Fünf Herausforderungen für eine skalierbare Observability

Um effektiv mit der ständig wachsenden Nachfrage nach digitalen Services Schritt zu halten, benötigen IT-Teams umfassende Einblicke in ihre IT-Umgebungen. Herkömmliche Monitoring-Lösungen und manuelle Ansätze scheitern jedoch daran, die dynamische Natur heutiger Multi-Cloud- und Cloud-nativer Umgebungen zu überwachen.

Das Software-Intelligence-Unternehmen Dynatrace hat fünf wesentliche Herausforderungen identifiziert, die Unternehmen im Blick behalten sollten, wenn sie schnell und effizient eine skalierbare Observability erreichen möchten:

1. Container, Microservices und Kubernetes

Der Einsatz Cloud-nativer Architekturen mit Microservices, Containern und Kubernetes bietet Unternehmen höhere Agilität, Effizienz und Skalierbarkeit und ermöglicht somit schnellere Innovationen. Allerdings führen diese Architekturen auch zu extrem dynamischen Umgebungen, die sich im Minutentakt oder noch schneller verändern. Mit manuellen Ansätzen zur Konfiguration und Instrumentierung von Apps oder zum Erstellen von Skripten und Quellen für die Daten ist es nahezu unmöglich, mit diesem Veränderungstempo Schritt zu halten. Tatsächlich sagen 77 Prozent der deutschen CIOs laut einer Umfrage, dass die Komplexität ihrer Cloud-Umgebung die menschlichen Möglichkeiten übersteigt, diese zu verwalten. Daher wird eine Automatisierung der Observability, die auf den Säulen Metriken, Logs und Traces basiert, immer wichtiger, um Cloud-native Umgebungen zu beherrschen. 

2. Tatsächliche User Experience

Exzellente Benutzererfahrungen sind geschäftsentscheidend. Dazu werden digitale Angebote kontinuierlich überprüft und verbessert. Wenn Unternehmen jedoch nicht sehen, wie reale User ihre Anwendungen und Software erleben, reduziert dies den konkreten Wert, den Unternehmen durch ihre Observability-Aktivitäten erzielen können. Ohne die Messung des Nutzererlebnisses aus der Perspektive des Anwenders ist es unmöglich zu wissen, ob die Anwendungen so funktionieren, wie sie sollten. Unternehmen müssen außerdem in der Lage sein, diese Informationen in einen Kontext zu stellen. Nur dann erkennen sie das Gesamtbild und verstehen, wie sich die Performance ihrer digitalen Services auf die User Experience auswirkt. Das lässt sich nur mit einer einzigen Plattform und einem einheitlichen Datenmodell erreichen.

3. IT-Silos

Die IT wird immer mehr zu einer geschäftlichen Notwendigkeit. Trotzdem betrachten die meisten Unternehmen ihre Observability-Daten isoliert von wesentlichen Geschäftskennzahlen wie Umsatz und Konversionsraten. Dadurch werden die Zusammenhänge zwischen wichtigen Kennzahlen aus IT und Business leicht übersehen und somit der Kontext nicht beachtet. So übersieht das Business-Team beispielsweise einen plötzlichen Rückgang oder Anstieg der E-Commerce-Käufe, nachdem das IT-Team ein neues Software-Update für eine Back-End-Anwendung implementiert hat.

4. Viel zu viele Überwachungstools

Unternehmen nutzen durchschnittlich zehn verschiedene Monitoring-Tools, um ihre Multi-Cloud-Umgebungen zu überwachen. Daraus resultieren enorme Datenmengen und widersprüchliche Alarmmeldungen in sehr kurzer Zeit, die IT-Teams nicht mehr manuell zusammenfassen oder auswerten können. Sie verlieren trotz vieler Tools den Überblick. 82 Prozent der befragten CIOs in Deutschland sagen deshalb, dass der einzige effektive Lösungsweg darin besteht, die Anzahl der Tools und den manuellen Aufwand zu reduzieren, den IT-Teams in die Überwachung und Verwaltung der Cloud investieren.

Sie fordern eine einzige Plattform, die eine End-to-End-Überwachung ermöglicht. Das wird jedoch nicht alle Probleme lösen, da IT-Teams auch dann noch sehr große Datenmengen schnell genug interpretieren müssen. Deshalb wird KI hierbei immer wichtiger. Sie versetzt IT-Teams in die Lage, Observability-Daten sofort in verwertbare Erkenntnisse umzuwandeln, die zur Optimierung von Diensten und zur Lösung von Problemen genutzt werden können.

5. Manuelle DIY-Lösungen

Viele Unternehmen verfolgen einen Do-it-yourself-Ansatz bei der Observability, indem sie die Instrumentierung manuell in den Anwendungscode einbauen, während sie entwickeln. Dies ist nicht nur ein zeitaufwändiger Prozess, der Team-Ressourcen beansprucht, er schafft auch blinde Flecken. Während neuere Systeme oft eine eingebaute Observability-Funktion besitzen, ist dies bei vielen älteren Systemen nicht der Fall. So kommt es, dass Unternehmen durchschnittlich nur 9 Prozent der Anwendungs- und Infrastrukturumgebungen von digitalen Teams vollständig überwachen können, wie Untersuchungen zeigen. 

KI und Automatisierung sind der Schlüssel, um Herausforderungen im Bereich der Observability zu meistern und IT-Teams in die Lage zu versetzen, Risiken zu erkennen und bessere Geschäftsergebnisse zu erzielen. 

www.dynatrace.de