metamorworks - stock.adobe.com
AIOps-Lösungen benötigen klassische und generative KI
AIOps bezeichnet meist den Einsatz von KI für den IT-Betrieb, etwa zur Erkennung von Angriffen. Da ist es mit generativer KI nicht getan, sondern auch klassische KI gefordert.
Im Jahr 2022 befand sich AIOps (Artificial Intelligence for IT Operations) im Tief. Fast jede sogenannte AIOps-Lösung war kaum mehr als herkömmliches Monitoring – nur leicht optimiert. Die Anwendungsfälle für AIOps waren zu diesem Zeitpunkt recht banal und trugen nur wenig dazu bei, die Vision von adaptiven Anwendungen voranzutreiben. Hier sollten echte Intelligenz und die Fähigkeit, Änderungen in Echtzeit durchzuführen, in den IT-Betrieb einfließen.
Dann kam generative KI ins Spiel. Dadurch erhielt AIOps eine zweite Chance. Aber ganz so einfach verhält es sich in Wirklichkeit nicht. Ein genauerer Blick hinter die Kulissen erfordert jedoch zuerst eine Definition von AIOps in Bezug auf die erforderlichen Fähigkeiten.
Was ist AIOps?
AIOps ist ein weit gefasster Begriff, der sich im Allgemeinen auf die Verwendung von künstlicher Intelligenz für den IT-Betrieb bezieht. AIOps-Lösungen – meist als Plattformen bezeichnet – bieten in der Regel vier verschiedene Funktionen:
- Beobachten: Umfasst die Aufnahme von Telemetriedaten und die Erkennung von Anomalien.
- Analysieren: Verwendet KI, um Muster aufzudecken, Ereignisse im Kontext zu korrelieren, Problemursachen zu identifizieren und Erkenntnisse zu gewinnen.
- Einbinden: Ermöglicht Benutzern die Visualisierung und Interaktion mit Daten und Erkenntnissen.
- Handeln: Setzt Erkenntnisse automatisiert in Maßnahmen um.
Bislang wurde generative KI vor allem für die „Einbinden-Funktion“ genutzt. Hier hat sie die Interaktionsmöglichkeiten durch den Ersatz von grafischen Nutzeroberflächen und APIs mit der Eingabe und Ausgabe von natürlicher Sprache verbessert. Damit bewegt sich AIOps weitgehend in Richtung des am häufigsten genannten Anwendungsfalls dafür, gemäß einer Studie von ZK Research:
- 64 Prozent IT-Betriebseffizienz/Produktivität
- 54 Prozent verbesserte Netzwerk- oder Anwendungsleistung
- 54 Prozent verbesserte Sicherheit oder Compliance
Es gibt erste Anzeichen dafür, dass generative KI auch im Bereich „Handeln“ eingesetzt wird, um Richtlinien und Konfigurationen zur Risikominderung und Bewältigung von Vorfällen zu erzeugen. Aber diese sind im Moment noch schwach und beschränken sich weitgehend auf das Portfolio eines Anbieters.
Generative KI hat bislang die Fähigkeit zum „Analysieren“ der durch die Funktion „Beobachten“ gesammelten Daten nur wenig vorangetrieben. Für diesen Zweck wurde sie auch nicht konzipiert. Dazu ist klassische KI nötig.
Was ist klassische KI?
Mit der Einführung von generativer KI hat der bisherige Ansatz einen eigenen Namen zur Unterscheidung gebraucht. Meist wird er als klassische KI bezeichnet und umfasst jede künstliche Intelligenz außer der generativen.
Klassische KI verwendet viele der gleichen Trainingstechniken und zugrundeliegenden Prinzipien wie generative KI. Sie ist aber darauf ausgerichtet, Ergebnisse zu analysieren und sogar vorherzusagen, indem sie Muster und Beziehungen in weitgehend strukturierten Daten identifiziert. Somit eignet sie sich hervorragend zur Klassifizierung und Erkennung.
Seit langem wird klassische KI eingesetzt zur:
- Identifizierung von Bots, um Missbrauch und Betrug wie Kontoübernahmen zu verhindern
- Erkennung von Angriffen anhand von Verhaltensmustern im Netzwerk- und Anwendungsverkehr
- Empfehlung von Produkten und/oder Dienstleistungen auf Basis von Konsummustern
- Handschrift- und Bilderkennung
Die Rolle der KI bei AIOps
Klassische KI kann nicht nur bestehende, sondern auch neue Muster und Beziehungen nahezu in Echtzeit aufdecken. Dadurch ist die Technologie für eine echte AIOps-Lösung sehr wertvoll. Diese erfordert ein Modell, das neue Daten analysieren und auf das Vorhandensein eines Angriffs schließen oder ein Problem vorhersagen kann, welches die Verfügbarkeit beeinträchtigt oder die Leistung verschlechtert. Klassische KI eignet sich für beide Bereiche: Sie ermöglicht der Beobachtungsfunktion das Erkennen von Anomalien und der Analysefunktion die Entdeckung von Mustern und Beziehungen.
„Tatsächlich ist es riskant, generative KI mit der Analyse neuer Daten zu beauftragen. Sie kann die richtige Antwort geben, aber auch halluzinieren und eine falsche Antwort erfinden.“
Lori MacVittie, F5
Generative KI kann Code, Konfigurationen und Inhalte erzeugen. Sie repliziert bestehende Muster und wendet sie an, um neue Inhalte zu erstellen. Sie erschafft dabei nichts, sondern stützt sich auf Beziehungen zwischen Objekten, die auf der Grundlage von Rückmeldungen entweder verstärkt oder abgeschwächt werden.
Tatsächlich ist es riskant, generative KI mit der Analyse neuer Daten zu beauftragen. Sie kann die richtige Antwort geben, aber auch halluzinieren und eine falsche Antwort erfinden. Das liegt daran, dass generative KI letztlich ein Zahlenspiel ist. Wenn die Beziehungen oder Muster zwischen den Datenpunkten nicht stark genug sind oder gar keine existieren, wird sie einfach die Lücken ausfüllen – ob richtig oder falsch.
Ein großer Vorteil von generativer KI liegt in der besseren Zugänglichkeit der Daten. Nutzer müssen keine Experten für eine Abfragesprache sein oder Entwickler mit der Programmierung einer Schnittstelle beauftragen. Zudem bietet sie die Möglichkeit, automatisch Code oder Konfigurationen zu generieren, um ein Problem zu lösen. Auch das bedeutet Zugänglichkeit, da man kein Experte für das Schreiben von Code oder die Nutzung mehrerer APIs sein muss.
Ohne klassische KI zur Analyse von Telemetriedaten in Echtzeit deckt ein solches System jedoch nur zwei der vier Fähigkeiten ab, die für eine voll funktionsfähige AIOps-Lösung nötig sind. Daher müssen sowohl klassische als auch generative KI eingesetzt werden:
- Beobachten: klassische KI zur Erkennung von Anomalien
- Analysieren: klassische KI zur Aufdeckung von Mustern und Beziehungen
- Einbinden: generative KI, damit Nutzer Daten und Erkenntnisse visualisieren und mit ihnen interagieren können
- Handeln: generative KI zur Umsetzung von Erkenntnissen in Maßnahmen
Während generative KI viele Abläufe vereinfachen und beschleunigen kann, ist zusätzlich klassische KI nötig, um das volle Potenzial von künstlicher Intelligenz in AIOps zu nutzen.
Die Autoren sind für den Inhalt und die Richtigkeit ihrer Beiträge selbst verantwortlich. Die dargelegten Meinungen geben die Ansichten der Autoren wieder.
