine vollständige Transparenz, um Risiken auszuschließen, damit selbstfahrende Autos bald Realität werden können.
Christian Grimm ist Sales Engineering Manager EMEA bei Dynatrace
- Wie KI IT-Infrastrukturen überwacht
- Von DevOps zu BizDevOps
Lesen Sie mehr zum Thema
