Elnur - stock.adobe.com

Wie KI für den IT-Betrieb das VDI-Management verbessert

Enterprise KI-Tools helfen IT-Profis, das VDI-Management zu verbessern. Damit dürfte das VDI-Management in Kürze einen signifikanten Wandel durchlaufen.

Machine Learning und künstliche Intelligenz (KI) gewinnen für den IT-Betrieb immer mehr an Bedeutung. Es ist daher nicht erstaunlich, dass beide Technologien gerade ihren Weg ins VDI-Management finden.

Die IT-Abteilung kann KI-Methoden und Machine Learning einsetzen, um die Sicherheit, Ressourcenauslastung, Kapazitätsplanung, Speicherverwaltung und eine Reihe anderer VDI-bezogener Vorgänge zu verbessern. Davon profitieren vor allem große und komplexe Umgebungen.

Bis Unternehmen KI als Teil ihrer VDI-Managementprozesse vollständig integriert haben, dürfte es zwar noch eine Weile dauern. Aber die Anbieter bauen bereits jetzt KI- und Machine-Learning-Algorithmen in ihre Software ein. So können Unternehmen sofort mit den Programmen experimentieren und prüfen, wo sie ihnen nutzen.

Schon in naher Zukunft dürfte das VDI-Management aber durch den Aufstieg von Enterprise KI und Machine Learning einen signifikanten Wandel durchlaufen.

KI für den IT-Betrieb

Die allgemeinen Fortschritte, die KI in letzter Zeit für Unternehmensanwendungen gemacht hat, haben auch der KI im IT-Betrieb (AIOps) Auftrieb gegeben. AIOps kann als eine Methode verstanden werden, die Big Data Analytics, Machine Learning und andere KI-Technologien zur Optimierung des IT-Betriebs integriert.

Da KI im Unternehmen in VDI Einzug hält, ist damit auch immer häufiger Software zur Handhabung verschiedener Komponenten des VDI-Managements verfügbar.

Beispielsweise kann AIOps helfen, IT-Kapazitäten besser zu planen und -Ressourcen optimaler zu verteilen. Dazu werden Workloads auf die richtigen Rechen-, Netzwerk- und Speicherressourcen abgebildet und gleichzeitig vorausschauende Informationen zur automatischen Skalierung dieser Ressourcen bereitgestellt. AIOps ermöglicht es auch, Sicherheitsbedrohungen, Serviceunterbrechungen, Speicherausfälle und andere Probleme genauer zu erkennen, zu analysieren und darauf zu reagieren. Gleichzeitig erlaubt es AIOps, andere Routineprozesse zu automatisieren.

KI kann IT-Profis auch helfen, einige Schwachstellen des VDI-Managements zu beheben. VDI-Plattformen wie Citrix XenDesktop und VMware Horizon verfügen über viele eigene Tools zur Verwaltung von VDI-Implementierungen. Aber die Verbindung der einzelnen Knoten über verschiedene Systeme hinweg kann schwierig sein, insbesondere in Silo-Unternehmen, in denen sich mehrere Gruppen von IT-Profis ausschließlich mit ihrem eigenen Verantwortungsbereich befassen.

So kann beispielsweise eine Gruppe die VDI-Server verwalten, während eine andere Gruppe für die Speicherplattformen zuständig ist. Ein intelligentes KI-Programm für den IT-Betrieb kann Ereignisse systemübergreifend korrelieren, was zu schnelleren Lösungen und weniger Störungen führt.

KI nimmt sich der VDI-Software an

Da KI im Unternehmen in virtuellen Desktop-Infrastrukturen Einzug hält, ist damit auch immer häufiger Software zur Handhabung verschiedener Komponenten des VDI-Managements verfügbar. So bietet zum Beispiel Moogsoft mit AIOps eine KI-Plattform, die Ereignisse innerhalb und außerhalb der VDI-Bereitstellung korrelieren kann. Dazu sammelt das Tool Daten aus Anwendungen, Netzwerken, Systemprotokollen, Orchestrierungswerkzeugen und anderen Quellen. Hat Moogsoft AIOps diesen Datenmix zusammengetragen, bringt es die Ereignisse miteinander in Verbindung, findet Probleme und behebt diese auch, wo immer sie sich auf den Systemen befinden.

Citrix integrierte ebenfalls KI- und Machine-Learning-Technologien in Citrix Analytics. Und auch VMware implementierte diese Technologien in Workspace One.

Citrix Analytics überwacht das Verhalten von Benutzern, Geräten und Anwendungen in allen Citrix-Produkten, einschließlich XenApp, XenDesktop, XenMobile und ShareFile. Die von diesen Systemen gesammelten Daten verwendet Citrix Analytics, um das Verhalten mit Machine-Learning-Algorithmen zu analysieren und potenzielle Bedrohungen innerhalb und außerhalb des Unternehmens zu identifizieren.

VMware Workspace One Intelligence sammelt, analysiert und korreliert Geräte- und Anwendungsdaten, und will so tiefere Einblicke und App-Analysen im gesamten digitalen Arbeitsbereich ermöglichen. Es nutzt künstliche Intelligenz und Machine Learning, um Empfehlungen und Vorhersagen zu treffen, die datengesteuerte Entscheidungen ermöglichen und gleichzeitig die Arbeitsabläufe innerhalb der gesamten Implementierung automatisieren.

Auch Systeme außerhalb der unmittelbaren VDI-Plattform können in Unternehmen von maschinellem Lernen und KI profitieren. CylanceProtect ist beispielsweise eine integrierte Threat-Prevention-Software, die mithilfe von KI virtuelle Maschinen und andere Endpunkte vor Malware-Infektionen schützt.

Hewlett Packard Enterprise (HPE) erweiterte InfoSight wiederum um eine KI-Empfehlungsmaschine, damit die IT-Abteilung auch den 3PAR-Flash-Speicher von HPE besser verwalten kann. Die neue Engine verbessert die Fähigkeit der IT-Abteilung, Leistungsprobleme zu lösen und die Ursachen von Störungen zwischen Storage und VMs zu identifizieren.

Wie unterscheiden sich künstliche Intelligenz und Machine Learning?

Manchmal werden die Begriffe künstliche Intelligenz (KI) und Machine Learning mehr oder weniger synonym verwendet. Sie haben aber unterschiedliche Bedeutungen. Grundsätzlich ist KI der allgemeinere Begriff. Zu KI gehören Gebiete wie das Erkennen und die Verarbeitung natürlicher Sprache (Chatbots), Mustererkennung, Robotik – und eben auch Machine Learning. Maschinelles Lernen ist also ein Teilgebiet der KI.

KI simuliert allgemeine Prozesse der menschlichen Intelligenz in verschiedenen Maschinentypen. Computersysteme sind die häufigste Plattform für den Betrieb der KI. KI-Prozesse nutzen Lernen und Schlussfolgern, um Daten zu untersuchen und Schlüsse mit unterschiedlichen Wahrscheinlichkeitsgraden zu ziehen. KI-Prozesse sind auch selbstkorrigierend, was es ihnen ermöglicht, sich kontinuierlich zu verbessern, während sie mehr Daten analysieren.

Ein Machine-Learning-Programm ermöglicht es einem Computer, Operationen ohne explizite Programmierung auszuführen. Der Computer lernt neues Wissen aus vorliegenden Daten. Dabei generiert die Maschine analog wie ein Mensch selbstständig Wissen aus Erfahrung und kann eigenständig Lösungen für neue und unbekannte Probleme finden. Dazu durchsuchen die maschinellen Lernprozesse der Software die gesammelten Daten, um Muster aufzudecken und die programmierten Aktionen entsprechend anzupassen. Sobald neue Daten verfügbar sind, lernt, entwickelt und modifiziert die Software ihre Aktionen weiter.

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

Nächste Schritte

Wie DevOps von künstlicher Intelligenz (KI) profitiert.

Künstliche Intelligenz erfordert viel Vorarbeit.

Gute Datenqualität ist ein Muss für Machine Learning.

Artikel wurde zuletzt im Dezember 2018 aktualisiert

Erfahren Sie mehr über Containervirtualisierung

- GOOGLE-ANZEIGEN

ComputerWeekly.de

Close