KOHb - Getty Images
KI und Automatisierung: Die Zukunft des Netzwerkbetriebs
Closed-Loop-Systeme können das Vertrauen von Operations-Teams in KI- und Automatisierungs-Tools stärken, wenn diese Netzwerkprobleme erkennen, Alarme senden und Lösungen empfehlen.
KI ist zu einem heißdiskutierten Thema geworden. Das gilt insbesondere für die Unterkategorie der generativen KI, mit Tools wie ChatGPT von OpenAI und Google Bard/Gemini, die Menschen in praktisch allen Branchen faszinieren. Auch wenn diese Technologien zahlreiche Chancen eröffnen, möchten wir uns auf die KI- und Automatisierungsmöglichkeiten speziell für IT- und Netzwerk-Operations-Teams konzentrieren.
Wenn Sie schon länger in der IT-Branche tätig sind, wissen Sie, was passiert, wenn sich eine Technologie durch ihre breite Verwendung schnell durchsetzt. In diesem Fall verzeichnete die generative KI in nur wenigen Monaten einen Zuwachs von mehreren Hundert Millionen Nutzern. Es liegt auf der Hand, dass CEOs und ihre Vorstände sich fragen, wie sich die generative KI in ihrem Unternehmen einsetzen lässt, und anfangen, Geld dafür auszugeben. Neben der Begeisterung herrscht jedoch auch viel Verunsicherung, da eine regelrechte Hype-Welle rund um die generative KI in allen Branchen entsteht.
Die Begeisterung für die generative KI ist zwar schön und gut, aber man darf nicht vergessen, dass es künstliche Intelligenz (KI) und Machine Learning (ML) schon seit Jahrzehnten gibt. Erinnert sich noch jemand an das KI-Programm Watson von IBM, das in der Quizshow Jeopardy! antrat? Das war im Jahr 2011 – seine Entwicklung begann fünf Jahre zuvor. Tatsächlich gibt es die generative KI jetzt seit fast zehn Jahren.
Während in den Schlagzeilen davon die Rede ist, dass die KI Arbeitskräfte ersetzt, geht es eher darum, dass Menschen die KI nutzen, um sich die Arbeit zu erleichtern. Der CEO von IBM, Arvind Krishna, sagte unlängst: „Sie werden Ihren Job nicht an die KI verlieren, sondern an denjenigen, der die KI nutzt.“
Warum wird KI für das Netzwerk benötigt?
Forschungsergebnisse aus der Studie 2023 SASE Series: A Network Perspective on SASE and SD-WAN der Enterprise Strategy Group von TechTarget zeigen, dass 73 Prozent der Unternehmen glauben, ihre Netzwerkumgebung sei in den letzten zwei Jahren komplexer geworden. Daher werden Services, die mithilfe von KI Probleme schnell finden, Alarme senden und sogar Lösungsvorschläge liefern, zunehmend gefragt sein, um den Netzwerkbetrieb zu vereinfachen.
Netzwerkanbieter nutzen Cloud-basierte Management-Tools, um anonym Netzwerkdaten von allen Kunden, die ihre Produkte einsetzen, zu sammeln und zu analysieren. Mit der Zeit ergeben sich daraus viele wertvolle Informationen. Die Anbieter können anhand dieser Daten Algorithmen entwickeln, um Probleme zu erkennen, zu melden und Empfehlungen auszusprechen. Denken Sie daran, dass es sich dabei nicht um die großen Sprachmodelle in ChatGPT oder Google Bard/Gemini handelt, die Informationen aus dem Internet heranziehen. Betrachten Sie diese Services vielmehr als kleine Sprachmodelle (Small Language Model, SLM), die nur detaillierte Netzwerkdaten eines bestimmten Anbieters enthalten. Die meisten dieser KI-/ML-Modelle könnten zwar nicht bei Jeopardy! mithalten, aber sie können die operative Effizienz von Unternehmen erheblich steigern.
Heute stellen viele Netzwerkanbieter KI-zentrierte Funktionen wie AIOps bereit. Diese nutzen die aus einem Netzwerk erfassten Daten und ermöglichen in Echtzeit intelligente Alarme und Empfehlungen zur Lösung eines Problems. In einigen Fällen lassen sich sogar die Reaktionen automatisieren.
Aber sollten Sie das auch tun, nur weil eine KI-basierte Automatisierung möglich ist?
Was behindert die Einführung von KI?
Netzwerk-Operations-Teams sind tendenziell eher konservativ – und dafür gibt es einen guten Grund. Wenn das Netzwerk ausfällt, kann das ein Unternehmen mehrere Millionen Euro pro Minute kosten. Infolgedessen haben diese Operations-Teams erkannt, dass es besser ist, nicht überstürzt die neueste Technologie einzusetzen, nur um der neuen Technologie willen. Denken Sie daran, wie lange es immer noch dauert, eine neue, aber bewährte Technologie von einem bestehenden und vertrauenswürdigen Anbieter bereitzustellen. Das liegt daran, weil die oberste Priorität des Netzwerkteams darin besteht, zu gewährleisten, dass das Netzwerk immer verfügbar und sicher ist sowie eine positive UX liefert.
Die meisten NetOps-Teams machen sich keine Sorgen darüber, durch KI ersetzt zu werden, sondern eher darüber, ihren Arbeitsplatz zu verlieren, weil sie sich zu sehr auf KI verlassen – etwa indem ein Automatismus einen Fehler verursacht, der das gesamte Netzwerk lahmlegt. Die Studie End-to-End Network Visibility and Management Trends der Enterprise Strategy Group unterstützt diesen Ansatz: Die Mehrheit der Befragten (82 Prozent) gab an, dass sie gerne KI/ML-Dienste nutzen würde, um intelligente Alarme oder Empfehlungen zur Behebung eines Problems zu erhalten. Das Vertrauen in KI ist jedoch noch nicht gefestigt, da die IT-Teams sagten, sie würden das Problem lieber selbst beheben. Laut der Studie sind nur 18 Prozent an einer vollständigen Automatisierung der Netzwerkumgebung interessiert.
Es ist wichtig, den Unterschied zwischen der Verwendung automatisierter Runbooks als Teil der Reaktion und einer vollständig automatisierten Reaktion zu beachten. Im ersten Fall müsste ein Teammitglied ein Ansible Playbook oder etwas Vergleichbares manuell starten, während im zweiten Fall automatisch Änderungen ohne menschliche Beteiligung vorgenommen werden.
Ein großer Teil des Vertrauens in KI-Services für Operations-Teams besteht also darin, dass die Anbieter Closed-Loop-Systeme integrieren, die es den Teammitgliedern ermöglichen, Feedback zu den generierten Alarmen und Empfehlungen zu geben. Auf diese Weise können die Mitarbeiter beispielsweise bestätigen, ob die Empfehlung richtig war. Falls nicht, können sie dem System die korrekte Lösung mitteilen, um den zugrunde liegenden Empfehlungsalgorithmus kontinuierlich zu verbessern.
Dieses Closed-Loop-System ist für NetOps-Teams von entscheidender Bedeutung, da es ihnen ermöglicht, die Funktionsweise des KI-Dienstes besser zu verstehen und sich schließlich damit anzufreunden, dass die KI-Software Reaktionen auf Grundlage bestimmter, von ihnen zugelassener Anwendungsfälle automatisiert. Unternehmen, die KI in ihren Netzwerkumgebungen einsetzen, sind gerade dabei zu definieren, wie lange diese Akzeptanzphase dauert – die Zeit, die Operations-Teams benötigen, bis sie sicher sind, dass die von den KI-Programmen gelieferten Empfehlungen zutreffend und vertrauenswürdig sind. Diese Zeitspanne dürfte je nach Team und Schweregrad der Alarme variieren.
Wo spielt die generative KI eine Rolle?
Dank generativer KI-Tools können Operations-Teams das Netzwerk mit Prompts in natürlicher Sprache verwalten. Eine einfache Frage wie Wie läuft das Netzwerk heute? oder Gab es in der vergangenen Nacht irgendwelche Probleme? könnte den Netzwerkbetrieb drastisch vereinfachen. Aber ist das wirklich ein Unterschied zum Status quo? Brauchen Netzwerk-Operations-Teams die generative KI?
Da es bei der generativen KI um die Erzeugung neuer Inhalte geht, ist es notwendig, dass Sie darüber informiert werden, dass eine bestimmte Metrik einen Schwellenwert überschritten hat? Im Grunde nicht – diese Alarme sind keine Auslegungssache. Aber was wäre, wenn ein Netzwerkbetreiber die generative KI anweisen könnte, einen synthetischen Datenstrom zu erzeugen, der zu einer noch nicht aufgetretenen Anomalie führt, um dann zu beurteilen, welche Alarme und Empfehlungen das System liefern würde. In Verbindung mit einem digitalen Zwilling könnten Unternehmen eine Reihe von Resilienz- oder Was-wäre-wenn-Szenarien entwickeln, um das Netzwerk zu testen und den Operations-Teams sowie dem Unternehmen wichtige Einblicke und Vorteile zu bieten.
Eine glänzende Zukunft für KI
Der Einsatz von KI und Automatisierung im Netzwerk sowie der gesamten IT-Umgebung wird weiter zunehmen. Die Nutzung wird zu einer Grundvoraussetzung, vor allem, wenn Netzwerkumgebungen immer mehr hochgradig verteilte und komplexe Umgebungen unterstützen. Generative KI-Services könnten den Netzwerkbetrieb entscheidend voranbringen, insbesondere in Kombination mit der Digital-Twin-Technologie.
Unternehmen, die erste Schritte mit AIOps unternehmen, müssen darauf achten, dass die zum Trainieren des Modells verwendeten Daten relevant, vertrauenswürdig und von hoher Qualität sind. Das heißt, es kommen Netzwerkdaten zum Einsatz, die vom Anbieter Ihrer Wahl erfasst wurden, und keine Daten, die aus dem Internet stammen.
Denken Sie daran, Ihren erfahrenen Netzwerk-Operations-Teams die Zeit zu geben, die generierten Alarme und Empfehlungen zu validieren und sich mit ihnen vertraut zu machen. Es empfiehlt sich außerdem, mit den Anbietern zusammenzuarbeiten, um deren KI-Roadmaps zu verstehen, einschließlich der generativen KI, und Programme zu entwickeln, um neue Funktionen zu testen, sobald sie eingeführt werden. Letztlich geht es darum, dass das Netzwerk funktionsfähig, effizient und sicher bleibt. Resilienz ist die Grundlage für all diese Ziele, und die generative KI kann sie ermöglichen.
KI wird nicht verschwinden, daher liegt die Zukunft in der erweiterten Unterstützung von Netzwerkbetreibern und KI. Jetzt ist es an der Zeit, diese Entwicklung aufzugreifen und den Netzwerkbetrieb zukünftig zu verbessern.
Die Enterprise Strategy Group ist ein Geschäftsbereich von TechTarget. Ihre Analysten unterhalten Geschäftsbeziehungen zu Technologieanbietern.
Die Autoren sind für den Inhalt und die Richtigkeit ihrer Beiträge selbst verantwortlich. Die dargelegten Meinungen geben die Ansichten der Autoren wieder.
