Aufbau einer AIOps-Pipeline mit Open-Source-Tools Schulung

Gestaltung einer offenen AIOps-Architektur

• Überblick über die wichtigsten Komponenten in offenen AIOps-Pipelines
• Datenfluss von der Erfassung bis zur Alarmierung
• Tool-Vergleich und Integrationsstrategie

Datenerfassung und Aggregation

• Erfassung von Zeitreihendaten mit Prometheus
• Erfassung von Logs mit Logstash und Beats
• Normalisierung von Daten für die Korrelation zwischen verschiedenen Quellen

Aufbau von Observability-Dashboards

• Visualisierung von Metriken mit Grafana
• Erstellung von Kibana-Dashboards für die Log-Analyse
• Nutzung von Elasticsearch-Abfragen zur Gewinnung betrieblicher Erkenntnisse

Anomalieerkennung und Vorhersage von Vorfällen

• Export von Observability-Daten in Python-Pipelines
• Training von ML-Modellen für die Erkennung von Ausreißern und Prognostik
• Bereitstellung von Modellen für die Live-Inferenz in der Observability-Pipeline

Alarmierung und Automatisierung mit Open-Source-Tools

• Erstellung von Prometheus-Alarmregeln und Routing in Alertmanager
• Auslösung von Skripten oder API-Workflows für die automatische Reaktion
• Nutzung von Open-Source-Orchestrierungs-Tools (z. B. Ansible, Rundeck)

Integration und Skalierbarkeit

• Behandlung hoher Datenaufkommen und Langzeitarchivierung
• Sicherheit und Zugriffskontrolle in Open-Source-Stacks
• Unabhängige Skalierung jeder Ebene: Erfassung, Verarbeitung, Alarmierung

Praxisanwendungen und Erweiterungen

• Fallstudien: Performance-Tuning, Vermeidung von Ausfallzeiten und Kosteneffizienz
• Erweiterung der Pipelines mit Tracing-Tools oder Service-Graphen
• Best Practices für den Betrieb und die Wartung von AIOps in der Produktion

Zusammenfassung und nächste Schritte