Use Cases für IT-Operations mit KI

KI verändert den IT-Betrieb

Künstliche Intelligenz hat in vielen Unternehmen zuerst in kreativen und analytischen Bereichen Einzug gehalten – Texterstellung, Datenanalyse, Code-Assistenz. Der IT-Betrieb folgt nun mit einer Wucht, die die Arbeitsweise von IT-Teams grundlegend verändert. Die Kombination aus Agentic AI, Large Language Models und standardisierten Integrationsprotokollen wie MCP macht es möglich, Routineaufgaben im IT-Operations zu automatisieren, die bisher zwingend menschliches Eingreifen erforderten.

Ollama

KI-Modelle selbst hosten: Datenschutzkonforme KI

Der Einsatz von KI-Sprachmodellen über Cloud-Dienste ist schnell und unkompliziert – aber er bringt ein grundlegendes Problem mit sich: Daten verlassen das Unternehmensnetz. Für viele Anwendungsfälle – interne Dokumente, Kundendaten, Quellcode, Finanzdaten – ist das keine akzeptable Option. Lokale KI-Modelle schaffen Abhilfe: Das Modell läuft auf eigener Infrastruktur, kein Token verlässt die eigene Umgebung.

LLMs im Vergleich

OpenAI, Mistral, Deepseek und Gemma im Vergleich

Large Language Models (LLMs) sind KI-Modelle, die auf der Basis enormer Textmengen trainiert wurden und natürliche Sprache verstehen, erzeugen und verarbeiten können. Sie bilden das Kernstück moderner KI-Assistenten, automatisierter Textsysteme und – wie im Beitrag zu Agentic AI beschrieben – autonomer KI-Agenten.

Model Context Protocol

Was ist das Model Context Protocol (MCP)?

Das Model Context Protocol (MCP) ist ein offener Standard zur Kommunikation zwischen KI-Modellen und externen Datenquellen oder Werkzeugen. Entwickelt und veröffentlicht von Anthropic im November 2024, löst MCP ein fundamentales Problem moderner KI-Systeme: Sprachmodelle sind von sich aus isoliert – sie kennen keine Unternehmensdaten, können keine APIs aufrufen und haben keinen Zugriff auf aktuelle Informationen. MCP schafft eine standardisierte Brücke zwischen dem KI-Modell und der Außenwelt.

ScriptRunner

Was ist ScriptRunner?

Jira und Confluence gehören zu den meistgenutzten Kollaborations- und Projektmanagement-Plattformen in Unternehmen. Doch trotz ihres großen Funktionsumfangs stoßen viele Teams früher oder später an die Grenzen der Standardkonfiguration. Genau hier setzt ScriptRunner an: ein leistungsstarkes Plugin des Herstellers Adaptavist, das tiefgreifende Anpassungen und Automatisierungen direkt in Atlassian-Produkten ermöglicht.

RFID & Echtzeit-Lokalisierung

Was ist RFID?

RFID steht für Radio Frequency Identification – ein Verfahren zur kontaktlosen automatischen Identifikation von Objekten mittels Funkwellen. Ein RFID-System besteht aus zwei Grundkomponenten: dem Transponder (auch Tag oder Label genannt), der am zu identifizierenden Objekt angebracht wird, sowie dem Lesegerät (Reader), das die gespeicherten Informationen drahtlos ausliest.

RFID-Tags können passiv oder aktiv sein. Passive Tags haben keine eigene Stromversorgung – sie beziehen ihre Energie aus dem elektromagnetischen Feld des Lesegeräts und haben eine nahezu unbegrenzte Lebensdauer. Aktive Tags besitzen eine eigene Batterie, senden kontinuierlich Signale aus und sind über deutlich größere Distanzen lesbar.

IoT-Sensoren in der Warenverfolgung

Was sind IoT-Sensoren?

IoT steht für Internet of Things – das Internet der Dinge. IoT-Sensoren sind physische Messgeräte, die Umgebungsdaten erfassen und diese über das Internet oder ein lokales Netzwerk an zentrale Systeme übermitteln. Sie sind klein, oft batteriebetrieben und lassen sich direkt an Gütern, Behältern, Fahrzeugen oder in Lagerstätten anbringen.

Gängige Sensortypen im Kontext der Warenverfolgung umfassen Temperatursensoren, Feuchtesensoren, Erschütterungssensoren (Beschleunigungsmesser), Drucksensoren, Lichtschranken sowie GPS-Module zur geografischen Positionsbestimmung. Jeder dieser Sensortypen liefert einen spezifischen Datenpunkt, der im Zusammenspiel ein umfassendes Lagebild einer Ware ermöglicht.

Python

Was ist Python?

Python ist eine vielfältig einsetzbare Interpreter- Programmiersprache*. Sie zeichnet sich durch vergleichsweise klare Syntax und hohe Modularität, eine breite Auswahl an Standardmodulen und eine aktive Community aus, durch die vielfache weitere Module bereitstehen. Python ist daher eine sehr flexible Plattform für unterschiedliche Anwendungsfälle und beliebt etwa bei Webentwicklung (z.B. Django, Flask), Automatisierung, wissenschaftlicher Datenverarbeitung (z.B. NumPy, Pandas) oder maschinellem Lernen (z.B. scikit-learn, PyTorch).