Automatisierte Überwachung von IT-Systemen mit KI

Herausforderung
Zur Anomalieerkennung werden in der IT-Sicherheit manuell festgelegte Schwellenwerte genutzt. Diese statischen Messgrenzen können jedoch nicht alle Szenarien oder Systemeigenschaften abdecken. So werden z. B. saisonale Schwankungen nicht berücksichtigt oder komplexere Muster nicht erkannt.

Zielsetzung
Das Projektteam möchte zeigen, dass KI mithilfe der Methode des unüberwachten Lernens Anomalien in Zeitreihendaten erkennen und die Genauigkeit gegenüber schwellenwertbasierten Ansätzen erhöhen kann. Auf dieser Basis entsteht darüber hinaus ein KI-Tutorial zum Thema „Unüberwachtes Lernen“, das verschiedene Anwendungsfällen interaktiv darstellt. So werden auch andere Unternehmen befähigt, diese und weitere Anwendungen eigenständig umzusetzen.

Projektbeschreibung
Für die KI-gestützte Überwachung von IT-Systemen wird ein Ansatz entwickelt, der unüberwachtes Lernen zur Erkennung von Anomalien in Zeitreihendaten nutzt. Zunächst sammelt das Projektteam dafür historische Daten, die als Grundlage für das Training der KI-Modelle dienen sollen. Durch Methoden des unüberwachten Lernens können die KI-Modelle aus diesen Daten eigenständig lernen, welche Muster den regulären Systemzustand ausmachen und, daraus ableitend, Abweichungen zuverlässig identifizieren. Parallel dokumentiert das Projektteam das Verfahren und bereitet es detailliert in Form eines praxisnahen KI-Tutorials auf. Dieser Leitfaden soll anderen Unternehmen den Einstieg in die Umsetzung von KI erleichtern und den Transfer auf weitere Anwendungen im eigenen Betrieb ermöglichen.