Cloud-Lösung: Mehr Usabiltity durch KI?

Fortsetzung des Artikels von Teil 2.

Die Cloud skaliert selbst nach Bedarf

Es geht auch anders: Der Kölner Cloud-Provider Gridscale beispielsweise definiert die Cloud nicht von der Angebots-, sondern von der Anwenderseite her. Jede Instanz hat einen festen Preis, der nutzungsabhängig berechnet wird. Das ist transparent und einfach handhabbar. Über die API können Instanzen bei Bedarf schnell abgeschaltet werden und verursachen dann sofort keine Kosten mehr.

Doch Cloud-Usability kann noch mehr als einfache Handhabung bedeuten: einen Plattform-as-a-Service etwa, der sich als vollautomatisierter Cloud-Betrieb elastisch an das Business anpasst, bestenfalls ohne Eingreifen des Nutzers. Ein solcher intelligenter Algorithmus ermöglicht eine Reihe datenbasierter Cloud-Services. Aufgrund der gesammelten Erfahrungen kann das System Prognosen errechnen, wie sich die Workloads entwickeln werden. Zusätzlich benötigte Kapazitäten stehen  automatisch bereit, wenn sie benötigt werden – sogenanntes Autoscaling. Darüber hinaus ist es beispielsweise möglich, Workloads live zu migrieren. So können sie umverteilt werden, weil etwa Wartungsarbeiten am Server durchgeführt werden müssen oder aber auf eine günstigere Ressource umgelagert werden sollen. Auch Einbruchsversuche in die IT-Infrastruktur zählen zweifelsohne zu den Anomalien – und auch diese sind anhand bestimmter Parameter, beispielsweise spezifische Muster im Netzwerk-Verkehr, frühzeitig erkennbar. 

Damit hält die Künstliche Intelligenz Einzug ins Rechenzentrum. Ein Machine-Learning-Algorithmus überwacht alle Metriken der Cloud-Umgebung, wie beispielsweise die Auslastung und Temperatur der CPU, die Anzahl der I/O-Zugriffe, die Latenzzeiten und vieles mehr. In einem längeren Prozess lernt der Algorithmus aus praktischen Ereignissen, was Anomalien gemessen am Normalbetrieb sein können und welche Maßnahmen einzuleiten sind. Das Ziel hinter Machine Learning in der Cloud wird eindeutig: Der Nutzer definiert, welche Parameter hinsichtlich Performance, Kosten, Verfügbarkeit und Sicherheit die Cloud erfüllen soll. Der intelligente Algorithmus setzt diese um und passt die Cloud entsprechend immer wieder neu an.