Der Dienst nutzt KI-Agenten, die auf den Modellen watsonx und Granite Time Series von IBM basieren, um Netzwerkdaten zu analysieren und Probleme vorherzusagen. Ziel ist es, die reaktive Fehlerbehebung zu reduzieren, indem versteckte Probleme frühzeitig in lokalen, privaten und öffentlichen Cloud-Umgebungen erkannt werden. Was ist passiert: Der neue Dienst von IBM, genannt Network Intelligence, bietet Unternehmen eine einzige Anlaufstelle, um Netzwerkprobleme schneller zu lösen, indem er KI-Agenten einsetzt, die Daten analysieren, potenzielle Probleme identifizieren und Schritte zur Behebung vorschlagen können.
Der Dienst reagiert auf die zunehmende Komplexität von IT-Umgebungen, die heute eine Mischung aus lokalen Rechenzentren, privaten Clouds, mehreren öffentlichen Clouds und Software-as-a-Service umfassen. Die KI-Agenten nutzen vortrainierte Modelle, die Netzwerkdesigns, Telemetrie, Verkehrsflüsse, Alarme und Zeitreihendaten untersuchen, um versteckte Probleme und Frühwarnzeichen zu erkennen, wahrscheinliche Ursachen vorzuschlagen und Maßnahmen zu empfehlen, die den Teams bei der Reaktion helfen.
Die zugrunde liegende Technologie basiert auf der watsonx-Plattform von IBM und den Foundation-Modellen Granite Time Series des Unternehmens, kompakten KI-Modellen, die von IBM Research entwickelt wurden. Diese Modelle sind speziell für Netzwerke optimiert und auf massiven Mengen von Telemetriedaten, Alarmen und Datenströmen aus verschiedenen Umgebungstypen trainiert.
IBM gibt an, dass das System dadurch ein tieferes Verständnis des Netzwerkverhaltens erhält als regelbasierte Systeme, generisches maschinelles Lernen oder große Sprachmodelle, was eine bessere Erkennung von Problemen ermöglicht, die normalerweise unbemerkt bleiben, und frühere Warnungen, bevor eine Leistungsverschlechterung auftritt. Warum das wichtig ist: Die Netzwerkkomplexität ist zu einem kritischen Punkt für Unternehmen geworden, die Multi-Cloud-Strategien verfolgen.
Da Organisationen Arbeitslasten auf mehrere Cloud-Anbieter verteilen und lokale Legacy-Infrastrukturen beibehalten, sind Sichtbarkeit und Fehlerbehebung exponentiell schwieriger geworden. Traditionelle Überwachungswerkzeuge, die auf vordefinierten Regeln und Schwellenwerten basieren, können mit dem dynamischen Charakter moderner verteilter Systeme nicht Schritt halten. IBMs Argument ist, dass Network Intelligence Unternehmen helfen kann, sich von reaktiven Reaktionen auf Ausfälle zu entfernen, indem es Alarme reduziert, die Problemanalyse vereinfacht und seltene oder komplizierte Probleme erkennt, die ältere Überwachungswerkzeuge übersehen.
Dieser proaktive Ansatz könnte die Ausfallkosten erheblich senken und die Benutzererfahrung verbessern, insbesondere für Organisationen, die geschäftskritische Anwendungen in hybriden Umgebungen betreiben. Die Verwendung von Foundation-Modellen, die speziell auf Netzwerkdaten trainiert wurden, stellt eine Veränderung dar, wie KI auf das Infrastrukturmanagement angewendet wird. Anstatt allgemeine große Sprachmodelle zu verwenden, hat IBM domänenspezifische Modelle entwickelt, die die für das Netzwerkverhalten typischen Muster und Anomalien verstehen.
Im Erfolgsfall könnte dieser Ansatz einen öffentlichen Quellenkontext für die Anwendung von KI auf andere komplexe Infrastrukturbereiche schaffen, von Speichersystemen bis hin zu Sicherheitsoperationen. IBM bietet verschiedene Abonnementpläne und eine kostenlose Stufe für Unternehmen an, die den Dienst in begrenzten Produktionsumgebungen testen möchten, bevor sie sich vollständig binden.