Seminar ServicePilot AIOps, Alerting und Root Cause Analysis

Einordnung

Dieses Seminar zeigt, wie aus Messwerten verwertbare Alarme entstehen. Es behandelt Schwellenwerte, dynamische Bewertungen, Alarmgruppierung, Eskalation, Ursachenanalyse und den Anschluss an Incident-Prozesse.

Zwei Tage sind notwendig, weil Alarmierung nie nur ein Klick auf „kritisch“ ist. Ohne saubere Logik entsteht Alarm-Lärm, und Lärm ist im Betrieb selten ein Qualitätsmerkmal.

Inhaltsübersicht

• Alarmierungsstrategie definieren
• Schwellenwerte und Bedingungen gestalten
• Ereignisse gruppieren und reduzieren
• Root Cause Analysis anwenden
• Incident-Prozesse anbinden

Zielgruppe

IT-Operations, NOC/SOC-Teams, Plattformadministratoren, Service Manager und Incident Manager, die ServicePilot für produktive Alarmierung einsetzen.

Voraussetzungen

Erfahrung mit Monitoring oder Incident-Prozessen ist sinnvoll. Grundkenntnisse zu Services, Abhängigkeiten und Betriebsprioritäten erleichtern die Übungen.

Seminarinhalte

Kapitel 1: Alarmierungsstrategie definieren

Alarmierung beginnt mit einer fachlichen Strategie und nicht mit beliebigen Grenzwerten.

1. Kritische Services und technische Komponenten priorisieren.
2. Warnung, Fehler und kritischen Zustand sauber unterscheiden.
3. Benachrichtigungskanäle nach Rolle und Dringlichkeit zuordnen.
4. Alarmierungsregeln gegen Betriebszeiten und Bereitschaftsmodelle prüfen.

Kapitel 2: Schwellenwerte und Bedingungen gestalten

Statische und dynamische Schwellenwerte werden so eingesetzt, dass relevante Zustände sichtbar bleiben.

1. Geeignete Metriken für Verfügbarkeit, Last, Latenz und Fehler auswählen.
2. Schwellenwerte mit Verzögerungen und Mehrfachbedingungen kombinieren.
3. Ressourcen-, Standort- und Servicekontext einbeziehen.
4. Testfälle für Grenzwertverletzungen aufbauen.

Kapitel 3: Ereignisse gruppieren und reduzieren

Alarmfluten werden durch Gruppierung, Abhängigkeiten und Priorisierung reduziert.

1. Ähnliche Ereignisse erkennen und gruppieren.
2. Folgealarme von primären Ursachen unterscheiden.
3. Benachrichtigungen nach Rolle, Schicht und Verantwortlichkeit steuern.
4. Regeln zur Vermeidung von Benachrichtigungsmüdigkeit festlegen.

Kapitel 4: Root Cause Analysis anwenden

Die Ursachenanalyse nutzt Abhängigkeiten, Zeitbezug und Korrelation statt reiner Einzelalarme.

1. Zeitliche Reihenfolge von Ereignissen rekonstruieren.
2. Abhängigkeiten zwischen Anwendung, Server, Netzwerk und Datenbank prüfen.
3. Wahrscheinliche Ursache gegen Symptome abgrenzen.
4. Analyseergebnis in eine Betriebsentscheidung übersetzen.

Kapitel 5: Incident-Prozesse anbinden

Alarmierung endet nicht am Bildschirm. Sie muss zu Bearbeitung, Dokumentation und Eskalation führen.

1. Manuelle, halbautomatische und automatische Ticket-Erstellung unterscheiden.
2. Eskalationsstufen und Verantwortliche definieren.
3. Rückmeldungen aus Tickets zur Verbesserung von Alarmregeln nutzen.
4. Kennzahlen für Alarmqualität und Reaktionszeit festlegen.

Praxisarbeit im Seminar

Die Praxisarbeit verwendet ein Störungsszenario mit mehreren Symptomen. Ziel ist nicht mehr Alarm, sondern weniger und bessere Alarmierung.

1. Alarmmatrix für einen kritischen Service erstellen.
2. Schwellenwerte und Gruppierungslogik entwerfen.
3. Root-Cause-Pfad anhand eines Ereignisverlaufs nachvollziehen.
4. Eskalations- und Ticketierungsprozess dokumentieren.