Elastic verspricht, mit der Kraft von Search AI endlose Datenmöglichkeiten in echte Ergebnisse umzuwandeln. Wie das in der Praxis bei der Lufthansa aussieht, erklären Matthias Ruhl, Solution Architect bei der Airline, und Markus Klose von Elastic.
Die Lufthansa-Systeme müssen rund um die Uhr funktionieren. Matthias Ruhl und sein Team gewährleisten das, indem sie die Insights und Daten haben und verwertbar machen. So wissen sie bei einem Incident schnell, womit sie es zu tun haben. Dabei hilft die Elastic-Architektur mit Cross-Cluster-Search, die genau widerspiegelt, wie die Lufthansa-Organisation aufgebaut ist. Denn die Daten liegen auf verschiedenen Servern in unterschiedlichen Datenbanken.
Schnelle Fehler-Ursachen-Analyse spart Zeit und Geld
Der Benefit für die Lufthansa: Mit dem Elastic-Tool sieht man schneller, wo ein Problem oder Incident liegt. So kommt man weg von der zeitraubenden und teuren Fehler-Ursachen-Analyse (Root cause analysis). Dank des einheitlichen Data Mesh lässt sich schnell feststellen, ob System A, B oder C betroffen ist – und wer sich darum kümmern muss. Für die Lufthansa als Airline wäre eine In-House-Entwicklung zu aufwändig gewesen.
Markus Klose sieht als Erfolgsfaktor die gute Beziehung zum Kunden. Man höre auf die Lufthansa, sammle Feedback und Produktwünsche ein und setze die um, wo man einen Mehrwert sehe. Auch Matthias Ruhl lobt die Kollaboration und dass Elastic auf die Wünsche eingehe und sie in die Roadmap aufnehme. Umgekehrt helfe die Expertise von Elastic, besser in der Operation-Observability zu werden.
Ziel: Mit AI-Einsatz Ausfälle komplett vermeiden
Künstliche Intelligenz sehen beide als großes Zukunftsthema. Für Matthias Ruhl geht es darum, die vielen Daten so aufzubereiten, dass sie den Operation Teams einen Mehrwert bringen. Mit AI ließen sich Incidents proaktiv verhindern, indem Anomalien frühzeitig erkannt und Playbooks automatisch abgearbeitet werden. Die Vision sei, gar keine Ausfälle und Incidents mehr zu haben.
Markus Klose ergänzt, mit AI könne man die Datenmenge reduzieren und vorverarbeiten, sodass der Analyst nur noch ein Zehntel oder Hundertstel der Probleme sieht. Mit dem neuen Elastic Agent Builder ließen sich schnell AI- und LLM-Modelle nutzen, um Aktionen auszulösen. Einzige Einschränkung laut Matthias Ruhl: Die AI dürfe nicht „halluzinieren" und Systeme abschalten, statt sie zu reparieren.