Kosmos erhält 5 Millionen Dollar, um Unternehmen bei der Beseitigung der versteckten Kosten von IT-Vorfalluntersuchungen zu helfen

Das in Chicago ansässige Startup Kosmos hat 5 Millionen Dollar an Seed-Finanzierung von Norwest erhalten, während es eine AI-native Operational-Intelligence-Plattform startet, die darauf abzielt, eine der persistentesten und teuersten Herausforderungen im Unternehmen IT zu lösen: die Zeit, die für die Untersuchung von Vorfällen aufgewendet wird.

Während Organisationen stark in Beobachtbarkeit, Überwachung und IT-Service-Management-Tools investiert haben, verbringen Support- und Engineering-Teams immer noch zahlreiche Stunden damit, die Ursache von Ausfällen und kundenbeeinträchtigenden Problemen manuell in fragmentierten Systemen nachzuverfolgen. Kosmos zielt darauf ab, die sogenannten “Untersuchungskosten” zu reduzieren – die operativen Belastungen, die entstehen, wenn Ingenieure, Supportleiter und Vorfall-Response-Teams gezwungen sind, Informationen manuell zu verbinden, die über Ticket-Systeme, Quellcode-Repositorys, Kunden-Unterstützungsplattformen und Überwachungstools verstreut sind.

Das wachsende Problem der Untersuchungskosten

In den letzten zehn Jahren haben Unternehmen eine wachsende Sammlung von Tools zur Überwachung von Infrastrukturen und zur Verwaltung von Software-Betrieb adoptiert. Plattformen wie Jira, ServiceNow, GitHub, Salesforce, Datadog, Grafana und Splunk bieten wertvolle Einblicke in verschiedene Teile des Technologie-Stapels. Wenn jedoch Vorfälle auftreten, bleibt kritische Kontext oft in diesen Systemen isoliert.

Da moderne Software-Architekturen zunehmend verteilt werden, hat sich die Herausforderung, Informationen über mehrere Plattformen hinweg zu korrelieren, intensiviert. Teams haben möglicherweise alle notwendigen Daten zur Verfügung, aber das Finden und Verbinden dieser Daten bleibt schwierig. Das Ergebnis sind längere Lösungszeiten, wiederkehrende Vorfälle und eine Ablenkung von Ingenieur-Ressourcen von der Produktentwicklung und Innovation.

Für viele Organisationen werden die erfahrensten Ingenieure zu den Standard-Untersuchern, wenn ein wichtiges Kundenproblem auftritt. Diese Ingenieure werden oft von strategischer Arbeit abgezogen, um Zeitachsen zu rekonstruieren, Code-Änderungen zu überprüfen, Support-Tickets zu analysieren und zu bestimmen, was tatsächlich einen Vorfall verursacht hat. Die versteckten Kosten dieser Untersuchungen gehen weit über die Ausfallzeit hinaus.

Ein AI-nativer Ansatz für Operational Intelligence

Kosmos positioniert sich als Schicht, die über bestehende Unternehmenssysteme liegt, anstatt sie zu ersetzen. Die Plattform verbindet Daten von GitHub, Jira, Salesforce, ServiceNow, Datadog, Grafana, Splunk und anderen operativen Tools, um eine einheitliche Ansicht von Vorfällen und Kunden-Eskalationen zu erstellen.

Laut dem Unternehmen korreliert seine Plattform automatisch Kundenfälle, Code-Änderungen, Service-Vorfälle und Infrastruktur-Signale, um wahrscheinliche Ursachen zu identifizieren. Anstatt sich ausschließlich auf autonome AI-Entscheidungen zu verlassen, verwendet Kosmos einen human-in-the-loop-Ansatz, bei dem maschinell generierte Korrelationen von Benutzern überprüft und validiert werden, bevor sie Teil der Wissensbasis der Plattform werden.

Dies schafft eine kontinuierliche Feedback-Schleife, die die Fähigkeit des Systems verbessert, Muster über die Zeit zu identifizieren, während Transparenz und Vertrauen aufrechterhalten werden. Anstatt weitere Warnungen zu generieren, besteht das Ziel darin, Teams mit dem Kontext zu versorgen, den sie benötigen, um zu verstehen, warum Probleme überhaupt aufgetreten sind.

Aufgebaut aus erster Hand Erfahrung

Der Gründer und CEO Sanjay Gidwani hat das Unternehmen um ein Problem herum aufgebaut, das er während seiner über zwei Jahrzehnte langen Tätigkeit in der Unternehmenslieferung und innerhalb des Salesforce-Ökosystems wiederholt erlebt hat.

Während seiner Karriere beobachtete Gidwani das gleiche Muster: Wenn ein wichtiges Kundenproblem auftrat, mobilisierten Organisationen ihre erfahrensten technischen Mitarbeiter, um zu untersuchen. Doch diese Experten verbrachten oft Tage damit, Informationen aus nicht verbundenen Systemen zu sammeln, bevor sie die Ursache gefunden hatten.

Diese Erfahrung prägte die Kernthese von Kosmos: Eine der größten operativen Ineffizienzen im Unternehmens-IT-Bereich tritt auf, bevor die Behebung überhaupt beginnt. Wenn Organisationen die Quelle eines Problems schneller identifizieren können, können sie Vorfälle schneller lösen und die Wahrscheinlichkeit von ähnlichen Problemen verringern.

Blick in die Zukunft

Der Start von Kosmos spiegelt einen umfassenderen Trend im Unternehmens-Technologie-Bereich wider. Da Organisationen zunehmend komplexe Cloud-Umgebungen, Microservices-Architekturen und AI-gesteuerte Anwendungen adoptieren, wächst die operativen Daten weiter, während sie über Dutzende von Plattformen verstreut bleiben.

Die nächste Generation von Operational-Intelligence-Tools zielt darauf ab, diese Lücken zu schließen, indem sie Signale automatisch verbindet, Muster identifiziert und institutionelles Wissen bewahrt, das sonst in einzelnen Teams gesperrt bleiben würde. Über die schnelle Lösung von Vorfällen hinaus könnten diese Systeme Organisationen helfen, Ingenieur-Aufwand zu reduzieren, wiederkehrende Probleme zu verhindern und technisches Talent zu ermöglichen, mehr Zeit auf die Erstellung von Produkten zu konzentrieren, anstatt Untersuchungen durchzuführen.

Da Unternehmensumgebungen komplexer werden, kann die Fähigkeit, fragmentierte operative Daten in handhabbare Intelligenz umzuwandeln, genauso wichtig werden wie die Überwachung der Systeme selbst. Kosmos setzt darauf, dass die Reduzierung von Untersuchungskosten ein kritischer Teil dieser Zukunft sein wird.