Interview mit Marius Merkel, IBM, zu AIOps

Kollege KI

01. Juni 2021, 12:00 Uhr   |  Wilhelm Greiner


Fortsetzung des Artikels von Teil 1 .

Incident Burnout vermeiden

LANline: Als gern genutztes Einsatzbeispiel für KI nennt IBM die Spracherkennungsfunktion von Watson etwa für Voicebots und Chatbots. Im IT Alltag könnte man dies natürlich für den Service-Desk nutzen...
Marius Merkel: Voicebots kommen immer häufiger im Service-Desk zum Einsatz. Wir haben zahlreiche Projekte, in welchen der Voicebot beispielsweise mit dem User Helpdesk oder auch Ticket-Systemen kombiniert wird. Aus meiner Sicht ist dies ein spannender Ansatz und zeigt, wie KI zur Geltung kommt. Offen gesagt ist das aber erst der absolute Anfang und birgt noch lange nicht das ganz große Innovationspotenzial beziehungsweise die Mehrwerte für unsere Kunden.

LANline: Welche anderen Szenarien eignen sich ihrer Ansicht nach für den Einstieg in den KI-gestützten IT Betrieb?
Marius Merkel: Das gesprochene und geschriebene Wort ist eine wertvolle Datenquelle für den IT-Betrieb, neben jener Betriebsdaten, die in einem strukturierten Format zur Verfügung stehen. Durch die vermehrte Einführung von Kollaborationswerkzeugen wie Chats werden wesentliche Informationen für die Fehleranalyse und -behebung zwischen den verantwortlichen Betriebsteams ausgetauscht. Der produzierte Inhalt, der Auskunft über entstandene Systemfehler und derer Behebung beinhaltet, kann auch für zukünftige ähnliche Fehlerszenarien eine hohe Relevanz haben. Im Zweifel muss ich dann aber exakt wissen, wo in der Vergangenheit bereits über das Problem gechattet wurde und wie das Problem damals behoben werden konnte. Abhängig davon, wieviel Chat-Text entstanden ist, kann man sehr lange mit der Suche verbringen. Bestenfalls kommt eine Software zum Einsatz, die natürliche Sprache versteht, diese verarbeitet und mir aufbereitet zur Verfügung stellt. Die Rechnung hinsichtlich Einsparung gemessen am Zeitaufwand kann dadurch schnell sehr positiv ausfallen. Selbiges gilt nicht nur für Chats, sondern auch für Inhalte zum Beispiel aus Service-Tickets und anhängender Dokumente aus einer Ticketbeschreibung. Auch hier sprechen wir von unstrukturierten Daten, die sich mit diesem Ansatz besser verwerten lassen als zuvor.

LANline: Auch hier geht aber sicher noch mehr.
Marius Merkel: Dieses beispielhafte Szenario lässt sich beliebig weiterdenken. Wurde ein Fehler im System erkannt und ein Ticket geöffnet, muss sich das Betriebsteam auf die Suche nach der Ursache machen, die Ursache verstehen und diese dann beheben. Zudem kommen weitere Datenquellen hinzu, die ich als Operations-Manager verarbeiten muss – Log-, Applikations-, Topologie- oder Monitoringdaten etc. Dabei stellen sich viele Fragen: Wie bringe ich diese Daten in einen Zusammenhang? Gibt es überhaupt einen Zusammenhang oder Abhängigkeiten? Welche Auswirkungen hat das Problem auf weitere Komponenten meiner Architektur? Dies sind alles Themen, die zum Alltag eines jeden Betriebsteams gehören und die einen sogenannten „Incident Burnout“ herbeiführen.

LANline: Warum nutzen IT-Teams nicht schon längst KI für solche Fälle?
Marius Merkel: Obwohl viele Unternehmen für solche Datenquellen teilweise bereits moderne Software im Einsatz haben, sind diese Daten weiterhin in Datensilos gehalten, und ein Operations-Manager muss nach wie vor manuell viele Tätigkeiten durchführen. Hier sehen wir einen klaren Ansatzpunkt für das Thema KI im IT-Betrieb, denn die Verarbeitung dieser Daten lässt sich durch KI wesentlich automatisieren. Wir sprechen von AIOps als Themenschwerpunkt im Bereich IT-Automatisierung. Das Ziel ist klar: Meine KPIs (Key Performance Indicators, d.Red.) müssen stetig verbessert werden, und genau hier setzen wir mit der Software Watson AIOps an.

LANline: Soweit der Service-Desk-Bereich. Wie steht es um die Performance-Überwachung?
Marius Merkel: Es gibt des Weiteren dedizierte Ansätze im Kontext APM und ARM (Application Performance Monitoring, Application-Resource-Management, d.Red.). APM wurde längst zum Thema „Enterprise Observability“ erweitert. Niemand braucht „Just Another Monitoring Tool“ – man ist vielmehr auf der Suche nach einer End-to-End-Observability-Plattform, die in der Lage ist, den gesamten Applikations-Stack zu betrachten, automatisierte Monitoring-Daten von der Applikation über die Middleware und Datenbanken bis hin zur Infrastruktur zu generieren, diese in einen Kontext zu setzen und den Teams automatisierte, KI-gestützte „Next Best Actions“ an die Hand zu geben. Dies ist längst keine Wunschvorstellung mehr. IBM hat mit Instana exakt dieses Bedürfnis adressiert und Enterprise Observability zum Teil unserer AIOps-Strategie gemacht.

LANline: Und in der von Ihnen erwähnten ARM-Disziplin?
Marius Merkel: Als sinnvolle weitere Ergänzung sehen wir ein KI-basiertes Applications-Resource-Management als eine weitere Komponente unserer AIOps Strategie. Mit IBM ARM stellen wir eine Lösung als Teil unserer Strategie zur Verfügung, die es Operation-Teams erlaubt, die oben genannte Automatisierung weiter zu nutzen als nur bis zur „Next Best Action“. IBM ARM gibt mir zum einen volle Transparenz über meine Application Supply Chain und zeigt alle relevanten Ressourcen und deren Spezifikationen meiner Applikationen. Wir erhalten somit eine applikationszentrische Sicht über diverse Architekturschichten hinweg: Applikationen, Orchestrierung, Container, Databanken, Virtualisierung, Public Clouds, hyperconvergente Infrastrukturen, Rechenleistung, Speicher oder Netzwerk. Durch diese Sichtbarkeit ermöglicht KI-Software eine automatisierte und optimierte Ressourcenallokation, die die Software selbst durchgeführen kann. Gibt es bestimmte Events in einer Komponente des Applikations-Stacks, die mich dazu zwingen, Ressourcenänderungen durchzuführen, kann man dies nun softwaregestützt ausführen.  

Seite 2 von 3

1. Kollege KI
2. Incident Burnout vermeiden
3. Was die IT noch ausbremst

Auf Facebook teilenAuf Twitter teilenAuf Linkedin teilenVia Mail teilen

Verwandte Artikel

IBM Deutschland GmbH

künstliche Intelligenz

IT-Management