Suchen

KI im IT-Betrieb In drei Etappen zur autonomen IT

Autor / Redakteur: Alexander Krist / Dipl.-Ing. (FH) Andreas Donner

Künstliche Intelligenz (KI) durchdringt immer mehr Bereiche. Neben Geräten und Maschinen unterstützen die neuen Technologien inzwischen auch den IT-Betrieb und ermöglichen z.B., Netzwerke autonom zu betreiben. Doch wie implementiert man ein sich selbst steuerndes Netzwerk? In drei Etappen!

Firma zum Thema

KI wird im IT-Betrieb bereits vielfältig eingesetzt.
KI wird im IT-Betrieb bereits vielfältig eingesetzt.
(Bild: © – Weissblick – stock.adobe.com)

Chatbots beantworten Kundenfragen, intelligente Robotik steuert die Anlagenwartung und Spracherkennung vereinfacht die Handhabung mobiler Geräte: KI wird bereits vielfältig eingesetzt. Im IT-Betrieb finden sich die neuen Technologien unter dem Stichwort Self-Driving Network. Der Vorteil des sich selbst steuernden Netzwerks: Die IT-Umgebung erfordert deutlich weniger manuelle Eingriffe. Zudem wird sie zuverlässiger und sicherer. Aber eine autonome IT implementiert sich nicht von heute auf morgen. Empfehlenswert ist es, schrittweise vorzugehen.

1. Daten gezielt sammeln und auswerten

Zunächst gilt es zu wissen, was im Netzwerk vor sich geht. Dafür braucht es aussagekräftige Daten zu Geräten und Systemen sowie zur Netzwerk- und Serviceleistung – idealerweise in Echtzeit. Teilweise ermitteln Monitoring-Lösungen diese Informationen noch über SNMP (Simple Network Management Protocol). Allerdings ist bei diesem Verfahren die Netzwerklast sehr hoch und die erfassten Daten teilweise ungenau. Ein akkurates Echtzeit-Performance-Monitoring lässt sich nur mit Streaming-Telemetrie erreichen. Denn Streaming-Telemetrie arbeitet pushbasiert. Sie überträgt verlässliche Daten kontinuierlich nach definierten Richtlinien von unterschiedlichen Quellen wie Routern, Switches oder Firewalls an eine zentrale Plattform.

KI hilft hier bereits, Analysen zu beschleunigen – weil Administratoren ihre Fragen direkt in natürlicher Sprache stellen können. „Was ist mit meinem Switch los?“, „Welche Leistung lieferte das WLAN-Netzwerk am letzten Freitag?“ oder „Wie arbeiten meine Switch-Uplinks?“ beantwortet eine KI-gestützte Lösung detailliert. Zudem gibt sie Hilfen für das Troubleshooting. Des Weiteren unterstützen KI-Technologien prädiktive Analysen. Treten Anomalien auf, benachrichtigen sie den Administrator proaktiv. All dies geschieht, bevor ein Anwender überhaupt bemerkt, dass ein Netzwerkproblem vorliegt.

2. Automation vorantreiben

Eine weitere Voraussetzung für ein sich selbst steuerndes Netzwerk ist eine weitgehende Automatisierung. Moderne Steuerungssoftware bietet hierfür bereits umfassende Möglichkeiten, etwa um Datenflüsse flexibel zu lenken und Engpässe zu umgehen. Im WAN z.B. gelingt dies heute schon über Lösungen für Software-definiertes WAN (SD-WAN). Deren Eckpfeiler sind: intelligentes Datenrouting, Zero Touch Provisioning und Unified Threat Management. Dabei priorisieren Administratoren zunächst den Datenverkehr und die Applikationen. Die Lösung routet dann die Daten im täglichen Betrieb intelligent, indem sie den jeweils am besten geeigneten WAN-Übertragungspfad automatisch und dynamisch auswählt. Das Zero Touch Provisioning sorgt dafür, dass sich neue Geräte wie Switches oder Router an verteilten Standorten automatisiert in Betrieb nehmen lassen. Unified Threat Management wiederum wacht als Schutzschild über die gesamte Netzwerkinfrastruktur. Der Fokus der Administratoren verlagert sich damit von Routinetätigkeiten auf anspruchsvollere Aufgaben: die Definition des Regelwerks sowie die Behandlung von Ausnahmefällen.

3. Die IT lernt Laufen

In Phase 3, dem selbst steuernden Netzwerk, greift der Administrator so gut wie gar nicht mehr aktiv ein. Eine KI-gestützte Netzwerk-Management-Lösung lernt aus den gesammelten und ausgewerteten Daten. Die implementierten Richtlinien und Automatisierungen kanalisieren dann die Umsetzung. Werden all diese Komponenten verbunden, lernt das System adaptiv und kann sich bis zu einem gewissen Grad selbst steuern und optimieren.

So identifiziert das System u.a. im LAN oder WLAN die Ursachen für Probleme und leitet automatisiert Maßnahmen ein. Eine intelligente, selbst lernende Lösung wie die KI-gestützte Mist-Systems-Plattform von Juniper Networks fügt beispielsweise fehlende VLAN-Konfigurationen hinzu, korrigiert einen falsch konfigurierten Switch-Port oder passt das Radio Ressource Management der Access-Points entsprechend dem Bedarf an. Kann eine KI-Engine eine Anomalie, wie etwa eine Veränderung im Bandbreitenmuster oder geändertes Serververhalten, noch nicht selbst lösen, benachrichtigt sie den Administrator proaktiv und lernt aus dessen Fehlerbehebung.

Das bringt’s

Das Netzwerk von heute muss schnell, agil und ausfallsicher sein. Dem steigenden Administrationsaufwand können Unternehmen mit autonomen Netzwerken begegnen. Diese werden sich zunehmend selbst einrichten, steuern, analysieren und optimieren. Sie werden damit sicherer und zuverlässiger – weil Netzwerke potenzielle Leistungsprobleme erkennen und beheben, noch bevor es die Anwender überhaupt merken.

Alexander Krist.
Alexander Krist.
(Bild: Circular Informationssysteme)

Doch die Erfahrung zeigt: Die Implementierung eines autonomen Netzwerks braucht Zeit und Fingerspitzengefühl. Jede Organisation hat individuelle Bedürfnisse, für die es die passende Lösung und Strategie zu ermitteln gilt. Bestehende Soft- und Hardware lässt sich nicht ad hoc und komplett ersetzen und Richtlinien wollen festgelegt werden. Sind diese Hürden fachkundig gemeistert, zeigt sich: IT-Mitarbeiter verbringt deutlich weniger Zeit mit Routinetätigkeiten. Mit knappen Ressourcen lässt sich so viel mehr erreichen.

Über den Autor

Alexander Krist ist Manager Sales Enterprise bei Circular Informationssysteme.

(ID:46915272)