In der Vergangenheit nutzten die digital fortschrittlichsten Unternehmen Automatisierung, um auf der Grundlage klar definierter geschäftlicher und betrieblicher Ziele Skripte auszuführen, Konfigurationsänderungen vorzunehmen und Richtlinien anzupassen. Mit der Einführung von generativer KI ist dies nahezu überholt, denn das neue Ziel ist nun ein autonomeres System.
Zu diesem Schluss komme ich nach der kürzlichen Lektüre von Intels State of Cloud Optimization 2024; darin heißt es: „60 % der Befragten halten autonome Funktionen bei Optimierungstools für sehr wichtig bis äußerst wichtig.“
Falls Sie sich fragen, was Optimierungstools sind: Sie dienen der Kostenoptimierung und insbesondere dazu, das oberste Ziel für 2024 zu erreichen – die „Senkung der Cloud-Kosten“.
Im Grunde genommen FinOps.
Bei Autonomie geht es jedoch nicht nur darum, die Kosten in der Cloud zu senken. Es geht auch darum, den operativen Aufwand zu reduzieren und die Leistungsfähigkeit generativer KI zu nutzen, um die Optimierung der Bereitstellung und die Sicherheit ebenfalls autonom umzusetzen.
Auf die Frage, welchen größten Mehrwert sich die Befragten von generativer KI erhofften, nannten sie sowohl für die Anwendungssicherheit als auch für die Bereitstellung am häufigsten autonome Anpassungen.
- Sicherheit: Sicherheitsrichtlinien automatisch anpassen und Sicherheitskonfigurationen für erkannte Bedrohungen erstellen
- Bereitstellung: App- und API-Richtlinien automatisch anhand von Service-Level-Zielen (SLOs) anpassen, um die Bereitstellung zu optimieren
Mit anderen Worten: Unternehmen setzen auf generative KI, um ihre Automatisierungsstrategien auf die nächste Stufe zu heben – von automatisierten Skripten hin zur autonomen Anpassung und Erstellung von Richtlinien zur Erreichung von Sicherheits-, Leistungs- und Kostenkontrollzielen.
Der Stand der Automatisierung
Autonomere Abläufe mögen ein wenig futuristisch und unerreichbar klingen, doch der bereits bestehende Automatisierungsgrad in Unternehmen ist tatsächlich ziemlich beeindruckend. Das gilt umso mehr, wenn man bedenkt, wo die Unternehmen im vergangenen Jahr auf ihrem Weg zur Automatisierung standen.
Gegen Ende des Jahres 2022 setzte die Mehrheit (52,5 %) der Unternehmen noch auf hybride Automatisierungsstrategien. Sie nutzten Skripte, um Konfigurationsänderungen vorzunehmen und Richtlinien bereitzustellen, führten diese Skripte jedoch manuell aus. Nur etwa ein Viertel (25,4 %) nutzte Systeme, um Skripte automatisch zu starten, und ganze 21,9 % verzichteten vollständig auf Automatisierung.
Ende 2023 hatten die meisten Unternehmen auf ihrem Weg zur Automatisierung bereits beeindruckende Fortschritte erzielt.
In diesem Jahr, ignorierte weniger als jeder Zehnte (8,2 %) die Automatisierung, und der Anteil der Unternehmen, die die höchste Reifestufe (automatisiert) erreicht hatten, hatte sich nahezu verdoppelt.
Aber wie Sie sicher bemerkt haben, weist mein praktisches Diagramm ein neues Ziel aus: autonom.
Und das liegt daran, dass generative KI auf den Plan trat und deutlich machte, dass vollständig autonome Abläufe nicht nur möglich, sondern auch realisierbar sind. Denn generative KI kann zwar halluzinieren, wenn ihr offene Fragen gestellt werden, doch bei der gezielten Erstellung strukturierter Inhalte – etwa Konfigurationen und Code mit klar definierten Schemas und Syntaxvorgaben – erzielt sie gute Ergebnisse. Und je häufiger sie das tut, desto besser wird sie. Sie lernt gewissermaßen und kann bei der Erstellung der richtigen Richtlinien und Konfigurationen zur Abstimmung von Infrastruktur- und Anwendungsdiensten auf definierte Service-Level-Ziele ebenso versiert werden.
Und unseren Untersuchungen zufolge wollen Unternehmen dieses Ziel erreichen. Wahrscheinlich, weil Unternehmen stärker von ihren Automatisierungsmaßnahmen profitieren, wenn sie die Möglichkeiten der Automatisierung umfassender ausschöpfen.
Doch all diese Automatisierung muss von etwas angetrieben werden. Etwas Konkretem. Etwas Messbarem. Etwas, das konkrete Maßnahmen ermöglicht.
Bei diesem Etwas handelt es sich um Daten. Telemetriedaten, genauer gesagt, die von den Systemen und Diensten erzeugt werden, auf denen die Anwendungen und APIs basieren, deren Schnelligkeit, Verfügbarkeit und Sicherheit Unternehmen gewährleisten möchten.
Wenn wir also über die sechs zentralen technischen Fähigkeiten sprechen, die Unternehmen benötigen, um die digitale Transformation zu beschleunigen, fassen wir Automatisierung und Observability in einem gemeinsamen Bereich zusammen. Denn Erstere ist ohne Letztere nichts weiter als ein Ratespiel, während Letztere ohne Erstere die Chance ungenutzt lässt, die Transparenz zu verwirklichen, die sich Unternehmen seit Jahrzehnten wünschen.
Und all diese Daten, all diese Telemetriedaten, können auch als Grundlage für die prädiktiven KI-Engines dienen, die sie analysieren und umsetzbare Erkenntnisse liefern, damit generative KI diese nutzen kann und Konfigurationen sowie Richtlinien autonom anpassen kann.
Oh ja. Jetzt fügt sich alles zusammen. AIOps ist die nächste Evolutionsstufe der Automatisierung, und das alles dank generativer KI.
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.