Die Rolle von KI-Anwendungen im Cloud Computing verstehen

Wie hat KI das Cloud Computing verändert?

KI ermöglicht einen Wechsel von reaktiven zu proaktiven Abläufen, um die Systemzuverlässigkeit, die Ressourcennutzung und die Kosteneffizienz zu verbessern. Zu den wichtigsten Anwendungen gehören

• Predictive Analytics für die dynamische Skalierung,
• Anomalieerkennung zur Identifizierung von Bedrohungen und Engpässen,
• Echtzeit-Ressourcenoptimierung und
• KI-gesteuerte Sicherheits-Tools, die Datenschutz und Compliance gewährleisten.

„Die Rolle der KI im Cloud-Computing-Management verbessert die Effizienz, Skalierbarkeit und Flexibilität für IT-Teams“, sagt Agustín Huerta, Senior Vice President of Digital Innovation für Nordamerika bei Globant, einem IT-Beratungsunternehmen. „Mit KI-Fähigkeiten ermöglicht das Cloud-Computing-Management eine neue Phase der Automatisierung und Optimierung für Unternehmen, um mit den dynamischen Veränderungen am Arbeitsplatz Schritt zu halten.“

Eine der bedeutendsten Veränderungen im Cloud-Management ist die Automatisierung redundanter Aufgaben wie Cloud-Bereitstellung, Leistungsüberwachung und Kostenautomatisierung. Dies ist jedoch nur ein kleiner Ausschnitt der Möglichkeiten von KI.

Prasad Sankaran, Executive Vice President beim IT-Dienstleister Cognizant, sagt, KI kann Cloud-Anbietern und Unternehmen auch dabei helfen, ihre Sicherheitslage in Bezug auf Rechen-, Speicher- und Netzwerkinfrastruktur sowie Anwendungen zu verwalten, um Fehlkonfigurationen, böswillige Aktivitäten und Schwachstellen zu erkennen.

Nick Kramer, Leiter des Bereichs Applied Solutions beim Beratungsunternehmen SSA & Company, erklärt, dass KI-gestützte natürliche Sprachschnittstellen das Cloud-Management von einer technischen Herausforderung in eine logische verwandeln. Sie können die Fähigkeit von Geschäftsanwendern verbessern, komplexe Cloud-Vorgänge durch dialogorientierte KI zu verwalten, und eine schnellere und bessere Problemlösung ermöglichen.

Ryan Mallory, COO bei Flexential, einem Rechenzentrumsanbieter, unterteilt KI-fähige Cloud Computing Tools und Plattformen in mehrere Haupttypen:

• Infrastrukturmanagement-Tools. Diese Tools nutzen KI, um die Verwaltung von Cloud-Ressourcen zu automatisieren und zu optimieren, wodurch die Effizienz verbessert und Kosten gesenkt werden.
• Sicherheitsplattformen. KI-gesteuerte Sicherheitsplattformen bieten erweiterte Funktionen zur Erkennung und Abwehr von Bedrohungen und schützen Daten und Infrastruktur vor Cyberangriffen.
• Tools zur Leistungsoptimierung. Diese Plattformen nutzen KI, um die Systemleistung zu überwachen und zu verbessern, wodurch ein optimaler Betrieb gewährleistet und Ausfallzeiten minimiert werden.
• Automatisierungsplattformen. KI-gestützte Cloud-Automatisierungs-Tools rationalisieren Routineaufgaben und entlasten IT-Mitarbeiter, sodass diese sich strategischeren Aufgaben widmen können.

Selbstheilende Systeme

Kramer sagt, sein Lieblingsbeispiel für den Schrittwechsel, den KI im Cloud-Management bewirkt, sei die Kombination aus schneller Reaktion und Vorhersage in Aktionen, die es Systemen ermöglichen, sich mit minimalem menschlichem Eingriff selbst zu optimieren, zu heilen und zu sichern. Beispielsweise kann KI bestimmte Arten von Systemfehlern erkennen und automatisch beheben, wodurch die Zuverlässigkeit verbessert und Ausfallzeiten reduziert werden. Die KI-Datenanalyse kann schnell die wahrscheinliche Ursache ermitteln, wenn eine Anomalie erkannt wird.

Ein Prozess, der menschliche Administratoren Stunden oder Tage kostet, kann von KI in Sekundenschnelle oder wenigen Minuten abgeschlossen werden. Auf der Grundlage des identifizierten Problems können KI-Systeme dann vordefinierte Korrekturmaßnahmen einleiten. Dazu können der Neustart von Diensten, die Neuzuweisung von Ressourcen oder das Anwenden von Patches gehören.

Über die reine Fehlerbehebung hinaus kann KI in selbstheilenden Systemen auch die Leistung kontinuierlich optimieren, indem sie mithilfe von maschinellem Lernen aus gelernten Mustern und sich ändernden Bedingungen lernt und sich so im Laufe der Zeit verbessert. „Die KI lernt aus vergangenen Vorfällen und Ergebnissen und wird so sowohl bei der Erkennung als auch bei der Lösung von Problemen immer genauer“, erklärt Kramer.

Häufige Anwendungsbereiche von KI im Cloud-Management

Laut Bharath Thota, Partner im Bereich Digital und Analytics bei der Beratungsfirma Kearney, wird KI in mehreren Schlüsselbereichen des Cloud-Computing-Managements eingesetzt, darunter Workload-Optimierung, vorausschauende Wartung, Erkennung von Sicherheitsbedrohungen und automatisierte Skalierung. Als interessante Beispiele nennt er unter anderem:

• Workload-Optimierung. Der Machine Learning-Dienst von Microsoft Azure und AutoML von Google Cloud ermöglichen eine dynamische Ressourcenzuweisung durch die Analyse von Daten, um eine effiziente Nutzung der Rechenressourcen sicherzustellen.
• Vorausschauende Wartung. Mit dieser Funktion können Cloud-Anbieter potenzielle Systemausfälle vorhersagen und beheben, bevor sie den Betrieb stören, wodurch Ausfallzeiten und Wartungskosten reduziert werden.
• Sicherheit. Dienste wie AWS GuardDuty nutzen KI, um Anomalien und ungewöhnliche Muster zu erkennen, die auf potenzielle Cyberbedrohungen hinweisen können, und verbessern so die allgemeine Sicherheitslage.
• Benutzeroberfläche. KI-gestützte Chatbots und virtuelle Assistenten wie IBM Watsonx Assistant verbessern den Kundenservice, indem sie sofortige, kontextbezogene Antworten auf Benutzeranfragen liefern und so das Kundenerlebnis verbessern.

„Mit der Weiterentwicklung der KI-Technologie wird ihre Rolle im Cloud-Management wahrscheinlich zunehmen und noch ausgefeiltere Tools für Echtzeitanalysen, fortschrittliche Automatisierung und proaktive Sicherheitsmaßnahmen hervorbringen“, ist Thota überzeugt. Diese Entwicklung wird die Effizienz und Sicherheit von Cloud-Umgebungen verbessern und sie reaktionsfähiger und anpassungsfähiger an sich ändernde Geschäftsanforderungen machen.

Die Vorteile von KI im Cloud-Computing

Sankaran sagt, KI treibe das autonome Cloud-Management voran und mache die Vision von selbstüberwachenden und selbstheilenden Systemen realisierbar. KI-fähiges Cloud-Management ermöglicht es Unternehmen, rund um die Uhr und in großem Umfang umfangreiche, komplexe Multi-Cloud-Umgebungen bereitzustellen und zu betreiben. Diese Funktionen können die Betriebszeit erhöhen und Risiken mindern, um das Geschäftspotenzial und die Kundenzufriedenheit zu steigern.

Chris Vogel, Cybersecurity-Berater bei S-RM, einem Unternehmen für Corporate Intelligence und Cybersicherheit, ist ebenfalls der Ansicht, dass KI über die Automatisierung hinausgeht und weitaus fortschrittlichere Geschäftsanalysefunktionen bietet, indem sie datengestützte Erkenntnisse aus riesigen Datenmengen verbessert, um fundierte Geschäftsentscheidungen zu ermöglichen.

Die Herausforderungen des Einsatzes von KI im Cloud-Computing-Management

IT-Teams müssen beim Einsatz von KI im Cloud-Management auch verschiedene Herausforderungen und Nachteile berücksichtigen. Dazu gehören:

• Vertrauen. Narayana Prasad Shankar, CTO und Leiter der Bereiche KI, Data Engineering und Analytics bei Zensar, einem Unternehmen für digitale Engineering-Dienstleistungen, sagt, dass der Vertrauensfaktor noch nicht stark genug ist, um den Einsatz von KI zum Mainstream zu machen oder KI allein für das Management der Cloud einzusetzen.
• Kosten. Die Kosten für die Implementierung vieler Aspekte der KI im Cloud-Management sind laut Shankar unerschwinglich, was hauptsächlich auf die Personalkosten, aber auch in gewissem Maße auf die Betriebskosten zurückzuführen ist.
• Komplexität. Die Integration von KI-Systemen in bestehende Cloud-Infrastrukturen kann eine gewaltige Aufgabe sein, die spezielle Kenntnisse und umfangreiche Anpassungen erfordert, was ressourcenintensiv und zeitaufwändig sein kann.
• Kontinuierliches Training. KI-Modelle, die auf Deep Learning basieren, müssen kontinuierlich mit großen und vielfältigen Datensätzen trainiert werden, um effektiv zu bleiben, was die Rechenleistung belasten und die Betriebskosten in die Höhe treiben kann.
• Undurchsichtigkeit. Die mangelnde Transparenz vieler KI-Algorithmen kann es für Stakeholder schwierig machen, zu verstehen, wie Entscheidungen getroffen werden, was laut Thota das Vertrauen untergraben kann.
• Legacy-Anwendungen. Sankaran sagt, dass viele Anwendungen Legacy-Systeme sind, die in der Cloud gehostet werden und nie dafür konzipiert wurden, die Vorteile der Cloud zu nutzen. „Dies kann es schwierig machen, KI-Funktionen vollständig zu implementieren, ohne die Anwendung zu modernisieren“, sagt er.

Auswirkungen von KI auf das IT-Cloud-Management

Es ist auch wichtig zu berücksichtigen, wie sich die Bereitstellung von KI für Benutzer auf die Cloud-Management-Aufgaben der IT auswirkt. IT-Abteilungen müssen neue Kategorien von Dienstleistungen im Zusammenhang mit KI in Betracht ziehen.

„Wie bei früheren Wellen neuer Technologien ist der Schatten-IT-Zugriff auf nicht autorisierte und unsichere KI-Systeme ein Risiko, das gemanagt werden muss“, erklärt Sankaran. Zu den neuen Herausforderungen gehören unter anderem:

• Services. Die IT muss KI-Alternativen auf Unternehmensebene bereitstellen, die effektiv, privat, qualitätsgesichert und reguliert sind.
• Daten. Unternehmen müssen die Verfügbarkeit, Qualität und Sicherheit ihrer Datensätze gewährleisten und darüber hinaus Datenpipelines, Speicherung und Governance über verschiedene Cloud-Plattformen und -Quellen hinweg verwalten.
• Modelle. Der Lebenszyklus von KI-Modellen muss ebenfalls gründlich verwaltet werden. Von der Entwicklung und dem Testen bis hin zur Bereitstellung und Überwachung müssen Unternehmen die Kompatibilität, Skalierbarkeit und Leistung von KI-Modellen in Cloud-Umgebungen sicherstellen.
• Kostenmanagement. Teams müssen die Vorteile und Kosten des Einsatzes von KI auf verschiedenen Plattformen abwägen. Außerdem ist es wichtig, die Zuweisung und Nutzung von Cloud-Ressourcen und -Diensten für KI-Workloads zu optimieren, um unnötige oder übermäßige Ausgaben zu vermeiden.
• Fähigkeiten. IT-Teams müssen auf dem neuesten Stand bleiben und die erforderlichen Fähigkeiten und Kompetenzen für den Einsatz von KI in der Cloud entwickeln, darunter Prozessoren, KI/ML-Middleware, Modellauswahl, ML-Operationen und Compliance-Management.

Anbieter von KI-fähigen Cloud Computing Tools

Es gibt viele Möglichkeiten, die verschiedenen Kategorien von KI-fähigen Cloud Computing Tools zu unterteilen. John Pettit, CTO bei Promevo, einem Google-Dienstleister, unterteilt den Bereich in drei Kategorien: Plattformen für Artificial Intelligence as a Service (AIaaS) wie Vertex on Google, Hybrid-Tools von Drittanbietern, die sich in viele Clouds integrieren lassen und KI zur Effizienzsteigerung einbetten, sowie spezialisierte KI-Plattformen, die sich auf die Verwaltung und Skalierung von KI-Workloads konzentrieren.

Unternehmen sollten in der Lage sein, die Funktionen entsprechend ihren Zielen und ihrer Cloud-Präsenz mit dem richtigen Tool abzustimmen. Pettit empfiehlt, mit einer AIaaS-Option zu beginnen, die die Bindung an einen Anbieter minimiert, sodass Nutzer mit den offenen Modellen experimentieren können, ohne sich um die direkte Verwaltung kümmern zu müssen. Google Vertex erfordert beispielsweise nicht die Verwendung der eigenen Modelle.

Masood hält es für sinnvoller, die wichtigsten Arten von KI-fähigen Cloud-Management-Tools und -Plattformen in sechs Kategorien zu unterteilen:

• Intelligente Betriebsplattformen wie Dynatrace, New Relic und Datadog nutzen KI, um Echtzeitüberwachung, Anomalieerkennung und prädiktive Analysen über den gesamten Cloud Stack hinweg bereitzustellen und so ganzheitliche Einblicke zu liefern, die über die menschlichen Fähigkeiten hinausgehen.
• Autonome Ressourcenoptimierer wie Turbonomic und IBM Densify nutzen KI, um Workload-Muster zu analysieren und fundierte Entscheidungen in Echtzeit zu treffen, um die Ressourcenzuweisung anzupassen und Leistung und Kosten automatisch auszugleichen.
• KI-gesteuerte Sicherheitsplattformen wie Palo Alto Networks Prisma Cloud und CrowdStrike Falcon nutzen maschinelles Lernen, um Zero-Day-Schwachstellen und anomales Verhalten zu erkennen und die Cloud-Sicherheit von einer reaktiven zu einer proaktiven Haltung zu verlagern.
• Predictive-Analytics-Plattformen wie VMware Tanzu CloudHealth und Apptio Cloudability nutzen KI-Tools, um Cloud-Ausgaben zu prognostizieren und Möglichkeiten zur Kostenoptimierung zu identifizieren. Sie liefern umsetzbare Erkenntnisse und konkrete Empfehlungen zur Kostensenkung.
• Cloud-AIOps-Plattformen wie IBM Cloud Pak for Watson AIOps und Moogsoft automatisieren IT-Betriebsprozesse, von der Reaktion auf Vorfälle bis zur Ursachenanalyse, und lernen kontinuierlich aus vergangenen Vorfällen, um die Reaktionsstrategien zu verbessern.
• Intelligente Datenmanagementsoftware wie Rubrik und Veeam nutzt KI, um die Datenplatzierung zu optimieren, Ausfälle vorherzusagen und die Wiederherstellung zu automatisieren, wodurch das Datenmanagement proaktiver und ressourceneffizienter wird.

Zukünftige KI-Trends im Cloud-Management

Diese Berater und Marktanalysten sagen KI eine vielversprechende Zukunft im Cloud-Management voraus.

„Wir stehen erst am Anfang unserer GenAI-Reise, aber wir kommen schnell voran und das Tempo nimmt zu. KI und Cloud Computing werden sich weiterhin symbiotisch entwickeln und sich gegenseitig in ihren Fähigkeiten verstärken, während sie eine neue Ära der Hyperautomation einläuten“, ist sich Sankaran sicher.

Mit der Weiterentwicklung der KI-Fähigkeiten wird das Cloud-Management immer automatisierter und autonomer. Sankaran glaubt, dass KI-Cloud-Management ebenso bahnbrechend sein wird wie die Einführung des Cloud Computing. „Wer in KI für das Cloud-Management investiert, wird neue Möglichkeiten erschließen, um mit der Geschwindigkeit des Geschäfts zu agieren, da technische Schulden abgebaut, Innovationen vorangetrieben und Modernisierungen umgesetzt werden“, sagt er.

Thota geht davon aus, dass KI das Cloud-Management dominieren und sich zu einem vollständig autonomen Cloud-Betrieb entwickeln wird. Die Systeme werden in der Lage sein, sich in Echtzeit an Nachfrageschwankungen, neue Sicherheitsbedrohungen und betriebliche Herausforderungen anzupassen, was zu einer neuen Ära des Cloud-Managements führen wird, die widerstandsfähiger, effizienter und innovativer ist.

„Dieser Wandel wird zu erheblichen Effizienzsteigerungen in allen Branchen führen, sodass sich Unternehmen stärker auf ihre strategischen Ziele konzentrieren können, während KI die Komplexität des Cloud-Managements übernimmt“, erläutert Thota.

Masood prognostiziert eine Verbreitung spezialisierter KI-Cloud-Plattformen, wobei Anbieter mehr branchenspezifische Angebote verkaufen, die Interoperabilität der Plattformen verbessern und einen stärkeren Fokus auf ethische KI-Praktiken legen werden.

Kramer ist überzeugt, dass KI Unternehmen dazu veranlassen wird, sich stärker darauf zu konzentrieren, KI-Entscheidungsprozesse transparenter und interpretierbarer zu gestalten, um KI-Systeme gezielter optimieren zu können: „Seien wir ehrlich: KI wird sich erst dann durchsetzen, wenn die Stakeholder KI-gesteuerte Cloud-Management-Entscheidungen besser verstehen und ihnen vertrauen können.“