phonlamaiphoto - stock.adobe.com

KI beim Netzwerk-Monitoring: Vorteile und Herausforderungen

KI-Netzwerk-Monitoring besitzt sehr großes Potenzial. Aber Unternehmen müssen die Anzahl ihrer Netzwerk-Monitoring-Tools reduzieren, um von den Vorteilen durch KI zu profitieren.

In einer Zeit, in der Endanwender nur wenig Toleranz gegenüber Downtime oder schwächelnder Performance zeigen, ist es wichtig, dass das Netzwerk optimal funktioniert.

Ausfälle sind nicht nur aus Produktivitätssicht kostspielig, sie können ein Unternehmen auch Sicherheitsrisiken aussetzen. Spitzen-Service-Level in zunehmend komplexen, hoch verteilten und virtualisierten Unternehmen zu gewährleisten, erfordert ein effektives Netzwerk-Monitoring. Aber die Erfassung von Performance-Daten vom physischen Layer bis zum Application Layer kann ein komplizierter Prozess sein, der durch fehlende Einblicke in End-to-End-Netzwerkaktivitäten erschwert wird.

Während viele Organisationen von Fortschritten beim Netzwerk-Monitoring profitieren, was teilweise durch KI-Netzwerk-Monitoring getrieben wird, verlassen sich die meisten Unternehmen immer noch auf veraltete Tools. 86 Prozent der Unternehmen nutzen nach wie vor mindestens ein Legacy-Tool für das Netzwerk- oder Anwendungs-Monitoring. Das geht aus einer vom Netzwerk-Monitoring-Anbieter ScienceLogic in Auftrag gegebenen Studie hervor.

Die Verwaltung dieser Monitoring Tools kann zu einem Problem werden, wenn zu viele davon gleichzeitig eingesetzt werden. So gaben 33 Prozent der befragten 207 IT-Entscheider an, ihre Organisationen würden 20 oder mehr unterschiedliche Monitoring Tools nutzen.

Angesichts derart vieler einzelner Monitoring-Anwendungen ist es praktisch unmöglich, sich ein vollständiges und genaues Bild von der Netzwerk-Performance zu machen. IT-Fachleute haben Mühe zu verstehen, wie die Performance separater Elemente den Geschäftsbetrieb beeinflusst. Darüber hinaus kann die schiere Menge an Tools die Priorisierung von Abhilfemaßnahmen (Remediation) erschweren.

KI verändert das Netzwerk-Monitoring

IT-Organisationen sind bereit, in modernere und umfassendere Optionen zu investieren, um ihr Netzwerk-Monitoring zu verbessern. An der Stelle kommt künstliche Intelligenz (KI, oder AI vom englischen Begriff Artificial Intelligence) ins Spiel. KI-Netzwerk-Monitoring ist eine besonders vielversprechende Disziplin, die wertvolle Einblicke in Infrastrukturvorgänge liefern könnte. 86 Prozent der in der ScienceLogic-Studie befragten Organisationen haben vor, im kommenden Jahr in KI-basierte Monitoring-Produkte zu investieren.

Fortgeschrittene Monitoring Tools integrieren auf KI und Machine Learning basierende Analytics-Verfahren, um Daten von den unzähligen Netzwerk-Assets zu korrelieren. Diese Tools nutzen KI, um oft verborgene Performance-Probleme der Infrastruktur zu erkennen, und zwar in Echtzeit. Außerdem lässt sich Remediation durch Anwendung von künstlicher Intelligenz auf Netzwerk-Monitoring und Netzwerkmanagement häufig automatisieren. So können sich für den Netzwerkbetrieb verantwortliche Teams mehr auf strategische Aktivitäten konzentrieren.

Den Verheißungen von künstlicher Intelligenz stehen aber auch einige Risiken und Nebenwirkungen gegenüber. Die Überwachung von Traffic benötigt Zeit, um normales von anormalem Verhalten zu unterscheiden und Aktivitäten zu kennzeichnen, die auf ein Serviceproblem deuten. Zudem werden die positiven Effekte von KI gemindert, solange Organisationen einen Ad-hoc-Ansatz für das Monitoring verfolgen, indem sie sich auf zu viele unterschiedliche Tools verlassen, anstatt auf eine einheitliche Methodologie zu setzen.

Next Steps

UC-Monitoring und -Analyse mit künstlicher Intelligenz

Wie Network Analytics das Netzwerk zukunftssicher macht

Performance Monitoring in automatisierten Netzwerken

- GOOGLE-ANZEIGEN

ComputerWeekly.de

Close