Intelligente Automatisierung für hybride Architekturen

Automatisierung wird in vielen IT-Abteilungen eingesetzt. Die nächste Stufe der Entwicklung ist intelligente Automatisierung, die kognitive Fähigkeiten ins Data Center bringt.

Hybride Architekturen haben immer mehr Komplexität in IT-Infrastrukturen gebracht: von exponentiell steigenden Mengen an IT-Betriebsdaten bis hin zu Sicherheits- und Governance-Risiken. Herkömmliche domänenbasierte IT-Managementlösungen können mit dieser Entwicklung oft nicht mehr mithalten.

Der Modernisierungsdruck wird zunehmend auf unterschiedlichen Unternehmensebenen spürbar. In diesem Artikel erfahren Sie, an welchen Stellen intelligente Automatisierung Betriebsteams entlasten und die Produktivität verbessern kann.

Digitale Transformation ist ein komplexes Unterfangen

Die digitale Transformation ist ein weit gefasster Begriff, der viele Bereiche der Technologie abdeckt. Kein Unternehmen startet auf der grünen Wiese: Systeme und Anwendungen sind oft über Jahrzehnte gewachsen und über teils abenteuerliche Schnittstellen miteinander verbunden. Die gewachsenen Systeme abschalten und alles neu entwickeln ist vor diesen Hintergrund so gut wie unmöglich.

Viele Unternehmen suchen zum Beispiel aktuell nach Wegen, ihre Mainframes in eine hybride Umgebung einzubinden. Cloud-native Technologien beschränken sich somit nicht ausschließlich auf die Public Cloud, sondern werden oftmals in einem Hybrid-Cloud-Szenario auch im eigenen Rechenzentrum genutzt. Um die Kontrolle über die heterogenen Komponenten einer solchen Architektur zu behalten, müssen Unternehmen auch ihre Management-Tools anpassen.

Marius Merkel, IBM

„Unternehmen brauchen eine anwendungszentrierte, KI-gesteuerte Verwaltungsplattform, die ein konsistentes End-to-End-Lifecycle-Management für Anwendungen und Infrastrukturen bereitstellt. Das muss unabhängig davon funktionieren, wo die Workloads gehostet sind: On-Premises und eine oder sogar mehrere Clouds hinweg.“

Marius Merkel, IBM

Wo die menschliche Auffassungsgabe scheitert, können Automatisierungs-Tools mit künstlicher Intelligenz (KI) an ihre Stellen treten. Wollen Unternehmen sie einsetzen, müssen sie sich auf einen radikalen Umbruch einstellen, der weit mehr betrifft als nur das Monitoring ihrer IT-Infrastruktur.

Automatisierung ändert, wie das Unternehmen Daten analysiert, Entscheidungen trifft und Schritte innerhalb eines Workflows ausführt. Nur so lässt sich die stetig wachsende Komplexität bewältigen, die in gemischten Umgebungen mit Legacy-Strukturen, virtualisierter Infrastruktur und Cloud-Anbindung entsteht.

Automatisierung profitiert von künstlicher Intelligenz

Automatisierung kann in vielen Bereichen die Zahl der Fehler und den Arbeitsaufwand verkürzen. Klassische Automatisierungsansätze erschaffen jedoch oft unabsichtlich Silos, denn die eigentliche Herausforderung besteht nicht in der Implementierung des Tools, sondern in dessen Skalierung.

Um nachhaltigen Erfolg sicherzustellen, müssen folgende Fragen beantwortet werden: Wie können Automatisierungswerkzeuge den Verwaltungsaufwand im gesamten Unternehmen senken? Wie kann eine Automatisierung über verschiedenen IT-Landschaften, -Betriebe und -Prozesse hinweg erfolgen? Wie lassen sich mit KI intelligente, zentral gesteuerte IT-Betriebsabläufe schaffen, unabhängig davon wo Workloads laufen?

Intelligente Automatisierung von IT-Systemen

IT-Automatisierung ist der Einsatz von Software, um wiederholende Routineaufgaben im IT-Betrieb, ohne oder mit nur wenig menschlichem Eingriff auszuführen. Intelligente Automatisierungstechnologien fügen dieser grundlegenden Prozessautomatisierung KI-Bausteine hinzu, so dass die Software auch komplexere, sogenannte kognitive Aufgaben lösen kann.

Dafür brauchen Unternehmen eine anwendungszentrierte, KI-gesteuerte Verwaltungsplattform, die ein konsistentes End-to-End-Lifecycle-Management für Anwendungen und Infrastrukturen bereitstellt. Das muss unabhängig davon funktionieren, wo die Workloads gehostet sind: On-Premises und über eine oder sogar mehrere Clouds hinweg.

Sowohl Cloud Stacks als auch Anwendungen und Infrastrukturen sollten sich von einem einzigen Kontrollpunkt aus steuern lassen. Dadurch kann eine IT-Abteilung im hybriden Gesamtverbund eine Umgebung für zentrale Deployment-Planung, Zustandsübersichten, Meldungen wichtiger Vorfälle and Risiken, Kostenübersichten und Optimierungsvorschläge nutzen.

Automatisierung erfordert außerdem zunehmend eine tiefergehende Integration des Systembetriebs. Ein fortgeschrittener Ansatz zur Transformation von ITOps ist AIOps. KI soll hierbei Prozesse der ITOps vereinfachen und Problembehebung in komplexen modernen IT-Umgebungen beschleunigen und automatisieren.

Dies umfasst insbesondere Big-Data-, IT-Automatisierungs-, Analyse- und Machine-Learning-Funktionen. AIOps verwendet eine große Datenplattform, um IT-Betriebsdaten aus Silos herauszulösen und in einem zentralen Ort zusammenzufassen. Diese Datenplattform sollte alle Daten aus IT-Infrastrukturkomponenten, Anwendungen und Performance Monitoring Tools aggregieren. Dazu gehören:

Big Data – viele Daten, viel Arbeit?

Um einen ganzheitlichen und sinnvollen Überblick zur Lage ihrer Infrastruktur zu erhalten, sind Administratoren darauf angewiesen, dass das Überwachungssystem diese Informationen automatisiert zusammenführt und vorab auswertet.

Entsprechend werden heutzutage in großen Rechenzentren riesige Mengen an Daten unter Einsatz immenser Rechenleistung verarbeitet. Berechnungen dieses Ausmaßes verursachen auch entsprechend viele Probleme. Diese reichen von losen Kabeln oder kaputter Hardware bis hin zu komplexen Speicher- oder Temperaturproblemen. Informationen zu diesen finden sich in den Protokollen der Rechner.

In einem kompletten Rechenzentrum kommt dabei eine beträchtliche Menge zusammen, und das ist noch nicht alles: für jedes Problem oder Symptom gibt es außerdem Handbücher, Anleitungen und Richtlinien, in denen Administratoren wertvolle Hinweise zur Problemlösung befinden. Einen Menschen kostet das Identifizieren des Problems und die Suche nach einer Lösung mitunter Stunden – vorausgesetzt er übersieht nichts und macht keinen Fehler.

Ein KI-System ist in der Lage, all diese Informationen zu durchforsten, Muster zu erlernen und sogar selbst Probleme zu beheben. Automatisierung kann hier nicht nur Zeit sparen, sondern auch eine einfachere, wachsende und zuverlässige Umgebung für ein effizientes Systemmanagement sicherstellen. Im Idealfall ist eine KI für die IT-Automatisierung sogar fähig dazu, aus menschlichen Korrekturen und eigenen, selbst entdeckten Fehlern zu lernen.

Der Trend in die Hybrid Cloud verschiebt den Fokus noch viel stärker in Richtung intelligente IT-Automatisierung: Je mehr Plattformen und As-a-Service-Funktionen im Einsatz sind, umso wichtiger wird die Aufgabe, die schiere Menge an Informationen aus dem wachsenden Feld der Quellen automatisch zusammenzufassen, für den IT-Betrieb leicht überschaubar aufzubereiten und mittels KI Funktionen Schwerpunkte und Optimierungspotential aufzuzeigen.

Über den Autor:
Marius Merkel ist Vertriebsleiter für den Geschäftsbereich IBM Hybrid Cloud Application Management & Integration für die Märkte Deutschland, Österreich und Schweiz. In dieser Rolle ist er verantwortlich für das IBM-Portfolio, welches Use Cases wie die Anwendungsmodernisierung, Anwendungsintegration und das Management von Anwendungen in hybriden Multi-Cloud Umgebungen adressiert.

Seine Verantwortungsbereiche sind Vertrieb, Marketing und Business Development. Mit seinen Erfahrungen aus den Disziplinen der digitalen Transformation, dem Cloud-/ Hybrid-Cloud-Lösungsportfolio hilft er Kunden, mit IBM-Angeboten wie Watson Discovery, Watson AIOps und dem Watson Assistant gezielt die digitale Transformation im Unternehmen voranzutreiben.

Die Autoren sind für den Inhalt und die Richtigkeit ihrer Beiträge selbst verantwortlich. Die dargelegten Meinungen geben die Ansichten der Autoren wieder.

Fortsetzung des Inhalts unten

Erfahren Sie mehr über Data-Center-Betrieb

ComputerWeekly.de
Close