DIgilife - stock.adobe.com
Das KI-Reifegradmodell für moderne Netzwerke
Netzwerk-Reifegradmodelle zeigen den Weg zur Automatisierung. Bei der Umstellung auf KI-Netzwerke befinden sich Einführung und KI-Funktionen noch in einem frühen Stadium.
KI zählt zu den wichtigsten Innovationen, die die Netzwerkbranche beeinflussen. Dies wurde auf der ONUG-Konferenz AI Networking Summit, die Ende Mai 2025 in Dallas stattfand, um die Schnittstellen dieser Bereiche zu diskutieren, deutlich. Bevor KI jedoch spürbare Auswirkungen auf Netzwerke haben kann, muss sie einen Reifegrad erreichen, der die erforderliche Automatisierung moderner Netzwerke ermöglicht.
Während einer Konferenzsitzung skizzierte Jeremy Rossbach, Chief Technical Evangelist von NetOps bei Broadcom, einen Wachstumsrahmen für Unternehmen, die KI in ihren Network Operations Centern (NOC) einsetzen möchten. Unternehmen können diese von Rossbach und seinem Team entwickelte fünfstufige Roadmap als Maßstab verwenden, um die KI-Bereitschaft ihrer Netzwerke zu testen. Der Rahmen wird auch von Branchenexperten als zuverlässiger Ansatz für die Implementierung von KI in Netzwerken unterstützt.
Stufe 1: Hyperreaktive Abläufe
Der erste Schritt im Reifegradmodell für KI-Netzwerke ist der hyperreaktive Betrieb, wie er bei den meisten älteren Netzwerkansätzen zum Einsatz kam. Laut Rossbach basierte diese Phase des Netzwerkbetriebs auf manuellen Netzwerkmanagementprozessen, die die meisten Unternehmen inzwischen hinter sich gelassen haben. In dieser Phase verwalten die meisten Unternehmen ihre Netzwerke jedoch nicht intern, sondern lagern den Betrieb an große Dienstleister aus.
Unternehmen mit hyperreaktiven Vorgängen verfügen über Netzwerk-Stacks, die auf die Größe eines LAN oder WAN beschränkt sind. Die Betriebsteams verwenden zwar manuelle Netzwerk-Monitoring-Tools, aber die Systeme und Datenbanken sind nicht integriert. Die Daten sind zwischen den Netzwerkinfrastrukturen isoliert, die Verwaltung ist kostspielig und die Administratoren benötigen umfangreiche Kenntnisse, um ein Unternehmensnetzwerk intern zu betreiben. Dies führt zu ausgelagerten Vorgängen.
Stufe 2: Reaktives Management
Die nächste Stufe im KI-Framework ist ein reaktiverer Ansatz für das Netzwerkmanagement. Irgendwann zwischen der ersten und zweiten Phase gewinnen Unternehmen die Kontrolle über ihre Infrastrukturen von den Dienstleistern zurück.
In dieser Stufe verwalten Netzwerkadministratoren Netzwerke mit dem Simple Network Management Protocol (SNMP). Dadurch können sie eine Vielzahl von Metriken für das Monitoring erfassen, zum Beispiel Ereignisse, Alarme, Fehler, Protokolle und Konfigurationsdateien. So erhalten sie einen vollständigen Überblick über die LAN-Infrastruktur.
Trotz dieser Verbesserungen sind Netzwerkadministratoren jedoch weiterhin nur in der Lage, Probleme reaktiv zu beheben. Sie können erst dann mit der Behebung von Problemen im Netzwerk beginnen, wenn diese von Benutzern gemeldet werden, und müssen diese dann so schnell wie möglich beheben.
Stufe 3: Proaktive Strategie
Eine proaktive Strategie ist laut Rossbach ein modernerer Schritt innerhalb des Reifegradmodells. In dieser Phase haben Netzwerkadministratoren vollständige Transparenz über eine LAN- oder WAN-Infrastruktur. Sie können Netzwerke mit einer Vielzahl von Metriken überwachen, und zwar sowohl in herkömmlichen als auch in softwaredefinierten Netzwerken.
Laut Rossbach werden Netzwerke in dieser Phase proaktiver. Netzwerkadministratoren sind nun in der Lage, bestimmte Aspekte des Netzwerks zu überwachen, zum Beispiel Schwellenwerte, Netzwerk-Performance und Speichernutzung.
Stufe 4: Vorausschauende Intelligenz
Mit der vierten Stufe des KI-Reifegradmodells für Netzwerke ist der Einsatz einer Analyse-Engine möglich. Laut Rossbach handelt es sich dabei um ein einheitliches Netzwerk-Monitoring-Tool, das Einblick in einen gesamten Netzwerkpfad über traditionelle und softwaredefinierte Netzwerke hinweg bietet.
„Eine Observability sollte in der Praxis in der Lage sein, all diese Daten zu erfassen, zu korrelieren und über mehrere Anbieter hinweg zu normalisieren, die unterschiedliche Sprachen sprechen – Junos OS, Cisco OS –, und sie dem NOC zur Verfügung zu stellen, da dies Ihr gesamter Netzwerkstatus ist“, so Rossbach.
Dadurch können Netzwerkadministratoren die Netzwerkleistung über alle Geräte, Anbieter und Metriken hinweg überwachen. Außerdem hilft es ihnen, ihre Überwachungsfunktionen auf nicht verwaltete Netzwerke auszuweiten, zum Beispiel auf Netzwerke, die von Internetdienstanbietern oder Cloud-Anbietern verwaltet werden. So können Netzwerkadministratoren genügend Informationen sammeln, um den gesamten Netzwerkpfad von Ende zu Ende zu beobachten.
Stufe 5: Automatisierte Infrastruktur
Die fünfte und letzte Stufe des KI-Reifegradmodells konzentriert sich auf die vollständige Automatisierung. In diesem Schritt nutzen Netzwerkadministratoren die mit Visibility Tools erfassten Daten und Metriken, um Teile des Netzwerks zu automatisieren. Dadurch können sie einfache Netzwerkprobleme effizienter beheben.
Wenn Netzwerkadministratoren beispielsweise mehrere Warnmeldungen zu einem Netzwerkproblem erhalten, müssen sie nicht jedes einzelne Ticket bearbeiten, sondern die KI konsolidiert die Warnmeldungen in einem Alarm, der ihnen hilft, die Ursache zu finden. Weitere Aufgaben, die durch eine automatisierte Infrastruktur vereinfacht werden, sind Ticket-Eskalationen und Konfigurations-Rollbacks.
Die Fähigkeiten von KI in Netzwerken heute
Laut Rossbach entsprechen diese Fähigkeiten dem aktuellen Leistungsumfang von KI-fähigen Netzwerken. KI-fähige Netzwerke werden zwar in Zukunft zusätzliche Funktionen integrieren können, derzeit lassen sich jedoch nur wenige Anwendungsfälle automatisieren.
In der Zwischenzeit müssen KI-Netzwerke so viele Daten wie möglich aus einem Unternehmensnetzwerk-Stack sammeln, einschließlich der nicht verwalteten Teile des Netzwerks. Das bedeutet, dass das Netzwerk das gesamte Netzwerk im Blick haben muss – von Ende zu Ende, von den Benutzern bis zu den Cloud-Netzwerken und allem, was dazwischen liegt. Der Weg zu einer intelligenten Netzwerküberwachung wird auch über einen mehrschichtigen Ansatz führen. Wenn die KI vollständig entwickelt ist, wird sie in der Lage sein, die Leistung auf der Grundlage der Anforderungen der KI-Workload des Netzwerks zu verbessern, so Rossbach.
„Dies ist das Reifegradmodell für KI-fähige Netzwerke, aber eigentlich ist es das Reifegradmodell für ein erfolgreiches [NOC]“, fügt er hinzu.
Weder Unternehmen, die KI einsetzen, noch KI-Systeme haben die volle Reife erreicht. Die meisten Unternehmen befinden sich entweder in Stufe 3 oder 4 des Reifegradmodells, und KI-Engines sind noch nicht vollständig entwickelt, um fortgeschrittene Anwendungsfälle zu realisieren. Laut Rossbach können aktuelle KI-Engines nur etwa 10 Prozent dieser Funktionen automatisieren.
Obwohl KI darauf abzielt, viele einfache und routinemäßige Aufgaben innerhalb eines Netzwerks zu automatisieren, wird die Technologie Ingenieure nicht ersetzen, da menschliche Netzwerktechniker weiterhin für die Schulung der KI erforderlich sein werden. Netzwerkadministratoren müssen KI-Modelle trainieren, indem sie den Engines geeignete Daten zuführen.
„So sieht die heutige Netzwerkerfahrung aus, und es ist wichtig, dass wir uns darüber Klarheit verschaffen“, so Rossbach.
