16. April 2018 | pArtikel drucken kKommentieren

Künstliche Intelligenz im Rechenzentrum: So vermeiden Sie IT-Störungen proaktiv

Artikel teilen
Share on FacebookShare on Google+Tweet about this on TwitterShare on LinkedInEmail this to someone

Für den Unternehmenserfolg ist es zentral, einen reibungslosen Betriebsablauf im Rechenzentrum zu gewährleisten. Das wird aber immer schwieriger. Denn angesichts von steigender Datenflut, Cloud-Anwendungen und Virtualisierung ist die IT-Infrastruktur heute sehr komplex – sodass IT-Abteilungen schnell den Überblick verlieren können. Sollte dann eine IT-Störung auftreten, hat das häufig gravierende Folgen.

Wenn die IT-Abteilung zu lange braucht, um die jeweilige Störung zu identifizieren und in den Griff zu bekommen, kann die Störung den Datenspeicher oder kritische Applikationen empfindlich beeinträchtigen. Es ist sogar möglich, dass Teile der IT oder gar die komplette IT zum Erliegen kommen.

Kommt eine massive Störung im Rechenzentrum vor, werden nicht nur Betriebsprozesse ausgesetzt. Vielmehr werden dadurch Unternehmensdaten bedroht – was ernsthafte Folgen nach sich ziehen kann. So drohen Imageschäden sowie finanzielle Verluste für das gesamte Unternehmen.

Um das zu verhindern und Unterbrechungen sowie Ausfallzeiten auf ein Minimum zu reduzieren, muss die IT grundsätzlich in der Lage sein, schnell auf Probleme zu reagieren. Genau hier kommt der Einsatz von künstlicher Intelligenz im Rechenzentrum ins Spiel.

Künstliche Intelligenz im Rechenzentrum: Das ist das Ziel

Der Einsatz von KI im Data Center soll einen Computer grundsätzlich in die Lage versetzen, auf neue Situationen sinnvoll, also „intelligent“, zu reagieren. Wenn Störungen auftreten, soll der Computer diese so schnell beheben, dass niemand in der IT etwas von dem Problem bemerkt.

Damit das gelingt, muss die Störung frühzeitig beseitigt werden. Denn je mehr Zeit bis zu einer Gegenreaktion verstreicht, desto wahrscheinlicher treten negative Folgen auf – wie die Beeinträchtigung des Betriebsablaufs. Und das bemerkt die IT-Abteilung auf jeden Fall.

Der Einsatz von künstlicher Intelligenz im Data Center ermöglicht diese frühzeitige Erkennung von Störungen – und geht im Idealfall darüber hinaus: So soll ein Problem identifiziert werden, noch bevor es überhaupt auftritt und die Unternehmens-IT theoretisch gefährden könnte.

Um künstliche Intelligenz im Rechenzentrum optimal einzusetzen, müssen Unternehmen allerdings einige Anforderungen meistern.

Diese Voraussetzungen müssen Unternehmen erfüllen

Zum einen gilt es, permanent Daten zu sammeln und zu analysieren, um davon ausgehend Probleme zu prognostizieren. Hierfür müssen Unternehmen eine genaue Sicht auf ihre IT haben – besonders auf den Traffic ihres Rechenzentrumsnetzwerks. Schließlich findet dort ein reger Datenaustausch statt.

Zum anderen ist es nötig, eine Lösung zu implementieren, die über die Fähigkeit des maschinellen Lernens verfügt. Denn eine solche Lösung ist in der Lage, sich auf Basis der Datenanalyse fortlaufend selbstständig zu trainieren – und damit Probleme oder Störungen immer besser vorherzusagen. Konkret geht es beim maschinellen Lernen darum, Prognosen abzugeben, wann bestimmte Daten auftreten werden, die Rückschlüsse auf Probleme zulassen. Mit fortlaufendem Training werden diese Prognosen zunehmend präzise.

HPE InfoSight: Präzise Vorhersage von Problemen

Bill Philbin (Senior Vice President, Global Chief Technology, Officer Hybrid IT von HPE) im Interview: über die Herausforderungen der Digitalisierung und die Lösung HPE InfoSight

Mit InfoSight bietet HPE eine Lösung an, die den Einsatz von maschinellem Lernen im Rechenzentrum ermöglicht. Dadurch können Unternehmen genau von dem zentralen Vorteil profitieren, den der Einsatz von künstlicher Intelligenz im Data Center birgt: die Abgabe von hochsicheren Prognosen für Störungen oder Probleme.

Laut HPE können die KI- und Predictive Analytics-Funktionen von InfoSight Probleme so präzise vorhersagen, dass Unterbrechungen und Ausfallzeiten von Applikationen auf ein Minimum reduziert werden. Für die Storage-Komponenten des Rechenzentrums nennt HPE eine Verfügbarkeitsquote von 99,9999 Prozent.

Damit ebnet InfoSight den Weg zu autonomen Infrastrukturen, die in der Lage sind, Probleme selbstständig vorherzusehen und zu vermeiden, bevor diese den Betriebsablauf beeinträchtigen. Laut HPE können durch InfoSight 86 Prozent aller auftretenden Probleme automatisch vorhergesagt und gelöst werden.

Um sicherzustellen, dass alle Vorhersagen auch eintreffen, überwacht die Lösung durchgehend die gesamte IT-Umgebung und greift auf einen gewaltigen Datenfundus zurück.

So fragt die Lösung jeden Tag Millionen von Datensensoren aus allen, auch weltweit, eingesetzten Systemen ab. Die gewonnen Informationen werden anschließend gesammelt und analysiert. Auf diese Weise können Probleme auf den Infrastrukturkomponenten rechtzeitig erkannt und proaktiv gelöst werden – was dank Machine Learning immer präziser funktioniert.

Da InfoSight die gesamte IT-Umgebung durchgehend überwacht – neben Storage-Ressourcen kann die Lösung auch virtualisierte Umgebungen im Auge behalten – können indes nicht nur Probleme vorausgesagt werden. Auch lassen sich zum Beispiel benötigte IT-Kapazitäten genau prognostizieren. Dies ermöglicht eine intuitive Verwaltung und entlastet folglich die IT-Abteilung.

Weitere Informationen zum Portfolio von HPE erfahren Sie hier.

Quelle Titelbild: © geralt/Pixabay

Hier schreibt Christian Schinko für Sie

Mehr Artikel vom Autor

Artikel teilen
Share on FacebookShare on Google+Tweet about this on TwitterShare on LinkedInEmail this to someone

Lesen Sie weiter auf CANCOM.info