Zum Hauptinhalt springen
KI-MODUL

SIE HABEN ALERTS. ABER KEINE VERLÄSSLICHE PRIORISIERUNG.

Vaiking filtert, bewertet und eskaliert nur Alarme, die im Betriebskontext als kritisch eingestuft werden.

Voraussetzung: Vaiking Monitoring. Für einen durchgängig automatisierten Regelkreis kombinierbar mit dem Automatisierungs-Modul.

Vaiking KI-Modul: Adaptives Schwellenwert-Band mit Anomalie-Erkennung — Backup-Job im Normalbereich, Anomalie rot markiert
01 — DAS PROBLEM

ALARM-RAUSCHEN IST KEIN REINES EFFIZIENZPROBLEM. ES ERHÖHT DAS RISIKO, RELEVANTE EREIGNISSE ZU ÜBERSEHEN.

Wenn täglich zwanzig Alarme für Backup-Jobs und Wartungsspitzen ausgelöst werden, gewöhnt sich das Team daran. Alarme werden ignoriert. Quittiert. Ohne nachzuschauen.

Und wenn der echte Vorfall genau dann kommt, zwischen einem Backup-Alarm und einem Wartungsfenster, geht er im Rauschen unter. Das Problem ist nicht zu wenig Monitoring. Es ist zu viel Lärm für zu wenig echte Signale.

02 — WAS SICH ÄNDERT

KRITISCHE ALARME GEHEN NICHT MEHR IM RAUSCHEN UNTER.

Kritische Alarme gehen nicht mehr im Rauschen unter

Saisonale Lastspitzen, Wartungszyklen und wiederkehrende Betriebsmuster werden als normal erkannt. Das KI-Modul lernt, welche Korrelationen zwischen Server-Last, Kühlleistung und Energiebedarf für Ihre Umgebung typisch sind. Was übrig bleibt: echte Abweichungen.

Ausfälle sichtbar, bevor Schwellenwerte gerissen werden

CPU-Last, Temperatur und Energiebedarf werden gemeinsam bewertet, nicht isoliert. Das System erkennt Abweichungen, bevor einzelne Grenzwerte überschritten werden.

Predictive Maintenance

Das System erkennt Muster in Zeitreihendaten, die auf bevorstehende Ausfälle hinweisen.

Kapazitätsplanung

KI-Analysen fließen in Kapazitätsentscheidungen ein. Das System bewertet nicht nur, was aktuell kritisch ist, sondern auch absehbare Engpässe.

Priorisierung wird verlässlich

Wenn das Team reagiert, ist der Anlass durch das System validiert, nicht durch Einschätzung des Einzelnen.

03 — WAS AUSSCHLIESSLICH DAS KI-MODUL KANN

WENIGER FEHLALARME. OHNE MANUELLE SCHWELLENWERT-PFLEGE.²

Das KI-Modul ist das einzige Modul, das nicht auf konfigurierten Grenzwerten reagiert, sondern auf dem, was für Ihren spezifischen Betrieb normal ist.

Vergleich: Statischer Schwellenwert (falscher Alarm beim Backup-Job) vs. dynamisches KI-Band (kein Alarm beim Backup, Alarm bei echter Anomalie)

Optimierungspotenzial aus abhängigen Betriebsgrößen

Server-Last, Kühlleistung und Energieverbrauch der Klimaanlage sind voneinander abhängige Größen. Das KI-Modul erkennt Betriebspunkte, bei denen die Performance konstant bleibt und der Gesamtenergieeinsatz reduzierbar ist. Wer IT-Last und Gebäudetechnik getrennt auswertet, sieht dieses Potenzial nicht.

Adaptive Schwellenwerte statt statischer Grenzen

Das KI-Modul lernt, welche Werte für diesen Host zu dieser Tageszeit und Jahreszeit normal sind. Saisonale Lastspitzen und Wartungszyklen werden als Muster erkannt. Ein Alarm entsteht erst bei einer echten Abweichung vom gelernten Normal, nicht bei jedem Wert oberhalb einer festen Grenze.

Jede Erkennung mit Begründung

Das Dashboard zeigt für jede KI-Erkennung, warum das System eine Abweichung als Anomalie eingestuft hat. Confidence-Score auf Metrik-Ebene. Keine Modellausgabe ohne Kontext.

² Dynamische KI-Schwellenwerte: durch Gebrauchsmuster geschützt.

04 — KONTROLLE & VERTRAUEN

KEINE BLACK BOX IN KRITISCHER INFRASTRUKTUR.

Jede Erkennung rechenschaftspflichtig

Was das System als Anomalie eingestuft hat, können Sie begründen. Confidence-Score auf Metrik-Ebene, Begründung direkt im Dashboard. Keine Modellausgabe ohne Kontext.

Eigene Modelle, trainiert auf Ihre Daten

Keine externen KI-Dienste: kein OpenAI, kein Azure AI, keine Cloud-API. Die Modelle werden auf Ihren historischen Betriebsdaten trainiert. On-Premise oder im dtm-eigenen Rechenzentrum.

Sechs Jahre Testbetrieb im eigenen Rechenzentrum

Das KI-Modul wurde sechs Jahre im 4,4-MW-Forschungsrechenzentrum in Schweden getestet, bevor es in Kundenumgebungen eingesetzt wurde. Nicht in einem Labor. Im Live-Betrieb, unter realen Lastbedingungen.

Abschaltbar ohne Auswirkung auf das Monitoring

Das KI-Modul ist buchbar oder nicht. Das Basis-Monitoring läuft davon unabhängig. Vaiking setzt KI nur dort ein, wo der Mehrwert nachweisbar messbar ist.

05 — CLOSED LOOP IN DER PRAXIS

VON DER ANOMALIE ZUR AKTION: OHNE MANUELLEN EINGRIFF

Closed-Loop Sequenz: Anomalie erkannt → Automatisierungs-Trigger → PRE ✓ EXEC POST ✓

Ein Host zeigt ungewöhnliche Korrelation: CPU-Last, Gehäusetemperatur und Energiebedarf steigen gemeinsam, kein Einzelausreißer, ein Muster.

KI: Confidence-Score ausreichend. Anomalie bestätigt.

PRE: Ressourcen auf Nachbar-Host verfügbar. Kein Wartungsfenster aktiv.

EXEC: Lastverlagerung auf weniger belasteten Host.

POST: Ziel-Zustand erreicht. Anomalie aufgelöst.

Kein zusätzliches Ticket. Keine unnötige Eskalation. Vollständig protokolliert.

Das ist Closed Loop: KI-Erkennung direkt in Automatisierungsaktion, über denselben Datenstrom, ohne Medienbruch.

¹ Erfordert Automatisierungs-Modul.

06 — WIE MAN STARTET

ERSTE ERGEBNISSE NACH TAGEN. NICHT NACH MONATEN.

Das KI-Modul wird auf den bestehenden Vaiking Monitoring-Datenstrom aufgesetzt. Keine zusätzliche Infrastruktur, kein separates System. Erste nutzbare Ergebnisse entstehen nach Tagen. Saisonale Genauigkeit wächst mit der historischen Datenbasis. Das ist der Grund, warum die Zahlen verlässlich sind, wenn sie kommen.

Für einen durchgängig automatisierten Regelkreis: kombinierbar mit dem Automatisierungs-Modul. KI-Erkennungen werden direkt als Trigger genutzt: Erkennung, Entscheidung und Aktion ohne Medienbruch.

07 — EINFÜHRUNG OHNE RISIKO

PARALLEL ZU BESTEHENDEN ALARMEN. SCHRITTWEISE AKTIVIERBAR. ABBESTELLBAR OHNE SYSTEMEINGRIFF.

Bestehende Alarm-Regeln bleiben aktiv

Die KI-Auswertung läuft parallel zu konfigurierten Schwellenwert-Alarmen. Keine bestehende Regel wird durch das KI-Modul verändert oder abgeschaltet. KI-Erkennungen ergänzen die Alarme, sie ersetzen sie nicht.

Stufenweise Aktivierung nach eigenem Tempo

Das Team entscheidet, ob KI-Erkennungen zunächst nur sichtbar gemacht oder direkt zur Priorisierung genutzt werden. Automatisierte Eskalation wird separat freigegeben. Ergebnisse beobachten, bevor Verantwortung übertragen wird.

Modelle auf Ihren Daten, keine externe Abhängigkeit

Das Modell trainiert ausschließlich auf Ihren historischen Betriebsdaten. Kein Vergleich mit anderen Kundensystemen, keine geteilte Datenbasis. Die Baseline ist Ihr Betrieb.

Entscheidung reversibel

Das KI-Modul kann ohne Systemeingriff abgestellt werden. Alle konfigurierten Schwellenwert-Alarme bleiben aktiv. Das Basis-Monitoring ist zu keinem Zeitpunkt vom KI-Modul abhängig.

Wie die Module zusammenspielen

08 — NÄCHSTER SCHRITT

SIE WISSEN, WAS DAS KI-MODUL LEISTET. JETZT KLÄREN WIR, OB ES ZU IHREM MONITORING PASST.

Wir prüfen, ob Alarmrauschen und Priorisierung in Ihrem Setup durch das KI-Modul lösbar sind.