phonlamaiphoto - stock.adobe.com

Wie integriere ich künstliche Intelligenz im Rechenzentrum?

Künstliche Intelligenz in Computersystemen kann viele Vorteile bringen, wenn man weiß, wie diese integriert werden können.

Der Versuch, ein weitläufiges, komplexes Rechenzentrum mittels manueller Dateneingabe und -überwachung zu verwalten, kann die Wahrscheinlichkeit von Dateneingabefehlern erhöhen und dazu führen, dass IT-Administratoren Vorfälle übersehen. Die Technologie der künstlichen Intelligenz kann Administratoren helfen, alle ihre Rechenzentrumskomponenten zu überwachen und die Datenerfassung zu automatisieren.

Aus operativer Sicht kann die Automatisierung von Vorgängen über künstliche Intelligenz (KI) die Gesamtkosten senken und die Installation von Soft- und Hardware vereinfachen. Dennoch müssen Unternehmen sicherstellen, dass sie die richtigen Fähigkeiten implementieren und realistische Erwartungen an die KI-Fähigkeiten haben.

Anstatt zu versuchen, sofort Funktionen zu installieren, die versuchen, das menschliche Gehirn zu replizieren, sollten sich Unternehmen darauf konzentrieren, maschinelles Lernen (Machine Learning) und Big Data für die KI zu nutzen. Das maschinelle Lernen ermöglicht es Administratoren, am Anfang die Automation in wesentlich kleinerem Umfang mit individuellen Funktionen zu aufzubauen, ohne dass ein teures Hard- und Software-Upgrade erforderlich ist.

Das maschinelle Lernen ist der häufigste Ansatz bei der Entwicklung eines KI-Frameworks, da die maschinelle Lernsoftware Daten sammelt, die für die zukünftige Nutzung wichtig sind, sie in die Funktion integriert und dann verbessert, wie die Maschine auf Aufgaben reagiert. Die Automatisierung erledigt einfach die Aufgabe und geht ohne Datenanalyse zur nächsten Aufgabe über.

Mit maschinell lernenden Softwareroutinen, Daten-Pools und Algorithmen können Administratoren das Rechenzentrum so konfigurieren, bestimmte Aufgaben automatisch auszuführen, wie zum Beispiel das Filtern von Spam-Anfragen oder das Markieren von Ransomware-Angriffen. Verschiedene Arten von Algorithmen umfassen Logikprogrammierung, Entscheidungsbaum-Lernen (Decision Tree Learning), Verstärkungslernen (Reinforcement Learning) und Bayes'sche Netzwerke, die im Laufe der Zeit KI-Fähigkeiten entwickeln.

Investitionen in maschinelles Lernen

Ein maschinelles Lernprogramm benötigt genügend Informationen, um aktuelle Ereignisse im Rechenzentrum, wie zum Beispiel verteilte Denial-of-Service- und Brute-Force-Einbruch-Attacken, genau und konsistent zu identifizieren und Maßnahmen zu ergreifen. Die Automatisierung und Analyse von Ereignisdaten ist ein effektiver Weg, um KI-ähnliche Funktionen in das Rechenzentrum zu integrieren.

Die maschinelle Lernsoftware sollte in der Lage sein, zu erkennen, wo die physischen Ressourcen an ihre Limits kommen, neue Ressourcen rechtzeitig zu beschaffen und bereitzustellen sowie die Workloads bei Bedarf zu verschieben.

Die Technologie der künstlichen Intelligenz kann Administratoren helfen, alle ihre Rechenzentrums-Komponenten zu überwachen und die Datenerfassung zu automatisieren.

Ein solches Lernwerkzeug sollte auch über vergangene Vorfälle berichten und aus Mustern lernen, um sich besser auf den täglichen und zukünftigen Umgang mit Ereignissen im Laufe der Zeit zu optimieren, um den Bedarf an manuellen Verwaltungseingriffen zu minimieren. Administratoren nutzen diese Art von Funktionen in der Sicherheitsinformations- und Event-Management-Software, aber dies ist nur eine Komponente des Rechenzentrums, und Administratoren möchten möglicherweise Daten über das gesamte Setup verfolgen oder andere Softwareprodukte automatisieren.

Erweiterung der KI-Fähigkeiten

Mit zunehmender Weiterentwicklung der KI-Fähigkeiten wird die Software immer menschenähnlicher. Das menschliche Gehirn neigt dazu, an den Wahrscheinlichkeiten der Dinge zu arbeiten, aber Admins neigen dazu, ihre eigene Perspektive und Erfahrung hinzuzufügen.

Letztendlich sollte die KI in der Lage sein, Wahrscheinlichkeitsfaktoren automatisch anzuwenden und die Notwendigkeit zu beseitigen, dass Administratoren mehrere Optionen abwägen. Im Jahr 2018 sind Systeme, die dies tun – wie IBMs Watson – zu teuer, um in einem durchschnittlichen Rechenzentrum implementiert zu werden, und nur wenige Rechenzentrums-Administratoren würden jedem System vertrauen, das seine Berufserfahrung überbieten kann.

Admins sollten erwarten, dass Systeme von Unternehmen wie Electric Cloud, CA Technologies und HashiCorp, die im Zusammenspiel mit dem Menschen arbeiten, zum Einsatz kommen und auch die Grundlage für eine vollautomatische KI schaffen.

Folgen Sie SearchDataCenter.de auch auf Twitter, Google+, Xing und Facebook!

Nächste Schritte

Künstliche Intelligenzen in einer vernetzen Welt

Kriterien, eine Machine-Learning-Plattform zu wählen

KI und Machine Learning erkennen IT-Bedrohungen

Erfahren Sie mehr über Data-Center-Betrieb

ComputerWeekly.de
Close