Bei der traditionellen Sichtbarkeit, auch bekannt als Monitoring 1.0, dreht sich alles um Informationen. Sonden, Agenten, Protokolle und Traces liefern eine Fülle von Daten über den Zustand digitaler Systeme. Diese stammen aus Systemen, der Infrastruktur, dem Netzwerk und von Plattformen. Sie werden in Echtzeit und bei der Nachbearbeitung erzeugt. Dabei fallen riesige Mengen an, die heute nicht mehr in KB, sondern in GB gemessen werden.
Ehrlich gesagt haben wir genug Daten.
Was uns fehlt, ist das Ergebnis dieser Daten; uns fehlen oft die Erkenntnisse, die zu wirksamen Korrekturmaßnahmen führen.
Allzu oft stehen uns nur binäre Statusanzeigen zur Verfügung. Rot ist schlecht. Grün ist gut. Und selbst wenn uns bewusst ist, dass ein Problem vorliegt, erhalten wir nicht genügend Informationen, um herauszufinden, wo es seinen Ursprung hat. Ja, App A funktioniert schlecht, und die Nutzer beschweren sich. Aber warum? Liegt es am Netzwerk? An ihrem Gerät? An der Plattform? An der Orchestrierungsumgebung?
Selbst wenn wir schnell herausfinden, dass es am Netzwerk liegt, erhalten wir keinerlei Aufschluss darüber, warum es so überlastet ist. Sind zu viele Nutzer gleichzeitig aktiv? Bietet jemand heute eine Rabattaktion an? Liegt es an saisonalen Schwankungen? Oder an einem kürzlich durchgeführten Update?
Die Zahl der Variablen ist enorm, und es steht viel auf dem Spiel. Wird das Problem einer schlechten Benutzererfahrung nicht behoben, kann dies zu Umsatzrückgängen, der Abkehr von Apps und Reputationsverlust führen. Wenn das Geschäft digital ist, hängt sein Erfolg von den digitalen Rahmenbedingungen ab.
Diese Realität treibt uns hin zu Observability und darüber hinaus zu AIOps. Observability, auch bekannt als Monitoring 2.0, ist ein bedeutender Fortschritt auf dieser technologischen Reise für Betreiber und digitale Unternehmen, die bestrebt sind, den Zusammenhang zwischen Benutzererlebnis und Geschäftsergebnissen zu verstehen und zu stabilisieren. Doch damit ist erst die Hälfte geschafft – die andere Hälfte umfasst Analysen und Automatisierung.
Observability, Analytik und Automatisierung
Observability ist mehr als nur „bessere Transparenz“. Es ist die Fähigkeit, ein Bild davon zu vermitteln, was auf Systemebene vor sich geht. Es handelt sich nicht bloß um ein Dashboard, das die Performance von Netzwerk, Infrastruktur und Anwendungen in farbenfrohen Diagrammen darstellt. Vielmehr geht es um das gezielte Zusammenführen aller verfügbaren Daten zum digitalen Zustand, um ein ganzheitliches Bild davon zu zeichnen, wie gut die User Experience genau jetzt ist. Observability ist die treibende Kraft hinter operativen Datenplattformen und beträchtlichen Marktaktivitäten, da sich Anbieter in Stellung bringen, um in jedem Unternehmen den begehrten Status als „operative Datenplattform“ zu erlangen.
Doch selbst wenn uns das gelingt, müssen wir uns weiterhin mit den unweigerlich auftretenden Problemen auseinandersetzen. Wenn das Wissen um die User Experience die halbe Miete ist, besteht die andere Hälfte darin, die Ursachen zu ermitteln und anschließend entsprechend zu handeln.
Das Problem ist natürlich die leidige Tatsache, dass nahezu allen Unternehmen die Erkenntnisse fehlen, die sie benötigen, um ein außergewöhnliches digitales Erlebnis zu ermöglichen. Herkömmliche Analysen basieren auf vorgefertigten Abfragen, die weder Zusammenhänge erkennen noch Muster in den Daten identifizieren können, durch die sich diese fehlenden Erkenntnisse gewinnen ließen. Maschinelles Lernen bietet hierfür eine Lösung: Es ermöglicht die Verarbeitung riesiger Datenmengen und liefert die notwendigen Erkenntnisse, um die Ursache von Leistungseinbußen zu beheben oder einen Angriff zu erkennen, bevor er Dienste überlastet oder sich erfolgreich Zugang verschafft.
Auch die gewonnenen Erkenntnisse allein reichen nicht aus. Ebenso wichtig ist es, schnell auf diese Erkenntnisse reagieren zu können, um die Leistung zu verbessern oder einen Angriff abzuwehren. Manuelle Prüf- und Genehmigungsverfahren für Richtlinienänderungen beeinträchtigen die Agilität eines Unternehmens bei Problemen oder Angriffen.
Wir müssen auf Rechenleistung setzen, um rechtzeitig auf die aus Telemetriedaten gewonnenen Erkenntnisse reagieren zu können. Fünf Minuten nach Beginn eines Angriffs zu reagieren, könnte zu spät sein. Zwei Minuten nach einer Leistungseinbuße sind definitiv zu spät, wenn man die Ungeduld typischer Verbraucher berücksichtigt. Wir haben Computersysteme so konzipiert, dass sie Daten äußerst effizient verarbeiten. Man bedenke: „Sowohl bei Impulsen als auch bei der synaptischen Übertragung kann das Gehirn höchstens etwa tausend grundlegende Operationen pro Sekunde ausführen und ist damit zehn Millionen Mal langsamer als ein Computer.“ (Quelle: Nautilus) Wir müssen diese Fähigkeit nutzen, um die Verzögerung zu überwinden, die durch manuelle Schritte in einen ansonsten automatisierten Prozess eingebracht wird.
Wenn Sie am Daytona 500 teilnehmen würden, würden Sie doch nicht vor jeder letzten Kurve anhalten und Ihr Auto für den Rest der Runde schieben, oder? Doch genau das muten wir digitalen Erlebnissen zu, solange wir nicht auf ein vollständig autonomes System setzen.
Wir vertrauen schon lange darauf, dass Systeme Services automatisch skalieren. Künftig werden wir ihnen auch zutrauen, selbstständig Korrekturmaßnahmen zu ergreifen, die Services und Daten schützen und den Verbrauchern ein außergewöhnliches digitales Erlebnis bieten. Mehr als die Hälfte (52 %) der IT-Entscheidungsträger ist sich einig, dass diese Fähigkeit – meist als AIOps bezeichnet – strategische Auswirkungen auf ihr Unternehmen haben wird.
Dies ist ein voll funktionsfähiger Schlachtplan für digitale Erlebnisse: ein geschlossener, automatisierter Betriebsansatz, der auf Daten basiert, die aus jeder Ebene des Technologie-Stacks erfasst werden.
Es gibt Herausforderungen. Machen Sie sich nichts vor: Dies ist weder eine einfache Lösung noch eine, die Sie von der Stange kaufen und direkt implementieren können. Full-Stack-Observability – also die Fähigkeit, Telemetriedaten von jeder Komponente zu erfassen, vom Netzwerk bis zur Infrastruktur und von den Sicherheits- und Bereitstellungstechnologien bis hin zur Anwendung – ist nicht so einfach, wie traditionelle Monitoring-Anbieter es gerne darstellen. Standardansätze, die auf Agenten und Sonden basieren, sind in einer Architektur, in der verteilte Clouds zur Norm werden, weder effizient noch kostengünstig. Native Funktionen zur Erzeugung von Telemetriedaten – wie sie etwa durch die Einführung von Open Telemetry ermöglicht werden – sind der beste Weg, um die für auf maschinellem Lernen basierende Analysen erforderliche Full-Stack-Observability zu erreichen und schnell sowie präzise umsetzbare Erkenntnisse zu gewinnen, die auf die angestrebten Geschäftsergebnisse abgestimmt sind.
Auch bei der Automatisierung ist es noch ein weiter Weg. Da heute nur etwas mehr als die Hälfte (52 %) der Unternehmen ihre Infrastruktur als Code behandelt, ist klar, dass viele Unternehmen noch nicht vollständig auf Automatisierung setzen. Dabei ist diese Fähigkeit von entscheidender Bedeutung. Ohne sie funktioniert der geschlossene Regelkreis möglicherweise – aber zu welchem Preis? Die durch manuelle Abläufe in dieser Rückkopplungsschleife verursachten Verzögerungen könnten das Unternehmen Kunden, seinen Ruf oder wertvolle Daten kosten.
Digitale Transformation und Unternehmensarchitektur
Die meisten Unternehmen befinden sich heute in der zweiten und dritten Phase der digitalen Transformation. Getrieben von der Notwendigkeit, aufgrund der globalen Pandemie schneller zu handeln, haben viele taktische Entscheidungen getroffen, die nun in einen strategischen Ansatz integriert werden müssen, der sie darauf vorbereitet, ihre digitale Transformation weiter voranzutreiben.
Ein strategischer Ansatz zielt darauf ab, einen geschlossenen Kreislauf von der Beobachtbarkeit über Erkenntnisse bis hin zur Automatisierung zu schaffen. Er ist Teil eines Konzepts, das wir als „adaptive Apps“ bezeichnen. Dieser Ansatz bietet CIOs einen architektonischen Bauplan für die Modernisierung der Unternehmensarchitektur, damit die IT den Kreislauf schließen und dem Unternehmen ermöglichen kann, vollständig digital zu agieren.
Über den Autor
Lori MacVittie ist Distinguished Engineer und Chief Evangelist im Office of the CTO von F5 und verfügt über umfassende Expertise in den Bereichen Anwendungsbereitstellung, Automatisierungsstrategie und Infrastruktur. Sie ist dafür bekannt, Komplexität verständlich zu machen – ob sie Leitplanken für KI-Agenten definiert, fragile Multicloud-Architekturen analysiert oder die Grenzen skalierbarer Systeme auslotet. Sie verfügt über mehr als dreißig Jahre Branchenerfahrung in der Anwendungsentwicklung, IT-Architektur sowie im Netzwerk- und Systembetrieb. Bevor sie zu F5 kam, war sie als mehrfach ausgezeichnete Technologie-Redakteurin tätig. MacVittie hat einen Masterabschluss in Informatik und ist eine produktive Autorin, deren Veröffentlichungen die Bereiche Sicherheit, Cloud und Unternehmensarchitektur abdecken. Außerdem spielt sie leidenschaftlich gern Brett- und Videospiele und vertritt mit voller Überzeugung klare Ansichten zum Thema Käse.
Weitere Blogbeiträge von Lori Mac VittieÄhnliche Blogbeiträge
Ein umfassender Leitfaden zur Bereitstellung und Sicherheit von KI-Anwendungen
Entdecken Sie optimale Strategien für die Absicherung und Bereitstellung von KI-Anwendungen.
KI zulassen und einführen? Lehren aus der Public Cloud
Die Einführung von KI steht unmittelbar bevor und könnte entscheidend sein, um wettbewerbsfähig zu bleiben. Daher muss die IT-Sicherheit proaktiv handeln und der KI-Einführung schon jetzt einen Schritt voraus sein, um sie auf einen risikogerechten Weg zu lenken.
Stand der Anwendungsstrategie 2022: Zeit für die Modernisierung des Betriebs
Es ist deutlich geworden, dass Unternehmen ihren Fokus erneut auf die Geschäftsfunktionen richten müssen, um die Dynamik ihrer digitalen Transformation aufrechtzuerhalten. Kundenerlebnisse haben zwar weiterhin Priorität, doch auch Geschäftsfunktionen wie Recht, Personalwesen und Finanzen müssen digitalisiert werden. Das bedeutet, dass CIOs das Steuer übernehmen, während sich die digitale Transformation von der Modernisierung von Anwendungen hin zur Modernisierung von Betriebsabläufen verlagert.
F5s Weg zu einer vielseitigen Plattform für Anwendungsanalysen
F5 bietet heute die umfassendsten Anwendungsdienste entlang des gesamten Weges vom Code bis zum Kunden. Künftig werden wir verstärkt auf Anwendungstelemetrie und -analysen setzen, damit unsere Kunden wertvolle Erkenntnisse über ihre Anwendungen, Geschäftsabläufe und Benutzererlebnisse gewinnen können. Beim Ausbau unserer Cloud-Analysefunktionen werden wir ML und KI noch stärker nutzen, um unsere Kunden bei der Verbesserung ihrer Geschäftsdienste zu unterstützen.
Telemetrie: Eine andere Art von Daten
Verwenden wir den Begriff „Telemetrie“ nur, weil er attraktiver klingt als „Daten“? Letztlich sind sowohl Daten als auch Telemetrie strukturierte Informationseinheiten. Es ist kein Verbrechen, die Begriffe synonym zu verwenden. Doch wenn man es genau nimmt, gibt es einen Unterschied. Und dieser Unterschied wird immer wichtiger werden, je weiter Unternehmen in die Datenökonomie vordringen.
MTTR bedeutet nicht „Mean Time to Reboot“
„Schnell scheitern“ lautet heute das Mantra für mehr Geschwindigkeit. Ob in DevOps oder im Geschäftsleben: Wer in einer digitalen Wirtschaft agiert, muss eine möglichst perfekte Verfügbarkeit gewährleisten.