NASA's Blaupause: Technologie, Kultur und Daten für AIOps-Erfolg integrieren

Organisationen wie die NASA teilen ihre Erfahrungen mit KI und AIOps mit denen, die gerade erst anfangen.

Organisationen, die an der Implementierung von AIOps interessiert sind, profitieren davon, von anderen zu lernen, die bereits Schritte in Richtung Einsatz künstlicher Intelligenz in ihren Betriebs- und DevOps-Gruppen unternommen haben.

Ein solcher Innovator, der Ratschläge weitergibt, ist die NASA. Die Raumfahrtbehörde betonte kürzlich, wie wichtig ein ganzheitlicher Ansatz beim Einsatz von KI für Geschäftsanwendungen wie Finanzen und Beschaffung ist – insbesondere in einer AIOps-Umgebung.

In einer Präsentation vor der KI-Operations-Gruppe ATARC nannten die Leiter der Data-Science-Gruppe der NASA die drei Schlüsselelemente, die eine AIOps-Initiative benötigt. Technologie mag das Offensichtlichste sein, aber Organisationen müssen ihre Daten auch so vorbereiten, dass sie für KI bereit sind. Genauso wichtig ist ein kultureller Wandel im Unternehmen: Menschen müssen akzeptieren, dass Daten Entscheidungen formen sollen.

Warum auf die NASA hören?

Vielleicht weil sie ehrlich sagen können: „Ja, wir sind Raketenwissenschaftler.“

„Der Teil, in dem der Algorithmus läuft, ist sehr klein. Die Daten liegen selten in einer Form vor, in der man sie wirklich nutzen kann. Menschen haben ihre etablierten Arbeitsweisen; da besteht das Problem, ein neues Tool oder Toolset zu lernen und zu verstehen, wie es wirklich funktioniert. Menschen haben unterschiedliche Vorstellungen davon, was KI für sie tun kann“, sagte Nikunj Oza, Leiter der Data-Sciences-Gruppe der NASA, laut einem Bericht von Government CIO Media.

Er fügte hinzu: „Daten sind nicht [automatisch] bereit für KI. Man kann ein AIOps-Projekt starten, und es kommt zum Stillstand, weil die anderen Teile des Systems nicht bereit dafür sind.“

AIOps-Ratschläge

Shenandoah Speers, Associate CIO für Anwendungen bei der NASA, erklärte dem ATARC-Publikum, dass die digitale Transformation der Behörde im Gange, aber noch im Reifen sei. „Wir sehen einen massiven Zustrom von Daten, und die Frage ist, wie man diese Daten verdaut und daraus Geschäfts- und Missionsentscheidungen ableitet.“

Oza sprach auch über Missverständnisse rund um KI und maschinelles Lernen, einschließlich der internen Angst, KI werde Menschen die Jobs wegnehmen.

Ein Referent des US-Verteidigungsministeriums Joint Artificial Intelligence Center (JAIC) thematisierte ebenfalls die Datenqualitäts-Herausforderung. „Es gibt Probleme mit der Label-Qualität, der Datenqualität“, sagte Yevgeniya Pinelis, Leiterin Test und Evaluation von KI/maschinellem Lernen beim JAIC. „Es gibt Infrastrukturfragen, natürlich. … Um wirklich vertrauenswürdige KI-Systeme zu bauen, brauchen wir dieses Ökosystem und die gesamte Verrohrung.“

Sie ergänzte, dass Kultur ein Faktor sei, weil Teams Agile und DevSecOps übernehmen müssten. „Wenn Nutzer und Tester wirklich früh eingebunden sind, bekommt man diesen agilen Prozess und vermeidet Katastrophen am Ende. Das ist ein großer Kulturwandel, den wir durchlaufen. Wir hatten viel Glück im gemeinsamen Logistikbereich – das sind meist gut abgegrenzte KI-Probleme, obwohl Datenbereitschaft immer ein Thema bleibt.“

Da immer mehr Unternehmen Erfahrung mit AIOps und Observability sammeln, wachsen die Möglichkeiten für Einsteiger, Ratschläge von den Pionieren zu erhalten.