Montagmorgen: 10.000 Alarmmeldungen im Dashboard – für viele IT-Teams gehört das zum traurigen Alltag. Markus Klose von Elastic erklärt, wie KI aus diesem Datenchaos die fünf kritischen Meldungen herausfiltert, die sich das Team unbedingt vornehmen sollte. Im Interview spricht er über Agent Builder, Context Engineering und den Trend von passiven Antworten hin zu aktiven Maßnahmen. Das Ziel: weniger Brände löschen und mehr echten Mehrwert liefern.
Sie haben den Finger am Puls beim Thema KI. Welche spannenden Entwicklungen eröffnen sich da für Unternehmen in nächster Zeit?
Markus Klose: Das Thema entwickelt sich stetig weiter. Früher hatten wir Anwendungen, die rein mit lokalen Daten arbeiteten – Zusammenfassungen erstellen, Übersetzungen machen, Mehrwert generieren. Der Trend geht jetzt in Richtung Aktionen ausführen. Mithilfe von LLMs und dem Ökosystem drumherum generiere ich also nicht nur eine Antwort, sondern implementiere direkt eine Maßnahme. Beim Thema Observability könnte das heißen, dass wir mit reduzierter oder sogar ohne menschliche Interaktion schneller ein Problem beheben.
Das heißt, das Problem taucht auf und wird automatisch gelöst?
Markus Klose: Genau. Bleiben wir beim Beispiel Observability: Es gibt bekannte Probleme – die CPU ist hoch ausgelastet oder etwas Ähnliches. In jeder Company gibt es Playbooks oder Regeln, was man als SRE, als Entwickler oder als Techniker in so einem Fall tut. Statt aber nun jemanden anzurufen oder ein Ticket zu schreiben, starte ich einfach einen Prozess. Bei bestimmten Maßnahmen – etwa bei einem Server-Neustart – lässt sich das direkt per Skript lösen. Damit geht es schneller.
Verraten Sie doch bitte ein, zwei Beispiele für Unternehmen: Wo sehen Sie die klassischen Anwendungsfälle?
Markus Klose: Die klassischen Anwendungsfälle sollen die Leute entlasten. Viele Kunden berichten: Wenn ich am Montagmorgen zur Arbeit komme und nach dem Wochenende ins Dashboard schaue, sehe ich 10.000 Alarme.
Da habe ich ein bisschen was zu tun …
Markus Klose: Genau. Man kann jetzt die KI nutzen und sagen: „Arbeite aus diesen 10.000 Alarmmeldungen heraus, ob du irgendein Muster erkennst, einen Root Cause findest.“ Die klassische Heuhaufen-Nadel-Geschichte: Worauf soll ich mich fokussieren? Da ist KI sehr hilfreich, vor allem im Kontext mit den eigenen Daten. Die KI sagt mir: „Schau dir diese fünf an, die betreffen den Server.“ Dann weiß ich, wo ich anfangen muss, was das bekannte Problem der Alarmmüdigkeit vermeidet. Es geht also um Noise Reduction: Was habe ich an Informationen? Kann ich ein Pattern herausholen, kann ich mich auf etwas konzentrieren?
Zurück zu Elastic: Wie sind diese Daten in realen Szenarien mit und durch KI zugänglich?
Markus Klose: Es gibt zwei Kategorien: Einerseits die klassischen strukturierten Daten – Metriken, Log-Informationen, wo Feld, Inhalt und Bedeutung zueinander gehören. Auf der anderen Seite existieren unstrukturierte Daten – der Volltext ist eine unstrukturierte Sammlung mit vielen Informationen. Mit strukturierten Daten kann man in der Suche viel machen, wenn ich den Use Case kenne. Bei unstrukturierten Daten kann dann die KI helfen: Es gibt Modelle, die aus einem Text Orte, Personen und Zutatenlisten herausholen. Ich kann also mithilfe von KI Strukturen erschließen.
Die Zusammenarbeit zwischen Elastic und einem Unternehmen – wie funktioniert die typischerweise?
Markus Klose: Namen darf ich nicht nennen. Aber stellen Sie sich vor, wir haben einen Kunden, der Flugzeuge baut. So ein Flugzeug hat Teile, die man im Rahmen der Wartung austauschen muss. Doch wo finde ich die Informationen zu einem Teil, zu einem Wartungsprozess? Der Gast auf Sitz 22A hat sich beschwert, dass es rechts klappert. Was mache ich mit der Information? Mithilfe von vielen Dokumentationen, viel Kontext und einer Problemstellung findet die KI die richtigen Informationen und Lösungsansätze.
Wie ändert sich dadurch der Zeitaufwand?
Markus Klose: Sobald das Problem identifiziert ist, kann man innerhalb von Minuten fertig sein. Die Prozedur geht online vor sich, ich muss die Daten nicht erst aus dem Schrank holen und sie durchsuchen. Ich sage direkt mit natürlicher Abfragesprache: „Sag mir, welches Teil kaputt ist, wenn es da klappert.“ Jede Bodenmannschaft steht massiv unter Zeitdruck. Wenn sie schnell ihre Informationen findet, kann sie auch schneller helfen.
Haben Sie noch ein anderes Beispiel?
Markus Klose: Wir sind relativ viel mit Security Analytics unterwegs – SIEM und EDR. Unsere Kunden stehen vor 20.000 Alarmen, irgendetwas ist passiert. Was davon ist schädlich? Ich gleiche das ab mit den neuesten Informationen aus Online-Publikationen zu neu entdeckten Bedrohungen. Nicht alles, was in einem System passiert, muss zwingend sofort erkannt werden. Aber wenn ich ein Event habe, gleiche ich es mit den aktuellsten Informationen ab, um zu erkennen, ob es sich um ein bekanntes Pattern handelt. Wenn ja, dann reagiere ich. Auch hier läuft es auf Zeitersparnis heraus. Im Security-Bereich ist es entscheidend, schnell zu handeln. Wenn ein Angreifer mal drin ist, kann er alles Mögliche machen. Darum gilt: Schnell das Problem identifizieren, den Angreifer aussperren und den Host isolieren.
Sie sprechen von Pattern-Erkennung und Ă„hnlichkeiten. Welche Suchtechnologie nutzen Sie dafĂĽr?
Markus Klose: Hier kommt die Vektorsuche zum Einsatz. Wir wandeln Inhalte – Texte, Bilder, Videos, Audiodateien – in mathematische Beschreibungen um, sogenannte Vektoren. Stellen Sie sich das wie einen mehrdimensionalen Fingerabdruck vor. Dabei erfassen wir nicht nur einzelne Wörter, sondern auch deren Bedeutung und Kontext. Ein Beispiel: Die Begriffe „Flugzeug“, „Jet“ und „Maschine“ haben ähnliche Bedeutungen – und die Vektorsuche erkennt diese semantischen Zusammenhänge. Wir wandeln alle Dokumente in solche Vektoren um und machen das Gleiche mit den Suchanfragen. Dann finden wir nicht nur exakte Treffer, sondern auch inhaltlich passende Ergebnisse – auch wenn die Formulierung anders ist.
Und was kann man sich unter dem Agent Builder vorstellen?
Markus Klose: Agent Builder ist eine Funktionalität in unserem Elastic Stack, mit der Anwender schnell auf Daten zugreifen und diese mit einem Large Language Model verbinden können, um Mehrwerte herauszuziehen. Denn wir haben bei Kunden oft gesehen, dass viele Vorstellungen haben, was mit KI möglich wäre. Aber niemand kann es umsetzen, weil das relativ kompliziert ist. Mit dem Agent Builder kann ich zwar nicht innerhalb von zehn Minuten ein produktionsreifes System bauen, aber schnell Prototypen entwickeln, um es später zur Produktionsreife zu führen. Geht es bei der Aufgabe etwa um eine Filmdatenbank, dann sage ich: „Du bist jemand, der eine Movie Database durchsuchen soll. Hier findest du die Indizes zu Filmtiteln, Inhaltsangaben und Schauspielern.“ Diese so genannten Tunings legen also die Konfiguration für einen Agenten fest und geben an, was er durchsuchen und mit welchen externen Systemen er interagieren kann.
Context Engineering – können Sie das für unsere Leser einordnen?
Markus Klose: Wenn KI das Gehirn ist, dann ist Context Engineering ihr Gedächtnis. KI steht im Prinzip für Action – irgendetwas passiert, ich suche etwas, ich baue eine Zusammenfassung. Context Engineering beschreibt, wie man die Daten aufbereitet, speichert und bei der Abfrage nutzt. Je mehr Informationen ich der KI vermitteln kann – etwa: Du bist eine Movie-Datenbank – und je mehr ich in die Struktur, die Daten und die verschiedenen Datentöpfe einbringen kann, desto besser fällt die Qualität der Antwort aus. Context Engineering ist für die KI das, was der Körper für das Gehirn ist.
Wenn wir in einem Jahr noch einmal ĂĽber KI sprechen, was wird dann das beherrschende Thema sein?
Markus Klose: Wir reden sicherlich noch über Context Engineering und Agent Builder. Wir sind aber garantiert weiter – bei Elastic und in der Industrie. Es gibt immer mehr Apps und Funktionalitäten, die mit KI arbeiten. Wir sehen nicht nur die ersten Use Cases, sondern auch weitere, die einen echten Mehrwert bringen, also bessere Suchergebnisse und mehr Zeitgewinn. Wir sehen auch mehr zum Thema automatisierte Entscheidungen. Das gibt allen Mitarbeitern die Möglichkeit, nicht nur an Problemlösungen zu arbeiten, sondern Mehrwerte für die Firma zu generieren.
Also nicht: Sie kommen montags rein, haben 10.000 Fehlermeldungen und arbeiten diese bis Freitag ab, sondern sind schon nach dem Kaffee fertig?
Markus Klose: Genau. Sie sind nicht in „Ich muss die Alarme abarbeiten“ gefangen. Da kommen wir raus. Sie erschließen neue Datenquellen, machen die Systeme sicherer und rollen neue Software aus.
Das ausführliche Interview mit Markus Klose hören Sie hier.
Dieser Beitrag ist bereits älter als 90 Tage. Hier finden Sie die Übersicht neuer Sponsored Articles
.kommentar field