Immer mehr Unternehmen nutzen die Synergie zwischen künstlicher Intelligenz (KI) und Netzwerken. Angesichts der zunehmenden Verbreitung von Benutzergeräten und der von ihnen erzeugten Daten verlassen sich Unternehmen immer stärker auf KI, um eine weitläufige Netzwerkinfrastruktur zu verwalten.
Bis 2024 werden 60 % der Unternehmen über eine KI-gestützte Infrastruktur verfügen, die eine umfassendere Automatisierung und prädiktive Analysen für Netzwerkaspekte wie Fehlerbehebung, Störungsprävention und Ereigniskorrelation ermöglicht.
Was ist KI für Netzwerke?
KI wird immer allgegenwärtiger, da Unternehmen versuchen, zunehmend komplexe Netzwerke mit den verfügbaren Ressourcen ihrer IT-Abteilungen zu verwalten. Was Netzwerkadministratoren früher manuell erledigten, ist heute größtenteils automatisiert – oder auf dem Weg dorthin.
Der Einsatz von KI schützt jedoch selbst die größten Unternehmen nicht vor Netzwerkausfällen. Facebook verzeichnete im Oktober 2021 einen größeren Ausfall, den das Unternehmen auf eine fehlerhafte Neukonfiguration von Routern zurückführte. Auch AWS erlebte einen Ausfall im Dezember 2021, den das Unternehmen auf einen Fehler bei der Netzwerkskalierbarkeit zurückführte.
Trotz der ausgefeilten Funktionen von KI und allem, was sie für Netzwerke leisten kann, ist sie nicht unfehlbar. Das unterstreicht die anhaltende Bedeutung menschlicher Eingriffe im Netzwerkbereich.
Mehr lesen: Die Cloud ist ausgefallen: So schützen Sie Ihr Unternehmen vor Ausfällen
Wie KI in Netzwerken eingesetzt wird
KI, genauer gesagt die Anwendung von maschinellem Lernen (ML), hilft Netzwerkadministratoren dabei, ein Netzwerk abzusichern, Fehler zu beheben, es zu optimieren und seine Weiterentwicklung zu planen.
Sicherheit
Die zunehmende Zahl von Endpunkten im Netzwerk im Zeitalter von Homeoffice und ortsunabhängigem Arbeiten vergrößert die Angriffsfläche eines Netzwerks. Um jederzeit sicher zu bleiben, sollte ein Netzwerk in der Lage sein, nicht autorisierte oder kompromittierte Geräte zu erkennen und darauf zu reagieren.
KI verbessert den Onboarding-Prozess autorisierter Geräte im Netzwerk, indem sie Quality-of-Service-(QoS)- und Sicherheitsrichtlinien für ein Gerät oder eine Gruppe von Geräten festlegt und konsequent durchsetzt. KI erkennt Geräte automatisch anhand ihres Verhaltens und setzt die richtigen Richtlinien konsequent durch.
Ein KI-gestütztes Netzwerk erkennt verdächtiges Verhalten, von Richtlinien abweichende Aktivitäten und den Zugriff nicht autorisierter Geräte auf das Netzwerk schneller, als ein Mensch dazu in der Lage wäre. Wird ein autorisiertes Gerät tatsächlich kompromittiert, liefert ein KI-gestütztes Netzwerk den Kontext zu diesem Ereignis.
Die Kategorisierung von Geräten und die Erfassung ihres Verhaltens helfen Netzwerkadministratoren, verschiedene Richtlinien für unterschiedliche Geräte und Gerätegruppen zu verwalten, und verringern die Gefahr menschlicher Fehler beim Hinzufügen eines neuen autorisierten Geräts zum Netzwerk. Außerdem helfen sie dabei, Netzwerkprobleme in einem Bruchteil der Zeit zu erkennen und zu beheben.
Mehr lesen: Die beste Netzwerk-Sicherheitssoftware und die besten Tools 2022
Fehlerbehebung
Vor dem Aufkommen KI-gestützter Netzwerke mussten NetOps (Netzwerkbetriebsteams) Netzwerkprobleme ermitteln, indem sie Protokolle, Ereignisse und Daten aus mehreren Systemen überprüften. Diese manuelle Arbeit kostete nicht nur Zeit und verlängerte Ausfälle, sondern bot auch Ansatzpunkte für menschliche Fehler. Die schiere Datenmenge in heutigen Netzwerken macht es für jedes NetOps-Team, unabhängig von seiner Größe, praktisch unmöglich, Ereignisprotokolle zu durchsuchen, um Netzwerkprobleme zu identifizieren und zu beheben.
Heute ermöglicht KI Netzwerken nicht nur, Probleme für eine maximale Betriebszeit selbst zu korrigieren, sondern auch, NetOps konkrete Handlungsschritte vorzuschlagen.
Wenn ein Problem auftritt, durchsucht ein KI-gestütztes Netzwerk mithilfe von Data-Mining-Techniken innerhalb weniger Minuten Terabytes an Daten, um Ereigniskorrelationen und eine Ursachenanalyse durchzuführen. Ereigniskorrelation und Ursachenanalyse helfen dabei, das Problem schnell zu identifizieren und zu beheben.
KI vergleicht Echtzeitdaten mit historischen Daten, um zusammenhängende Anomalien zu erkennen und die Fehlerbehebung einzuleiten. Zu den relevanten Daten zählen beispielsweise Firmware, Aktivitätsprotokolle der Geräte und andere Indikatoren.
Ein KI-gestütztes Netzwerk kann relevante Daten unmittelbar vor einem Vorfall erfassen, was die Untersuchung unterstützt und die Fehlerbehebung beschleunigt. Die Daten jedes Vorfalls helfen den Algorithmen des maschinellen Lernens im Netzwerk, zukünftige Netzwerkereignisse und deren Ursachen vorherzusagen.
Neben der Erkennung von Netzwerkfehlern und dem Lernen aus ihnen behebt KI diese automatisch, indem sie auf die umfangreichen historischen Daten des Netzwerks zurückgreift. Alternativ nutzt sie diese Daten, um präzise Empfehlungen dazu zu geben, wie Netzwerkingenieure das Problem angehen sollten.
KI-Funktionen vereinfachen und verbessern die Fehlerbehebung deutlich. KI reduziert die Zahl der Tickets, die die IT bearbeiten muss, und kann Probleme in manchen Fällen beheben, bevor Endbenutzer und sogar die IT überhaupt eine Störung bemerken.
Netzwerkoptimierung
Ein Netzwerk auf einem grundlegenden Niveau funktionsfähig und sicher zu halten, ist das eine – es zu optimieren, etwas anderes. Der kontinuierliche Optimierungsprozess eines Netzwerks sorgt dafür, dass Endbenutzer zufrieden bleiben und langfristig als Kunden erhalten werden.
Standards für drahtlose Konnektivität haben sich hinsichtlich Geschwindigkeit, Kanalanzahl und Kanalbandbreite weiterentwickelt. Diese Standards übersteigen die Möglichkeiten herkömmlicher NetOps-Initiativen, sind für ein KI-gestütztes Netzwerk jedoch keine zu große Herausforderung.
Netzwerkoptimierung umfasst das Dreigespann aus Netzwerküberwachung, Verkehrssteuerung und Lastenausgleich. Dadurch wird kein Teil des Netzwerks überlastet. Stattdessen kann das Netzwerk durch eine gleichmäßigere Verteilung des Datenverkehrs effizient die bestmögliche Dienstgüte bereitstellen.
Die Netzwerke von heute benötigen sich selbst optimierende KI-Netzwerke, die von echtzeit- und ereignisbasierten Netzwerkdaten profitieren. Mithilfe von Deep Learning kann ein Computer beispielsweise mehrere Datensätze analysieren, die mit dem Netzwerk in Zusammenhang stehen. Auf Grundlage dieser Daten prüft die Empfehlungs-Engine des Netzwerks die Policy-Engine, um intelligente Empfehlungen zur Verbesserung bestehender Richtlinien auszusprechen.
Einerseits erfüllen die Vorschläge trotz wechselnder Bedingungen die grundlegenden Anforderungen an die Dienstqualität, etwa bei einem Verkehrsspitzenaufkommen in einem bestimmten geografischen Gebiet oder auf dem Gerät eines Benutzers. Die Empfehlungs-Engine kann vorschlagen, ungenutzte Ressourcen zu aktivieren oder den Datenverkehr über längere Wege umzuleiten, um Überlastungen zu vermeiden.
Gleichzeitig halten sich die Vorschläge an die grundlegenden betrieblichen Einschränkungen des Netzwerks, beispielsweise indem die Leistung von Telefonaten und SMS-Nachrichten gegenüber dem Videostreaming priorisiert wird.
Das Netzwerk optimiert die Geräte anschließend auf Grundlage der Empfehlungen selbst neu. Selbstoptimierende Netzwerke maximieren die vorhandenen Ressourcen eines Netzwerks und steuern, wie es angesichts seiner begrenzten Ressourcen am besten arbeitet, während sie zugleich die Einhaltung von Service-Level-Agreements (SLAs) sicherstellen.
Dank der Beobachtbarkeit und Orchestrierung KI-gestützter Netzwerke erhalten Benutzer die bestmögliche Netzwerkerfahrung.
Netzwerkplanung
Angesichts des Wachstums von 5G-Netzwerken wird KI den größten Einfluss auf die Netzwerkplanung haben, um neue Dienste bereitzustellen oder bestehende Dienste auf unterversorgte Märkte auszuweiten.
Ein Bericht von Ericsson aus dem Jahr 2018 ergab, dass 70 % der Dienstanbieter weltweit angeben, KI habe den größten Einfluss auf die Zuverlässigkeit von Netzwerken. Dicht dahinter folgen Netzwerkoptimierung und die Analyse der Netzwerkleistung als zwei weitere Bereiche, in denen KI laut 58 % der Befragten an Bedeutung gewinnt.
Der Einsatz von KI zur Analyse der Netzwerkleistung ermöglicht es Kommunikationsdienstanbietern, präzise vorherzusagen, was ein Netzwerk benötigen wird, und sich dadurch besser vorzubereiten.
So kann KI beispielsweise eingesetzt werden, um die Geolokalisierungsgenauigkeit des Anbieternetzwerks zu verbessern. Dadurch werden wichtige Informationen bereitgestellt, anhand derer der Anbieter die Dienstqualität in einem bestimmten Gebiet bewerten kann. Diese Informationen fließen wiederum in die Planung künftiger Netzwerk-Upgrades ein.
KI kommt auch bei der Identifizierung unterversorgter Marktgebiete zum Einsatz. Sie hilft dabei, versorgte und unversorgte Märkte anhand von Satellitenbildern zu unterscheiden.
KI verschafft Unternehmen, insbesondere Kommunikationsdienstanbietern, einen Wettbewerbsvorteil, indem sie ihnen hilft, strategische Chancen zu erkennen und zu nutzen.
Mehr lesen: Von Koexistenz zu Konvergenz: Die Verbindung von 5G und Wi-Fi
Vorteile des Einsatzes von KI für Netzwerke
KI-gestützte Netzwerke bieten Unternehmen zahlreiche Vorteile, darunter:
- Kontinuierliche Überwachung.
- Ereigniskorrelation und Ursachenanalyse zur Erkennung, Behebung, Analyse und Vermeidung von Netzwerkproblemen.
- Prädiktive Analysen zur proaktiven Erkennung und Behebung künftiger Probleme.
- Weniger Ausfälle.
- Kürzere Ausfallzeiten, wenn es zu einem Ausfall kommt.
- Automatisierte Netzwerkbereitstellung, etwa für Geräte, sowie automatisierte Optimierung.
- Automatisierte Empfehlungen zur Leistungssteigerung des Netzwerks.
- Verbesserte Netzwerkleistung.
Lesen Sie auch: Die besten Tools für Netzwerkautomatisierung 2022
Die Zukunft des KI-Einsatzes in Netzwerken
Angesichts der zahlreichen Vorteile KI-gestützter Netzwerke wird ihre Verbreitung in heutigen Unternehmen sicherlich weiter zunehmen. KI spielt eine immer wichtigere Rolle bei der Verwaltung von Netzwerken, die zunehmend komplexer werden.
Die Sorge, dass KI Fachkräfte im Netzwerkbereich ersetzen wird, ist jedoch zwar bekannt, letztlich aber unbegründet. Netzwerke benötigen weiterhin Menschen, die die KI-Funktionen überprüfen und gelegentlich erweitern, indem sie:
- Diskrepanzen zwischen einem Netzwerkproblem und einer vom System erzeugten Lösung ansprechen.
- Die Maschine unterstützen, wenn sie keine Lösung mit hoher Konfidenz liefern kann.
- Die Ereigniskorrelation überprüfen und mithilfe menschlicher Logik den Algorithmus dabei anleiten, was er im Hinblick auf Ereignisabhängigkeiten lernen soll und was nicht.
- Die Analyse der Maschine validieren, bevor ihre Empfehlungen umgesetzt werden.
- Verstehen, wie eine Maschine zu einer Erkenntnis, Entscheidung oder Schlussfolgerung gelangt ist.
Mehr lesen: Was ist Explainable AI (XAI)?
Abgesehen von diesen Eingriffen können IT-Teams dank der weitgehend automatisierten Rolle von KI im Netzwerkbereich ihre Ressourcen strategischen Aufgaben mit hohem Mehrwert widmen, etwa der digitalen Benutzererfahrung und der Bündelung digitaler Initiativen.
Lesen Sie als Nächstes: Die Zukunft des Netzwerkmanagements mit AIOps
Lesen Sie als Nächstes: Die wichtigsten Business-KI-Trends für 2022