Anzeige

Fabrix.ai AIOps 4.0: Autonomes Netzwerkmanagement mit Agentic AI

Fabrix.ai AIOps 4.0: Autonomes Netzwerkmanagement mit Agentic AITelekommunikationsnetzwerke werden immer komplexer; herkömmliche Administrationsansätze stoßen an ihre Grenzen. Fabrix.ai optimiert Netzwerkinfrastrukturen autonom mit Agentic AI. Die Plattform erkennt Anomalien, behebt Probleme in Echtzeit und passt sich dynamisch an neue Anforderungen an. Das Ergebnis? Weniger Ausfälle, geringere Kosten und eine autonome Netzwerksteuerung.

Aus CloudFabrix wird Fabrix.ai. Der Experte für Observability- und Automatisierungslösungen erweitert seine Robotic Data Automation Fabric-Plattform (RDAF) um individuelle, mit Hilfe von generativer KI erstellter Agenten und läutet mit der neuen Operational-Intelligence-Plattform die nächste AIOps-Ära ein. Zielgruppe sind vor allem Betreiber großer Telekommunikationsnetze oder Server-Plattformen, aber auch Organisationen mit komplexen IT-Services-Landschaften.

Netzwerke sind das Rückgrat der digitalen Welt. Doch mit steigenden Datenmengen, neuen Technologien wie 5G und wachsenden Sicherheitsanforderungen wird das Management von Carrier- und Cloud-Infrastrukturen immer komplexer. Klassische, regelbasierte Automatisierung kann die Herausforderungen oft nicht mehr bewältigen – Agentic AI hingegen schon. Fabrix.ai bringt diesen neuen Ansatz in die Telekommunikationsbranche und kombiniert kognitive KI, prädiktive Analysen und autonome Netzwerksteuerung, um Carrier- und CSP-Netzwerke intelligenter und effizienter zu machen. Statt nur auf Probleme zu reagieren, denkt und handelt das System proaktiv. So sollen Ausfälle vermieden und  Kapazitäten dynamisch optimiert werden. Das Netzwerk steuert sich quasi selbstständig.

Die Weiterentwicklung der RDAF zur Operational Intelligence-Plattform ermöglicht es Benutzern, mit einfachen Konversationsphrasen autonome KI-Agenten für ITOps Agentic Workflows zu erstellen, einzusetzen und zu verwalten. Dazu können entweder neue Aufgabenbeschreibungen definiert oder eine der zahlreichen vordefinierten Vorlagen verwendet werden.

Fabrix.ai automatisiert Workflows in großen IT-Services-Landschaften mit Hilfe von Agentic AI. (Grafik: Fabrix.ai)Fabrix.ai automatisiert Workflows in großen IT-Services-Landschaften mit Hilfe von Agentic AI. (Grafik: Fabrix.ai)

Von KI-Agenten gesteuerte Workflows sind dynamischer als herkömmliche, zum Beispiel skriptgesteuerte Automatisierungen. Die Agenten konzentrieren sich darauf, ein bestimmtes Ergebnis zu erzielen, ohne dass ein Mensch eingreifen muss. Dazu durchforsten sie riesige Datensätze und übernehmen autonom Aufgaben wie Problemvalidierung bis hin zur Problembehebung.

Die Umbenennung der Firma in Fabrix.ai folgt der Weiterentwicklung der Unternehmensmission. Die Vision von Fabrix.ai ist es, Unternehmen mit KI-Fähigkeiten auszustatten, die nicht nur einfach zugänglich sind, sondern auch nahtlos in den täglichen Betrieb integriert werden können. Die Modern Operational Intelligence-Plattform soll Organisationen in die Lage versetzen, ohne besondere Vorkenntnisse eigene KI-Agenten zu entwickeln, einzusetzen und zu verwalten.

»Die Umbenennung in Fabrix.ai ist nicht nur eine Namensänderung, sondern auch ein Beweis für unser Engagement, die KI-Revolution im ITOps-Bereich anzuführen«, begründet Raju Datla, CEO von Fabrix.ai, die Namensänderung gegenüber den anwesenden Journalisten während der IT Press Tour im Hauptquartier der Firma in Pleasanton, Kalifornien. In der neuen Version der Plattform werden die Bots künftig von intelligenten Agenten eingesetzt und gesteuert. Komplexe Aufgaben werden rationalisiert. Intelligente Arbeitsabläufe sollen die digitale Transformation beschleunigen. Datlu freut sich darauf, »eine Plattform einzuführen, auf der KI-Agenten das Rückgrat der Produktivität bilden und die Effizienz und intelligente Entscheidungsfindung in Unternehmen vorantreiben.«

Anzeige

Was ist Agentic AI?

Agentic AI bezeichnet künstliche Intelligenz, die eigenständig Ziele verfolgt, Entscheidungen trifft und Handlungen ausführt, anstatt nur auf direkte Befehle zu reagieren. Diese KI-Systeme können ihre Umgebung analysieren, Pläne entwickeln und adaptiv auf neue Situationen reagieren, ähnlich wie ein autonomer Agent. Ihr Einsatz reicht von automatisierten Geschäftsanwendungen bis hin zu Robotik und komplexen Problemlösungen. Die folgenden Beispiele demonstrieren die Einsatzmöglichkeiten in der Praxis:

●       Mit Agentic AI lassen sich Netzoptimierung und Störungsbehebung von Infrastrukturen wie dem Carrier-Network eines Telco-Anbieters (z. B. Telekom) automatisieren. Dazu analysieren Agenten in Echtzeit den gesamten Netzwerkverkehr, erkennen Engpässe oder Störungen und leiten automatisch Gegenmaßnahmen ein. Das kann die dynamische Umverteilung von Bandbreiten oder das Aktivieren redundanter Routen sein. Serviceausfälle werden vermieden.

●       In industriellen Kommunikationsnetzwerken  wie dem eines großen Automobilherstellers können Produktionsstandorte intelligent vernetzt werden. Agentic AI überwacht und optimiert die Datenkommunikation zwischen Werken, Lieferanten und Fahrzeugen. Sie erkennt Verzögerungen oder Cyberangriffe, priorisiert kritische Datenströme und passt Netzwerkkonfigurationen autonom an, um eine reibungslose Supply-Chain sicherzustellen.

●       Behörden profitieren von der Automatisierung bei der Bedrohungserkennung und im Incident Response. Agenten analysieren sämtliche Netzwerkaktivitäten, erkennen verdächtige Muster (z. B. ungewöhnliche Zugriffe auf sensible Daten) und leiten ohne menschliches Eingreifen gezielte Maßnahmen ein – etwa das Sperren kompromittierter Accounts oder das dynamische Umleiten von Datenverkehr zur Schadensbegrenzung. Damit lassen sich nicht nur Sicherheitsvorfälle vermeiden. Agentic AI mindert die Auswirkungen von Fachkräftemangel.

Bekannte Anbieter von Agentic AI sind beispielsweise:

  1. Microsoft Copilot (inkl. Security Copilot) nutzt Agentic AI, um Arbeitsabläufe in Office-Apps zu automatisieren und in der Cybersecurity eigenständig Bedrohungen zu erkennen und zu bekämpfen.
  2. Google DeepMind AlphaCode löst komplexe Programmierprobleme eigenständig und generiert optimierte Code-Lösungen.
  3. Tesla FSD (Full-Self-Driving) setzt Agentic AI ein, um autonomes Fahren zu ermöglichen. Verkehrssituationen werden in Echtzeit analysiert; Entscheidungen können ohne Verzögerung durch zum Beispiel menschliche Reaktionszeit getroffen werden.
  4. Adept ACT-1 versteht natürliche Sprache und bedient eigenständig Softwareanwendungen, um Arbeitsabläufe zu automatisieren.
  5. AutoGPT ist eine Open-Source-Agentic-KI, die eigenständig Aufgaben plant und ausführt. Sie kann eigenständig verschiedene Quellen durchsuchen, Code schreiben oder komplexe Workflows automatisieren.

Auch in der Telekommunikationsbranche existieren relevante Agentic AI-Plattformen und Produkte. Juniper Mist AI ist eine KI-gesteuerte Netzwerkplattform mit dem Fokus auf autonome Fehlerbehebung, vorausschauende Wartung und Performance-Optimierung für Telekommunikations- und Cloud-Infrastrukturen. Nokia AVA nutzt Agentic AI zur automatisierten Netzwerkanalyse, um Anomalien frühzeitig zu erkennen, Traffic-Engpässe vorherzusagen und Netzwerkkonfigurationen dynamisch anzupassen. IBM Cloud Pak for Network Automation übernimmt Netzwerkmanagement, Service-Orchestrierung und Fehlerbehebung autonom.

Fabrix.ai ist noch nicht so stark im Mainstream vertreten wie Juniper Mist oder Nokia AVA, aber definitiv eine interessante Plattform, insbesondere in den Bereichen Network Intelligence und KI-gestützte Automatisierung. Partner sind von dem innovativen Ansatz für AIOps und Automatisierung beeindruckt. »Die neue Agentic AI-Plattform hebt die Dinge auf eine ganz neue Ebene«, sagt Satish Varma, CEO von Varutra. »Die Möglichkeit, KI-Agenten zu entwickeln und einzusetzen, die komplexe Aufgaben und Arbeitsabläufe selbständig verwalten können, ist für uns ein großer Fortschritt. Ich freue mich, mit Fabrix.ai zusammenzuarbeiten und die Plattform zu nutzen, um noch mehr Effizienz und Innovation in unserem Unternehmen zu erreichen.«

Fabrix.ai: Technologie und Funktionsweise

Fabrix.ai ist eine speziell für Telekommunikationsanbieter, Cloud-Service-Provider (CSPs) und Managed-Service-Provider (MSPs) entwickelte Agentic AI-Plattform. Die Plattform überwacht kontinuierlich Netzwerkdaten, erkennt Muster und identifiziert Engpässe oder Anomalien in Echtzeit. Bei Problemen optimieren intelligente Agenten unter anderem Routing, Bandbreitenzuweisung oder Lastverteilung, ohne dass menschliches Eingreifen nötig ist. Mit Hilfe von Machine Learning kann Fabrix.ai zukünftige Störungen vorhersagen und verhindern, bevor der Betrieb beeinträchtigt wird. Die Plattform besteht aus drei Bausteinen:

●       AI Fabric – ist ein verteilter KI-Agenten-Orchestrator, der es Kunden ermöglicht, Agenten sicher zu erstellen, einzusetzen und deren Lebenszyklus zu verwalten und dabei Leitplanken und Qualitätskontrollen zu gewährleisten. Sie lässt sich mit verschiedenen großen und kleinen Modellen, kuratierten Datensätzen und Automatisierungen integrieren, um agentenbasierte Workflows zu steuern.

●       Automation Fabric – ist ein ergebnisorientiertes Framework für Agentic Workflows, das Agenten, Automatisierung und Daten integriert, um Agentic Workflows zu erstellen. Es ist dynamisch und erweiterbar und kann auch mit anderen Drittanbieter-Engines wie Cisco BPA, NSO, Redhat Ansible, Terraform oder Camunda integriert werden.

●       Data Fabric – Robotic Data Automation Fabric (RDAF) ist eine semantische Datenfabrik, die Datenintegration mit mehr als 1000 Datenbots, Dateneingabe, Datenumwandlung, Datenanreicherung und Datenweiterleitung mit Hilfe von Telemetrie-Pipelines zu einer Quelle und einem Ziel deiner Wahl ermöglicht.

Bereits mit seinen Bots revolutionierte Fabrix.ai klassische Ansätze im Netzwerkmanagement. Statt blindem Herumstocherns in einer Flut von Meldungen versprechen die kleinen Helferlein anlassbezogene Workflow-Automatisierung. Mehr als 1.000 vordefinierte Bots helfen, Mean Time to Identify (MTTI) und Mean Time to Repair (MTTR) zu verkürzen, indem Netzwerktopologien in Echtzeit erkannt und Datenströme mit Anwendungs- oder Geschäftskontext sowie weiteren Informationen wie Geo-IP- oder DNS-Lookups, CVEs und TIP-Feeds angereichert werden.

Von Anfang an setzte Fabrix.ai auf KI-Unterstützung für  aufschlussreiche Zusammenfassungen und sofort umsetzbare Empfehlungen. Der integrierte GenAI-Assistent Macaw erlaubt die gezielte Abfrage von Informationen durch die Verarbeitung natürlicher Spracheingaben (NLP). Die Bots können für automatisierte Abläufe zu Observability- und Workflow-Pipelines für unterschiedliche Personas beliebig aneinandergereiht werden.

Der Kern von Fabrix.ai ist die RDAF mit mehr als 1.000 Bots. (Grafik: Fabrix.ai)Der Kern von Fabrix.ai ist die RDAF mit mehr als 1.000 Bots. (Grafik: Fabrix.ai)

Den Kern bildet ein Agentic AI Framework auf Basis eines eigens für den Zweck vortrainierten großen Sprachmodelles (Large Language Model, LLM). Die wichtigsten Aufgaben des agentenbasierten KI-Frameworks sind Agenten-Orchestrierung und Lebenszyklus-Management, die Überwachung von KI-Guardrails, die Verwaltung von Daten und Aktionsprivilegien für Agenten, das Monitoring sowie Qualitätskontrolle und -sicherung von Agenten. Für die Ausführung eines Tasks werden unterschiedliche Implementierungen von KI (Node-Typen) benötigt:

●       Query Node (Natural Language Processing): Führt auf Basis des User-Inputs Abfragen gegen die Data Fabric aus, um die benötigten Daten oder Aggregationen abzurufen.

●       Generation Node (Deep Search, Analysis): Mit Hilfe generativer KI werden Zusammenfassungen, Erkenntnisse und Handlungsempfehlungen generiert.

●       Decision Node (Inference, Machine Learning): Ein sogenanntes Reasoning LLM trifft Entscheidungen auf der Grundlage von Daten und ggf. früheren Generierungsergebnissen, um die nächsten Schritte innerhalb des Graphen zu bestimmen.

●       Action Node (eigentliche Automatisierung): Nutzt die Automation Fabric, um automatisierte Aktionen durchzuführen, z. B. das Öffnen von Tickets, das Senden von Benachrichtigungen, das Auslösen anderer Agenten oder das Ausführen von Abhilfemaßnahmen.

Ein Orchestrator koordiniert das Zusammenspiel der unterschiedlichen Nodes. Die Kombination der einzelnen Knoten wird auch als Task-Graph bezeichnet. Ein Guardrails Modul stellt sicher, dass sich das LLM an die definierten Vorgaben hält und nicht abweicht.

Um Halluzinationen, Voreingenommenheit (BIAS) und ethische Probleme bei KI-Agenten zu vermeiden, sind kuratierte Daten aus den Bereichen Observability, Netzwerk und Sicherheit entscheidend. RDAF verfügt über Pipelines, die das Sammeln und Einlesen von Daten aus verschiedenen Datenquellen ermöglichen.

Diese Daten können entweder in der RDAF gespeichert oder an andere Datenplattformen weitergeleitet werden. Befinden sich die Daten bereits auf Plattformen wie Splunk, Opensearch, Elasticsearch oder Arango DB (Graph Database), kann Fabrix.ai diese Daten direkt für die Visualisierung und Agentic-AI-Funktionen nutzen. Die Daten müssen dazu nicht erneut in Fabrix.ai eingespeist werden. Der Hersteller fügt ständig weitere Datenbanken hinzu, die nativ integriert sind. Die jeweils aktuelle Übersicht kann der technischen Dokumentation entnommen werden. Die Integration erfolgt über standardisierte Schnittstellen. Für die Nutzung der Daten aus externen Datenbanken oder Drittanbieter-Plattformen werden lediglich die API-Anmeldeinformationen in der RDAF benötigt.

Die Notwendigkeit von KI-Leitplanken

KI-basierte Agenten, die bestimmte Aufgaben selbständig ausführen sollen, benötigen Leitplanken. Diese sollen unbeabsichtigte oder schädliche Aktionen verhindern. Das ist besonders wichtig in Umgebungen, die den Benutzern die Erstellung eigener Agenten ermöglichen.

Es gibt drei Arten von KI-Leitplanken:

  1. Normale oder vernünftige Leitplanken sind grundlegende Leitplanken. Damit soll verhindert werden, dass KI-generierte Ausgaben Schimpfwörter enthalten oder eine für ein berufliches Umfeld unangemessene Sprache verwendet sowie schädliche bzw. illegale Aktivitäten gefördert werden.
  2. Branchen-/bereichsspezifische Leitplanken sind auf bestimmte Branchen oder Bereiche zugeschnitten. Sie basieren auf Best Practices der Branche und stellen die Einhaltung einschlägiger Vorschriften und Gesetze sicher (Compliance). So muss ein KI-Agent im Gesundheitswesen beispielsweise die Vorgaben für den Umgang mit Patientendaten einhalten.
  3. Unternehmens-/umweltspezifische Leitplanken sind spezifisch für ein bestimmtes Unternehmen oder eine bestimmte Umgebung. Sie setzen die Unternehmensrichtlinien und -werte durch und stellen sicher, dass der Output der KI mit der Kultur und den Standards der Organisation übereinstimmt.

Auch wenn einige KI-Modelle bereits mit bestimmten Leitplanken trainiert wurden, ist nicht gewährleistet, dass diese umfassend sind und alle schädlichen Aktivitäten verhindern. Ein robustes, agentenbasiertes KI-System muss sicherstellen, dass Agenten niemals ein unerwünschtes Verhalten an den Tag legen. Die Leitplanken von Fabrix.ai basieren auf etablierten Benchmarks. Kunden können die Leitplanken weiter verfeinern, um ihre spezifischen Anforderungen zu erfüllen. Fabrix.ai überwacht jede Interaktion zwischen dem Agenten und dem LLM, um die kontinuierliche Einhaltung der festgelegten Leitplanken zu gewährleisten.

Verwaltung und Rechte der KI-Agenten

Autonome Agenten sind in der Lage, zahlreiche Aktionen auszuführen. Daher ist es von entscheidender Bedeutung, ihre Berechtigungen zu verwalten und die Anzahl der Aktionen, die sie ausführen können, zu begrenzen. Innerhalb der Data Fabric sind die Daten in Streams, Datensätzen und Graph DB-Sammlungen organisiert. KI-Agenten verfügen über benutzerähnliche Personas. Rollen und Berechtigungen definieren den Geltungsbereich und beschränken  den Zugriff auf bestimmte Streams, bestimmte Datenabschnitte innerhalb eines Streams oder einzelne Datensätze. Die agentenbasierte KI-Plattform stellt sicher, dass diese Handlungsprivilegien nicht von KI selbst außer Kraft gesetzt werden können.

Storyboards bieten Einblicke in den Betrieb und die Leistung von Agenten. Mit dem neuen Begriff will sich Fabrix.ai von alten Bezeichnungen wie GUI oder Dashboard abgrenzen. In den Storyboards werden Agenten- Workflows visualisiert, Fortschritt sowie Engpässe oder Bereiche mit Optimierungsbedarf dargestellt. Damit soll eine bessere Koordination der Agentenaktivitäten sowie Effizienz und Effektivität ermöglicht werden. Die vom LLM verwendeten Argumente werden detailliert festgehalten. So können Benutzer mit Hilfe des Storyboards den Entscheidungsprozess der KI verstehen und gegebenenfalls verfeinern.

Die Qualitätskontrolle von Agenten ist entscheidend für die Aufrechterhaltung der Zuverlässigkeit und Konsistenz von KI-Agenten. Der Prozess umfasst die kontinuierliche Überwachung des Agentenverhaltens, die Identifizierung und Behebung von Fehlern oder Leistungsproblemen sowie die Implementierung von Verbesserungen. Darüber hinaus werden Feedback der Nutzer sowohl zu bestimmten Agentenausführungen als auch zur Gesamtleistung der Agenten einbezogen. Diese Feedbackschleife ermöglicht es, die Leistung der Agenten oder aufkommende Probleme bei neuen Ausführungen zu erkennen. Das Modul zur Qualitätskontrolle von Agenten nutzt ebenfalls große Sprachmodelle, um sicherzustellen, dass die beabsichtigten Ergebnisse erzielt werden.

Die Plattform arbeitet herstellerunabhängig und lässt sich nahtlos in bestehende Telekommunikations- und Cloud-Umgebungen integrieren. Mit offenen APIs und einer modularen Architektur passt sich Fabrix.ai an individuelle Anforderungen an und sorgt für eine nahtlose, automatisierte Netzwerksteuerung. Selbst die Integration bereits vorhandener eigener LLMs ist möglich.

Fazit: Verbesserung durch Orchestrierung intelligenter Agenten

Agentic AI hilft Telcos, CSPs und MSPs dabei, Netzwerke effizienter zu betreiben, Störungen proaktiv zu beheben und Services intelligent zu optimieren. Fabrix.ai ist eine vielversprechende Lösung in der Telekommunikationsbranche – besonders wenn es um Zero-Touch-Automation, vorausschauende Netzwerkanalyse und KI-gestützte Entscheidungsfindung geht. Analysten wie Andy Thurai, VP & Principal Analyst bei Constellation Research, bestätigen: »Agentenbasierte KI-Workflows und Workflow-Orchestrierung sind der Schlüssel, um das volle Potenzial von Observability, AIOps und Automatisierung zu erschließen. Unternehmen können durch die Orchestrierung intelligenter Agenten, die analysieren, vorhersagen und autonom handeln können, eine noch nie dagewesene Effizienz, Ausfallsicherheit und proaktives Management in ihren IT-Umgebungen erreichen. Um diesen Weg einzuschlagen, bedarf es einer einfach zu bedienenden Plattform, damit die Initiativen schnell umgesetzt werden können.«

Weiterführende Links: