Was ist AIOps?

AIOps verbessert den modernen IT-Betrieb durch maschinelles Lernen und Data Science.

Hardware und Software wird immer leistungsfähiger, aber auch immer komplexer. Das erhöht die Belastung der IT-Abteilungen, die für die Verwaltung der jeweiligen Komponenten verantwortlich sind. Mit jedem neuen Feature und jeder neuen Funktion werden Tools komplexer. Bis vor Kurzem hatten IT-Betriebsteams nur wenige Möglichkeiten, die stets zunehmende Komplexität wichtiger Technologien zu bewältigen. Sie konnten neue Data Science-Experten einstellen und Abteilungen vergrößern – die offensichtlichste, wenn auch nicht kostengünstigste Lösung.

Einige Fortschritte führen aber tatsächlich zu einer Entlastung des IT-Betriebs (ITOps). Da gibt es z. B. die neuen AIOps-Technologien (Artificial Intelligence for Operations, Künstliche Intelligenz für den Betrieb).

AIOps ist eine Kombination der englischen Begriffe Artificial Intelligence (AI, künstliche Intelligenz) und Operations (Ops, Betrieb). Genauer gesagt bezeichnet der Begriff die Zusammenführung von AI und ITOps – mehrschichtige Technologieplattformen, die IT-Betriebsprobleme mit maschinellem Lernen, Analytics und Data Science automatisch identifizieren und lösen können.

Der Begriff AIOps wurde 2016 von Gartner geprägt. Er entstand aufgrund des weltweiten digitalen Wandels von zentralisierter IT hin zu überall verfügbarem Betrieb mit Cloud- und lokalen Arbeitslasten. Dabei wurde nicht nur die Innovationsgeschwindigkeit gesteigert, sondern auch die Komplexität der Technologien. Das stellte eine erhebliche Belastung für den IT-Betrieb dar, der nun eine Reihe neuer Systeme und Geräte verwalten und bedienen musste.

AIOps hat ein neues Modell für die Verwaltung des IT-Betriebs eingeführt. Maschinelles Lernen hat moderne Geschäftsabläufe revolutioniert. Laut dem Global CIO Point of View setzen in der Tat fast neun von zehn CIOs diese Technologie bereits ein oder planen ihren Einsatz in Kürze.

Machen Sie sich mit den Grundelementen von AIOps vertraut, um die Möglichkeiten und Verantwortlichkeiten kennenzulernen. Dazu gehören die folgenden:

  • Umfassende IT-Daten
    Eine wichtige Voraussetzung für AIOps ist die Beseitigung von Datensilos. Dazu werden diverse Daten aus IT Service Management und IT Operations Management zusammengefasst. So können Ursachen schneller ermittelt und Automatisierung ermöglicht werden.
  • Zusammengefasste Big Data
    Big Data bildet die Grundlage jeder AIOps-Plattform. Wenn Sie Silos beseitigen und Daten verfügbar machen, kann AIOps erweiterte Analysen nutzen – sowohl mit vorhandenen, gespeicherten Daten als auch mit Daten, die sich in Echtzeit weiterentwickeln.
  • Maschinelles Lernen
    Angesichts der enormen Datenmenge setzt AIOps erweiterte Funktionen des maschinellen Lernens für Analysen ein, die menschliche Fähigkeiten weitaus übersteigen. Mit automatisierten Analysen und Offenlegung von Verbindungen und Einblicken lässt sich AIOps so schnell und genau skalieren, wie das ansonsten nie möglich wäre.
  • Überwachung
    Der AIOps-Prozess ist stark von der Fähigkeit der Plattform abhängig, Daten und das Datenverhalten zu überwachen. Über Daten-Discovery erfasst AIOps Daten aus verschiedenen IT-Domänen und -Quellen, unter anderem Container, Cloud, virtualisierte Umgebungen oder sogar veraltete Infrastruktur. Daten müssen nahezu in Echtzeit erfasst werden, um stets eine aktuelle Grundlage zu schaffen.
  • Interaktion
    AIOps-Plattformen bieten Konfiguration, Koordination und Management von Computersystemen und Software über mehrere IT-Domänen hinweg, einschließlich ITSM. AIOps-Analysen ermöglichen zuverlässigere und relevantere Daten. Sie binden Informationen zur Umgebung ein und automatisieren Vorgänge.
  • Aktion
    Ziel von AIOps ist es, ein System mit komplett automatisierten Funktionen zu erreichen, das Lücken schließt und IT-Betriebsteams mehr Zeit für andere Aufgaben verschafft. Tatsächlich befindet sich AIOps noch im Entwicklungsstadium und einige Teams scheuen sich, die Möglichkeiten von AIOps einzusetzen. AIOps kann aber sowohl einfache als auch komplexe Vorgänge durchführen, sodass viele Unternehmen immer mehr Aufgaben an AIOps-Plattformen abgeben.

AIOps funktioniert am besten mit einer unabhängigen Bereitstellung, damit Daten aus allen verfügbaren IT-Überwachungsquellen erfasst und analysiert werden können und Sie ein zentrales Interaktionssystem erhalten. Dazu führt die Plattform im Wesentlichen denselben Prozess wie die kognitive Funktion von Menschen aus. Die folgenden fünf wichtigen Algorithmen sind daran beteiligt:

Datenauswahl

AIOps muss enorme Mengen an verfügbaren IT-Daten verarbeiten, diese bewerten und relevante Datenelemente identifizieren. Dabei müssen die wichtigen „Nadeln“ in „Heuhaufen“ mit mehreren Terabyte an Daten basierend auf vordefinierten Auswahl- und Priorisierungsmetriken gefunden werden.

Mustererkennung

AIOps untersucht relevante Daten ganz genau, ermittelt dabei Korrelationen zwischen Datenelementen und fasst diese für die weitere Analyse zusammen.

Rückschlüsse

Dank genauer Analysen können AIOps-Plattformen eindeutig Problemursachen, Ereignisse und Trends ermitteln. So können Sie fundierte Maßnahmen dank deutlicher Einblicke ergreifen.

Collaboration

AIOps muss auch als Zusammenarbeitsplattform fungieren, die die richtigen Teams und Personen mit relevanten Informationen versorgt und die effektive Zusammenarbeit selbst bei verteilten Mitarbeitern erleichtert.

Automatisierung

Zu guter Letzt kann AIOps automatisch auf Probleme reagieren und diese direkt beheben, sodass der IT-Betrieb wesentlich schneller und genauer wird.

Wie bereits gesagt ist die erhöhte technologische Komplexität die treibende Kraft hinter AIOps. Diese Entwicklung wird durch die folgenden spezifischen Trends und Anforderungen vorangetrieben:

  • Erweiterung von IT-Umgebungen
    Neue, dynamische IT-Umgebungen lassen sich nicht mehr durch manuelle, menschliche Tätigkeiten verwalten.
  • Exponentielles Wachstum der ITOps-Datenmengen
    Die Einführung von APIs, mobilen Apps, IOT-Geräten und maschinellen Benutzern sorgt für eine Zunahme wertvoller Daten. Effektive Analysen und Berichte sind nur mit maschinellem Lernen und KI möglich.
  • Größerer Bedarf an schneller Lösung von Infrastrukturproblemen
    Technologie ist mittlerweile ein wesentlicher Faktor in allen Geschäftsbereichen. Bei einem IT-Vorfall zählt jede Sekunde beim Ermitteln und Lösen des Problems, um das Risiko für den Ruf und den Endgewinn eines Unternehmens zu mindern.
  • Größere Verlagerung von Rechenleistung zur Netzwerk-Edge
    Netzwerke werden dank Cloud-Computing und Drittanbieterservices immer dezentraler. So entsteht ein IT-Ökosystem, bei dem ein zunehmender Anteil des Budgets und der Rechenleistung am Rande existiert.
  • Wachsender Einfluss von Entwicklern, aber mangelnde Verantwortung
    Durch den größeren Stellenwert von Anwendungen nehmen Entwickler eine aktivere Rolle bei Überwachung und anderen Bereichen ein. Im Wesentlichen ist aber immer noch die IT-Abteilung für IT-Aspekte verantwortlich. Das bedeutet, dass ITOps mit dem technologischen Fortschritt nicht nur komplexer wird, sondern auch mehr Verantwortung hat.

Ein effektiver AIOps-Ansatz sollte aus drei Phasen bestehen.

  1. Vorhersage von Problemen vor ihrem Auftreten
  2. Verhinderung von Auswirkungen auf Endbenutzer
  3. Automatisierung der Behebung und Lösung

Laut einer Studie von Accenture verbringen Kundensupportfunktionen bis zu 12 % ihrer Zeit mit der Ticketverwaltung und 43 % der Mitarbeiter beim IT Service Desk müssen aus bis zu 100 Zuweisungsgruppen wählen. Anders ausgedrückt: Es gibt einfach zu viele Daten und Informationen, die moderne IT- und Serviceabteilungen nicht mehr effektiv bewältigen können. AIOps verringert diese Belastung.

Im Folgenden werden verschiedene wichtige Vorteile einer AIOps-Plattform vorgestellt:

Größerer Nutzen von Daten

AIOps kombiniert intelligente Automatisierung mit Big Data, deckt dabei verborgene Verbindungen und Datenbeziehungen zwischen Services, Vorgängen und Ressourcen auf und liefert umsetzbare Einblicke. Daraus ergeben sich eine verbesserte Nutzbarkeit Ihrer Daten und bessere Ergebnisse der Datenanalyseaktivitäten.

Kostensenkung

AIOps ist eine kostengünstige Alternative zur Einstellung vieler IT-Mitarbeiter und Data Scientists. Darüber hinaus kann sie den Zeit- und Arbeitsaufwand von IT-Betriebsteams für Routineaufgaben und möglicherweise unwichtige Warnungen erheblich reduzieren. So steigern Sie die Effizienz und senken Kosten. Zu guter Letzt schützt AIOps Unternehmen vor kostspieligen Serviceunterbrechungen.

Optimierter IT-Betrieb

AIOps ist sowohl schnell als auch genau. So können Sie Fehlerraten reduzieren und gleichzeitig die Lösung für Probleme mit Serviceauswirkungen beschleunigen. Durch die Beseitigung von Datensilos bietet AIOps zudem eine zentrale, kontextbezogene Ansicht der ganzen IT-Umgebung. Dank der proaktiven Leistungsüberwachung und Datenanalysen von AIOps können Sie schnellere, bessere Entscheidungen treffen.

Bessere Mitarbeiter-Experience und -produktivität

Mitarbeiter sind am zufriedensten, wenn sie über die richtigen Tools für die Erledigung ihrer Aufgaben verfügen. AIOps automatisiert zahlreiche wichtige – wenn auch wiederholte und zeitaufwendige – Aufgaben und verbessert somit die Mitarbeiterproduktivität und Mitarbeiter-Experience.

Es gibt viele verschiedene AIOps-Plattformen, von denen jede ein eigenes Toolset umfasst. Anstatt jedes Tool hier aufzuführen, konzentrieren wir uns auf zwei wesentliche Funktionen: Analyse mit maschinellem Lernen und AIOps-Einblicke.

Nutzung von AIOps-Einblicken

Mit einem robusten Datenverständnis, einschließlich Protokollen, Metriken, Discovery, Zuordnung und mehr, können Sie die richtige Grundlage für AIOps schaffen und sich dann AIOps-Einblicke zugunsten Ihres Unternehmens zunutze machen. Dashboards, Automatisierung, DevOps-Tools und AIOps-Schnittstellen liefern in Kombination umfassende Einblicke in Ihren Betrieb.

AIOps: Analyse mit maschinellem Lernen

Durch Automatisierung der analytischen Modellerstellung können Unternehmen anhand von maschinellem Lernen intelligente Systeme erstellen, die aus Daten lernen, relevante Muster erkennen und Maßnahmen mit minimalen Benutzereingriffen ergreifen können. Analysen mit maschinellem Lernen integrieren erweiterte Datenerfassung, ETL, mehrere Datenquellen, Flows, Virtual Agents, Echtzeitanwendungen usw. Dabei bauen sie auf die von AIOps-Einblicken geschaffene Grundlage auf und wandeln diese Einblicke in zuverlässige, umsetzbare Schlussfolgerungen um.

AIOps mit ServiceNow

Grafik der AIOps-Tools.

Im Wesentlichen dient die AIOps-Plattform dazu, IT-Betriebsdaten intelligent zu erfassen und zu analysieren. Mit diesen beiden Hauptaufgaben wird AIOps aber zu einem wertvollen Asset für eine Vielzahl von Aktionen und Lösungen. Im Folgenden sind neun gängige Anwendungsfälle für AIOps aufgeführt:

Incident-Ereignis-Korrelation

AIOps kann Incident-Warnungen schnell verarbeiten und analysieren und so Lösungen einführen, bevor Incidents außer Kontrolle geraten.

Anomalie-Erkennung

Indem Daten konsistent analysiert und mit historischen Trends verglichen werden, kann AIOps Datenausreißer ermitteln, die auf potenzielle Probleme hinweisen können.

Prädiktive Analytics

Die AIOps-Funktionen für Datenerfassung und -analyse können nicht nur Probleme frühzeitig erkennen, sondern auch aktuelle und historische Datentrends anhand von maschinellem Lernen für präzise Prognosen zukünftiger Ergebnisse einsetzen.

Ursachenanalyse

AIOps kann auch wesentlich zur Ursachenanalyse beitragen, indem Millionen Datenpunkte korreliert, Benutzer- und Geschäftskontexte bereitgestellt, Ereignismuster nachverfolgt werden und vieles mehr. So können Sie potenzielle Problemursachen genau diagnostizieren.

Straffen des Supports

Die AIOps-Funktionen für die Ursachenanalyse dienen nicht nur Unternehmen, sondern auch Kunden. Supportmitarbeiter können Probleme schneller identifizieren und lösen und so die Kunden-Experience verbessern. Gleichzeitig können IT-Helpdesks mehr Tickets genauer bearbeiten.

Automatisierte Reaktion auf Incidents

Mit den richtigen Daten und Direktiven können Sie AIOps so einrichten, dass Probleme direkt beim Entstehen automatisch behoben werden. Die automatisierte Reaktion auf Incidents ermöglicht die genaue Identifizierung, Diagnose und Behebung von Problemen und ist dabei viel schneller als menschliche Mitarbeiter.

Digitale Transformation

Indem die ITOps-Belastung durch neue und komplexe Technologien praktisch beseitigt wird, ermöglicht AIOps die uneingeschränkte digitale Transformation. Unternehmen können fortschrittliche Neuerungen flexibel einsetzen, um strategische Ziele zu erreichen, ohne sich Gedanken um eine Überlastung der IT machen zu müssen.

Cloud-Einführung/-Migration

AIOps bietet uneingeschränkte Einblicke in die gegenseitigen Abhängigkeiten bei der Cloud-Einführung und -Migration. Dadurch werden die betrieblichen Risiken eines solchen Wechsels wesentlich verringert.

DevOps-Einsatz

Durch effektive Automatisierung und transparente Daten kann der IT-Betrieb dank AIOps schließlich auch die DevOps-Infrastruktur unterstützen.

Für die Einführung von AIOps ist ein individuell auf Ihre Organisation sowie deren Fähigkeiten und Bedürfnisse abgestimmter Ansatz erforderlich. Einige grundlegende Schritte gelten allerdings im Allgemeinen für alle Unternehmen.

Häufige Einführungshindernisse erkennen und beseitigen

Je nach Organisation kann ein AIOps-Ansatz auf Widerstand stoßen. Häufige Einführungshindernisse:

  • Mangel an Team-Data Scientists
  • Mangel an relevanten Fähigkeiten
  • Mangelnde Daten oder unzureichende Datenqualität
  • Keine integrierte Möglichkeit, auf Einblicke zu reagieren

Die meisten effektiven AIOps-Anbieter beseitigen diese Probleme glücklicherweise. ServiceNow bietet robuste Data Science-Services, die bestehende Kompetenzen durch benutzerfreundliche Tools ergänzen und wertvolle nächste Schritte bereitstellen. Mit ServiceNow müssen Sie keine Data Scientists einstellen und sich keine Gedanken um die Probleme machen, die einen erfolgreichen AIOps-Einsatz verhindern können.

Business Case aufstellen

Holen Sie die Unterstützung der Management- und Führungsebene ein, indem Sie einen Business Case für AIOps aufstellen. Identifizieren Sie verbesserungswürdige Bereiche in Ihrem IT-Betrieb und stellen Sie die zuverlässigen, effektiven Lösungen von AIOps vor.

AIOps-Stapel auswählen

Für die Wahl der richtigen AIOps-Plattform müssen Sie Ihr Geschäft ganz genau kennen und alle verfügbaren Optionen recherchieren. Sie haben die Wahl zwischen vielen Lösungen. Testen Sie also Demos, und lesen Sie relevante Bewertungen.

Rollout-Plan aufstellen

Wenn Sie sich für eine bevorzugte AIOps-Lösung entschieden haben, sollten Sie einen detaillierten Rollout-Plan aufstellen, um den Wechsel im richtigen Tempo und ohne Verschwendung von Zeit oder anderen Ressourcen zu vollziehen.

Mitarbeiter einbinden

Ihre Mitarbeiter sind in erster Linie an den Vorteilen dieses neuen Ansatzes für sie interessiert. Demonstrieren Sie, wie intelligenter, prädiktiver Selfservice vorausschauenden Support bietet und die Anzahl der Fälle für Mitarbeiter reduziert und wie aufwendige, monotone Aufgaben durch Automatisierung beseitigt werden können.

Digitale Transformation wird immer schneller und das bleibt auch für absehbare Zeit so. Dadurch nimmt auch der Bedarf an einem resilienten, genauen und zeitnahen IT-Betrieb zu. ServiceNow IT Operations Management (ITOM) ist hier die Lösung.

Die Now Platform von ServiceNow integriert umfassende AIOps-Funktionen, mit denen Unternehmen ihren ITOps-Betrieb in intelligente, proaktive Prozesse verwandeln können. Richten Sie zuverlässige Automatisierung ein, beseitigen Sie Reibung, schaffen Sie Datensilos ab und vieles mehr – mit ServiceNow.

Funktionen, die mit Ihrem Business skalierbar sind

Erkennen Sie Probleme, bevor sie entstehen, mit ServiceNow.

Kontakt
Demo