USU ergänzt seine marktführende IT-Monitoring-Lösung um ein wichtiges KI-basiertes Modul zur intelligenten dynamischen Schwellwertberechnung. Für die qualitativ hochwertige und lückenlose Überwachung auch komplexer hybrider IT-Infrastrukturen können Verantwortliche damit künftig für alle relevanten Metriken wie z.B. CPU- bzw. Festplattenauslastung Schwellwerte konfigurieren, die sich flexibel an die reale Nutzungskurve der Anwender anpassen.
Bei der Messung von Leistungswerten ist es oft schwer, die jeweils richtigen Schwellwerte festzulegen. Während eine zu niedrige Einstellung häufig Fehlalarme („False-Positives“) erzeugt, reagiert das Monitoring bei zu hohen Werten u.U. zu spät. Das neue Modul USU Smart Baselining, das von den KI-Spezialisten des USU-Forschungsbereichs entwickelt wurde, nutzt selbstlernende Algorithmen, um auf Basis historischer Daten Muster zu erstellen und so kontinuierlich Schwellwerte zu berechnen und anzupassen. Beispielsweise wird bei der CPU-Auslastung der Peak am Montagmorgen berücksichtigt, wenn alle Nutzer nach dem Wochenende ihre IT-Endgeräte starten.
Im Vergleich zu einem statisch definierten Schwellwert von z.B. 90 Prozent können Verantwortliche durch diesen dynamischen Ansatz den Abstand zwischen realem Messwert und Schwellwert flexibel festlegen. Dadurch verbessern sich die Qualität der Alarmierung und das frühzeitige Erkennen von Anomalien deutlich.
Bei der Messung von Leistungswerten ist es oft schwer, die jeweils richtigen Schwellwerte festzulegen. Während eine zu niedrige Einstellung häufig Fehlalarme („False-Positives“) erzeugt, reagiert das Monitoring bei zu hohen Werten u.U. zu spät. Das neue Modul USU Smart Baselining, das von den KI-Spezialisten des USU-Forschungsbereichs entwickelt wurde, nutzt selbstlernende Algorithmen, um auf Basis historischer Daten Muster zu erstellen und so kontinuierlich Schwellwerte zu berechnen und anzupassen. Beispielsweise wird bei der CPU-Auslastung der Peak am Montagmorgen berücksichtigt, wenn alle Nutzer nach dem Wochenende ihre IT-Endgeräte starten.
Im Vergleich zu einem statisch definierten Schwellwert von z.B. 90 Prozent können Verantwortliche durch diesen dynamischen Ansatz den Abstand zwischen realem Messwert und Schwellwert flexibel festlegen. Dadurch verbessern sich die Qualität der Alarmierung und das frühzeitige Erkennen von Anomalien deutlich.
