Komplexität der Cloud fordert das Management

Cloud-Architekturen sind für Unternehmen entscheidend, um ihre Ziele bei der digitalen Transformation zu erreichen. Die Verwaltung und die Analyse der Daten werden jedoch schwieriger. Eine aktuelle Studie sieht im Einsatz künstlicher Intelligenz einen Lösungsansatz.

Technologie ist nicht erst seit der Digitalisierung ein wichtiger Faktor für Finanzdienstleister. Im Bank Blog finden Sie Studien zu den wichtigsten Trends und Entwicklungen.

Partner des Bank Blogs

Eine weltweite Umfrage unter 1.303 CIOs und leitenden IT-Experten, die in Unternehmen mit mehr als 1.000 Mitarbeitern für das Cloud- und IT-Betriebsmanagement zuständig sind, wurde im Auftrag von Dynatrace durchgeführt. Coleman Parkes befragte dabei 200 Teilnehmer aus den USA, 100 aus Lateinamerika, 603 aus Europa, 150 aus dem Nahen Osten und 250 aus dem asiatisch-pazifischen Raum. 

Aktuelle Lösungen reichen nicht aus, um aus Daten, die in Cloud-nativen Architekturen entstehen, aussagekräftige Analysen zu erstellen, so die Ergebnisse der Studie. Um die Observability und Sicherheit aufrechtzuerhalten sind die Teams laut der Umfrage auf mehrere verschiedene Monitoring- und Datenanalyselösungen angewiesen. Aus diesem Grunde sei es nicht leicht, schnell Antworten zu finden und die digitale Transformation zu fördern. 

Verwaltung der Datenexplosion als Herausforderung 

71 Prozent der befragten CIOs vertreten die Ansicht, die Verwaltung der durch die Cloud-native Technologie-Stacks erzeugten Datenexplosion übersteige die menschlichen Fähigkeiten. 77 Prozent geben an, dass sich ihre IT-Umgebung mindestens einmal pro Minute ändert. Die Teams nutzen im Durchschnitt über zehn Monitoring-Tools für ihren gesamten Technologie-Stack, haben aber lediglich 9 Prozent Observability in ihrer IT-Umgebung. 59 Prozent der Befragten gehen davon aus, dass ihre Teams ohne einen stärker automatisierten Ansatz für den IT-Betrieb aufgrund der ansteigenden Komplexität ihres Technologie-Stacks bald überfordert und überlastet sein werden. 64 Prozent der CIOs geben an, es sei schwieriger geworden, genügend qualifizierte IT-Ops- und DevOps-Experten für die Verwaltung und Wartung der Cloud-nativen Stacks zu akquirieren und zu halten.  

Während Unternehmen von der Flexibilität und Skalierbarkeit dieser Technologien profitierten, werde die Verwaltung und die Analyse der explosionsartigen Zunahme von Observability- und Sicherheitsdaten, die sie produzieren, immer schwieriger. Bestehende Tools – und davon kann es Dutzende geben – halten Daten in Silos. Dies mache es schwierig und kostspielig, dann die Erkenntnisse zu gewinnen, wenn Unternehmen sie brauchen. In der Folge falle es ihnen schwer, die höchsten Sicherheits- und Leistungsstandards für ihre digitalen Dienste zu erreichen.

KI und Automatisierung zur Unterstützung

45 Prozent der befragten CIOs bewahren nur die wichtigsten Daten auf, da es zu teuer sei, die enorme Menge an Observability- und Sicherheitsdaten mit den vorhandenen Analyselösungen zu verwalten. Unternehmen erfassen durchschnittlich lediglich 10 Prozent der Observability-Daten für Abfragen und Analysen. Fast zwei Drittel der Befragten bemängeln, dass die Kosten und Verzögerungen durch Reindizierung und Rehydration es erschweren, aus den zunehmenden Datenmengen Nutzen zu ziehen. 43 Prozent gehen davon aus, dass die derzeitigen Ansätze zur Erfassung und Speicherung von Observability-Daten den zukünftigen Anforderungen nicht gerecht werden. 93 geben an, dass AIOps und Automatisierung immer wichtiger werden, um den Mangel an qualifizierten IT-, Entwicklungs- und Sicherheitsexperten zu mindern. Zudem versuchen sie die Überlastung ihrer Teams durch die Komplexität moderner Cloud- und Entwicklungsumgebungen zu vermeiden. 

Einzelne Datenpunkte seien in einem Meer von Daten im Kontext viel wertvoller. Mit großem Aufwand würden Teams deshalb unterschiedliche Datenströme korrelieren. Dabei entgingen den heutigen manuellen Ansätzen die wichtigsten Erkenntnisse, nicht zuletzt da sie reaktiv und zu langsam seien. Es sei dringend ein neuer Ansatz für die Analyse und das Management der Observability- und Sicherheitsdaten erforderlich. 

Künstliche Intelligenz und Automatisierung sollten diesen Ansatz unterstützen und dazu beitragen, sämtliche Daten zu vereinheitlichen und ihre Beziehungen und Abhängigkeiten aktuell zu halten. So können Unternehmen den Wert ihrer Daten und Mitarbeiter optimieren, den Zeitaufwand für simple manuelle Aufgaben reduzieren und schnellere, sowie sicherere Innovationen ermöglichen.

Premium Abonnenten des Bank Blogs haben direkten kostenfreien Zugriff auf die Bezugsinformationen zu Studien und Whitepapern.