5 Netzwerkaufgaben, bei denen KI NetOps-Teams helfen kann, und 5, bei denen sie es nicht kann

Die heutigen digitalen Landschaften entwickeln sich rasch, da die Komplexität und der Umfang der Netzwerkinfrastruktur exponentiell wachsen. Dieser Anstieg macht es schwieriger als je zuvor, Netzwerke effizient zu verwalten. Es gibt zwar eine Vielzahl von Tools, die dazu beitragen sollen, NetOps-Teams zu unterstützen, doch laut Gartner sind zwei Drittel der Netzwerkaufgaben immer noch manuell. Als Folge daraus besteht ein anhaltender Bedarf, die Netzwerkverwaltung und -betrieb zu rationalisieren.

Darüber hinaus führt die Einführung von Cloud-Computing und Virtualisierungstechnologien in Kombination mit neuen Technologien und Dienstleistungen dazu, dass Organisationen flexiblere und skalierbarere Netzwerkmanagementtechnologien benötigen, um mit dem zunehmenden Netzwerkverkehr und der wachsenden Anzahl von Geräten umgehen zu können. Während Skripting seit langem ein Weg ist, um einzelne Ingenieuraufgaben zu automatisieren, ist es nicht skalierbar für ein ganzes Betriebsteam.

Hier kommt die KI ins Spiel, insbesondere das Versprechen der generativen KI, die in den letzten zwei Jahren ein Katalysator für den Markt war. Doch mit so vielen KI-fähigen Technologien, die jetzt den Netzwerkbereich erreichen, kann es schwierig sein, zu verstehen, welche Funktionalität real ist und was nur KI-Whitewashing ist. Lassen Sie uns uns fünf Netzwerkaufgaben ansehen, bei denen KI NetOps-Teams heute helfen kann, und fünf Bereiche, in denen sie es nicht kann (und vielleicht auch nie kann):

Hilft NetOps-Teams:

1. Infrastruktur-Erkennung und Konfigurationsanalyse – Es ist Standardverfahren, alle physischen und virtuellen Komponenten zu identifizieren und zu katalogisieren, die die IT-Infrastruktur eines Unternehmens ausmachen, und die Einstellungen, Konfigurationen und Zustände der Komponenten innerhalb dieser Infrastruktur zu untersuchen. Dies ist ein laufender Prozess, der bei manueller Durchführung Stunden pro Woche in Anspruch nehmen kann. Doch KI, die ein vollständiges Digital Twin des Netzwerks nutzt, beschleunigt diesen Prozess dramatisch (z.B. kann ein BGP-Tunnel-Down von 2 Stunden auf 10 Minuten reduziert werden) und liefert alle wichtigen Informationen, die ein NetOps-Team benötigt, zu Geräte-Hardware oder -Software, Konfigurationen, Ressourcen, Leistung und Sicherheitsrisikobewertungen.

2. Dynamische Kartierung – NetOps-Teams verwenden dynamische Kartierung für Netzwerkvisualisierungen, Netzwerküberwachung, Fehlersuche und vieles mehr. Sie entdeckt automatisch, dokumentiert und aktualisiert die Beziehungen, Pfade und Verbindungen zwischen verschiedenen Netzwerkgeräten und -komponenten. KI (wieder mit einem vollständigen Digital Twin des Netzwerks) kann die Netzwerktopologie relevant für eine Abfrage oder ein Netzwerkproblem in Minuten dynamisch zeichnen und kartieren, wann immer sie benötigt wird. Ohne KI müssen Netzwerk-Ingenieure Stunden pro Standort damit verbringen, die Karten in Visio zu zeichnen (was sich auf Hunderte von Stunden summiert, um ein Unternehmensnetzwerk vollständig zu kartieren) und die Karten veralten in Wochen oder sogar Tagen.

3. Root-Cause-Analyse und Anomalie-Erkennung – Jeder Netzwerkprofi weiß, wie wichtig Root-Cause-Analyse und Anomalie-Erkennung sind. Sie gewährleisten die Stabilität, Sicherheit und Effizienz von Systemen und Prozessen. Typischerweise erfordert dies die intuitive Expertise von IT-Fachleuten mit jahrelanger Erfahrung (unter Verwendung von CLI-Tools, Ansible, Python usw.). Bis zur KI gab es keine Abkürzungen, um diese Fehlersuchekompetenz zu erlangen. KI, die von Fachleuten trainiert wurde, kann Diagnose- oder Bewertungslogik vorschlagen, die in der Netzwerkautomatisierung verwendet werden kann, ähnlich wie KI bereits Programmierern hilft, Code zu generieren. KI könnte bald auch dazu beitragen, die Automatisierung für jedes Gerät im Netzwerk zuverlässig zu replizieren, anzupassen und zu skalieren.

4. Empfohlene Maßnahmen – Ebenso wie bei der Fehlersuche erfordert die Behebung eines Problems (die Wiederherstellung von Dienstverschlechterungen auf das gewünschte Basisniveau) oft Expertenkenntnisse. Dies beinhaltet die Recherche von Herstellerdokumentationen und das Erlangen von Kenntnissen über Best Practices und persönliche Erfahrungen. KI kann Jahrzehnte an Erfahrung katalogisieren und bessere Verteilung von Tribal Knowledge auf neue Probleme für Ingenieure aller Ebenen ermöglichen. Sobald eine Diagnose gemacht und akzeptiert wurde oder unerwünschte Trends identifiziert wurden, kann KI korrektive Maßnahmen, nächste Schritte, Nachverfahren oder Änderungsvorschläge empfehlen.

5. Dashboards und Berichte – Echtzeit-Beobachtbarkeit, handhabbare Erkenntnisse und die Fähigkeit, schnell informierte Entscheidungen zu treffen, sind alle Teil der NetOps-Aufgaben. Automatisierung kann diese Prozesse stark rationalisieren, aber wie werden die Ergebnisse der Automatisierung den menschlichen Entscheidungsträgern präsentiert? Die Visualisierung nützlicher Analysen ist zu einer eigenen Branche mit Dutzenden von Grafik- und Dashboard-Plattformen geworden. Doch diese erfordern sorgfältige Überlegung und Stunden oder Tage der Arbeit, um sie aufzubauen. KI kann die Visualisierung von Beobachtbarkeits- und Automatisierungsergebnissen erheblich erleichtern, indem sie bei der Erstellung benutzerdefinierter Dashboards und Berichte für spezifische Anwendungsfälle zur Überwachung, Überwachung und Zusammenarbeit hilft. Stellen Sie sich vor, Sie müssten Tausende von Netzwerkerkenntnissen durchsehen, die aus Telemetrie und automatisierter Analyse gesammelt wurden, und dann stellen Sie sich vor, ein KI-Assistent verwandelt diese Daten in ein überschaubares visuelles Dashboard, das dringende Probleme und Prioritätsaufgaben hervorhebt.

Hilft NetOps-Teams nicht:

1. Genehmigung von Netzwerkänderungen – NetOps möchte das Risiko von Ausfallzeiten minimieren, die Einhaltung von Vorschriften gewährleisten, die Sicherheit aufrechterhalten und insgesamt die Geschäftsziele unterstützen, was der Grund dafür ist, dass die Genehmigung von Netzwerkänderungen eine so wichtige Funktion ist. Während KI empfohlene Maßnahmen vorschlagen kann, kann sie keine Urteilsentscheidung treffen, um Netzwerkänderungen zu genehmigen oder abzuschließen. Diese Änderungen sind komplex, jedes Unternehmensnetzwerk ist anders, und ein Fehler kann Zehntausende von Dollar an Ausfallzeiten kosten. KI hat noch nicht genug fortgeschrittenes Netzwerkwissen demonstriert, um den Verantwortlichen zu ermöglichen, ihr bei einer so wichtigen Aufgabe zu vertrauen.

2. Komplexe Netzwerke entwerfen – Jedes Netzwerk und seine Anforderungen sind einzigartig. KI könnte möglicherweise eines Tages einfache Netzwerke für grundlegende Anwendungsfälle entwerfen, aber Unternehmensnetzwerke sind zu komplex und auf ihre spezifischen Anwendungsfälle zugeschnitten. Ein Mikro-Handelsunternehmen benötigt möglicherweise ein Netzwerk mit ultraniedriger Latenz. Ein Video-Content-Delivery-Unternehmen benötigt möglicherweise ein Netzwerk mit hoher Bandbreite. Ein Gesundheitsunternehmen benötigt möglicherweise ein Netzwerk mit hoher Verfügbarkeit. Nicht zu vergessen die verschiedenen Protokolle, die für jedes Unternehmen am besten geeignet sind, von traditionellem IP bis hin zu Multicast, MPLS und SD-WAN. KI kann nicht alle möglichen Iterationen eines Netzwerks berechnen und den besten Entwurf wählen. Nur ein Mensch kann diese Überlegungen anstellen und Entscheidungen treffen.

3. Entscheidungen treffen – NetOps-Experten müssen ständig kritische Entscheidungen treffen, um den Verkehr zu verwalten, die Leistung zu optimieren, auf Warnungen und Vorfälle zu reagieren, Netzwerkänderungen zu genehmigen und vieles mehr. KI kann zwar Informationen für diese Entscheidungsträger liefern, aber sie kann den Kontext nicht ausreichend verstehen, um Kompromisse zu finden, schwierige Entscheidungen zu treffen oder Abwägungen vorzunehmen. Würden Sie KI eine Entscheidung treffen lassen, die den Netzwerkdienst eines Krankenhauses oder einer Regierungsbehörde beeinträchtigen könnte?

4. Verantwortung übernehmen – NetOps-Teams werden anhand von Verfügbarkeit, Netzwerkleistung, Problemmanagement, Einhaltung von Vorschriften und vielem mehr bewertet. Wenn KI in den Mix kommt, wie werden die Teams dann bewertet? Wird “Es war die Schuld der KI” eine akzeptable Antwort sein? KI wird nie wichtige Interessenten oder Kunden besänftigen.

5. Innovieren – Verbesserte Effizienz, bessere Leistung, erhöhte Skalierbarkeit, bessere Benutzererfahrung… all diese Dinge erfordern Innovation. Menschen haben die Fähigkeit, die Komplexität der heutigen Netzwerke zu verstehen, diese mit den Geschäftszielen eines Unternehmens und den Funktionen ihrer Rolle zu kombinieren, um einzigartige Ideen und Lösungen zu entwickeln. KI hat nicht die Fähigkeit, Ideen zu mutieren und etwas Neues zu schaffen. Sie kann nicht außerhalb der Box denken und innovative Netzwerklösungen für Unternehmensherausforderungen bereitstellen.

Es gibt keinen Zweifel, dass KI ein leistungsstarkes Werkzeug ist, das stark in die Technologiestapel integriert wird. Sie kann NetOps-Teams durch verbesserte Sichtbarkeit, Automatisierung von Aufgaben und vielem mehr wertvolle Unterstützung bieten. Aber es gibt auch viel, was sie nicht kann, und wahrscheinlich nie können wird. Wir stehen gerade am Anfang dieser symbiotischen Beziehung. Was ist die Killer-KI-Funktion, die Sie in NetOps sehen möchten?