Mehr als nur RFPs und Chatbots: Wie KI die IT-Infrastruktur und den Betrieb optimiert

Die meisten großen Neuigkeiten im Bereich der künstlichen Intelligenz (KI) drehen sich heute um die Entwicklung neuer, hochmoderner generativer KI-Anwendungen (Gen AI). Von der Hilfe für Studierende beim Verfassen von Arbeiten über das Ausfüllen von Ausschreibungen in Sekundenschnelle bis hin zur (mangelhaften) Vorbereitung von Rechtsfällen, sind die Erfolge und Misserfolge gut dokumentiert.

Aber was ist mit profaneren Aufgaben? Einige Unternehmen experimentieren mit dem Einsatz von KI, um Aspekte der IT-Infrastruktur und des Betriebs zu automatisieren, wodurch wertvolles menschliches Fachwissen an anderer Stelle eingesetzt werden kann.

„Generative KI ist von zentraler Bedeutung in der Hinsicht, wie viele moderne Unternehmen neue digitale Produkte entwickeln, um Geld zu verdienen“, sagt Richard Warrick, Global Research Lead am IBM Institute for Business Value. „Aber was wäre, wenn dieselbe Technologie die Geschäftsprozesse, die für die Entwicklung, Bereitstellung, Verwaltung und Beobachtung dieser Anwendungen erforderlich sind, radikal verändern könnte?“

Von der Automatisierung ressourcenintensiver Prozesse wie der Bereitstellung von Rechenzentren und DevOps bis hin zum Ersatz von Sicherheitspersonal vor Ort - hier erfahren Sie, wie intelligente KI-Automatisierung die IT-Infrastruktur und den Betrieb verändert. 

Als die KI zum ersten Mal für geschäftliche Zwecke erforscht wurde, galt ihre Fähigkeit, sich wiederholende Aufgaben zu automatisieren, die zuvor menschliche Eingaben erforderten, als ihre wertvollste Anwendung. Mit dem Aufkommen der generativen KI und ihren vielen Funktionen wirkt diese Vorstellung mittlerweile altmodisch. Doch auch wenn sich die Art der Aufgaben, die KI automatisieren kann, geändert hat, hat sich der grundlegende Wert der Automatisierung selbst nicht geändert.

Laut einer aktuellen Studie von IBV automatisieren 80 % der Führungskräfte ihren IT-Netzwerkbetrieb in den nächsten 3 Jahren, während 76 % in diesem Zeitraum dieselben KI-Fähigkeiten auf den IT-Betrieb anwenden.

„KI-gestützte intelligente Workflows und IT-Automatisierungstools helfen Führungskräften, Wettbewerbsvorteile in Bezug auf die Leistung zu finden, die ihnen bisher verwehrt blieben“, sagt Warrick.

Vor zehn Jahren wurde KI eingesetzt, um einfache, regelbasierte Prozesse auszuführen, eine Fähigkeit, die als regelbasierte Automatisierung bekannt ist. Beispiele für frühe regelbasierte KI ist der Betrieb von Roboterarmen und Montagebändern in Fabriken. Regelbasierte KI-Tools waren zwar in bestimmten Bereichen effektiv, aber es fehlte ihnen die Flexibilität und Skalierbarkeit, um auf allgemeinere Geschäftsprobleme angewendet zu werden. Regelbasierte Systeme stützten sich auf vordefinierte Regeln, und als die Aufgaben, die sie ausführen sollten, immer komplexer wurden, stieg auch die Anzahl der Regeln, die für den Betrieb der Systeme erforderlich waren. Dies führte schließlich zu Systemen, die nicht skalierbar waren.

In den 1990er Jahren begannen Wissenschaftler mit der Entwicklung von Computerprogrammen, die „lernen“ konnten, durch die Verwendung großer Datenmengen Schlussfolgerungen zu ziehen, ähnlich wie das menschliche Gehirn. Dieser Zweig der KI, bekannt als maschinelles Lernen (ML), ermöglichte es der Technologie, immer komplexere Aufgaben zu bewältigen, wie Sprach- und Handschrifterkennung, komplexe Spielabläufe und sogar die Fähigkeit, bei medizinischen Diagnosen zu helfen.

Deep Learning, eine Untergruppe des maschinellen Lernens, die in den 2010er Jahren an Popularität gewann, hat die Komplexität, mit der KI-Systeme umgehen konnten, auf ein ganz neues Niveau gebracht. Deep Learning-Programme, die mit mehrschichtigen neural networks trainiert wurden, simulierten die komplexe und nuancierte Art und Weise, wie menschliche Gehirne Entscheidungen trafen, und ermöglichten es der KI, Anwendungen zu erstellen, Bilder und Videos zu interpretieren und sogar auf Sprach- und Textprompts zu reagieren, wie es Menschen tun.

Heute, dank ML und Deep Learning, hat sich die KI-Automatisierung von einfachen, regelbasierten Prozessen zu umfangreichen, anspruchsvollen Modellen entwickelt, die auf riesigen Datensätzen trainiert wurden und viele der gleichen Aufgaben wie ihre menschlichen Gegenstücke ausführen können. Diese neue Welle von KI-Tools, bekannt als „intelligente Automatisierung“, hilft Unternehmen, ihre IT-Infrastruktur und ihren Betrieb zu verbessern, indem sie Geschäftsabläufe rationalisieren, Daten analysieren und komplexe Probleme lösen, die zuvor menschliche Aufmerksamkeit erforderten.

Moderne Unternehmen brauchen ihre brillantesten, technologieaffinsten Köpfe, die sich auf Initiativen konzentrieren, die den größten geschäftlichen Nutzen bringen. Und im Moment geht es darum, generative KI-Anwendungen zu entwickeln. Laut einer anderen IBV-Studie gaben 64 % der CEOs an, von Investoren, Gläubigern und Kreditgebern unter Druck gesetzt worden zu sein, die Einführung der Generation KI zu beschleunigen, und mehr als die Hälfte gab an, den gleichen Druck von ihren Mitarbeitern zu spüren. 

Aber KI-Anwendungen benötigen die Unterstützung einer komplexen Infrastruktur, um die Erfassung, Verarbeitung und sichere Speicherung riesiger Datenmengen zu ermöglichen. Bisher lag diese Verantwortung bei Teams von IT-Managern, Ingenieuren und Data Scientists, aber was wäre, wenn sie von KI übernommen werden könnte?

Intelligente KI-Automatisierung nutzt die Leistungsfähigkeit spezialisierter Fähigkeiten wie Computer Vision, Verarbeitung natürlicher Sprache (NLP) und andere fortschrittliche KI-Technologien, um hochkomplexe Geschäftsprobleme zu lösen. KI-Modelle, die mithilfe von maschinellem Lernen (ML) und Deep Learning auf riesigen Datensätzen trainiert wurden, können Daten aus Anwendungen und Systemen analysieren, schnell Muster erkennen und Ressourcen und Prozesse entsprechend anpassen, bevor Probleme auftreten.

Computer Vision ist eine KI, die Bilder und Videos wie das menschliche Gehirn interpretiert. KI-Modelle nutzen ML und Deep Learning, um Daten wiederholt zu analysieren und schließlich relevante Unterschiede in Bildern und Videos zu identifizieren. Ein KI-Modell, das für die Sicherung eines Hauses trainiert wird, müsste beispielsweise anhand von Tausenden von Stunden an Sicherheitsmaterial trainiert werden, damit es lernen kann, einen wahrscheinlichen Eindringling zu erkennen.

In der IT-Infrastruktur wird Computer Vision für eine Vielzahl von Aufgaben eingesetzt, für die zuvor menschliche Eingaben erforderlich waren, einschließlich vorausschauender Wartung, Systemüberwachung, Datenstromverarbeitung und mehr:

• Vorausschauende Wartung: Speziell trainierte Computer-Vision-Systeme verwenden Bilderkennungsalgorithmen, um Probleme an physischen Komponenten wie Kabeln und Servern zu erkennen, bevor sie zu Ausfallzeit im Netzwerk führen.

• Systemüberwachung: Computer Vision kann große Datenmengen aus einer Vielzahl unterschiedlicher Quellen viel schneller genau analysieren als ein Mensch. Für die Untersuchung von Kameraperspektiven von U-Bahn-Tunneln, Autobahnen und Gebäuden würde ein Mensch Stunden brauchen, aber ein Computer-Vision-System kann dies in Echtzeit tun.

• Data Stream Processing: Computer Vision-Systeme verarbeiten und analysieren enorme Datenmengen, die von physikalischen Sensoren geliefert werden, die wichtige Metriken wie Temperatur, Luftfeuchtigkeit, Luftgeschwindigkeit und mehr verfolgen. Wenn Sie sich auf Computer Vision verlassen, um plötzliche Änderungen von Bedingungen zu erkennen, werden Unternehmen oft sofort auf ein Problem aufmerksam gemacht.

Verarbeitung natürlicher Sprache (NLP) ist ein Teilgebiet der KI, das sich damit beschäftigt, wie Computer darauf trainiert werden können, menschliche Sprache zu verstehen und mit ihr zu kommunizieren. NLP hilft Systemen, menschliche Sprache zu erkennen und zu verstehen und Text als Reaktion auf Prompts zu generieren.

Kürzlich war NLP entscheidend an der Entwicklung und Einführung von ChatGPT beteiligt, einem bahnbrechenden Chatbot, der menschenähnlichen Text verstehen und als Antwort auf Fragen und Prompts generieren kann.

Im Bereich der IT-Infrastruktur und des IT-Betriebs hilft NLP Organisationen bei einer Vielzahl von Aufgaben, die bisher menschliche Eingabe erforderten, wie z. B. die Verbesserung der Erfahrung, die Lösung von Tickets und die Stimmungsanalyse:

• Benutzererfahrung: NLP ermöglicht es Benutzern, Fragen zu komplexen IT-Themen so zu stellen, als würden sie mit einem Kundendservicemitarbeiter sprechen, und hilfreiche Antworten zu erhalten. Chatbots, die mit umfangreichen technischen Kenntnissen geschult und mit NLP-Fähigkeiten ausgestattet sind, können Kundendienstmitarbeiter mit jahrelang erworbenen technischen Kenntnissen ablösen.

• Ticketauflösung: KI NLP-Systeme können eingehende Tickets analysieren und sie nach Wichtigkeit und Typ genau priorisieren und kategorisieren. KI-Systeme können sogar darauf trainiert werden, die Probleme selbst zu lösen, bei Bedarf menschliches Eingreifen aufzufordern oder andere geeignete Maßnahmen zu ergreifen.

• Stimmungsanalyse: NLP-Systeme können eine Stimmungsanalyse von Feedback, Umfragen und sogar Posts in sozialen Medien durchführen, um die Emotionen hinter den Antworten genau einzuschätzen und Bereiche mit Verbesserungspotenzial zu identifizieren. Darüber hinaus können NLP-Systeme dabei helfen, spezielle technische Informationen zu organisieren, die Dokumentation und den IT-Wissensaustausch innerhalb eines Unternehmens zu verbessern.

Die Anwendung intelligenter KI-Automatisierung auf die IT-Infrastruktur und den IT-Betrieb verändert die Art und Weise, wie IT-Manager ihre Systeme überwachen und optimieren und entscheidende Ressourcen zuweisen. Hier sind vier Beispiele für Bereiche, in denen die Technologie dazu beiträgt, Prozesse zu transformieren, Kosten zu senken und bedeutungsvolle Erkenntnisse in das Kerngeschäft zu gewinnen.

KI ist äußerst geschickt darin, Muster in Daten zu erkennen, und eignet sich daher perfekt für die Analyse der riesigen Datenmengen, die täglich durch Unternehmensrechenzentren fließen. Rechenzentrumsbetreiber haben begonnen, KI zu nutzen, um Muster in Daten zu erkennen und Möglichkeiten zur Automatisierung und Prozessoptimierung zu identifizieren, was ein wichtiger Bestandteil der Steigerung der Kapitalrendite (ROI) für Initiativen zur digitalen Transformation ist.

Ein Bereich, in dem KI den Betrieb von Rechenzentren bereits verbessert, ist der Energieverbrauch. KI-Systeme können Kühlsysteme überwachen und dynamisch anpassen sowie den Stromverbrauch verwalten. So können Unternehmen Millionen einsparen –in einem Fall, konnte die Energierechnung eines Rechenzentrums um 40 % gesenkt werden.

KI wird zunehmend verwendet, um Aspekte der Data Governance zu automatisieren, den Prozess der Aufrechterhaltung der Datenintegrität und -sicherheit während der Erfassung, Speicherung und Verarbeitung. Mit dem Aufkommen der generativen KI stellen Unternehmen fest, dass sie viel mehr Daten sammeln und verwalten müssen als in der Vergangenheit. Da die benötigten Daten oft an einem Ort gesammelt und an einem anderen Ort gespeichert und verarbeitet werden, kann die Einhaltung der geltenden Compliance-Gesetze eine Herausforderung sein. KI-Systeme automatisieren bestimmte Aspekte des Compliance-Prozesses und aktualisieren sie basierend auf Gesetzen und Vorschriften ohne menschliche Eingabe, und machen den gesamten Prozess effizienter und sicherer.

KI spielt eine immer wichtigere Rolle bei der Observability, einem Aspekt des IT-Betriebs, der Unternehmen hilft, den Zustand komplexer Systeme auf der Grundlage der Ausgaben dieser Systeme zu verstehen. Observability kann auf eine Vielzahl von Infrastruktur-Komponenten angewendet werden, darunter Server, Anwendungen, Netzwerkgeräte und mehr.

Für Observability trainierte KI-Modelle überwachen Daten aus diesen Systemen und analysieren sie auf Fehler und Ineffizienzen. Mithilfe fortschrittlicher intelligenter KI-Automatisierung können einige KI-Systeme sogar die Ursachen bestimmter Probleme ermitteln und geeignete Maßnahmen ergreifen, bevor diese die Verfügbarkeit, Leistung oder Sicherheit von Anwendungen beeinträchtigen.

Neben der Überwachung der System- und Anwendungsleistung und Verfügbarkeit verändert KI auch die Bereitstellung, den Prozess der Bereitstellung von Hardware- und Softwareressourcen für Systeme und Benutzer. Heute automatisieren fortschrittliche KI-Systeme die Bereitstellung und helfen Unternehmen dabei, Cloud-Computing-Ressourcen effizienter zuzuweisen, sodass Maschinen nicht untätig bleiben und die Gesamtleistung nicht sinkt. Die Marktchance für intelligente KI-Automatisierung im Bereitstellungsprozess ist groß: Laut einem Branchenbericht von Flexera werden mehr als 32 % der Cloud-Ausgaben durch schlechte Bereitstellung verschwendet.¹

KI-Systeme werden eingesetzt, um DevOps zu verbessern, eine Methode der Softwareentwicklung, die Lücke zwischen Programmierern und IT-Betrieb schließt. Einige Unternehmen haben KI zur Automatisierung von Softwaretests eingesetzt, was zu einer schnelleren Entwicklung geführt hat. Andere haben KI-Algorithmen eingesetzt, um Pipeline-Daten zu analysieren und die Ressourcenzuweisung zu verbessern. Wieder andere Unternehmen verlassen sich zunehmend auf generative KI, um Code zu schreiben, ihn zu testen, Fehler zu identifizieren und sogar mögliche Fehlerbehebungen vorzuschlagen.

Laut IBM Fellow Kyle Brown wird KI nicht nur verwendet, um bestimmte Aspekte von DevOps zu automatisieren, sondern ganze Plattformen. „Heute kann man eine gemeinsame KI-DevOps-Plattform implementieren, die vollständig konfigurationsgesteuert und automatisiert ist“, sagt er. „Unabhängig davon, woran ein Entwicklerteam arbeitet, wenn es auf einer dieser Plattformen aufbaut, wird es die Richtlinien einhalten, die das Unternehmen festgelegt hat.“ 

Während die generative KI und ihr Potenzial für Geschäftsanwendungen nach wie vor die meisten Schlagzeilen beschäftigen, finden Unternehmen, die KI auf die Systeme und Prozesse anwenden, die der IT zugrunde liegen, neue Wege, um Kosten zu senken und veraltete Systeme und Prozesse zu transformieren. Von der Automatisierung ressourcenintensiver Aufgaben wie Bereitstellung, Compliance und Softwaretests bis hin zur Überwachung komplexer Systeme auf Eindringlinge und die Durchsuchung großer Datensätze in Echtzeit nach Erkenntnissen – das Potenzial für Innovation in diesem Bereich ist grenzenlos.

Moderne KI-IT-Infrastruktur- und Betriebslösungen (AIOps-Lösungen) bieten ein vollständiges, vollständig integriertes Set an KI-gestützten Tools, die Prozesse automatisieren und aussagekräftige Erkenntnisse in die Leistung und den Zustand von Systemen und Anwendungen liefern. „Diese modernen Tools sind ein Geschenk des Himmels für IT-Betriebsteams“, sagt Brown. „Wenn wir uns nur einen Bereich ansehen – zum Beispiel die Planung –, haben wir gesehen, dass die intelligente KI-Automatisierung die geplanten Ausgaben für Hardware und zusätzliche Ressourcen halbiert hat.“