Das Überwachen von Datenpunkten per Grenzwertüberwachung oder Condition Monitoring kann an seine Grenzen stoßen. Eine Machine Learning basierte Anomalieerkennung agiert deutlich flexibler und leistungsfähiger.
„Zeig mir deine Vergangenheit und ich sag dir wer du bist“ – so könnte der Leitsatz von Machine Learning Algorithmen lauten. Anders als bei einer einfachen Grenzwertüberwachung, spielt bei der Machine Learning basierten Anomalieerkennung die Historie und vor allem die Tendenz eine große Rolle. So kann ein und derselbe Wert im einen Fall ein völlig plausibler Wert und im anderen Fall eine Anomalie bedeuten.
Anomalieerkennung mit wenigen Klicks in der Cloud
Mit wenigen Klicks kann die Anomalieerkennung eines Datenpunktes aktiviert werden. Voraussetzung für eine Aktivierung sind aufgezeichnete Daten in der Cloud, damit der KI Algorithmus in der Lage ist, Muster und Gesetzmäßigkeiten zu erkennen. Die Daten müssen vorab nicht bewertet werden und können ohne weiteres Zutun verarbeitet werden. Man spricht auch von unsupervized Machine Learning.
Die Konfiguration ist dabei denkbar einfach: Lediglich die Sensitivität muss eingestellt werden – Den Rest erledigt der Machine Learning Service in der Cloud. Wird eine bereits vorhandene Anomalie nicht erkannt, kann die Sensitivität erhöht werden. Eine grafische Darstellung visualisiert schon während der Konfiguration die Ergebnisse des Algorithmus und ermöglicht so eine schnelle Kontrolle.
Ist die Anomalieerkennung einmal eingerichtet werden automatisch alle gefundenen Anomalien in bereits konfigurierten Diagrammen dargestellt. Das Diagramm ist dabei auch das Tool der Wahl – häufig zeigt sich das Problem nicht erst beim Wert, der zur Anomalie geführt hat, sondern im Verlauf der Kurve davor.
Liveüberwachung
Für jede aktivierte Anomalieerkennung wird ein logischer Datenpunkt angelegt. Je nachdem ob der Wert des Datenpunkts aktiv oder inaktiv ist, liegt aktuell eine Anomalie vor. Der Datenpunkt kann per Alarmierung überwacht und Benutzer per E-Mail, Push-Notification, SMS oder Sprachanruf benachrichtigt werden.
Die Erkennung von Anomalien hat in Erster Linie einen informativen Charakter. Eine automatisierte Aktion wird nicht durchgeführt. Letztendlich entscheidet der Benutzer des Cloud Projekts, ob es tatsächlich Handlungsbedarf gibt oder nicht. Ziel ist es, die Entscheidung möglichst schnell herbeiführen zu können.
Aktuell befindet sich der Machine Learning Service der AnyViz Cloud noch in der Testphase. Sprechen Sie uns gerne an, falls Sie darüber mehr erfahren oder die KI Funktion in Ihrem Cloud Projekt ausprobieren möchten.