Das präzise Management von Unternehmenswerten ist in der heutigen Geschäftswelt unerlässlich. Angesichts der zunehmenden Komplexität von IT-Infrastrukturen in Unternehmen, stehen deren Asset-Management- Verantwortliche vor der Herausforderung, ihre Prozesse an die sich ständig ändernden Anforderungen anzupassen. Wie in vielen anderen Bereichen der unternehmerischen Weiterentwicklung kommt dabei auch zunehmend künstliche Intelligenz zum Einsatz. Die neue Technologie birgt ein großes Potenzial, den Reife- und Automatisierungsgrad der Prozesslandschaft zu erhöhen, ist aber dennoch keine universelle Lösung.
Die Einsatzmöglichkeiten von künstlicher Intelligenz sind auch im Bereich des IT Asset Managements äußerst vielseitig und über die gesamte Prozesskette verteilt. In diesem Artikel möchten wir uns auf die Kernthemen „Asset Erkennung“ und „Maintenance Planung“ fokussieren, da hier erfahrungsgemäß der größte Mehrwert erzielt werden kann.
AI Enabled Asset Detection
Zu wissen, welche Geräte in einem Unternehmen vorhanden sind, wird häufig als der einfachste Schritt des Asset Managements wahrgenommen. Tatsächlich unterschätzen viele Unternehmen allerdings, welche Geräteklassen für ein genaues Management relevant sind. Neben klassischen
Servern und Terminals müssen auch kleinste Edge-Geräte wie VoIP-Telefone oder IoT-Geräte berücksichtigt werden. In einem großen Netzwerk kann es daher eine große Herausforderung sein, alle Geräte zu identifizieren und zu verfolgen. Moderne KI-Anwendungen sind ein mächtiges Werkzeug zur Bewältigung dieser Aufgabe. Mit innovativen Algorithmen zur Datenanalyse und Mustererkennung können KI-basierte Tools effektiv Geräte im Netzwerk identifizieren und zu Gruppen, sogenannten Clustern, zusammenfassen. Der Nutzen liegt hier vor allem in der Zeitersparnis und Effizienzsteigerung.
Die Systeme haben allerdings auch einen Nachteil: Sie benötigen umfassende Daten aus dem gesamten Netzwerk, um effektiv zu sein. Es ist dabei, je nach Netzwerkkonfiguration, nicht immer möglich, die Informationen über die möglicherweise vorhandenen Geräte im Nachhinein zu erheben.
Stattdessen müssen sie kontinuierlich über einen ausreichend langen Zeitraum erhoben werden. Bei der Implementierung dieser Systeme ist daher ein frühes Assessment der benötigten Datenmenge also von besonderer Relevanz, unter anderem auch, um rechtzeitig auf mögliche datenschutzrechtliche Implikationen reagieren zu können.
Ist die Datenbasis jedoch gesichert, lassen sich die Systeme in ihrer Funktionalität mit wenig Mehraufwand erweitern. So können durch Netzwerk-Monitoring neben Hardware Assets beispielsweise auch unautorisierte Softwareinstallationen erkannt werden. Die Kontrolle dieser sogenannten Schatten-IT hat hierbei nicht nur einen positiven Effekt auf mögliche Compliance-Risiken, sondern ist auch im Kontext der IT-Sicherheit von Bedeutung.
Der Nutzen der KI im IT Asset Management:
Effizienzsteigerung und Automatisierung:
KI kann helfen, Aufgaben wie die Identifizierung und Inventarisierung von IT Assets zu automatisieren. Ein KI-System kann ein Netzwerk scannen und automatisch alle Assets identifizieren und in einer Datenbank erfassen. Dies reduziert den manuellen Arbeitsaufwand und beschleunigt den Prozess.
Frühzeitige Problemerkennung:
KI-Systeme sammeln und analysieren Daten aus verschiedenen Quellen, um potenzielle Probleme frühzeitig zu erkennen. Droht der Ausfall eines Assets, kann das KI-System automatisch Warnungen generieren und das IT-Team benachrichtigen, damit dieses schnell reagieren kann.
Optimierung der Asset-Nutzung:
KI kann Daten über die Nutzung von Assets sammeln und analysieren. Auf dieser Grundlage kann das IT-Team entscheiden, welche Assets aktualisiert, erneuert oder außer Betrieb genommen werden müssen.
Verbesserung der Datensicherheit:
KI kann potenzielle Schwachstellen in der Sicherheitsinfrastruktur identifizieren und auf Anomalien hinweisen. Dadurch kann das IT-Team schnell reagieren und potenzielle Bedrohungen abwehren, bevor sie zu einem Sicherheitsrisiko werden.
Condition Monitoring und Predictive Maintenance
Die kontinuierliche Überwachung und proaktive Wartung von IT Assets ist ein entscheidender Faktor für die Aufrechterhaltung der Betriebsstabilität und die Vermeidung kostspieliger und störender Ausfallzeiten. Konventionelle Methoden sind jedoch eher reaktiv und setzen auf zeitaufwendige manuelle Inspektionen oder Wartungsarbeiten, die erst nach dem Auftreten eines Problems durchgeführt werden.
Mit Hilfe von KI-Lösungen kann diese Strategie jedoch durch eine proaktive Herangehensweise ersetzt werden. Künstliche Intelligenz kann große Mengen an Datenströmen kontinuierlich überwachen und analysieren, um anomale Muster und potenzielle Schwachstellen zu erkennen, bevor sie zu ernsthaften Komplikationen führen. Über einfache Vorhersage von Ausfällen hinaus, können KI-basierte Systeme auch prognostizieren, wann und wo ein Problem auftreten wird, was eine weitaus effektivere Planung und Durchführung von Wartungsarbeiten ermöglicht.
Diese proaktive Vorgehensweise kann nicht nur dazu beitragen, teure Ausfallzeiten und Notfallreparaturen zu reduzieren, sondern auch die Lebensdauer von IT-Geräten erheblich zu verlängern, was wiederum langfristig zu erheblichen Kosteneinsparungen führt. Darüber hinaus kann die Einführung von KI-gesteuerten Predictive-Maintenance-Lösungen dazu beitragen, den Arbeitsaufwand für IT-Mitarbeiter zu reduzieren und ihnen zu ermöglichen, sich auf strategischere und wertschöpfendere Aufgaben zu konzentrieren.
Wie bei der Einführung jeder fortschrittlichen Technologie gibt es jedoch auch hier Herausforderungen. Insbesondere bedarf die Implementierung von Predictive-Maintenance-Algorithmen auf KI-Basis einer sorgfältigen Planung und Anpassung. Datenqualität und -vielfalt sind für den Erfolg von Predictive-Maintenance-Lösungen absolut entscheidend, und es kann schwierig sein, die richtigen Datenpunkte zur Einbeziehung in die Algorithmen zu ermitteln.
Fazit
Zusammenzufassend lässt sich sagen, dass künstliche Intelligenz im IT Asset Management Einzug gehalten hat, wie in so vielen anderen Geschäftsbereichen auch. Das IT Asset Management erhält durch die vielfältigen Einsatzmöglichkeiten eine neue Dynamik und eine Vielzahl neuer Möglichkeiten. Es bleibt abzuwarten, welche weiteren, spannenden Optionen sich durch den Einsatz von künstlicher Intelligenz ergeben.
Die Autoren:
Liridona Dubova ist Senior Manager im Bereich Risk Consulting bei EY.
Patrick Dickinson ist ebenfalls Senior Manager im Bereich Risk Consulting bei EY.
Beide Autoren sind Experten für Software Asset Management und IT Asset Management Themen und haben mehr als 12 Jahre Erfahrung in ihren jeweiligen Fokus-Themen.