Warum Automatisierung in IT-Operations oft scheitert

Zusammen mit der initialen Orchestrierung und Tuning folgen Automatisierungsregeln einem Write-Once-Deploy-Anywhere-Modell, das praktisch keinen Raum für Adaptivität lässt. Jedes Mal, wenn eine neue Enterprise-App hinzugefügt wird, Workloads in oder zwischen Clouds verschoben werden oder der übergreifende strategische Plan des Unternehmens sich ändert – müssen auch die Regeln geändert werden.

1947 gründete General Motors die erste moderne Automatisierungsabteilung. Ziel war, die Automobilproduktion zu straffen, indem ein Array mechanischer, hydraulischer und Computertechnologien kombiniert wurde, um zeitaufwändige und ressourcenintensive Tasks zu ersetzen, die typischerweise von Stundenlohn-Mitarbeitern erledigt wurden.

Sieben Jahrzehnte später hat sich das Automatisierungsphänomen auf jede Industrie und jeden Markt ausgebreitet und eine besonders eifrige Audience in IT gefunden. Ganze Plattformen, die multiple Scripts kombinieren, um Aktionen und Responses zwischen Administrator und IT-Umgebung zu mimiken, haben IT-Pros querbeet dazu gebracht, so viele Aktivitäten wie möglich zu automatisieren.

Jetzt ist im Grunde alles auf Autopilot – vom Rollout neuer Software und Konfigurieren von Systemen bis zum Neustarten von Servern, deren Verbindungen verloren gingen, und Korrekturmaßnahmen bei unerwarteten Änderungen. Doch was einst als Panacee für das angesehen wurde, was IT-Teams plagt, zeigt erste Anzeichen von Ineffektivität gegen die nächste Welle IT-bezogener Herausforderungen – expansive Infrastruktur, exponentiell größere Datenvolumen und sich rasch wandelnde Business-Anforderungen – und lässt viele fragen: Ist IT-Automatisierung genug, um im digitalen Zeitalter zu gedeihen? Und wenn nicht, wie können IT-Organisationen weiterhin effektiv operieren?

Dynamische Umgebung mit statischen Regeln managen

Im Zuge der Digitalen Transformation sind IT-Umgebungen komplexer und expansiver als je zuvor. Mehr Infrastruktur und Applikationen zu managen, mehr Daten zu aggregieren, analysieren und operationalisieren – alles enabled durch hybride Cloud-Strategien.

Das durchschnittliche Enterprise heute läuft hunderte Applikationen in mehreren Public und Private Clouds, um mit sich rasch ändernden Business-Bedürfnissen Schritt zu halten – erschaffen durch eine zunehmend anspruchsvolle Kundenbasis und andere Wettbewerbsdruck. Die rasche (und aggressive) Adoption von Cloud-Plattformen und einfacher Zugang zu hilfreichen Point-Tools haben eine Umgebung ständiger Veränderung und Evolution geschaffen, die Komplexität hinzugefügt hat, die schnell unmanagebar wird. Tatsächlich berichten viele IT-Entscheider, dass ihre Digital-Transformation-Bemühungen das Risiko bergen, die Gesamtorganisation negativ zu beeinflussen, wenn sie nicht effektiv gemanagt werden. Und diese Challenge mag schlicht zu dynamisch für konventionelle Automatisierung sein.

Automatisierung wie wir sie kennen ist regelbasiert und policy-getrieben. Regeln sind einfache, vorhersehbare Kommandos für die Ausführung eines spezifischen Tasks oder einer Aktivität und generieren Alerts, wenn Thresholds um diese Tasks und Aktivitäten gebrochen werden. Automatisierungsregeln sind eng im Scope, statisch und müssen mit tausenden anderen Regeln koordiniert werden, um Operationen smooth und effizient am Laufen zu halten – genau deshalb sind sie in einer digitalisierten, modernen IT-Umgebung nicht mehr ausreichend.

Zusammen mit der initialen Orchestrierung und Tuning folgen Automatisierungsregeln einem Write-Once-Deploy-Anywhere-Modell, das praktisch keinen Raum für Adaptivität lässt. Jedes Mal, wenn eine neue Enterprise-App hinzugefügt wird, Workloads in oder zwischen Clouds verschoben werden oder der übergreifende strategische Plan des Unternehmens sich ändert – müssen auch die Regeln geändert werden.

Was mehr ist: Heutige Cloud-basierte, serverlose Umgebungen erfordern konstantes Tuning und Änderungen an Automatisierung – und es gibt kein IT-Team auf der Welt mit der Manpower, den Ressourcen oder der Fähigkeit, das effektiv alles zu tun.

AIOps supercharged Automatisierung

Der Aufstieg künstlicher Intelligenz ist ein Wendepunkt für IT Operations Pros überall, weil er ihren Ansatz zum Managen einer sich ständig ändernden IT-Umgebung komplett reshape kann. KI auf IT Operations anzuwenden – AIOps – automatisiert nicht nur die zeitaufwändigsten, repetitiven Tasks, sondern auch höherwertige und komplexere.

AIOps-Systeme aggregieren Daten von Source Targets über die gesamte IT-Umgebung – On-Premises und Cloud-Infrastruktur alike – in einen einzelnen Data Lake. Aber im Gegensatz zu konventioneller Automatisierung, die eine Regel für jedes vorstellbare Szenario braucht, um auf diese Information zu handeln, lernt AIOps, proaktiv selbst die schwächsten Early-Warning-Signale inmitten massiver Informationsvolumen zu identifizieren, die Menschen übersehen könnten, ihre Wichtigkeit zu kontextualisieren und sofort ohne menschliches Eingreifen decisive Action zu nehmen.

Statt dass Team-Mitglieder manuell über zahllose Alerts porieren und versuchen, zwischen High-Priority und Low-Impact zu unterscheiden, tun AIOps-Tools das alles automatisch. Sie wenden feinabgestimmte Algorithmen an, die auf spezifische IT-Operations gemappt sind, um Millionen Log-Records und Metriken zu sichten und die kritischsten Alerts an die Oberfläche zu bringen – für größere Visibility von System-Performance und Health, IT-Team-Mitglieder freimachend für höher-priorisierte Initiativen und einen dringend benötigten Boost für IT-Produktivität und Effizienz.

Standard IT-Automatisierung hat Organisationen weit und breit über die Jahre hinweg genützt. Aber heutige Enterprises stehen vor IT-Management-Herausforderungen, die sich wenige in frühen Zeiten vorstellen konnten – und die konventionelle IT-Automatisierung schlicht nicht handhaben kann. Da Unternehmen zunehmend digitalisiert werden – Infrastruktur hinzufügen, neue Services launchen, neue Data Streams inkorporieren – werden sie fortschrittlichere, intelligente Automatisierungslösungen brauchen, um vollständige Kontrolle über eine sich ausbreitende Infrastruktur zu behalten und in einer sich rasant wandelnden Wettbewerbslandschaft Schritt zu halten.

Geschrieben von Jiayi Hoffman, Data Science Architect bei OpsRamp.