KI übernimmt den Netzwerkbetrieb

width="1024" height="576" sizes="auto, (max-width: 1024px) 100vw, 1024px">



KI hat die Komplexität von Enterprise-Netzen deutlich erhöht, jetzt soll agentenbasierte KI das Management auch erleichtern.Gorodenkoff / Shutterstock



Netzwerkexperten setzen ihre Hoffnungen auf künstliche Intelligenz (KI), um sie angesichts der zunehmenden Netzwerkkomplexität zu entlasten – einer Komplexität, die sich nicht zuletzt aufgrund des verstärkten KI-Einsatzes immer weiter verschärft.



Eine neue Studie von Cisco und dem Research- und Beratungsunternehmen Omdia zeichnet ein Bild von Unternehmensnetzen, die buchstäblich zu komplex geworden sind, um noch von Menschen allein verwaltet zu werden.



Die Lage ist offenbar so angespannt, dass 51 Prozent der Befragten agentische KI-Tools bereits produktiv einsetzen, damit diese in Echtzeit Korrekturmaßnahmen ergreifen, anstatt lediglich Handlungsempfehlungen zu geben. 84 Prozent erwarten, innerhalb von zwölf Monaten ein vollständig KI-gesteuertes Betriebsmodell zu erreichen.



Damit nicht genug:




Drei Viertel der 1.000 befragten IT- und Netzwerkverantwortlichen geben an, KI in irgendeiner Form für den Netzwerkbetrieb einzusetzen.



80 Prozent fühlen sich damit wohl, KI eine „weitgehend oder vollständig autonome Rolle“ im Netzwerkbetrieb einzuräumen.



Mehr als die Hälfte der Befragten (56 Prozent) will dies allerdings nur tun, wenn ein Mensch die entsprechenden Aktionen genehmigt.



24 Prozent haben dagegen kein Problem damit, wenn KI ohne menschliche Aufsicht Maßnahmen im Netzwerk ergreift.



Die große Mehrheit (82 Prozent) ist bereit, KI zumindest in bestimmten Kategorien eigenständig Änderungen an Produktivnetzwerken vornehmen zu lassen.




Cisco bezeichnet dies Wandel als Übergang von AIOps zu agentengestütztem Betrieb, beziehungsweise „AgenticOps“. Langjährige Branchenbeobachter wie Zeus Kerravala, Gründer und Chefanalyst bei ZK Research, unterstützen diese Idee.



„Man braucht agentengestützten Betrieb. Netzwerkprofis werden das begrüßen“, erklärt er. Es könne zwar einige Zeit dauern, bis sich vollständiges Vertrauen in die neuen Werkzeuge entwickle, doch auch dieses werde kommen – ähnlich wie bei autonomen Fahrzeugen, die Kerravala zufolge deutlich weniger Unfälle verursachen als von Menschen gesteuerte Autos.



„Zwar werden auch agentengestützte KI-Tools Fehler machen, aber weitaus weniger als Menschen. Und sie werden es den Menschen ermöglichen, sich auf wertvollere Aufgaben zu konzentrieren“, so Kerravala.



Auch Jim Frey, Principal Analyst für Netzwerktechnik bei Omdia, der an der Entwicklung der Cisco-Umfrage mitgewirkt hat, hält den Übergang zu AgenticOps für unvermeidlich.



„Für mich ist es eine Kombination aus der zunehmenden Netzwerkkomplexität und der sinkenden Zahl von Menschen, die über die richtigen Fähigkeiten verfügen, um Netzwerkprobleme – einschließlich domänenübergreifender Probleme – zu lösen“, erklärt der Chefanalyst.



AgenticOps braucht wirksame Leitplanken



Die Cisco-Umfrage mit dem Titel „The Impact of Agentic AI on Network Operations“ erscheint zu einer Zeit, in der Forderungen laut werden, den Einsatz von KI zu drosseln. Auslöser sind unter anderem Vorfälle wie der Hugging-Face-Hack, der durch außer Kontrolle geratene KI-Agenten verursacht wurde. Dennoch zeigt die Umfrage, dass Hunderte von Netzwerkfachleuten bereit sind, zumindest einen Teil der Kontrolle über ihre Netzwerke an KI-Agenten abzugeben.



Das wollen sie allerdings nur dann tun, wenn strenge Leitplanken vorhanden sind – etwas, das beim Hugging-Face-Vorfall fehlte. Nahezu alle Befragten (99 Prozent) erklärten, dass sie KI ohne solche Schutzmechanismen nicht vertrauen würden.



Dazu zählen:




nachvollziehbare, beziehungsweise erklärbare KI-Aktionen,



menschliche Genehmigung von Aktionen,



richtlinienbasierte operative Grenzen,



Notfallmechanismen für manuelle Eingriffe,



rollenbasierte Zugriffskontrollen, sowie



unveränderbare Audit-Trails.




„Guardrails schaffen Vertrauen in KI, weil Nutzer nachverfolgen können, welche Überlegungen einen Agenten zu einer bestimmten Schlussfolgerung geführt haben“, erklärt Joe Vaccaro, Senior Vice President und General Manager für Network Platform and Assurance bei Cisco.



Darüber hinaus könnten KI-Agenten zwar Schlussfolgerungen aus den von ihnen analysierten Informationen ziehen. Jede von ihnen ergriffene Maßnahme sei jedoch auf vordefinierte Arbeitsabläufe abgestimmt, die auf den Standardarbeitsanweisungen des Netzwerkteams für das Vorgehen in verschiedenen Situationen basieren.



Aus seinen Gesprächen mit Cisco schließt Omdia-Analyst Frey, dass eine weitere wichtige Einschränkung darin besteht, dass die Agenten nicht mit anderen Agenten kommunizieren: „Das hilft sehr, denn wenn sie darauf beschränkt sind, Dinge allein herauszufinden, sind sie wesentlich weniger gefährlich.“



Eine weitere Einschränkung besteht Frey zufolge darin, dass Agenten für spezifische Fähigkeiten oder Kenntnisse entwickelt werden und einen definierten Verantwortungsbereich besitzen. „Das lässt sich kontrollieren, wenn man es auf Produktbasis umsetzt, wie Cisco und Splunk es tun. So sollte man vorgehen.“



„Wenn man all das zusammennimmt, gibt es den Netzwerk-Teams in Unternehmen das Vertrauen, Agentic AI zu nutzen, um diese zunehmende Komplexität zu bewältigen“, stimmt Vaccaro zu.



Treiber: Komplexität, schnelle Veränderungen und KI selbst



Die Komplexität nimmt in der Tat zu: 59 Prozent der Befragten geben an, mindestens einmal täglich Änderungen an ihren produktiven Netzwerkumgebungen vorzunehmen.



„Die Hälfte dieser Unternehmen nimmt mehrere Änderungen pro Tag vor, und bei einem nicht unerheblichen Anteil finden sie sogar mehrmals pro Stunde statt“, heißt es in dem Bericht. Infolgedessen geben 57 Prozent an, dass ihre Änderungsprozesse nicht mithalten können.



Hinzu kommt, dass 92 Prozent der Befragten angeben, dass Leistungsprobleme häufig mehrere Bereiche betreffen, darunter Cloud, Sicherheit, Anwendungen und Endgeräte.



Ähnlich erklären 95 Prozent, dass ihre bestehenden, nicht-agentischen Tools – also klassische AIOps-Lösungen – erhebliche Schwächen aufweisen. Hauptprobleme seien der hohe Bedarf an menschlicher Interpretation und die fehlende domänenübergreifende Transparenz.



Doch damit nicht genug: Zwei Drittel der Befragten geben an, dass der Boom der generativen KI auch die Netzwerkkomplexität erhöht hat. Auf Grundlage eigener Analysen des direkten KI-Datenverkehrs stellte Cisco fest, dass sich der durchschnittliche tägliche KI-Traffic derzeit auf einem Kurs befindet, sich alle sechs Monate zu verdoppeln.



„Diese Beschleunigung dürfte durch die zunehmende Komplexität von KI-Aufgaben getrieben werden, die einen höheren Datenaustausch erfordern als eine einfache Anfrage“, heißt es in dem Bericht.



Wenig überraschend ergab die Umfrage daher, dass ein durchschnittliches Unternehmen täglich rund 4.100 Monitoring-Warnungen und -Ereignisse erzeugt. 51 Prozent davon beziehen sich auf das Netzwerk.



Omdia schätzt, dass ein typischer Mitarbeiter pro Tag etwa 21 Netzwerkalarme prüfen, untersuchen und beheben kann. Um das tägliche Volumen zu bewältigen, wäre demnach ein Team von rund 100 Spezialisten erforderlich.



Da jedoch nur wenige Unternehmen über derart große Teams verfügen, werden fast die Hälfte der Warnmeldungen (46 Prozent) ohne Untersuchung geschlossen. Für 65 Prozent der Befragten ist die sogenannte „Alert Fatigue“ eine wesentliche Ursache für die Unzufriedenheit von Mitarbeitern. Ähnlich viele Teilnehmer geben zudem an, dass die Menge der Warnmeldungen ihre Teams daran hindere, andere kritische Aufgaben zu erledigen.



Kerravala hält diese Zahlen aufgrund seiner eigenen Untersuchungen zu Sicherheitswarnungen für plausibel. Diese hätten ergeben, dass deutlich weniger als 50 Prozent der Warnmeldungen tatsächlich untersucht würden.



Zu viele Tools, zu lange Problemlösungszeiten



Unternehmen setzen durchschnittlich zehn verschiedene Tools ein, um eine durchgängige Ende-zu-Ende-Transparenz zu erreichen. Diese Werkzeuge arbeiten jedoch häufig in Silos, wodurch sich Probleme, die mehrere Domänen betreffen, nur schwer diagnostizieren lassen. Das zeigt sich auch daran, wie lange die Befragten benötigen, um Störungen zu beheben.



Die durchschnittliche Zeit zur Behebung eines Netzwerkvorfalls beträgt 88 Stunden, der Median dagegen 12,5 Stunden. Laut Frey wird der Durchschnitt durch einige Unternehmen nach oben verzerrt, die eine Woche oder länger benötigen, um Probleme zu lösen – ein Hinweis auf das Ausmaß der Komplexität.



„Hier bietet sich eine echte Chance, bessere Ergebnisse zu erzielen, indem KI bei der Analyse hilft und die Ursachenanalyse automatisiert“, erklärt der Omdia-Experte.



Ein Beispiel seien Situationen, in denen ein Unternehmen bei einem bestimmten Problem immer wieder dieselbe Korrekturmaßnahme ergreife. „Wenn ich das schon 14-mal gemacht habe, dann automatisiere es – aber sag mir, dass du es getan hast“, so Frey.



Netzwerkexperten könnten sich dabei auch an ihren Kollegen aus der IT-Sicherheit orientieren. Angesichts eines ähnlichen Problems – zu vieler Vorfälle, um sie alle manuell zu bearbeiten – automatisieren Security-Experten zunehmend ihre Reaktionen, selbst wenn dies bedeute, eine Ressource abzuschalten, so Frey.



Dahinter stehe die Überlegung, dass die möglichen Verluste größer sind als die potenziellen Auswirkungen auf das Geschäft. „Ich glaube, dass sich auch Netzwerkexperten langsam mit diesem Ansatz anfreunden“, meint der Research-Experte.



Die Lösung: Eine weitere zentrale Übersicht



Cisco schlägt seinerseits die neue Cloud-Control-Plattform als Lösung vor. Sie soll eine einheitliche Übersicht und Verwaltungsebene für Netzwerk-, Sicherheits-, Rechen-, Observability- und Kollaborationslösungen bieten. Cloud Control nutzt zudem agentenbasierte KI zur Diagnose und Behebung von Problemen, einschließlich solcher, die domänenübergreifend sind. Es handelt sich also wieder einmal um die sprichwörtliche „zentrale Übersicht“, diesmal mit einem KI-Touch.



Es mag etwas ironisch erscheinen, dass ein Anbieter, der Netzwerkausrüstung verkauft, deren Verwaltung mittlerweile zu komplex geworden ist, nun auch die Lösung anbietet, die genau diese Komplexität bewältigen soll.



„Haben die Netzwerkanbieter daran mitgewirkt? Sicher. Aber es ist gut zu sehen, dass sie die Dinge jetzt vereinfachen“, führt Kerravala dazu aus. „Und die Netze werden heute einfach auf so viel mehr Arten genutzt als je zuvor. Es ist aus einer Reihe von Gründen komplexer geworden, unter anderem weil Netzwerke um Größenordnungen mehr Geräte unterstützen und praktisch alles miteinander verbinden.“



Frey stimmt dem zu: „Ich beobachte seit Langem, wie sich Netzwerke weiterentwickeln und wie versucht wird, den Betrieb zu automatisieren – und es war einfach sehr schwierig, das zu erreichen. Ich denke, mit KI kommen wir dem Ziel endlich potenziell näher.“ (mb)



Dieser Artikel basiert auf einem Beitrag der Network World




width="100%" height="152" frameborder="0" allowfullscreen allow="autoplay; clipboard-write; encrypted-media; fullscreen; picture-in-picture" loading="lazy" src="https://open.spotify.com/embed/episode/3yTuLP20iIHazxyyIA78cj?utm_source=oembed">