Jenseits der Automatisierung: Was KI in IT-Operationen verändert

Rauschen in der Überwachung reduzieren

Ein Bereich, in dem wir eine deutliche Verbesserung festgestellt haben, ist die Überwachung.

Große Technologieumgebungen erzeugen eine beträchtliche Anzahl von Alarmen, und nicht alle erfordern das gleiche Aufmerksamkeitsniveau. Duplizierte Alarme, temporäre Anomalien und Ereignisse mit niedriger Priorität können unnötiges Rauschen erzeugen, das es den Teams erschwert, Probleme zu identifizieren, die tatsächliche betriebliche Auswirkungen haben könnten.

Durch die Integration von KI-gesteuerte Anomalieerkennung und Rauschunterdrückung in unsere Überwachungsumgebung haben wir eine Reduzierung des Überwachungsrauschens um 75 % erreicht.

Für das Team bedeutet das weniger Zeit für die Bearbeitung unnötiger Alarme und mehr Zeit für die Untersuchung von Problemen, die Aufmerksamkeit erfordern. Es hilft uns außerdem, ungewöhnliche Muster früher zu erkennen, und liefert den Ingenieuren bessere Informationen, wenn sie einen Vorfall untersuchen.

Dies ist ein Bereich, in dem KI besonders nützlich ist, weil sie große Informationsmengen schnell verarbeiten kann. Sobald jedoch etwas Ungewöhnliches identifiziert wurde, erfordert das Verständnis der Ursache und der potenziellen Auswirkungen oft noch jemanden, der die Umgebung kennt.

Routine‑IT‑Operationen verbessern

Wir setzen zudem Automatisierung ein, um routinemäßige Endpunkt‑Aktivitäten über eine KI‑gestützte Remote‑Monitoring‑ und Management‑Plattform zu verwalten.

Dazu gehören Bereiche wie Patch‑Orchestrierung, Gesundheitschecks, skriptgesteuerte Behebung und Remote‑Fehlerbehebung.

Früher lag die Patch‑Compliance regelmäßig unter 50 %, hauptsächlich wegen des manuellen Arbeitsaufwands und der Größe der Umgebung. Mit dem KI‑unterstützten RMM‑Framework liegt die Compliance jetzt im 95. Perzentil.

Diese Verbesserung hat uns geholfen, die Stabilität der Endpunkte zu stärken und die Anfälligkeit für bekannte Schwachstellen reduzieren, gleichzeitig die Menge an wiederholender Arbeit zu verringern, die Ingenieure manuell bewältigen müssen.

Es ist ein gutes Beispiel dafür, wann Automatisierung sinnvoll ist. Der Prozess ist vorhersehbar; er muss konsequent ablaufen und über tausende Endpunkte hinweg funktionieren.

Die Technologie kann einen Großteil dieser Aktivitäten im Hintergrund verwalten, während sich das Team auf Ausnahmen, Eskalationen und Probleme konzentriert, die einer tieferen Untersuchung bedürfen.

Wo Menschen nach wie vor den Unterschied machen

Nicht jedes IT‑Problem folgt einem vorhersehbaren Muster.

Unsere Teams arbeiten in verschiedenen Infrastruktur‑Umgebungen, Netzwerken, Systemen und Kundenanforderungen. Ein zunächst einfach erscheinendes Problem kann manchmal mehrere Abhängigkeiten beinhalten oder eine Koordination zwischen verschiedenen Teams erfordern.

KI kann dabei helfen, Anomalien zu identifizieren, Informationen zu analysieren und mögliche Ursachen aufzudecken, doch das Team muss weiterhin verstehen, was in einer umfassenderen Umgebung geschieht.

Das wird besonders wichtig, wenn ein Problem mehrere Systeme betrifft oder wenn die technisch offensichtliche Lösung an anderer Stelle Konsequenzen haben könnte.

Hier zählt Erfahrung.

Ein Ingenieur, der die Umgebung versteht, kann über einen einzelnen Alarm hinausblicken und berücksichtigen, was sich geändert hat, welche Systeme verbunden sind, ob ähnliche Probleme bereits aufgetreten sind und welche Auswirkungen eine bestimmte Maßnahme auf den Gesamtbetrieb haben könnte.

Für uns funktioniert KI am besten, wenn sie dem Ingenieur bessere Informationen liefert, mit denen er arbeiten kann, anstatt ihn vollständig aus dem Prozess zu entfernen.

Unterstützung einer stark nachgefragten Umgebung

Die Größe der Umgebung bedeutet, dass wir Wege finden müssen, die Kapazität zu erhöhen, ohne den manuellen Aufwand einfach zu steigern.

Automatisierung hat dabei geholfen.

Routinemäßige Endpunkt‑Aktivitäten können konsequent im Hintergrund ablaufen. Überwachungstools können Signale filtern und konsolidieren, bevor sie die Ingenieure erreichen. Prädiktive Fähigkeiten können dabei helfen, potenzielle Probleme früher zu erkennen, während automatisierte Behebung bekannte Probleme adressieren kann, ohne dass jemand manuell eingreifen muss.

Damit hat das Team mehr Kapazität, sich auf Service‑Kontinuität, Eskalationen und komplexere technische Probleme zu konzentrieren.

Es verändert auch, wie wir Produktivität in IT‑Operationen betrachten. Der Nutzen besteht nicht nur darin, dass eine Aufgabe schneller erledigt wird, sondern darin, dass Ingenieure mehr Zeit für Arbeiten haben, bei denen ihre Erfahrung einen größeren Einfluss haben kann.

Governance bleibt wichtig

Während KI und Automatisierung leistungsfähiger werden, gewinnt Governance zunehmend an Bedeutung.

Es muss Klarheit darüber geben, welche Aktivitäten automatisiert werden können, wann ein Ingenieur eingreifen muss und wer verantwortlich ist, wenn ein automatisierter Prozess nicht wie erwartet funktioniert.

Dies ist besonders in großen Technologieumgebungen wichtig. Eine automatisierte Maßnahme, die über tausende Endpunkte hinweg angewendet wird, kann eine deutlich größere Wirkung haben als eine Maßnahme an einem einzelnen Gerät.

Aus diesem Grund benötigen wir weiterhin klare Eskalationspfade, definierte Zugriffs‑Levels und geeignete Kontrollen rund um automatisierte Aktivitäten.

Dieser Ansatz stimmt mit dem AI Risk Management Framework des National Institute of Standards and Technology überein, das fortlaufende Überwachung von KI‑Systemen betont sowie klar definierte Verantwortlichkeiten und Prozesse für menschliche Aufsicht und Intervention.

Für uns geht es bei Governance nicht darum, den Einsatz von KI zu verlangsamen. Es geht darum, sicherzustellen, dass wir sie in einer produktiven Betriebsumgebung selbstbewusst und verantwortungsvoll nutzen können.

Die Rolle des IT‑Engineers wandelt sich

Während immer mehr Routineaufgaben automatisiert werden, ändert sich auch die Rolle des Engineers.

Technisches Fachwissen bleibt unverzichtbar, doch gewinnt die Fähigkeit, Informationen zu interpretieren, Abhängigkeiten zu verstehen und Probleme zu untersuchen, die keine offensichtliche Lösung bieten, zunehmend an Wert.

Engineers müssen zudem die Werkzeuge, mit denen sie arbeiten, verstehen. Empfiehlt ein KI‑gestütztes System eine Maßnahme, muss die verantwortliche Person über ausreichendes Wissen über die Umgebung verfügen, um beurteilen zu können, ob die Empfehlung sinnvoll ist.

Damit wird Schulung zu einem wichtigen Bestandteil der KI‑Einführung.

Unsere Teams müssen verstehen, was die Technologie leisten kann, wo ihre Grenzen liegen und wann etwas anders eskaliert oder untersucht werden muss.

NIST empfiehlt ebenfalls, die Verantwortlichkeiten für Personen, die KI‑Systeme betreiben und überwachen, klar zu definieren, zusammen mit geeigneten Schulungs‑ und Kompetenzstandards.

Was wir bisher gelernt haben

Unsere bisherigen Erfahrungen haben gezeigt, dass einige der nützlichsten Anwendungen von KI im IT‑Betrieb relativ praktisch sind.

Die 75 %ige Reduzierung des Überwachungs‑Rauschens bedeutet, dass Ingenieure weniger Zeit mit unnötigen Alarmen verbringen. Die Erhöhung der Patch‑Compliance von unter 50 % auf das 95. Perzentil hat die Konsistenz des Endpoint‑Managements gestärkt. Die Automatisierung über mehr als 10.000 Endpunkte hilft uns, eine Umgebung zu verwalten, die sonst einen erheblichen Aufwand an wiederholenden manuellen Tätigkeiten erfordern würde.

Gleichzeitig hängen die komplexeren Bereiche des IT‑Betriebs nach wie vor stark von Menschen ab.

Technologie kann ein ungewöhnliches Muster erkennen oder eine bekannte Lösung automatisieren. Ein erfahrener Engineer versteht die gesamte Umgebung, die beteiligten Abhängigkeiten und die potenziellen Auswirkungen der getroffenen Entscheidung.

Dieses Gleichgewicht wird immer wichtiger, da KI Teil des täglichen IT‑Betriebs wird.

Für mich ist der Nutzen von KI sehr praktisch. Sie hilft uns, das Skalieren zu bewältigen, verschafft unseren Teams bessere Transparenz und eliminiert einen Teil der repetitiven Arbeit, die Zeit von wichtigeren Aufgaben abziehen kann.

Die Technologie wird leistungsfähiger, doch die Erfahrung der Menschen, die die Umgebung verwalten, bleibt ebenso wichtig.