Beheben Sie Vorfälle schneller, indem Sie Ihrem AI SRE einheitliche Telemetrie und einen Kontextgraphen bereitstellen

Datenteams stehen mehr Telemetriedaten zur Verfügung als je zuvor, aber die Untersuchung von Vorfällen ist nicht wesentlich schneller geworden. Die natürliche Annahme ist, dass KI die Lösung ist, weshalb viele Unternehmen eine KI-Schicht hinzugefügt und diese als AI Site Reliability Engineering (AI SRE) bezeichnet haben. 

Dieser Ansturm, die Zuverlässigkeitsanforderungen von Unternehmen und Kunden zu erfüllen, bedeutet jedoch, dass die meiste KI für Observability auf Architekturen aufgesetzt wird, die nicht dafür ausgelegt sind, sie zu unterstützen. Teams erhalten möglicherweise schnelle Ergebnisse, stellen aber später fest, dass wichtige Informationen fehlen, weil die Tools nicht tief in die Datenplattform integriert sind. Das ist weder effizient noch effektiv. 

Dieser Blogbeitrag erläutert die Merkmale, die AI SRE-Tools, die die Geschwindigkeit und Genauigkeit von Untersuchungen tatsächlich verbessern, von solchen unterscheiden, die Telemetriedaten lediglich zusammenfassen. 

Um zu verstehen, wie Effektivität aussieht, beginnen wir damit, was die aktuelle Basislinie für Untersuchungen tatsächlich kostet.

Untersuchungen von Vorfällen beeinträchtigen die Produktivität der Entwicklung

Basierend auf Informationen, die von Kunden von Observe by Snowflake gesammelt wurden, beträgt die Basislinie für die Untersuchung eines komplexen Vorfalls 10 Minuten für die Erkennung, 120 Minuten für die Untersuchung, 15 Minuten für die Behebung und 370 Minuten für die Durchführung einer Ursachenanalyse – bei einer Abschlussquote von nur 30 %.¹ Es erfordert Hunderte von Bereitschaftsingenieur:innen, um das Problem mithilfe mehrerer Tools zusammenzusetzen, benutzerdefinierte Abfragen zu schreiben und die Kette der Ereignisse zusammenzufügen.

Dies ist keine Observe-spezifische Sichtweise. In der gesamten Observability-Branche hat das exponentielle Wachstum der Telemetrie aus modernen verteilten Systemen eine gemeinsame Herausforderung geschaffen. Engineering-Teams sind nicht in der Lage, Warnungen zu verarbeiten, und verpassen kritische Signale, was dazu führt, dass die Lösung von Vorfällen länger dauert. Selbst ein mäßig komplexer Vorfall erfordert mehrere Schritte, um das Problem zu finden und den Untersuchungszyklus abzuschließen. 

Die Gründe, warum Untersuchungen schwieriger geworden sind, sind struktureller Natur:

• Das Datenvolumen hat das übertroffen, wofür Observability-Plattformen als Altlast entwickelt wurden.

• Systemabhängigkeiten sind aufgrund einer Zunahme von Microservices und miteinander verbundenen Systemen komplexer. 

• Das Fachwissen zur Ursachenanalyse konzentriert sich auf eine kleine Anzahl von Engineers. 

• Die eigentliche Untersuchungsarbeit – das Navigieren in Trace-Hierarchien, das Durchführen von Protokollanalysen über Zeitfenster hinweg und das Synthetisieren von Ergebnissen über Dienste hinweg – lässt sich nicht leicht automatisieren.

Die Reaktion auf Vorfälle und deren Nachwirkungen können in Unternehmen, die komplexe Systeme betreiben, erhebliche Engineering-Kapazitäten beanspruchen. Die meisten Teams greifen als Lösung zu einem AI SRE, aber nicht alle AI SREs funktionieren auf die gleiche Weise. 

Ein AI SRE muss genau, latenzarm und kosteneffizient sein

Wie gut ein AI SRE auf einfache natürlichsprachliche Abfragen reagiert, reicht nicht aus, um seinen Wert als Observability-Tool zu bestimmen. Die tiefere Frage ist, ob die Datengrundlage das implementierte AI SRE unterstützen kann, um es wirklich nützlich zu machen. 

Ein Observability-AI SRE muss mehr sein als nur eine Chat-Funktion, die über Telemetriedaten oder andere Observability-Tools gelegt wird. Es muss genau genug sein, um ihm zu vertrauen, schnell genug, um es während eines aktiven Vorfalls zu verwenden, und effizient genug, um Abfragen durchzuführen, ohne die Kosten in die Höhe zu treiben. 

Die meisten heute verfügbaren AI SREs greifen zu kurz, weil sie darauf ausgelegt sind, schnelle Antworten auf grundlegende Abfragen zu liefern, und nicht darauf, autonom bei schnelllebigen, komplexen Observability-Workloads zu arbeiten. 

Drei Must-haves für ein effektives AI SRE  

Bevor Sie sich fragen, welches AI SRE Sie verwenden sollen, stellen Sie fest, ob Sie die richtige Datengrundlage haben, um eines zu unterstützen: 

• Befindet sich die gesamte Telemetrie an einem Ort oder ist sie isoliert über Tools hinweg? 

• Ist die Speicherebene kosteneffizient genug, um die erforderlichen Daten für das gewünschte Aufbewahrungsfenster ohne Sampling aufzubewahren? 

• Modelliert das System die Beziehungen zwischen Infrastruktur, Anwendungen, Diensten und Geschäftsdaten? 

Die meisten Gespräche über AI SRE-Tools beginnen mit der obersten Schicht, aber das ist der falsche Ausgangspunkt. Eine effektive KI-gesteuerte Untersuchung erfordert drei Schichten, die zusammenarbeiten – und die KI-Schicht ist nur so genau wie das, worauf sie aufbaut. 

• Schicht 1: Einheitliche, kosteneffiziente Telemetriespeicherung: Je mehr Daten der KI-Schicht zur Verfügung stehen, desto genauer sind die Ergebnisse. Dies erfordert zwei Dinge, die zusammenarbeiten: einheitliche Speicherung über Protokolle, Metriken und Traces hinweg und eine Speicherung, die erschwinglich genug ist, um Daten in großem Maßstab aufzubewahren, ohne Kompromisse eingehen zu müssen. 

• Schicht 2: Ein Kontextgraph, der semantische Beziehungen modelliert: Rohe Telemetrie kann einen gewissen Einblick in einen Vorfall geben, aber ein Kontextgraph erklärt, warum er passiert ist und wo er sonst noch anknüpft. Kontextgraphen modellieren semantische Beziehungen zwischen verschiedenen Objekten in der Umgebung. Wenn die KI-Schicht also einem Faden folgt, durchläuft sie eine Karte, die zeigt, wie verschiedene Entitäten zueinander in Beziehung stehen. 

• Schicht 3: Ein AI SRE, das in der Lage ist, die zugrunde liegenden Daten und semantischen Grundlagen zu nutzen: Das AI SRE sitzt auf den Schichten 1 und 2 und ist so aufgebaut, dass es agentenoptimierte Schnittstellen mit einheitlicher Speicherung und Kontext nutzt. Ein Agent, der über agentenoptimierte Schnittstellen abfragt, liefert genauere Ergebnisse mit geringerer Latenz und weniger Overhead als einer, der Abfragen an eine Plattform sendet, die nicht für den KI-Zugriff konzipiert ist. 

Observe by Snowflake wurde mit Blick auf Agenten entwickelt  

Observe by Snowflake ist mit allen drei Schichten zusammen aufgebaut. Das Data Lakehouse speichert Protokolle, Metriken und Traces mit hoher Genauigkeit und zu geringen Kosten. Der Kontextgraph strukturiert diese Daten mit Kontext aus verschiedenen Quellen (Geschäft, Anwendung, Infrastruktur usw.). Das AI SRE sitzt auf beiden und ist von Anfang an darauf ausgelegt, mit den anderen Schichten zusammenzuarbeiten. Das Ergebnis: mehrere Observe-Kunden konnten Fehler bis zu 10-mal schneller beheben (mit einem Durchschnitt von über 4-mal).² Hier sehen Sie, wie das in der Praxis tatsächlich aussieht. 

Die Untersuchungsschleife verbleibt bei der KI, wird aber stark beschleunigt. Diese Aufgaben können nun in einem Bruchteil der ursprünglichen Zeit erledigt werden, und KI hilft dabei, diesen Prozess für alle Nutzer:innen möglich zu machen, nicht nur für einige wenige Experten.

Unter Verwendung einer Methodik aus dem Framework von Anthropic zur Messung der KI-Produktivität haben wir die manuelle Untersuchungszeit und die KI-gestützte Abschlusszeit verglichen und festgestellt, dass die KI-Unterstützung zu Folgendem führte: 

• Produktivitätssteigerungen konzentrierten sich durchweg im 3- bis 10-fachen Bereich
• 30 % der Interaktionen zeigten eine mehr als 5-fache Verbesserung 
• 5 % der Interaktionen übertrafen eine 10-fache Verbesserung
  

Die größten Zuwächse ergaben sich bei Untersuchungen, bei denen große Datenmengen aus mehreren Quellen schnell synthetisiert werden mussten – Bereiche, in denen einheitliche Telemetrie und ein Kontextgraph dazu beitragen können, die Untersuchungszeit zu verkürzen. 

Die Verbesserungen zeigen sich nicht nur in unserer Forschung; wir haben auch direktes Feedback von Kunden erhalten: 

• Ein Location-Intelligence-Unternehmen: Das AI SRE von Observe trug dazu bei, die Reaktion auf Vorfälle in den Engineering-Teams des Unternehmens zu verbessern. Das Unternehmen gab an, dass das AI SRE und der MCP-Server von Observe die Art und Weise, wie sie Vorfälle untersuchen, verändern könnten. Diese Funktionen trugen auch dazu bei, die Zeit zu reduzieren, die ihre Engineers für die Lösung von Problemen aufwendeten. 

• Ein Sport- und Unterhaltungsbetreiber: Der Wert für dieses Unternehmen ging über eine schnellere Untersuchung hinaus und reichte bis hin zu proaktiver Zuverlässigkeit. Sie sagten, Observe habe dazu beigetragen, ihre Teams in die Lage zu versetzen, Systemprobleme zu erkennen, was zu einer höheren Systemstabilität führte.

• Ein Automotive-SaaS-Anbieter: Die Untersuchungszeit für Vorfälle wurde von über drei Stunden auf Minuten reduziert, was die Kundenerfahrung direkt verbesserte. Der Anbieter erhielt teamübergreifend konsistentes Feedback: weniger Eskalationen, schnellere Lösung von Support-Tickets und insgesamt weniger manuelle Überprüfungszeit.

In jedem Fall resultierte der Unterschied aus der vollständigen Telemetrie und dem Kontext der KI-Schicht. Diese Ergebnisse spiegeln wider, was möglich ist, wenn die zugrunde liegende Architektur die AI SRE-Schicht unterstützt. 

Die Architektur bestimmt, ob das AI SRE Ergebnisse liefert

Bei der Bewertung eines AI SRE-Angebots ist es wichtig, drei Fragen im Zusammenhang mit Ihrer zugrunde liegenden Architektur zu stellen:

• Hat das AI SRE einheitlichen Zugriff auf alle Telemetriedaten?

• Versteht das AI SRE die Beziehungen zwischen Diensten, Bereitstellungen, Nutzer:innen und Geschäftskontext? 

• Ist das AI SRE so optimiert, dass es die zugrunde liegenden Schichten nutzt, oder sitzt es nur auf ihnen?

Ihre Antworten bestimmen, ob das AI SRE dazu beiträgt, die Untersuchung zu beschleunigen, oder Ihnen einfach eine Chat-Schnittstelle für Ihre Telemetrie bietet. 

Erfahren Sie mehr über Observability in großem Maßstab, indem Sie sich für ein On-Demand-Video des August-Webinars von Observe zu Agent-First-Observability registrieren.

1 „What’s New: KI-gestützte Observability in großem Maßstab mit Observe by Snowflake“, Snowflake Summit 2026, Session WN201B.

2 Basierend auf der Analyse von Observe von 3.163 AI SRE-Konversationsspannen von Oktober bis November 2025.