Eine Neue Ära der Transparenz: Warum die CMDB von ServiceNow für KI und ML unverzichtbar ist

Eine Neue Ära der Transparenz: Warum die CMDB von ServiceNow für KI und ML unverzichtbar ist, benötigen Unternehmen zunehmend eine robuste Führungsstrategie und Transparenz hinsichtlich dieser leistungsstarken Technologien. Während herkömmliche Configuration Management Databases (CMDBs) häufig Server, Netzwerkgeräte und Anwendungssoftware im Blick behielten, erfassten sie nicht immer die genauen Details von KI/ML-Komponenten, wie etwa spezialisierte Hardware oder Cloud-basierte Inferenzdienste. ServiceNow hat diese Lücke erkannt und vor Kurzem neue CMDB-Klassen eingeführt, die speziell darauf ausgelegt sind, das sich entwickelnde KI- und ML-Ökosystem widerzuspiegeln. Durch die Nutzung dieser Updates kann sich Ihr Unternehmen ein klareres Bild davon machen, wie KI-gesteuerte Workloads funktionieren – und sicherstellen, dass sie mit Ihren umfassenderen Zielen im Bereich IT-Servicemanagement übereinstimmen.

Mehr als nur Asset Management

In der Vergangenheit wurden CMDBs um physische Server und Softwareinstallationen herum aufgebaut. Allerdings bringen KI/ML-Workloads Komplexitäten mit sich, die weit über die Standard-Rechenressourcen hinausgehen. Modelle basieren auf großen Datensätzen, spezialisierten Verarbeitungseinheiten und manchmal kurzlebigen Cloud-basierten Diensten, die die herkömmliche Anlagenverfolgung unzureichend erscheinen lassen. Dies kann beim Umgang mit KI-Systemen zu fragmentierter Sichtbarkeit, unklaren Eigentumsverhältnissen und ineffizienten Änderungsmanagementprozessen führen.

Die neuesten CMDB-Erweiterungen von ServiceNow gehen diese Herausforderungen direkt an. Durch das Hinzufügen spezialisierter Klassen, die die einzigartigen Attribute von KI/ML-Anwendungen und -Hardware erfassen, kann die CMDB moderne Workloads und ihre zugrunde liegenden Beziehungen jetzt besser beschreiben. Anstatt KI-Ressourcen als Standardserver oder generische Software zu behandeln, ermöglichen diese neuen Klassen Unternehmen, die genaue Art der KI-/ML-Verarbeitung zu verfolgen – bis hin zu den GPU-Details oder Cloud-basierten Funktionsendpunkten.

Das Debüt neuer CMDB-Klassen

Eine der wichtigsten Entwicklungen in der CMDB von ServiceNow ist die Einführung von Klassen, die direkt mit KI- und ML-Umgebungen kommunizieren. Jeder Kurs konzentriert sich auf einen anderen Aspekt der KI/ML-Operationen und gewährleistet so eine umfassende Möglichkeit zur Dokumentation und Verwaltung Ihrer intelligenten Dienste.

1. cmdb_ci_processing_unit
   Dieser Kurs erstellt einen grundlegenden Entwurf für Verarbeitungseinheiten aller Art. Stellen Sie es sich als die „Basisschicht“ vor, die relevante Details zu CPUs, GPUs oder anderen speziellen Chipsätzen erfassen kann, die in modernen Computern verwendet werden. Durch die Einbeziehung von Kernattributen (wie Taktfrequenz oder Kernanzahl) und gemeinsam genutzten Funktionen vereinfacht cmdb_ci_processing_unit das spätere Hinzufügen neuer Hardwaretypen und stellt sicher, dass Ihre CMDB bei der Weiterentwicklung der Technologie skalierbar und anpassungsfähig bleibt.
2. cmdb_ci_gpu
   Aufbauend auf der Basisklasse der Verarbeitungseinheit befasst sich cmdb_ci_gpu mit den Besonderheiten von Grafikverarbeitungseinheiten – oft ein entscheidender Bestandteil von KI- und ML-Workloads. Während GPUs früher für die Grafikwiedergabe zuständig waren, werden sie heute gleichermaßen für ihre parallelen Verarbeitungsfunktionen geschätzt. Diese Klasse dokumentiert GPU-spezifische Attribute, einschließlich der Anzahl der Kerne und des verfügbaren GPU-Speichers. Die Möglichkeit, zu verfolgen, welche GPUs wo installiert sind – oder wie sie verwendet werden – hilft IT-Teams, Ressourcen effektiver zuzuweisen und zukünftigen Kapazitätsbedarf vorherzusehen.
3. cmdb_ci_function_ai
   Da immer mehr Unternehmen Cloud-basierte KI-Dienste nutzen, dient die Klasse cmdb_ci_function_ai als strukturierte Möglichkeit zur Verfolgung von KI-SaaS-Angeboten. Hierzu gehören häufig skalierbare On-Demand-Dienste für maschinelles Lernen, natürliche Sprachverarbeitung oder Datenanalyse, die von öffentlichen Cloud-Anbietern bereitgestellt werden. Durch die Unterscheidung zwischen AI SaaS und lokalen Lösungen stellt Ihre CMDB nicht nur klar, wem der Servicevertrag gehört, sondern auch, wo sich die Daten befinden, wie sie verarbeitet werden und welche regulatorischen Auswirkungen mit der Cloud-Nutzung verbunden sind.
4. cmdb_ci_appl_ai_application
   Unabhängig davon, ob KI-Anwendungen in einer herkömmlichen Betriebssystemumgebung, einer Containerplattform wie Docker oder einem Orchestrierungsframework wie Kubernetes ausgeführt werden, müssen sie häufig auf der Softwareebene verfolgt werden. Die Klasse cmdb_ci_appl_ai_application erfasst die Details dieser KI-gesteuerten Tools – vom Betriebssystem, auf dem sie ausgeführt werden, über die erforderlichen Bibliotheken und Frameworks bis hin zu den Modellen oder Datenpipelines, auf die sie sich stützen. Indem KI-Anwendungen in der CMDB als erstklassige Bürger behandelt werden, können Unternehmen besser verstehen, wie sich Änderungen an Code- oder Containerkonfigurationen auf Produktionssysteme auswirken können.

Um diese Klassenaktualisierungen zu erhalten, besuchen Sie den ServiceNow Store für die neuesten „CMDB CI Class Models“ (v1.68.0 oder neuer)

Vorteile: 

Die neuen Klassen erleichtern nicht nur die Beschreibung von KI-/ML-Assets in der CMDB, sondern sorgen auch für aussagekräftigere Beziehungen zwischen diesen Assets. Dies ist besonders wertvoll für:

1. Verbesserte Transparenz bei Abhängigkeiten
   KI-Workflows erstrecken sich häufig über mehrere Infrastrukturebenen, von spezialisierter Hardware (GPUs) bis hin zu Cloud-basierten Inferenz-Endpunkten. Da die Teams die Möglichkeit haben, zu visualisieren, wie eine KI-Anwendung (cmdb_ci_appl_ai_application) von einer GPU (cmdb_ci_gpu) oder einer Cloud-Funktion (cmdb_ci_function_ai) abhängt, erhalten sie ein überschauliches Gesamtbild. Diese Transparenz kann bei der Behebung von Leistungsproblemen den Unterschied zwischen einer schnellen Lösung und einem langwierigen Vorfall ausmachen.
2. Proaktive Ressource-Planung
   Durch die Verfolgung der Nutzungsmuster und Konfigurationen von GPUs oder KI-Cloud-Funktionen können Unternehmen den zukünftigen Bedarf planen. Wenn Ihr Data-Science-Team plant, die Trainingsaufgaben zu skalieren, kann die CMDB unzureichende GPU-Kapazität kennzeichnen oder potenzielle Engpässe identifizieren. Diese Voraussicht trägt dazu bei, ungeplante Ausfallzeiten oder Leistungsengpässe zu vermeiden, die wichtige KI/ML-Initiativen zum Scheitern bringen könnten.
3. Erweiterte Compliance und Berichterstattung
   Die Datenverwaltung wird zu einem immer größeren Problem, insbesondere wenn KI-Modelle vertrauliche Informationen verarbeiten. Mit unterschiedlichen Klassen für KI-Workloads können Sie schnell Compliance-bezogene Informationen abrufen – etwa wo Modelle gehostet werden, wie Daten verarbeitet werden und welche Cloud-Dienste verwendet werden. Diese Granularität vereinfacht interne Audits und stellt sicher, dass Ihr Unternehmen darauf vorbereitet ist, die Einhaltung gesetzlicher Vorschriften nachzuweisen, sei es DSGVO, HIPAA oder branchenspezifische Regeln.
4. Optimiertes Änderungsmanagement
   Bei der Aktualisierung eines KI-Modells geht es nicht nur um die Einführung neuer Software. Dies kann eine erneute Schulung anhand verschiedener Datensätze, eine Neukonfiguration der GPUs für einen höheren Durchsatz oder einen Wechsel des Cloud-Anbieters für eine bessere Latenz umfassen. Wenn diese Änderungen in der CMDB aufgezeichnet werden, können Teams potenzielle Auswirkungen auf nachgelagerte Systeme oder abhängige Anwendungen bewerten. Dieser Ansatz verringert das Risiko von Produktionsausfällen, die durch unvorhersehbares KI-Verhalten oder falsch ausgerichtete Systemanforderungen verursacht werden.

Wie man sich Vorteile verschafft

Um die aktualisierte CMDB von ServiceNow voll auszunutzen, beginnen Sie mit der Identifizierung der KI/ML-Ressourcen, die derzeit in Ihrem Unternehmen vorhanden sind. Finden Sie heraus, wem die einzelnen Puzzleteile gehören (Hardware, Modelle, Datenpipelines und Cloud-Dienste) und richten Sie diese Elemente dann an den neuen Klassen aus. Wenn Ihre Datenwissenschaftler beispielsweise stark auf GPU-beschleunigte Cluster angewiesen sind, stellen Sie sicher, dass alle relevanten GPU-Details (z. B. Speicher, Kernanzahl) unter cmdb_ci_gpu erfasst werden. Wenn Ihre Anwendung AWS- oder Azure-basierte KI-Dienste verwendet, katalogisieren Sie diese Endpunkte unter cmdb_ci_function_ai, um einen Nachweis darüber zu führen, wo die Cloud-basierte Inferenz stattfindet.

Damit diese Informationen aktuell bleiben, ist häufig die Automatisierung der Schlüssel. Mit der Weiterentwicklung von KI-/ML-Umgebungen werden neue Container hochgefahren, GPUs neu bereitgestellt und die Abonnementstufen für Cloud-Dienste ändern sich. Erwägen Sie die Verwendung von ServiceNow Discovery oder benutzerdefinierten Integrationen, um Updates automatisch mit der CMDB zu synchronisieren. Dies reduziert den Verwaltungsaufwand Ihrer Teams und trägt dazu bei, dass die CMDB weiterhin die Realität genau widerspiegelt.

Ebenso wichtig ist die Einbindung des KI/ML-Konfigurationsmanagements in Ihre bestehenden Governance- und Betriebsabläufe. Immer wenn sich ein Produktionsmodell ändert oder eine neue GPU gekauft wird, sollten alle relevanten Mitarbeiter benachrichtigt werden – beispielsweise die Leiter der Datenwissenschaft oder die Finanzmanager. Indem Sie diese Schritte in Ihre täglichen Arbeitsabläufe integrieren, vermeiden Sie die häufige Falle, die CMDB als nachträglichen Einfall zu behandeln, sporadisch zu aktualisieren und unweigerlich zu veralten.

Eine Quelle strategischer Erkenntnisse

Die neuen CMDB-Klassen von ServiceNow sind nicht nur ein taktisches Tool für eine bessere Anlagenverfolgung; sie dienen auch als strategische Grundlage für die Navigation in die KI-gestützte Zukunft. Da sich der KI-Einsatz in Ihrem Unternehmen auf Anwendungsfälle in den Bereichen erweiterte Analytik, natürliche Sprachverarbeitung und Edge Computing ausweitet, sorgt eine gut strukturierte CMDB dafür, dass Sie von der Komplexität nicht überwältigt werden.

Sie können wichtige Fragen beantworten – etwa, wie sich die Verpflichtungen zur Datenkonformität je nach KI-Umgebung unterscheiden oder wo das Budget für GPU-Upgrades zugewiesen werden soll – und zwar mit präzisen Informationen in Echtzeit. Indem Sie diese Entscheidungen auf einer CMDB basieren, die KI und ML als erstklassige Ressourcen widerspiegelt, fördern Sie die Zusammenarbeit zwischen IT-Teams, Datenwissenschaftlern und Unternehmensleitern, die sich alle bei ihren Maßnahmen auf konsistente Daten verlassen.

Die CMDB im KI-Zeitalter

Mit den neuesten CMDB-Updates von ServiceNow können Unternehmen die Lücke zwischen herkömmlichem Konfigurationsmanagement und den speziellen Anforderungen von KI/ML schließen. Durch die genaue Verfolgung dieser neuen CI-Klassen schaffen Sie eine einheitliche Umgebung, in der alle Beteiligten die mit KI-Initiativen verbundenen Abhängigkeiten, Kosten und Compliance-Auswirkungen erkennen können. Und was noch wichtiger ist: Sie legen den Grundstein für verantwortungsvolles, skalierbares Wachstum angesichts einer Zukunft, die wahrscheinlich noch stärker auf KI ausgerichtet sein wird.

Wenn Ihr Unternehmen die volle Leistungsfähigkeit der KI nutzen und gleichzeitig Klarheit und Kontrolle bewahren möchte, ist die Einführung dieser CMDB-Erweiterungen ein wesentlicher nächster Schritt. Bis Sie dazu bereit sind, können Sie Ihre herkömmlichen CMDB-Verwaltungspraktiken mithilfe von KI revolutionieren. Unsere CMDB AI Advisor-App im ServiceNow Store bietet Echtzeit-Snapshots und intelligente historische Analysen Ihrer Infrastruktur. Erhalten Sie sofortige Einblicke in Konfigurationselemente und deren Status, sodass Ihr Team fundierte Entscheidungen treffen und die optimale Systemleistung aufrechterhalten kann.