New Relic und Monte Carlo treiben autonome IT-Systeme voran

Neue Observability-Plattformen überwachen und steuern autonome KI-Agenten in Unternehmen. Sie sorgen für Transparenz, automatisierte Fehlerbehebung und stärken die Governance.

Die IT-Landschaft erlebt einen Umbruch: Statt nur Probleme zu melden, beheben intelligente Agenten sie jetzt selbst. Berichte über die neuen Plattformen von New Relic und Monte Carlo Data zeigen, wie diese Zukunft bereits in Unternehmen wie dem Medienhaus Axios Einzug hält.

Vom passiven Monitor zum aktiven Problemlöser

Traditionelle Überwachungswerkzeuge sind am Limit. Sie messen CPU-Auslastung oder Latenzzeiten, können aber die komplexen Entscheidungsprozesse von KI-Agenten nicht nachvollziehen. Diese Agenten – oft auf Basis großer Sprachmodelle (LLMs) – übernehmen zunehmend kritische Aufgaben in Produktionssystemen. Die Folge: Ein neuer Markt für Agentic Observability entsteht. Diese Lösungen überwachen nicht mehr nur die Infrastruktur, sondern auch die Qualität von KI-Entscheidungen, den Token-Verbrauch und das Gesamtverhalten der Modelle. Ihr Ziel ist es, Störungen nicht nur zu erkennen, sondern sie durch autonome KI-Agenten auch direkt beheben zu lassen.

Anzeige

Der Einsatz autonomer Systeme in Unternehmen erfordert eine präzise Kenntnis der rechtlichen Rahmenbedingungen und Kennzeichnungspflichten. Dieser kostenlose Leitfaden zeigt Ihnen, wie Sie die Anforderungen der neuen EU-KI-Verordnung in der Praxis rechtssicher umsetzen. EU-KI-Verordnung kompakt: Jetzt Gratis-Leitfaden sichern

New Relic setzt auf No-Code-Autonomie

Anfang März stellte New Relic seine Agentic Platform detailliert vor. Die Plattform bietet eine No-Code-Umgebung, in der SREs und Produktmanager KI-Agenten erstellen und steuern können – direkt in ihrer bestehenden Monitoring-Landschaft. Kernstück ist ein SRE Agent, der wie ein digitaler Kollege rund um die Uhr arbeitet. Er diagnostiziert Vorfälle und schlägt Lösungen vor, bevor menschliche Ingenieure überhaupt alarmiert werden.

Um fundierte Entscheidungen zu treffen, nutzt die Plattform das Model Context Protocol (MCP). Dadurch können die Agenten sicher auf externe Datenquellen, Service-Kataloge und Incident-Wikis zugreifen. New Relic betont den Geschäftswert: Die Plattform verknüpft technische Metriken direkt mit geschäftlichen Ergebnissen. So wird der finanzielle Schaden einer Systemstörung sofort sichtbar. Dieser No-Code-Ansatz soll auch Fachkräfteengpässe überbrücken, indem Domänenexperten ihr Wissen in automatisierte Workflows überführen können – ohne eine Code-Zeile zu schreiben.

Praxistest bei Axios: KI-Observability für Journalismus

Wie diese Technologie in der Praxis funktioniert, zeigt ein Fallbeispiel von Monte Carlo Data mit dem Medienunternehmen Axios. Das Unternehmen nutzt KI, um seine Lokalberichterstattung auszubauen und redaktionelle Routineaufgaben zu automatisieren, etwa die Kategorisierung von Artikeln. Beim Wechsel von eigenen Modellen zu OpenAI-APIs stießen die Ingenieure jedoch an Grenzen.

Die Lösung war eine einheitliche Observability-Plattform. Sie ermöglicht es den Teams bei Axios, das gesamte Daten-Ökosystem und die Vorhersagen der ML-Modelle in einer einzigen Oberfläche zu überwachen. Dies schafft Transparenz und vereinfacht die Instrumentierung. Besonders wichtig ist dies, weil Axios in separate Teams für Daten und KI-Entwicklung aufgeteilt ist. Die zentrale Plattform fördert die Zusammenarbeit und stellt sicher, dass die KI-Agenten innerhalb festgelegter redaktioneller und technischer Leitplanken operieren.

Paradigmenwechsel: Von Telemetrie-Daten zu Entscheidungs-Signalen

Der Aufstieg der KI-Agenten verändert grundlegend, wie Systemgesundheit gemessen wird. Laut einer Analyse von LogicMonitor entsteht eine neue Fehlerquelle: die Qualität von KI-Entscheidungen. Während klassisches Monitoring prüft, ob eine Anwendung läuft, macht Agentic Observability die Denkprozesse der KI sichtbar.

Der Fokus verschiebt sich von einfachen Leistungsdaten hin zu komplexen operativen Signalen. Moderne Plattformen müssen nun KI-spezifische Metriken überwachen:
* Prompt-Sicherheit und Vermeidung von PII-Offenlegung
* Aufgabenerfolgsquoten und Einhaltung von Leitplanken
* Nachvollziehbarkeit in Multi-Agenten-Systemen

Anzeige

Da KI-Agenten zunehmend sensible Daten verarbeiten und operative Entscheidungen treffen, rückt der Schutz vor Cyber-Risiken in den Fokus. Erfahren Sie in diesem Experten-Report, wie Sie Ihr Unternehmen mit effektiven Strategien gegen moderne Bedrohungen wappnen. Kostenloses E-Book: Cyber Security Trends 2024 herunterladen

Denn in Systemen, wo mehrere Agenten zusammenarbeiten, sind die Abhängigkeiten und Workflows nicht-linear. Ein Fehler lässt sich selten auf eine einzelne Komponente zurückführen. Moderne Tools aggregieren daher einzelne Modellaufrufe zu hierarchischen Ansichten. So kann ein Operator eine Entscheidung vom initialen Nutzer-Prompt über den internen Denkprozess des Agenten bis zur finalen Ausführung lückenlos nachverfolgen.

Die größte Hürde: Vertrauen in autonome Systeme

Das Tempo der Entwicklung stellt Unternehmen vor ein zentrales Problem: den Vertrauensverlust. Die Angst ist berechtigt. Was, wenn ein KI-Agent halluziniert oder ein fehlerhaftes Skript zur Problembehebung ausführt? Die operativen und compliance-rechtlichen Folgen wären gravierend.

Daher stehen Governance und Compliance im Mittelpunkt der neuen Observability-Plattformen. Sie integrieren strenge rollenbasierte Zugriffskontrollen, kontinuierliche Evaluierungsrahmen und lückenlose Prüfpfade. Jede Aktion eines Agenten muss authentifiziert und nachvollziehbar sein. Ein weiterer Trend ist die Standardisierung über OpenTelemetry (OTel). Dies ermöglicht es, Telemetriedaten verschiedener Hersteller in einer Konsole zu bündeln, was Integrationsaufwand verringert und Vendor-Lock-in verhindert. Diese Governance-Schichten sind entscheidend, um die Überlastung von Ingenieuren zu reduzieren, die bis zu ein Drittel ihrer Arbeitswoche mit manueller Fehlerbehebung verbringen.

Ausblick: Der Weg zu selbstheilenden Systemen

Die Richtung ist klar: Die Zukunft des Enterprise-Software-Managements gehört hochautonomen, selbstheilenden Systemen. Bis Ende 2026 wird sich der Markt weiter konsolidieren. Datenqualitäts-Monitoring, ML-Evaluierung und klassisches Application-Performance-Monitoring wachsen zusammen.

Experten prognostizieren, dass ein Großteil der Unternehmensanwendungen bald eingebettete KI-Agenten enthalten wird. Damit wird maßgeschneiderte Observability zur Pflicht-Infrastruktur. Unternehmen werden ihre Engineering-Ressourcen von reaktiver Störungsbeseitigung auf strategische KI-Governance und Systemoptimierung verlagern. Letztlich wird der erfolgreiche Einsatz von Agentic Observability entscheiden, welche Unternehmen ihre KI-Initiativen sicher skalieren können – und welche an den kognitiven Grenzen manueller Überwachung scheitern.