Herausforderungen und Chancen in der DevOps-Automatisierung: Erkenntnisse aus dem Pulse Report 2023
Der Drang nach verbesserter DevOps-Automatisierung bringt erhebliche Vorteile für Unternehmen mit sich. Dennoch stehen Organisationen vor databezogenen Herausforderungen und der Notwendigkeit, künstliche Intelligenz (KI) für verbesserte Ergebnisse zu nutzen. Laut dem DevOps Automation Pulse Report 2023 von Dynatrace sind derzeit 56 % der End-to-End-DevOps-Prozesse automatisiert, doch nur 38 % der Unternehmen haben eine klare Automatisierungsstrategie festgelegt.
Der Bericht hebt Bedenken hervor, die eine effektive Automatisierung behindern. Sicherheitsrisiken, Schwierigkeiten bei der Operationalisierung von Daten und die Komplexität von Toolchains stellen erhebliche Hürden dar, wobei 54 % der IT-Unternehmen diese als kritische Probleme anführen. Bernd Greifeneder, CTO von Dynatrace, betont: „Teams sind in Datensilos und manuellen Prozessen gefangen, weshalb ein einheitlicher, KI-gesteuerter Ansatz notwendig ist, um Innovationen tatsächlich zu fördern und gleichzeitig die Softwarequalität und -sicherheit zu gewährleisten.“
Die Rolle von Daten und Fähigkeiten in der Automatisierung
Die Erkenntnisse von Dynatrace zeigen einen Zusammenhang zwischen Automatisierung und signifikanten Geschäftsergebnissen. Befragte berichteten von einer 61 %igen Verbesserung der Softwarequalität, einer 58 %igen Steigerung der Mitarbeitermotivation, einer 57 %igen Senkung der Bereitstellungsfehler und einer 55 %igen Reduktion der IT-Ausgaben durch Automatisierung.
Trotz dieser Vorteile bestehen weiterhin Herausforderungen bei der effektiven Nutzung von Daten für Automatisierungsentscheidungen. Zu den Hauptbarrieren zählen nicht zugängliche Daten (51 %), isolierte Informationen (43 %) und der mühsame Prozess der Datenaggregation aus mehreren Systemen vor der Analyse (41 %). Zudem investieren 54 % der Befragten in Plattformen, die die Integration von Tools erleichtern und die Zusammenarbeit der Teams, die an Automatisierungsprojekten arbeiten, verbessern sollen. Dennoch zeigt die Abhängigkeit von im Durchschnitt über sieben verschiedenen Tools, dass Fragmentierung nach wie vor ein erhebliches Hindernis darstellt.
Fähigkeitslücken erschweren die Situation zusätzlich, da 56 % der Befragten mangelnde Kenntnisse in Skriptsprache als Hauptproblem bei der Weiterentwicklung von Automatisierungsbemühungen identifizieren.
Einsatz großer Sprachmodelle zur Effizienzsteigerung
Eine vielversprechende Lösung, die im Bericht hervorgehoben wird, ist der Einsatz großer Sprachmodelle (LLMs), um Arbeitsbelastungen zu verringern. Bemerkenswerte 57 % der Befragten glauben, dass LLMs die Produktivität steigern und manuelle Aufgaben reduzieren können, während 48 % das Potenzial dieser Modelle zur Unterstützung der automatischen Codeerstellung sehen. LLMs können entweder mit vorhandenen Datensätzen nachjustiert werden, um bestimmte Aufgaben zu optimieren, oder spezialisierte Modelle für bestimmte Bereiche wie Owl — ein Modell zur Automatisierung von IT-Aufgaben — verwendet werden.
Dynatrace betont, dass erfolgreiche DevOps-Teams große Sprachmodelle mit Datenreife synergetisch kombinieren müssen, um „Präzision und Vorhersage“ zu erreichen. Wie Greifeneder feststellt: „Datengetriebene Automatisierung ist entscheidend, um Innovationen freizusetzen und die Erwartungen der Kunden im Zeitalter cloud-nativer Anwendungen zu erfüllen.“ Im Gegensatz zu herkömmlichen KI-Methoden, die in ihrem Anwendungsbereich begrenzt sein können, können Plattformen, die prädiktive, ursächliche und generative Techniken kombinieren, bei der Lösung vielfältiger Herausforderungen in der DevOps-Automatisierung hervorragende Ergebnisse erzielen.
Zusammenfassend lässt sich sagen, dass der Weg zu fortgeschrittener DevOps-Automatisierung voller Hindernisse ist, doch die Integration von KI und verbesserten Datenstrategien bietet einen vielversprechenden Ansatz zur Steigerung der Effizienz, Produktivität und Innovation in der heutigen Wettbewerbslandschaft.