Unternehmen müssen flexibel und reaktionsschnell auf neue oder veränderte Markt- und Kundenanforderungen reagieren. Die Bedeutung von Edge-Computing-Umgebungen steigt und das hybride Arbeiten liegt weiter im Trend. Netzwerkwerkumgebungen werden immer verteilter und komplexer. Die modernen Netzwerke erzeugen so viele Daten, dass es praktisch unmöglich ist, sie manuell zu korrelieren oder Echtzeit-Erkenntnisse zu gewinnen.
Netzwerkteams können diesen Herausforderungen mit der Nutzung von KI in Verbindung mit Automatisierung begegnen, um die betriebliche Effizienz zu steigern und von einem reaktiven zu einem proaktiven oder sogar vorausschauenden Management überzugehen. Wenn Unternehmen KI-basierte Netzwerklösungen evaluieren, müssen sie zunächst die Effektivität und den Wert einer Lösung bestimmen.
Zu den fünf Schlüsselkriterien bei der Evaluierung solcher Lösungen zählen laut Juniper Networks:
- Cloud-basiertes Konzept
Ein Netzwerkmanagementsystem sollte Cloud-basiert sein. Damit können Lösungsanbieter alle erforderlichen Netzwerkdaten – sowohl reale als auch synthetische – über alle Netzwerkbereiche und alle Anwender sammeln und für die Erstellung exakter Algorithmen verwenden. - Plattformansatz, der eine End-to-End-Transparenz bietet
Ein Plattformansatz beseitigt Datensilos und stellt sicher, dass alle Daten von kabelgebundenen und kabellosen Technologien, SD-WANs (Softwaredefinierten WANs), Switches und Routern in der gesamten Unternehmensumgebung gesammelt und genutzt werden können. Dazu zählen Rechenzentren, Homeoffices sowie alle Campus-, Zweigstellen- und Cloud-Netzwerke. So besteht eine End-to-End-Transparenz über das gesamte Netzwerk. - Virtueller Assistent mit dialogorientierter Benutzerschnittstelle
Idealerweise werden Netzwerkbetriebsteams durch einen virtuellen Assistenten unterstützt. Er ermöglicht Abfragen und Antworten in natürlicher Sprache und damit eine schnelle, einfache und exakte Gewinnung von Informationen. Die Verwaltung komplexer Netze wird so auch einem breiteren Nutzerkreis zugänglich. Prinzipiell verringert ein solcher Assistent den Zeit- und Kostenaufwand von Betriebsteams, beispielsweise auch beim Erlernen anbieterspezifischer CLIs (Command Line Interfaces). - Nutzung vertrauenswürdiger, granularer Daten
Für eine genaue Analyse und Entscheidungsfindung sind tiefe Einblicke in den Netzwerkbetrieb von entscheidender Bedeutung. Sie werden durch Telemetrie- und Metadaten auf Session- und Applikationsebene gewonnen, wobei die Datenerhebung durch das Cloud-basierte Management ermöglicht wird. Darüber hinaus müssen die Algorithmen für die Netzwerkoptimierung unbedingt auf die richtigen Probleme ausgerichtet werden, zum Beispiel nicht nur auf den „Up“- und „Down“-Status, sondern auch auf die Verbindungszeiten und andere Faktoren, die sich auf das Nutzererlebnis auswirken können. Dies erfordert kontextbezogene Daten und in einigen Fällen sogar eine Kombination aus realen und synthetischen Daten, die von einem Netzwerkanbieter generiert werden, um eine optimale Konfiguration sicherzustellen. - Bidirektionales API-Ökosystem
Transparenz über das gesamte Netzwerk hinweg zu gewinnen ist ein erster Schritt. Allerdings können auch Daten aus anderen Systemen und Tools oder angrenzenden Bereichen gesammelt werden, etwa aus Kollaborationsanwendungen oder aus privaten 5G-Netzwerken. Hierzu sind APIs vonnöten, die einen bidirektionalen Datenfluss unterstützen. Ein offenes und erweiterbares API-Ökosystem ermöglicht sowohl eine kontinuierliche Verbesserung von Netzwerkumgebungen als auch eine generelle Steigerung der betrieblichen Effizienz – etwa durch die Einbindung von Workflow-Automatisierungs- und Sicherheitstools.
„Die Einführung von KI im Netzwerkbereich ist mit einigen Herausforderungen verbunden. Zentrale Erfolgsfaktoren sind die richtigen Daten, die richtige Echtzeitreaktion und die richtige sichere Infrastruktur“, erklärt Dieter Badmann, Enterprise Sales Lead DACH bei Juniper Networks.
„Mit einer KI-nativen Netzwerkplattform, die die angeführten fünf Kriterien erfüllt, können die Hindernisse allerdings überwunden werden, sodass eine effiziente AIOps-Nutzung gewährleistet ist. Unternehmen können damit ihre Betriebsteams entlasten und ihnen Freiräume für strategische Initiativen und das Vorantreiben von Innovationen verschaffen. In letzter Konsequenz kommt dieser Einstieg mit KI in die Netzwerkzukunft dann auch der Wettbewerbsfähigkeit eines Unternehmens zugute.“