Wie KI IoT-Umgebungen verbessert

Will Cappelli von Moogsoft

Sehr oft verhält sich eine Internet-of-Things-Umgebung (IoT) normal, sie tut, was ihre Designer beabsichtigt haben. Von Zeit zu Zeit gehen jedoch Dinge schief, sagt Will Cappelli, CTO EMEA und Global VP of Product Strategy bei Moogsoft, Ereignisse eintreten, die darauf hindeuten, dass sich die Plattform nicht in der erwarteten oder gewünschten Weise verhält. Daher ist ein Eingreifen erforderlich, um den Kurs zurückzusetzen und Dinge nachzujustieren. Aber wie funktioniert dieser Prozess?

Die traditionellen Ansätze für IoT-Vorfälle

Im Allgemeinen kann es als Verbindung zwischen einem Signal und einer Antwort beschrieben werden – die Umgebung signalisiert, dass etwas nicht stimmt und wird an einen Responder gesendet. Der Responder, der ein Mensch oder ein Roboter sein kann, reagiert auf das Signal und ändert die Dinge. Wenn Sie sich traditionelle IoT-Umgebungen ansehen, gibt es zwei Arten von Signal-/Antwortmechanismen.

Da wäre zum einen der „schnelle, aber dumme“ Reaktionsmechanismus, den die meisten IoT-Umgebungen verwenden. Sie hätten ein Signal, das über einen festverdrahteten Pfad zu einem bestimmten Responder geleitet würde, der normalerweise nur eine Aktion ausführen würde, oder er könnte aus einem Menü mit drei von vier Dingen auswählen und versuchen, den Sensor zu reparieren oder das Netzwerk neu zu starten. Es würde sehr schnell funktionieren.

Der zweite Ansatz ist „smart but slow“, der hauptsächlich über Protokollverwaltungsanbieter verfügbar war. Dieser Ansatz basiert auf dem Versuch, in einer komplexen Umgebung die richtige Entscheidung zu treffen – Sie können nicht nur aus mehreren Optionen wählen. Sie müssen auf jede Situation individuell reagieren.

Die Theorie besteht darin, riesige Datenmengen über die Umgebung in einer unstrukturierten Protokollverwaltungsdatenbank zu sammeln und Entscheidungsträgern eine ganze Reihe von Werkzeugen zur Verfügung zu stellen, um die Umgebung zu verstehen, und ihnen eine breite Palette von Auswahlmöglichkeiten zu bieten, was dies sein könnte beste Lösung.

Unbestreitbar kann dies zu sehr genauen Ergebnissen führen, aber der Prozess ist langsam, die Latenz kann Wochen dauern. Gerade in einer IoT-Umgebung macht das keinen Sinn, da man nicht die Zeit hat, die richtigen Entscheidungen zu treffen.

Warum AIOps im IoT verwenden

Beide Szenarien liegen vor dem Aufkommen von Künstlicher Intelligenz für den IT-Betrieb (AIOps). Was KI- und AIOps-Ansätze bewirken, ist, dass Ihnen die Analyse der Aufgabe durch Automatisierung eine „schnelle, aber intelligente“ Möglichkeit bietet, ein IoT-System zu verwalten. Es verwendet effektiv das langsame, aber intelligente Modell, automatisiert jedoch die menschliche Einsicht, was zu einer erheblichen Reduzierung der Latenz zwischen Signal und Antwort führt – aber im Wesentlichen nicht die Qualität der Antwort opfert. Auf grundlegender Ebene bringt AIOps das in Bezug auf die Verwaltung einer IoT-Umgebung auf den Tisch.

Lassen Sie uns konkreter werden. Durch die Untersuchung von Verhaltenstrends und die Vorhersage, wo sich diese Trends auf das Netzwerk auswirken, können AIOps Vorfälle schnell vorhersagen, bevor sie auftreten. AIOps verkürzt auch erheblich die Zeit, die benötigt wird, um die Ursache eines Leistungsproblems herauszufinden. Im Wesentlichen kann es Ihnen helfen, in die Zukunft zu blicken und in die Vergangenheit zu blicken. Darüber hinaus kann AIOps Redundanz in der Umgebung effektiver orchestrieren. Wenn Sie beispielsweise eine Gruppe von Sensoren haben, die sich verschlechtern, können Sie mit AIOps verschiedene Sensoren einsetzen, was zu einer kostengünstigen Ressourcenzuweisung führt.

AIOps und IoT-Futures

Wenn wir uns die Zukunft anschauen, wird viel zu autonomen Fahrzeugen geforscht, aber lassen Sie uns nicht zu weit vorgreifen. Aktueller relevanter ist das Konzept der vernetzten Fahrzeuge. Vernetzte Fahrzeuge sind in gewisser Weise eine Zwischenstation zwischen traditioneller Automobiltechnologie und autonomen Fahrzeugen. Was ich damit meine ist, dass Sie mehrere Sensoren haben, die in einen gemeinsamen Dienst eingespeist werden, der für eine Reihe von Autos bereitgestellt wird. Es könnte so einfach sein wie ein Verkehrsstau. Basierend auf den Informationen, die verbundene Fahrzeuge an das Mutterschiff senden, kann festgestellt werden, wo ein Stau auftritt, was letztendlich die vorgeschlagene Route zu einem bestimmten Fahrzeug auf diesem bestimmten System ändert.

In Zukunft werden wir automatisierte Intelligenz nicht nur als Begleiter des IoT sehen, sondern im Wesentlichen zu einer Ebene dessen, was es bedeutet, alles zu automatisieren. Betrachten Sie es als ein Gewebe der Intelligenz, das alle Geräte umfasst. In Zukunft werden also alle IP-fähigen Geräte, von Kühlschränken über Lichtschalter bis hin zu Waschmaschinen, intelligente Vorgänge verarbeiten.

Warum das IoT KI braucht

Das IoT bringt Herausforderungen mit sich, die die Bereitstellung von AIOps erfordern, um eine vollständige Lösung bereitzustellen. Was bedeutet das? IoT bringt Komplexität in die Umgebung, die die Unterstützung von KI-Technologien erfordert, um Herausforderungen zu bewältigen. Dies wird hauptsächlich durch intelligente Automatisierung erreicht, um signifikante Daten aus der Flut von Daten auszuwählen, die von Ihrer IoT-Umgebung generiert werden.

Es gibt jedoch eine Reihe anderer Probleme, die KI löst… die Fähigkeit, Muster in einem signifikanten Datensatz zu entdecken, die Fähigkeit, auf der Grundlage dieser Muster Rückschlüsse zu ziehen, die Fähigkeit, diese Ergebnisse zu kommunizieren und letztendlich die Fähigkeit, eine Abhilfemaßnahme zu automatisieren dh wenn die IoT-Umgebung irgendeine Art von Eingriff erfordert, um sicherzustellen, dass sie weiterhin effektiv funktioniert.

Im Wesentlichen übernimmt die KI für eine IT-Infrastruktur oder ein Anwendungsportfolio dieselben Aufgaben wie für eine IoT-Umgebung. Die Faktoren, die KI zu einer Notwendigkeit für den IT-Betrieb gemacht haben, sind die gleichen Faktoren für das IoT – jedoch verstärkt, da die Umgebung stark modularisiert ist und eine Reihe von Elementen nahezu autonom agieren.

Darüber hinaus ist die IoT-Umgebung stark verteilt, sodass sich die dynamischen Beziehungen zwischen den Komponenten ständig ändern. Schließlich ist die Tatsache, dass Komponenten innerhalb einer IoT-Umgebung kurzlebig sind und mit sehr kurzer Lebensdauer entstehen und wieder verschwinden. Dies sind zwingende Gründe, warum das IoT die Fähigkeiten von KI und insbesondere AIOps benötigt.

Wie wird das IoT zur Weiterentwicklung von AIOps beitragen?

Es besteht kein Zweifel, dass das IoT die Entwicklung von AIOps beeinflussen wird. Derzeit sind die meisten AIOps-Systeme stark zentralisiert – Daten kommen an einem zentralen Ort an, an dem die KI angewendet wird. Wenn es nun auf eine IoT-Umgebung angewendet wird, müssen Analysen lokal durchgeführt werden, was ein Element der Verteilung in das AIOps-System einführt. Es erfordert, dass KI am Rand arbeitet.

Im Allgemeinen wird das IoT AIOps dazu zwingen, mehr zu einem System verteilter Agenten zu werden und sich in das Netzwerk zu verlagern, anstatt ein zentralisierter Dienst zu sein, der nur Daten aufnimmt. Dies ist meiner Meinung nach die größte Veränderung, die das IoT auf das erzwingen wird, was wir derzeit als AIOps betrachten.

Das ist nicht einfach, es gibt Herausforderungen. Nicht nur in der Entwicklung geeigneter Soft- und Hardware, sondern auch konzeptionell anspruchsvoll. Wir werden einen ganz neuen Bestand an konzeptionellen Design-Metaphern brauchen, an die Software-Entwickler nicht gewöhnt sind. Aber ich bin sicher, sie werden nicht lange brauchen, um sich anzupassen.

Der Autor dieses Blogs ist Will Cappelli, CTO EMEA und Global VP of Product Strategy, Moogsoft