Unsere Lösung für Serviceausfälle mittels Machine Learning

Serviceausfälle müssen schnell erkannt und behoben werden. Außerdem gilt es diese in Zukunft proaktiv zu verhindern.

Dieser Use Case ist ein interaktives Beispiel für die Transformation von Prozessen mit Hilfe von Workflows auf einer Software-as-a-Service (SaaS)-basierten Plattform. Er demonstriert am Beispiel Retail den Mehrwert proaktiver Störungserkennung.

Die Analyse-, Intelligenz- und Automatisierungsfunktionen der Now-Plattform ermöglichen es Kunden, Serviceausfälle auf automatisierte und geregelte Weise vorherzusagen und zu verhindern. Die Plattform macht dies möglich, indem sie Geschäftsrisiken transparent macht, proaktive Analysen durchführt und Abhilfemaßnahmen vorschlägt. Über Sensoren bzw. Schnittstellen zu verschiedensten Systemen wird die Plattform mit Daten versorgt.

Alex ist Senior Incident Manager bei unserem Beispielunternehmen und erhält eine Push-Benachrichtigung, die vor einem wahrscheinlich auftretenden Serviceausfall warnt. Es werden ausführliche Details des Problems angegeben, die anhand historischer Informationen zusammengestellt wurden und auf einen baldigen Ausfall hindeuten. Alex kann sich in Echtzeit einen Überblick über die potenziellen Auswirkungen verschaffen. Bei der Untersuchung der Ursache erfährt er, dass die Unterbrechung auf ein Speicherleck zurückzuführen ist, das durch eine kürzlich durchgeführte Änderung verursacht wurde. Er kann Rückschlüsse aus verwandten Vorfällen, Problemen und Änderungen ziehen, die mit dem aktuellen Problem in Verbindung stehen könnten. Mithilfe von historischen Trends und Machine-Learning-Algorithmen werden Alex empfohlene Abhilfemaßnahmen angezeigt. Sobald eine Maßnahme ausgewählt ist, werden Schritte zur Prozessautomatisierung und nötigen Genehmigungen angezeigt. Nach Abschluss der Abhilfemaßnahmen werden die Ergebnisse angezeigt und zur Machine-Learning-Datenbank hinzugefügt. Der Serviceausfall wurde durch die Erkennung der Anomalie, die Identifizierung der Grundursache und die Automatisierung der Abhilfemaßnahmen verhindert.