MCP-Server für Ansible Automation Platform bietet eine standardisierte, zuverlässige Schnittstelle, über die KI-Agenten und LLMs direkt mit Ihrer Automatisierungsplattform interagieren können, ohne die im Unternehmen bereits bestehenden Kontrollmechanismen zu umgehen. Statt mit KI Ad-hoc-Skripte zu generieren oder direkte API-Aufrufe durchzuführen, leitet der MCP-Server die Empfehlungen an die Agenten über dieselbe regulierte Automatisierungs-Library weiter, auf die Ihre Teams bereits vertrauen, wobei RBAC, Prüfpfade und Genehmigungs-Workflows beibehalten werden. 

Das Interaktionsmodell wandelt sich: Anstatt sich durch eine Benutzeroberfläche zu klicken, steuern die Operators KI-gestützte Tools, die in ihrem Auftrag vorab genehmigte Automatisierungsabläufe ermitteln, auswählen und ausführen. Da Teams zunehmend auf KI setzen, wird die Automatisierung zu einer entscheidenden Schnittstelle, die sicherstellt, dass die einzelnen von der KI ausgelösten Aktionen deterministisch, nachvollziehbar und wiederholbar ist.

AIOps generiert eine große Anzahl automatisierter Aktionen, wie eventgesteuerte Korrekturmaßnahmen, Erweiterungs-Workflows und Skalierungs-Abläufe. Automation Dashboard und Automation Analytics bieten Ihnen einen Echtzeit-Überblick zu diesen Aktivitäten: welche Workflows am häufigsten ausgelöst werden, wie sie funktionieren und welchen Mehrwert sie bieten. 

Dank der Möglichkeit, gemeinsam nutzbare Berichte zu erstellen, die nach Datum, Projekt oder Label gefiltert sind, können Sie Zeiteinsparungen, Arbeitsergebnisse und finanzielle Auswirkungen nachverfolgen, um die Rentabilität Ihrer AIOps-Investition zu belegen und die nächsten Expansionsschritte zu planen.

Eine effektive AIOps-Lösung benötigt Operators, die die zugrunde liegende Automatisierung zuverlässig verwalten, erweitern und Fehler beheben können. Die Navigation durch die Plattformkonfiguration, die Fehlerdiagnose bei fehlgeschlagenen Jobs und das Verständnis der Funktionsweise von Komponenten wie „Event-Driven Ansible“ erfordern jedoch oft einen ständigen Wechsel zwischen Dokumentation, Support-Tickets und der Plattform selbst. Ansible Lightspeed Intelligent Assistant beseitigt diese Hürde, indem er einen generativen KI-Chat-Assistenten direkt in Ansible Automation Platform integriert – so, als säße ein Ansible-Profi direkt an Ihrer Tastatur.

Mithilfe einer RAG-Pipeline (Retrieval-Augmented Generation), die mit vertrauenswürdigen Red Hat Dokumentationen trainiert wurde, können Operators und Admins Fragen in natürlicher Sprache stellen, ohne die Plattform verlassen zu müssen, wie: „Wie konfiguriere ich Event-Driven Ansible?“, „Erkläre mir diese Fehlermeldung“ oder „Warum ist mein Korrekturjob fehlgeschlagen?“ Sie erhalten kontextbezogene Antworten mit Referenzlinks für weitere Informationen.

Speziell für AIOps-Workflows bedeutet dies eine schnellere Einarbeitung für Teams, die zum ersten Mal eventgesteuerte Korrekturmaßnahmen einrichten, sowie Fehlerbehebung in Echtzeit, wenn automatisierte Workflows sich ungeplant verhalten. Da der Intelligent Assistant nun auch direkte Einblicke in den Zustand und die Performance Ihrer Automatisierung bietet, können Operators laufende Aufträge überwachen, den Bestandsstatus prüfen und Fehler in Echtzeit diagnostizieren, was den Einstieg in die Ausweitung der Automatisierung auf neue Vorfallstypen und operative Domains erleichtert.

Skalieren von AIOps bedeutet, die Automatisierungsfunktionen zu skalieren, auf denen das System basiert. Doch Engineers, die operative Probleme verstehen, sind im Programmieren nicht immer schnell, während spezialisierte Automatisierungsentwicklungsteams möglicherweise Schwierigkeiten haben, mit neuen Fehlermustern Schritt zu halten, die der Beobachtbarkeits-Stack aufdeckt. Der Coding Assistant schließt diese Lücke innerhalb der Entwicklungsumgebung.

In der Ansible-Erweiterung für VS Code können Engineers ihre Anforderungen in einfacher Sprache formulieren, beispielsweise: „Erstelle ein Playbook zum Neustarten eines ausgefallenen Kubernetes-Pods und überprüfe das Service-Endgeräts.“ Sie erhalten zuverlässige, kontextbezogene Code-Empfehlungen für einzelne Aufgaben, mehrere Aufgaben oder ganze Playbooks und Rollen. Anstatt bei Null anzufangen oder veraltete Runbooks zu kopieren, erhalten die Engineers einen funktionsfähigen Entwurf, den sie verfeinern, testen und in ihre kontrollierte Automatisierungs-Library übernehmen können.

Für AIOps-Workflows bedeutet dies, dass Teams den Automatisierungsumfang zügig auf neue Fehlerarten wie Performanceeinbußen, Ablauf von Zertifikaten, Kapazitätsengpässe und Rollbacks von Bereitstellungen ausweiten können. So lassen sich Muster von Vorfällen erkennen und produktionsreife Playbooks erstellen, um Probleme innerhalb von Stunden statt Tagen zu beheben. Jedes über Code-Unterstützung generierte Playbook durchläuft denselben Prozess in der Automatisierungs-Library: Es wird geprüft, getestet, mit RBAC-Berechtigungen versehen und steht bei der nächsten Warnmeldung zur automatischen Ausführung bereit.