Kontakt aufnehmen

Schulungsübersicht

Das Umfeld der KI-gestützten Beobachtbarkeit

  • Von Dashboards zu Gesprächen: Der Wandel hin zur KI-ergänzten Beobachtbarkeit
  • Für die Beobachtbarkeit relevante LLM-Fähigkeiten: Zusammenfassung, Schlussfolgerungen, Mustererkennung
  • Architekturmuster: Wie KI in vorhandene Beobachtbarkeitssysteme integriert wird

Natürlichsprachliche Abfragen von Telemetriedaten

  • Text-zu-PromQL: Umwandlung natürlicher Sprache in Monitoring-Abfragen
  • Natürlichsprachliche Abfragen für Elasticsearch, OpenSearch und Loki-Log-Speicher
  • Aus natürlicher Sprache generierter SQL-Code zur strukturierten Datenerfassung
  • Entwicklung eines Abfrage-Assistenten mit Werkzeugnutzung und Kontextverständnis

LLM-gestützte Log-Analyse

  • Automatisches Parsing und Strukturierung von Logs durch KI-Modelle
  • Erkennung ungewöhnlicher Ereignisse in Log-Flüssen via Ähnlichkeitsanalyse der Textdarstellungen
  • Gruppierung von Logs und Identifikation regelmäßiger Muster in großen Datenmengen
  • Erstellung menschenlesbarer Erklärungen basierend auf Roh-Logs

Intelligentes Alarmmanagement und Kontextbereicherung

  • Zusammenfassung ähnlicher Alarme durch semantische Analyse und Vermeidung von Doppelungen
  • Automatisches Sammeln relevanter Informationen für aktuelle Zwischenfälle aus Handbüchern, historischen Ereignissen und Dokumentationen
  • Flexible Weiterleitung von Alarmmeldungen gemäß Inhaltserkennung und Kompetenzprofil der jeweiligen Teammitglieder
  • Reduktion von Informationsüberfluss durch kluge Filterung und Verfeinerung von Warnungen

KI-unterstützte Ursachenanalyse

  • Bildung plausibler Hypothesen auf Basis der Korrelation verschiedener Telemetriedatenquellen
  • Aufbau einer Beweiskette: Verknüpfung von Symptomen aus Messwerten, Logs und Tracing-Daten
  • Schrittweise Fehlerdiagnose mittels interaktiver KI-Assistenten für Fehlersuche
  • Konstruktion eines Agents zur Ursachenanalyse mit dynamischer Nachforschungstiefe

Automatisierte Reaktion auf Zwischenfälle und Kommunikation

  • Erstellung von Zusammenfassungen sowie Statusberichten aus Telemetriedaten
  • Automatische Entwürfe für Postmortems inklusive rekonstruierter Ereignisabläufe
  • Ausformulierung von Informationen, die sowohl technisch versierte als auch geschäftliche Interessengruppen verstehen können
  • Vorschläge zur Anwendung existierender Handbücher und automatisierte Empfehlungen für Korrekturmaßnahmen

Maschinelles Lernen in der Beobachtbarkeit

  • Vorhersage zukünftiger Auslastung von Systemkomponenten und Frühwarnungen vor Abweichungen
  • Nutzung grundlegender KI-Modelle zur Erkennung von Anomalien ohne spezielle Trainingsdaten
  • Identifikation von Service-Abhängigkeiten sowie Aufbau von Systemtopologien durch semantische Textanalysen
  • Einbindung kompakter, effiziente ML-Modelle in gängige Beobachtbarkeitsprozesse

Einsatz im Produktivbetrieb und ethische Aspekte

  • Berücksichtigung von Reaktionszeit und Kosten bei der Echtzeit-Nutzung von KI-Technologie in Beobachtbarkeitssystemen
  • Datenvertraulichkeit: Vorbeugung gegen unbefugte Offenlegung sensibler Telemetriedaten durch LLMs
  • Menschliche Kontrolle: Erforderlichkeit der Validierung von KI-Analysen durch Fachpersonal
  • Erfassung relevanter Kennzahlen: Verbesserung der Zeit bis zur Fehlererkennung, Behebungsdauer sowie allgemeiner Bereitschaftseffizienz

Voraussetzungen

  • Erfahrung mit Beobachtbarkeitstools wie Prometheus, Grafana, Datadog oder OpenTelemetry.
  • Grundkenntnisse im Umgang mit Logs sowie Konzepten der Messwerterfassung.
  • Grundlegende Python-Programmierfähigkeiten für die Datenverarbeitung.

Zielgruppe

  • SRE- sowie Beobachtbarkeitstechniker, die KI-basierte Tools nutzen wollen.
  • Plattformingenieure, die fortschrittliche Monitoring-Systeme entwickeln.
  • DevOps-Leiter, die eine Integration von LLMs in ihre Arbeitsabläufe prüfen.
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien