KI-gestützte Observability: Vom Fehlalarm zur intelligenten Prognose
Komplexe IT-Architekturen, Microservices und KI-Anwendungen bringen klassische Monitoring-Lösungen oft an ihre Grenzen. Full-Stack Observability (FSO) führt Daten zentral zusammen und beschleunigt mithilfe von KI die Ursachenanalyse, reduziert die Alarmflut und liefert vorausschauende Prognosen.
Autor: Klaus Kurz, Senior Director Solution Consulting, CE/EE/MENA, bei New Relic/dcg
Den Gesundheitszustand von IT-Systemen zu überwachen, war schon immer wichtig. Klassische Monitoring-Lösungen arbeiten jedoch oft getrennt und erzeugen Datensilos. Bei Störungen müssen IT-Teams Informationen aus verschiedenen Quellen aufwendig zusammenführen. FSO hingegen bündelt sämtliche Monitoring-Daten auf einer zentralen Plattform und schafft eine verlässliche, gemeinsame Datenbasis. Dadurch lassen sich Ursachen schneller identifizieren, auch unbekannte Fehlerbilder analysieren und Probleme frühzeitig vorhersagen.
Denn Applikationen sind heute nicht mehr monolithisch aufgebaut, sondern bestehen aus modernen, verketteten Microservice-Architekturen, die mehrere Dienste miteinander verknüpfen. Unternehmen müssen Störungen in einzelnen Diensten, der Infrastruktur oder bei externen Anbietern zunehmend vermeiden. Das gelingt mithilfe von durchgängigen Distributed Traces, die Transaktionen über alle beteiligten Komponenten hinweg dokumentieren und so eine schnelle Ursachenanalyse ermöglichen. Diese übergreifende Verknüpfung von Services, Infrastruktur und Schnittstellen unterscheidet Observability vom klassischen Monitoring.
KI macht Plattformen intelligent
KI ist heute ein fester Bestandteil moderner Observability-Plattformen. Durch die automatisierte Verknüpfung und intelligente Auswertung großer Datenmengen beschleunigt sie die Fehleranalyse und kann die durchschnittliche Lösungszeit – die sogenannte Mean Time to Resolution (MTTR) – um mehr als 25 Prozent verkürzen. Dadurch werden IT-Teams von zeitaufwendigen Routineaufgaben entlastet und gewinnen Freiräume für wertschöpfende Tätigkeiten. Das wirkt sich auch auf die Entwicklungsgeschwindigkeit aus: KI-unterstützte Teams erreichen in Spitzenzeiten bis zu 453 Deployments pro Tag und damit fünfmal mehr als Teams ohne KI-Unterstützung.
Zugleich vereinfacht KI den Zugang zu komplexen Analysen. Statt spezielle Abfragesprachen beherrschen zu müssen, können Mitarbeitende ihre Fragen in natürlicher Sprache formulieren. Die Plattform identifiziert mögliche Ursachen, stellt den relevanten Kontext bereit und empfiehlt geeignete Maßnahmen. Auf Basis historischer Daten prognostiziert sie außerdem, wie sich Last, Performance und Ressourcenbedarf entwickeln. So lassen sich drohende Engpässe erkennen, bevor sie den Betrieb beeinträchtigen. Bereits 34 Prozent der europäischen Unternehmen nutzen solche KI-gestützten Prognosen.
Ein weiterer Vorteil ist die intelligente Korrelation von Warnmeldungen. In komplexen IT-Umgebungen kann eine einzige Störung zahlreiche Alarme in verschiedenen Systemen auslösen. Die daraus entstehende Informationsflut erschwert es, kritische Hinweise zu erkennen und richtig einzuordnen. KI führt zusammengehörige Meldungen zu einem zentralen Incident zusammen und reduziert damit das operative Grundrauschen. IT-Teams können sich so auf die zugrunde liegende Ursache konzentrieren, anstatt jedes Symptom einzeln zu untersuchen.
Vibe Coding: Chance und Risiko
Während KI einerseits die Sichtbarkeit und Fehleranalyse verbessert, treibt sie andererseits auch die Notwendigkeit für fortschrittliche Observability. Die meisten Unternehmen setzen heute bereits KI in der Software-Entwicklung ein. Dank Vibe Coding können sie in kürzerer Zeit erheblich mehr Code generieren. Andererseits steigt aber auch der Bedarf an Application Performance Management (APM), weil mehr Software überwacht werden muss. Häufig funktioniert KI-generierter Code zwar, ist aber nicht auf Performance optimiert und wird nicht zur Laufzeit getestet. Das kann bei einem Cloud-Deployment hohe Kosten verursachen. Daher ist es wichtig, die Performance kontinuierlich zu überwachen und einen ressourcensparenden Betrieb sicherzustellen.
Intelligente Observability macht die Zusammenarbeit der beteiligten Agenten Schritt für Schritt sichtbar. Dadurch können Unternehmen fehlerhafte Ergebnisse und Halluzinationen zurückverfolgen sowie den Token-Verbrauch einzelner Aufrufe analysieren.
Ein APM-Agent erfasst dafür Echtzeitdaten und übermittelt sie an die Plattform. Dort werden Telemetriedaten mithilfe von KI ausgewertet, Zusammenhänge erkannt und Anomalien sowie Fehler identifiziert.
Basis für Resilienz und Wachstum schaffen FSO ist heute ein wichtiger Erfolgsfaktor für stabile Geschäftsprozesse und wirtschaftliche Widerstandsfähigkeit. Eine zentrale Plattform verbindet Infrastruktur, Anwendungen, Netzwerke und digitale Nutzererlebnisse, sodass Unternehmen Störungen frühzeitig erkennen und schneller beheben können. KI unterstützt dabei durch die Bündelung von Alarmen, automatisierte Ursachenanalysen und vorausschauende Prognosen. Wer frühzeitig handelt, stärkt daher nicht nur den IT-Betrieb, sondern schafft auch eine Grundlage für nachhaltiges Wachstum.
Direkter Link zu New Relic: KI-gestützte Observability
