KI-Agenten: Wie proaktives Monitoring Fehleranalysen verbessert (Gesponsert)

Sprecherin: Diese Folge wurde vom Arbeitgeber des Interviewpartners gesponsert.

"heise meets … – Der Entscheider-Talk". Wir besprechen kritische, aktuelle und zukunftsgerichtete Themen aus der Perspektive eines Entscheiders. heise business services begrüßt Persönlichkeiten aus Wirtschaft, Wissenschaft und Politik. Immer aktuell und nah am Geschehen.

Sprecher: „heise meets …“ heute wieder mit einer ganz speziellen Folge.

Anfang November fand in der Motorworld in München der Elastic AI Executive Circle statt. Wir waren live dabei, um zu erleben, was hochkarätige Referenten zu sagen haben. Künstliche Intelligenz wird zum entscheidenden Wettbewerbsfaktor. Das ist weder ganz neu noch ganz umwerfend, aber dafür ganz entscheidend. Und wir wollen uns heute mal anschauen, wie das in der Praxis aussieht. Zusammen mit Elastic. Das Unternehmen verspricht vollmundig, mit der Kraft von Search AI dabei zu helfen, endlose Datenmöglichkeiten in echte Ergebnisse umzuwandeln. Von der Lufthansa ist Matthias Ruhl dabei und Markus Klose von Elastic. Das sind meine Gesprächspartner. Ich bin Matthias Tüxen. Auf geht's.

Sprecher: Markus Klose, Elastic. Was machst du bei Elastic?

Markus Klose: Ich bin bei Elastic zuständig für die technischen Pre-Sales-Leute. Das heißt, ich helfe den Kunden und den Account-Teams die Anforderungen von Kunden wie der Lufthansa zum Beispiel in unsere Probleme…

Sprecher: In "unsere" Probleme ;-) Elastic hat keine Probleme ;-)

Markus Klose: Die Probleme von den Kunden in unsere Lösung umzuführen oder zu überführen, genau.

Sprecher: Beispielsweise, Matthias wird uns das noch genauer erzählen. Was ist so ein Problem bei Lufthansa, wo ihr sagt, da gucken wir genau hin.

Markus Klose: Es gibt verschiedene Sachen. Bei Lufthansa zum Beispiel ist es relativ viel über Data Onloading, Observability. Die Herausforderung ist, alle Daten in Elastic reinzukriegen und verwertbar zu machen, auswertbar zu machen, sodass dann wirklich auch ein Mehrwert für Lufthansa existiert, beziehungsweise dass sie schnell auf die Daten zugreifen können und dann Entscheidungen treffen können.

Sprecher: Jetzt haben wir so viel über Lufthansa gesprochen, Matthias Ruhl, wir fliegen jetzt quasi zu dir, um im Bild zu bleiben. Was machst du bei Lufthansa genau?

Matthias Ruhl: Bei Lufthansa leite ich die Observability-Plattform. Wir monitoren unsere Systeme und ja, wir wollen halt gewährleisten, dass unsere Systeme 24/7 laufen, weil eben, wie schon beim Bild bleiben, Leute fliegen, Leute wollen fliegen und deswegen sind auch unsere Systeme sehr kritisch. Und natürlich brauchen wir dann die Insights zu sehen, wie funktioniert das System, wenn wir was haben, dass wir auch dann eben proaktiv das lösen können.

Sprecher: Du sagst das so simpel, ja das muss so funktionieren und damit wir das alles haben. Ich habe es neulich erlebt, Flughäfen in Deutschland sind Opfer einer Cyberattacke geworden und ich bin das erste Mal seit ewigen Zeiten mit Papier und Bleistift eingecheckt worden. Da dachte ich, okay, ja dauert ein bisschen länger und die Bordfrachtpapiere dauerten auch ein bisschen länger. Was läuft da bei euch ab, wenn ein System nicht funktioniert?

Matthias Ruhl: Ja, wenn ein System nicht funktioniert, dann haben wir natürlich ein Incident. Und wir wollen natürlich so schnell wie möglich den Normalzustand wieder erreichen, also in der Fachsprache sagen wir Mean Time to Detect, Mean Time to Recovery. Für uns ist ja ausschlaggebend, dass wir eben die Zeit so kurz wie möglich halten, damit wieder eben der Normalzustand erreicht ist. Und das schaffen wir natürlich nur, wie Markus schon gesagt hat, indem wir die Insights und die Daten haben und die auch verwertbar machen, damit wir wissen, womit haben wir es hier zu tun.

Sprecher: Ihr arbeitet schon ein paar Tage zusammen, Markus und Matthias, Elastic und Lufthansa. Was war für die Lufthansa der entscheidende Moment, zu sagen, wir brauchen so einen Partner wie Elastic?

Matthias Ruhl: Der entscheidende Moment war, dass wir uns natürlich angeschaut haben, welches Tool uns dabei hilft, so flexibel zu sein, dass es unseren Organization Need erfüllt.

Sprecher: Was ist Organization Need? Was sind für euch die Kriterien? Was muss der Dienstleister bringen?

Matthias Ruhl: Wir brauchen eine flexible, distribuierte Architektur, weil wir sehr viele Unternehmen haben, die eben ihre Daten sammeln. Wir wollen natürlich dann nicht eine Datenduplikation machen, weil das sind Kosten. Aber gleichzeitig wollen wir natürlich auch nicht hingehen und sagen, okay, das ist jetzt unser neues Tool und jetzt schicken wir alle Daten dahin, weil das ist dann wiederum auch ein sehr großer Migrationsaufwand, den wir betreiben müssen. Und die Flexibilität mit Cross-Cluster-Search das zu machen, war eben ausschlaggebend zu sagen, okay, das ist ein Tool, das ist eine Architektur, die genau das widerspiegelt, wie unsere Organisation aufgebaut ist.

Sprecher: Wenn ihr auf die Lufthansa zugeht und sagt, wir hätten da für euch eine Idee, so und so könnte die Lösung aussehen. Was sind die Kriterien, wonach schaut ihr?

Markus Klose: Es gibt mehrere Sachen. Wir wollen natürlich verstehen, was ist das wirkliche Problem von Kunden. Da kommt ja her, wir haben einen Incident, den möchten wir gelöst kriegen. Sonst halt die Frage, wo stehen die Daten, wie kommt ihr an die Daten ran? Und der Matthias hat es ja gerade gut gesagt, die Anfrage steht nicht in einem Logfile, in einer Datenbank, sondern wahrscheinlich sind verschiedene Systeme betroffen. Muss man gucken, wie kommt man an die Daten ran, wie können wir mit den Daten arbeiten, wie können wir sie dann verfügbar machen an der Stelle. Und er hat es jetzt gerade wunderbar beschrieben, für die Lufthansa war wichtig, dass die Datenhoheit, sage ich mal, bei den einzelnen Departments, Abteilungen, Produkten bleibt, aber man einen kompletten Blick darauf hat oder haben kann. Cross-Cluster-Search war hier das Thema. Und das ist etwas, wo wir sagen, damit punkten wir bei solchen Projekten, bei solchen Kunden ganz gut. Und das ist dann zum Beispiel unser Unique Key, den man verkaufen kann oder beschreiben kann.

Sprecher: Lass mich die Sache nochmal für mich rekapitulieren. Die Daten liegen auf verschiedenen Servern in den unterschiedlichsten Datenbanken. Und da kommt der kleine Klose und sagt, ah, ich guck mal, wo bei euch was liegt.

Markus Klose: So in etwa. Also wir haben natürlich keinen Zugriff drauf. Wir werden ja nie bei der Lufthansa in die Rechenzentren gehen und sagen, ich stecke da mal meine Software an, sondern wir kriegen die Daten schon zugeliefert, sage ich mal, aufbereitet, wir speichern die in Elastic ab, aber sie bleiben halt in der Organisation, das heißt in der Gruppe oder in der Unternehmung von der Lufthansa. Und dann gibt es halt wie gesagt die Situation, da kann ich halt gucken, jetzt habe ich hier ein Problem gefunden, zum Beispiel ein Server ist ausgefallen. Welche Auswirkungen hat der denn auf andere Systeme? Da brauche ich jetzt einen anderen Blickwinkel, eine andere Komponente, wo ich auch wieder Daten in Elastic gespeichert habe.

Sprecher: Welchen Benefit habt ihr aus dieser Zusammenarbeit? Die geht jetzt schon ein paar Jahre. Wenn du zurückblickst, was hat sich geändert, wo ist der Benefit?

Matthias Ruhl: Der Benefit ist ganz klar, dass man schneller sieht, wo habe ich ein Problem, wo habe ich ein Incident. Das heißt, man kommt weg von dem, ich suche mal, ich sehe, es funktioniert irgendwas nicht, aber ich weiß nicht was, und ich suche mal jetzt, und das ist genau ja das, was am meisten Zeit und Geld kostet (Fehler-Ursachen-Analyse - Root-cause analysis), bevor ich weiß, was ist kaputt und wer kann das reparieren.

Sprecher: Das heißt, wenn du selber nach dem Leck suchen würdest, bräuchtest du länger, als wenn Markus das macht.

Matthias Ruhl: Ja, nicht Markus, aber das Tool von Elastic. Also, weil wir eben mit dem Data Mesh und mit der Standardisierung und mit dem Aufbereiten der Daten eine einheitliche Sprache haben, die eben gesprochen wird, können wir ganz schnell feststellen, ist das System A, ist es System B oder System C. Und dann kommen wir weg von, wir sehen, dass was kaputt ist, aber wir wissen nicht, was kaputt ist, zu, okay, wir haben einen Ausfall in System C und System C muss, jemand muss sich darum kümmern. Und wir wissen auch, wer sich darum kümmern muss. Und das ist genau der Benefit.

Sprecher: Wenn ich Lufthansa-Aktionär wäre, würde ich auf der Aktionärsversammlung aufstehen und sagen, lieber Herr Ruhl, Sie verursachen Kosten. Warum machen Sie das nicht in-house, wie argumentierst Du dann?

Matthias Ruhl: Ja, es sind Kosten, die kein Unternehmen gerne hat, aber man muss es ja auch aus einer anderen Sicht betrachten. Also wenn ich das selbst In-House-Development machen würde, dann müsste ich ja auch die Operation machen davon, was ja auch wiederum Kosten sind. Das bedeutet, wir müssen gucken natürlich, was hilft uns am besten, was wollen wir In-House entwickeln und was wollen wir vielleicht nicht in-house entwickeln, weil wir sind immer noch eine Airline.

Sprecher: Flieger, keine Programmierer.

Matthias Ruhl: Das würde ich jetzt nicht ganz sagen, weil wir haben schon mit dem Digital Hangar auch gesagt, wir müssen halt mehr in Digitalisierung und in-house-Entwicklung. Aber der Schwerpunkt ist ein anderer. Der Schwerpunkt ist auf unsere eigenen Produkte bauen und nicht ein Monitoring-System zu bauen.

Sprecher: Ihr Jungs arbeitet jetzt seit drei Jahren zusammen. Gibt es etwas aus der Vergangenheit, wo ihr sagt, da sind wir besonders stolz drauf? Frage an beide. Markus, Matthias, wer fängt an?

Markus Klose: Ich kann anfangen vielleicht. Also, was ich halt sehe, dass wir eine sehr gute Beziehung einfach zum Kunden haben. Wir verkaufen nicht nur ein Tool, sondern wir verkaufen uns selber, würde ich fast sagen. Wir hören auch auf unseren Kunden, auf die Lufthansa zum Beispiel, sammeln Feedback ein, Produktwünsche, und die werden halt dann auch umgesetzt. Nicht alle, aber da, wo wir einen richtigen Mehrwert sehen, wo man uns auch sehr transparent sagt, das ist extrem wichtig, wertvoll auch für andere, das wird dann umgesetzt und bringt dann wieder einen weiteren Mehrwert für die Lufthansa zum Beispiel.

Sprecher: Aus deiner Sicht, Matthias?

Matthias Ruhl: Ja, unterschreibe ich, dass eben auch die Kollaboration miteinander ist. Elastic weiß, was wir, was für Wünsche wir haben, geht auf die Wünsche ein, nimmt sie mit in die Roadmap auf und auch umgekehrt, dass eben die Expertise von der Elastic Seite uns auch hilft, besser in der Operation - Observability zu werden, sodass wir auch gerade, wenn wir jetzt über AI-Use-Cases reden, dass wir sagen, okay, was ist der nächste Schritt? Anomalie-Detection als Beispiel.

Also, was wir ja wollen ist, und hoffentlich auch unsere Kunden dann, unsere Vision ist es, ein Incident darf nicht zweimal vorkommen. Und ein Incident kann nicht oder darf oder wird nicht zweimal vorkommen, wenn man weiß, was die Root-Cause war von diesem Incident. Und das kann man eben nur, indem man die Daten sauber aufbereitet und auch einen Kontext liefert, sodass man weiß, okay, ich habe verstanden, was passiert ist, und ich weiß, wie ich das Problem lösen kann, damit das Problem nicht noch einmal passiert.

Sprecher: Du hast jetzt für mir schon wunderbar eine Vorlage gegeben. Du hast nämlich aus dem Rückblick, nachdem ich gefragt habe, schon immer ein bisschen nach vorne geschaut. Da muss ich den Lufthansa-Menschen zuerst fragen, wo geht die Reise hin? Bildlich gesprochen.

Matthias Ruhl: Habe ich jetzt schon ein bisschen verwirrt genommen, AI ist ein großes Thema, weil wir wollen natürlich, wir haben eine Menge Daten, so wie jetzt auch Markus gesagt hat. Wir haben, eine große Aufgabe war es, eben die Daten so verfügbar zu machen, auch Insights zu liefern, was passiert in unserem System. Aber der nächste Schritt ist natürlich auch diese Daten aufzubereiten, weil nur Daten zu sammeln alleine hat keinen Mehrwert. Der Mehrwert entsteht, indem man eben diese Daten aufbereitet und am Ende auch dann eben den Endusern, in unserem Fall unsere Operation Teams, verfügbar macht. Und da dann eben AI einzusetzen, um die Leute dann gezielt auf genau die Themen hinzuweisen, die eben relevant und wichtig sind.

Sprecher: Markus, du bist gleich dran. Ich muss nochmal nachhaken. Was ist so ein Beispiel, wo ihr sagt, da kann ich jetzt mit AI viel mehr machen, als ich vorher machen konnte. Meine Kunden haben eine viel bessere Customer Journey oder wie auch immer.

Matthias Ruhl: Also Customer Journey ist ein guter Stichpunkt, weil das ist ja genau, was wir erreichen wollen. Wir wollen natürlich die Brücke schlagen. Wir haben technische Services, aber die technischen Services, Software und so weiter, müssen übersetzt werden in Business Impact. Und das machen wir genau auch in unserer Plattform mit dem Kontext, dass wir sagen, okay, dieser technische Service, diese API funktioniert nicht, das zu übersetzen in was ist der Business Impact.

Sprecher: So, Markus, jetzt schlägt eine Stunde. Erklär uns, wo geht die Reise hin? Was macht ihr in Zukunft miteinander?

Markus Klose: Ich glaube, AI ist wirklich schon das Schlagwort schlechthin an der Stelle. Und wir haben halt gesehen in der Vergangenheit, wenn man das Thema große Datenmengen gerade gehabt hat, da kann man mit dem Bild ja bleiben, mit dem Heuhaufen und mit der Nadel am Ende. Man muss halt diese Nadel finden und das kann man halt als Mensch machen, das dauert halt eine Weile, hat wie gesagt Impact auf die Customer Journey. Und wenn etwas lange dauert oder es ist ein Service nicht verfügbar und so weiter und so fort, und mit AI kann man einfach schon mal helfen, die Datenmenge zu reduzieren, zu verarbeiten, vorzuverarbeiten, zu clustern, Unwichtiges rauszufiltern, sodass dann der Analyst oder derjenige, der das wirklich fixen oder analysieren muss, nur noch ein Zehntel oder ein Hundertstel von den Problemen sieht, weil das einfach das Rauschen weg ist, sage ich mal. Also kann er sich konzentrieren und da wird AI wahnsinnig viel helfen.

Es gibt allgemeine Modelle, die einfach stochastisch und statistisch auswerten können, was sind Probleme. Matthias hat es vorhin erzählt, sie haben Playbooks. Wenn ein Incident passiert ist, schreiben sie auf, was passiert ist, wie man es beheben kann. Solche Knowledge-Daten werden mit eingebunden, um die Analyse zu betreiben, um halt auch dann proaktiv ranzugehen. Das darf nicht nochmal passieren.

Sprecher: Und wenn wir jetzt noch weiter gucken, ihr seid ganz stolz, ihr habt den Agent-Builder jetzt.

Markus Klose: Ja, genau.

Sprecher: Sag uns was dazu.

Markus Klose: Der Agent-Builder ist im Prinzip einfach eine Möglichkeit, jetzt schnell mit AI-Modellen und mit LLM-Modellen zu interagieren. Und der wirklich nächste Schritt wird sein, nicht nur sich bei der Analyse helfen zu lassen, sondern auch automatisch etwas zu triggern, ausführen zu lassen, um Prozesse zu starten. Ob es jetzt Remediation ist oder ob das jetzt, keine Ahnung, was ich kaufe, ein Auto ist oder was auch immer, ein Ticket im Lufthansa-Fall oder sowas. Das ist, glaube ich, der nächste Schritt, um die Arbeitslast noch mehr zu reduzieren.

Klar, wir werden nicht irgendwie alles machen lassen von Systemen. Wir werden immer noch die Menschen haben, die das finale Go geben oder überwachen wollen das Ganze, aber das macht der Agent-Builder und da hilft der Agent-Builder halt die ersten Schritte zu gehen, von Daten ingestieren, verarbeiten, analysieren, bis hin zum Lostreten der Aktion.

Sprecher: Das heißt, wenn der Agent-Builder bei der Lufthansa läuft, wie merke ich das als Kunde, wenn ich ein Ticket kaufe oder merkst nur du das im Hintergrund?

Matthias Ruhl: Ich hoffe, dass der Kunde das niemals merkt, weil der Agent-Builder ist und die Obstability-Platform ist ja für den Kunden erstmal unsichtbar, weil sie sorgt ja dafür, dass die Systeme, die der Kunde nutzt, immer verfügbar sind. Was kann der Agent-Builder vielleicht oder wo hilft der, dass der Kunde das merkt?

Ein Agent ist deutlich schneller. Also wenn ein Incident ist oder besser gesagt noch kein Incident ist, wir haben.., der Agent-Builder durchforstet die Daten und findet eine Anomalie. Und dann schaut er sich die Anomalie an und durchforstet dann Step-by-Step weitere Daten und findet dann proaktiv heraus, dass das System, wenn das so weiterläuft, nicht mehr funktionieren wird. Und dann, wie Markus schon gesagt hat, haben wir natürlich Playbooks, die abgearbeitet werden. Das bedeutet, der Agent fängt proaktiv an Playbooks abzuarbeiten und kann somit den Zustand von einem Incident schon mal proaktiv verhindern.

So, das bedeutet, wenn wir, wenn wir das im Einsatz haben, dass eben der Zustand nicht eintrifft mit „ich kann das System nicht bedienen" oder „ich merke, dass das jetzt gerade nicht funktioniert".

Sprecher: Also ich habe de facto keine Ausfälle mehr.

Markus Klose: De facto ist, das ist die Vision, genau, also die Vision dahinter der Plattform ist ja keine Ausfälle mehr zu haben, keine Incidents mehr zu haben und deswegen ja auch der Satz, ein Incident darf nicht zweimal passieren. Mit Agentic AI, vielleicht passiert ja auch in Zukunft gar nicht mehr. Also deswegen ja auch von reaktiv werden zu proaktiv, sodass man vorab schon erkennt, was sind die, wo habe ich Peaks, wo habe ich Anomalien und dann schon proaktiv gegensteuern kann.

Sprecher: Markus hat eben gesagt, das ist der Plan. Wann ist der Plan Realität?

Matthias Ruhl: Morgen vielleicht schon.

Sprecher: Morgen ist Freitag.

Matthias Ruhl: Wäre kein Hinderungsgrund für uns, etwas zu deployen an der Stelle. Ich glaube, technisch logisch sind wir schon relativ weit. Es ist immer die Frage, wie weit trauen wir uns zu gehen, alles automatisiert durchzuführen oder anzustarten.

Sprecher: Den Mutigen gehört die Welt. Seid ihr mutig?

Matthias Ruhl: Wir sind alle mutig. Aber es gibt ja auch noch ein paar Regeln, sag ich mal. Wir haben ja das Thema schon mal, Automotive fahren. Das ist ja ein ähnliches Thema, sag ich mal. Wollen wir das einfach zulassen, nur weil wir es können? Aber wie gesagt, morgen sind wir theoretisch und praktisch auch schon da.

Sprecher: Das heißt, alles wird einfacher, auch bei der Lufthansa?

Matthias Ruhl: Also ganz einfach ist es ja nicht, wie Markus beschrieben hat.

Sprecher: Jetzt kommt die Einschränkung, jetzt Butter bei die Fische.

Matthias Ruhl: Was wir ja gesagt haben, ist ja, mit genau dem Playbooks, also was muss man verhindern oder wo sind denn die Limitationen, die wir aktuell sehen, ist ja genau AI darf nicht halluzinieren. Wenn eine AI anfängt zu halluzinieren und dann statt proaktiv einen Service wieder in einen Health-Zustand, in einen guten Zustand zu bringen, das Gegenteil verursacht, weil es halluziniert, dann ist es kontraproduktiv.

Sprecher: Und dann fliege ich nach Australien statt nach Austria?

Matthias Ruhl: Oder gar nicht, weil das System nicht reagiert.

Und das ist ja genau das, was noch gelöst werden muss. Wenn das System nicht funktioniert, dann komme ich ja nicht auf die Idee, ich ziehe mal den Stecker. Und dasselbe sollte die AI ja auch nicht machen und sagen, oh, das System scheint ein bisschen nicht zu funktionieren. Es funktioniert ein bisschen schlechter, ich sehe das Ganze, ich ziehe mal den Stecker. Sollte nicht passieren. Und das ist genau das Thema, wo natürlich in Zukunft dann mehr drauf eingegangen werden muss.

Aber wie du auch schon sagst, ich glaube, man muss auch genau an dem Thema ein bisschen Vorreiter sein, weil ich glaube, es ist ein großer Benefit auch, den man danach haben kann, in dem man sagt, okay, ich brauche kein Level 0 mehr, ich brauche kein Level 1 mehr, weil das Ganze übernimmt jetzt mein Agentic AI. Ich habe ein Level 0 Agentic AI und das kann man auch schon wunderbar beschreiben, weil das ist genauso wie eine Jobbeschreibung für einen Menschen. Ich sage dem, wenn er anfängt, dann sage ich dem, okay, das sind deine Daten, guck auf die Daten, wenn das passiert, mach das. Und dasselbe kann ich ja auch schon mit AI trainieren.

Sprecher: Abschließende Frage an beide Herren. Wenn wir dieses Gespräch in 365 Tagen führen, werden wir die gleichen Fragen haben oder ihr die gleichen Antworten? Oder wird es möglicherweise etwas geben, wo ihr sagt, da hat sich herauskristallisiert das oder wir gucken mal danach oder wir haben schon das und das im Hinterkopf. Glaubt ihr, es wird genauso oder wird es anders?

Markus Klose: Ich glaube nicht, dass das Gespräch genauso sein wird. Grundlegend von der Struktur wahrscheinlich schon. Wo geht es denn überhaupt hin? Wo geht die Reise hin, weil das Thema AI und Agentic AI, das entwickelt sich so wahnsinnig schnell und wir werden auch in den nächsten Jahren vom Contact Engineering viel mehr hören. Also das ist halt mehr als nur Daten rein, Daten verarbeiten, Daten raus und was draus machen, sondern da gehört ja noch viel, viel mehr dazu. Ich glaube, wir werden wahnsinnige Schritte machen, aber am Ende immer noch das gleiche Thema haben, wie können wir Prozesse automatisieren, um halt Business Value zu generieren, Meantime to Reduction oder to Detection, was auch immer.

Sprecher: Und Matthias Ruhl fliegt immer noch auf Lufthansa, auch in 365 Tagen.

Matthias Ruhl: Definitiv, ja.

Sprecherin: Das war „heise meets … – Der Entscheider-Talk". Sie wollen mehr erfahren? Dann besuchen Sie uns auf heise-meets.de. Wir freuen uns auf Sie.