Erweiterungen für den Kubernetes-Support durch KI-Engine

Bild: Dynatrace GmbH

Dynatrace, die ‚Software Intelligence Company‘, hat neue Erweiterungen für den Kubernetes-Support auf der Konferenz Perform 2020 vorgestellt. Die Dynatrace KI-Engine Davis integriert nun automatisch zusätzliche Kubernetes-Events und -Metriken. Somit liefert sie in Echtzeit präzise Antworten auf Performance-Probleme und Anomalien über den gesamten Stack von Kubernetes-Clustern, Containern und Workloads hinweg. Zudem kann Dynatrace jetzt auch heterogene Container-Technologien innerhalb von Kubernetes automatisch erkennen, instrumentieren und abbilden. Dies vereinfacht das Implementieren und Verwalten selbst der größten und vielfältigsten containerisierten Umgebungen und somit die IT-Journey in Cloud-native Umgebungen.

Zu den wichtigsten Verbesserungen der Dynatrace-Plattform für die Unterstützung von Kubernetes-Umgebungen gehören:

  • Präzise, KI-basierte Antworten – Davis kann nun zusätzliche Kubernetes-Events und -Metriken aufnehmen, einschließlich Status- und Workload-Änderungen sowie kritische Ereignisse über Cluster, Container und Runtimes hinweg. So versteht Dynatrace besser alle Abhängigkeiten und Beziehungen im gesamten Kubernetes-Stack, von Clustern bis hin zu Containern, und die darin laufenden Workloads. Dadurch kann Dynatrace nun skalierbare Full-Stack-Transparenz bieten sowie präzisere, KI-basierte Antworten liefern, um das Roll-out und das Management von Kubernetes deutlich zu vereinfachen. 
  • Neue Analysefunktionen für Cloud-Anwendungen und Microservices – Mit Dynatrace können Unternehmen jetzt die Ressourcenauslastung von Kubernetes verstehen und optimieren. Dies ermöglicht es Administratoren und Application-Ownern, Performance-Probleme zu erkennen und zu lösen sowie die Geschäftsergebnisse proaktiv zu verbessern. 
  • Erweiterte automatische Container-Instrumentierung – Dynatrace kann nun automatisch heterogene Containertechnologien in Kubernetes-Umgebungen erkennen, instrumentieren und abbilden. Dazu gehören auch Implementierungen auf Basis von Docker, CRI-O und Containern. Dadurch lassen sich selbst die größten containerisierten Umgebungen einfach implementieren und verwalten. Die neue Nutzungsanalyse für Container-Ressourcen bietet auch eine breitere Abdeckung der von Unternehmen genutzten Container-Runtimes.
Thematik: Allgemein
Dynatrace GmbH

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige