Anmelden


Extreme Networks - Vier Ansatzpunkte für den Einsatz von AI im Rechenzentrum

Unter den vielen Möglichkeiten, wie künstliche Intelligenz (AI = Artificial Intelligence) in Rechenzentren genutzt werden kann, gibt es momentan vier Anwendungsbereiche, in denen sich der Einsatz von AI besonders anbietet: das Regulieren von Stromverbrauch und Kühlung, das Infrastrukturmanagement, die IT-Sicherheit (inklusive physischem Zugriff) sowie die IT-Automatisierung. Daher kann jedes Rechenzentrum in unterschiedlichem Maße von AI profitieren, unabhängig davon, ob es sich um das Rechenzentrum eines bestimmten Unternehmens, eines Dienstleisters oder um eine Co-Location handelt. Somit können nicht nur große Unternehmen, sondern auch der Mittelstand vom Einsatz AI-gestützter Lösungen profitieren. Oberste Priorität für diese Unternehmen hat dabei die Verbesserung der Betriebseffizienz und die Senkung der Betriebskosten. Das sind genau die Punkte, die durch eine Kombination von AI und Automatisierung unterstützt werden, indem die Komplexität verringert und Routineaufgaben automatisiert werden. 

1. AI für mehr Energieeffizienz

Durch die Automatisierung der IT und die Optimierung des Energieverbrauchs, hilft AI den Rechenzentrumsbetreibern energieeffizienter zu werden. Ein Beispiel hierfür vermittelt das folgende Szenario: Wenn eine dezentrale Anwendung mehrere Rechenknoten im Rechenzentrum nutzt, können die gesammelten Daten zur Servernutzung sowie andere wichtige Kennzahlen mittels überwachter, durch maschinelles Lernen gestützter Algorithmen erfasst und ausgewertet werden. 

Diese Algorithmen können dann Änderungen in AI-gesteuerten Arbeitsabläufen auslösen. Wenn das AI-basierte System beispielsweise feststellt, dass die IT-Nutzung eine bestimmte Auslastung unterschreitet, kann es einzelne Racks oder ganze Reihen ungenutzter IT-Infrastruktur herunterfahren und die Kühlung in diesen nicht genutzten IT-Geräten ausschalten. Da auf diesem Weg nach und nach immer mehr Daten in das System eingespeist werden, optimiert es sich und die Workflows im Rechenzentrum selbstständig. Während diese Algorithmen selbst nicht neu sind, bietet AI nun die Möglichkeit, sie mit beispielloser Geschwindigkeit und Skalierbarkeit zu nutzen. Darüber hinaus ist die vorhandene Logik dieser Algorithmen regelbasiert – in dem Maße, in dem maschinelles Lernen die Entscheidungsfindung beeinflusst, kann es möglicherweise Zusammenhänge aufdecken, die vorher nicht ersichtlich waren.

2. Verbesserte Sicherheit durch AI

Bei Risk-Adaptive Access Control (RAdAC) handelt es sich um eine AI-gesteuerte Umsetzung der sogenannten Attribute Based Access Control (ABAC). Diese Funktion bietet Sicherheit, indem sie die Zugriffsrechte für Datenerfassung und Datenverarbeitung innerhalb des Rechenzentrums definiert. Zudem überwacht sie auch den physischen Zugang zum Rechenzentrum. 

Dank RAdAC unterliegt alles im Rechenzentrum, seien es Daten oder ein physisches Objekt, einer Reihe von Attributen und Risikofaktoren. Wenn ein IT-System oder eine reale Person Zugriff auf ein anderes IT-System anfordert, werden diese Attribute in einen komplexen Algorithmus eingespeist, um zu bestimmen, ob der Zugriff gewährt oder verweigert werden soll. RAdAC wird durch das Hinzufügen von Risikofaktoren angereichert und so das mit einem bestimmten Attribut verbundene Risiko dynamisch durch einen auf maschinellem Lernen basierenden Algorithmus bewertet. Diese Risikoeinschätzung kann zudem verwendet werden, um sicherzustellen, dass jeweils korrekte Zugriffsrechte gewährt werden – individuell abgestimmt auf die juristische Person bzw. das IT-System sowie die aktuelle Risikoeinstufung für beide. Darüber hinaus ist künstliche Intelligenz ein leistungsfähiges Instrument zur Erkennung von anomalem Verhalten. Vor dem Einsatz künstlicher Intelligenz erforderte das Erkennen von anomalem Verhalten einen regelbasierten Ansatz, bei dem Basiswerte für die wichtigsten Kennzahlen ermittelt und Alarm ausgelöst wurde, wenn die Werte von dieser Norm abwichen. Die Kapazitäten AI-basierter Lösungen bei der Datenverarbeitung und im Bereich des maschinellen Lernens verbessern die Fähigkeit, anomales Verhalten zu erkennen signifikant.

3. Infrastrukturmanagement mithilfe von AI

Bei der IT-Architektur von Rechenzentren sind physische Server heutzutage nicht mehr so relevant wie früher. Stattdessen sind eher virtuelle Maschinen oder Container ein Thema.

Genauso wie Daten mittels überwachter, auf maschinellem Lernen basierenden Algorithmen verarbeitet werden und so die Servernutzung verbessern können, können sie auch die Nutzung der IT-Infrastruktur optimieren. Es geht darum, Einblicke in die IT-Infrastruktur zu gewinnen, Art und Nutzung der Daten zu verstehen und anschließend die IT-Ressourcen mithilfe einer intelligenten, auf AI basierenden IT-Automatisierung zu optimieren.
Auch zur Planung in Rechenzentren kann künstliche Intelligenz heute genutzt werden. Für die IT-Abteilung ist es wichtig, dass sie sehr detaillierte Einblicke in und Kenntnis über jede einzelne Komponente und jede Ressource im Rechenzentrum hat. Andernfalls erbringt die Automatisierung nicht die Analyseergebnisse, die für eine effektive Arbeit notwendig sind. Wenn diese Daten jedoch verfügbar sind, ermöglicht künstliche Intelligenz eine vorausschauende Analyse („Predictive Analytics“) der Kapazitätsplanung und Skalierung von Rechenzentren, was die zukünftige Planung verbessert. 

4. Automatisierung mit AI

Halbautomatisierte, AI-basierte Rechenzentren werden sich in Zukunft immer stärker durchsetzen, aber noch ist es nicht soweit. Momentan sind Betreiber von Rechenzentren dabei, die Automatisierung in verschiedenen Bereichen zu verbessern. Hierbei handelt es sich um einen Prozess, der Automatisierungen auf allen Ebenen umfasst und oftmals Zwischenschritte erforderlich macht. Damit die IT-Automatisierung funktionieren kann, müssen die Rechenzentrumsbetreiber beispielsweise die vollständige Kontrolle über sämtliche AI-Algorithmen haben, einschließlich intelligenter IT-Dienstleistungen, durchgängiger Transparenz auf Serviceebene, Datenanalyse und intelligenter Daten- Wiederherstellung.

Um einen Vergleich mit einer anderen Branche zu ziehen: es ist derselbe Prozess, den die Luftfahrt im Laufe der Jahre durchlaufen hat. Am Anfang wurden Flugzeuge manuell von Piloten geflogen, aber mit der Zeit hat die Automatisierung zu einer Ära geführt, in der die meisten modernen Flugzeuge mit Computerunterstützung („Fly-by-Wire“) oder zumindest teilweise mittels künstlicher Intelligenz gesteuert werden.

Betrachtet man die genannten Möglichkeiten, so zeigt sich, dass künstliche Intelligenz zahlreiche Vorteile für die effiziente Steuerung und Nutzung von Rechenzentren bietet. Trotzdem kämpft das Thema AI noch immer mit Vorurteilen. Die Furcht vor Personalabbau ist eine der größten Hürden für den Einsatz von Technologie auf Basis von AI. Dabei werden Rechenzentren auch in Zukunft Fachpersonal benötigen – AI macht die Verwaltung des Rechenzentrums lediglich effizienter, planbarer und zuverlässiger.

In den nächsten Jahren wird sich AI im Rechenzentrum zunächst im Bereich der IT-Automatisierung weiterentwickeln. Dies ist der Punkt, der den meisten Rechenzentrumsbetreibern am Herzen liegt, da sie mit hohen IT-Kosten kämpfen und eine Optimierung anstreben. Diese Art der IT-Automatisierung wird in unterschiedlicher Ausprägung von verschiedenen Anbietern bereitgestellt, sodass sich die Rechenzentrumsbetreiber auch die Anbieter aussuchen können, die sie bereits kennen und bei denen sie sich am wohlsten fühlen. 

Weitere Informationen rund um die Themen Netzwerksicherheit sowie AI und  Automatisierung gibt es unter: https://www.extremenetworks.com/solution/smart-omniedge/