(MSc thesis)
Die nu GmbH hat sich auf die Herstellung von WebApps spezialisiert und setzt beim Cloud-Betrieb auf den Standard „Kubernetes“. Die Web Applikationen unterliegen einer agilen Weiterentwicklung. Darum besteht das Risiko, dass Performance und Stabilität der Software beeinträchtigt werden.
Diese Beeinträchtigungen stellen anfänglich meist kein Problem dar, sondern erst unter Lastsituationen und führen zu teilweisen Ausfällen oder Totalausfällen. Grundsätzlich wären die Störungsursachen bereits mit dem Release der neuen/geänderten Funktionen erkennbar. Doch unter den vielen Betriebsparametern gehen sie oftmals unter.
Es soll untersucht werden: Kann mit Methoden der künstlichen Intelligenz ein Frühwarnsystem umgesetzt werden?
Können außergewöhnliche Betriebszustände oder Ausreißer von Betriebsparametern automatisch erkannt werden?
Ein möglicher Ansatz: Das Frühwarnsystem in Betriebsperioden trainieren, in denen gute, wie auch schlechte Zustände vorherrschen.
Danach soll das so trainierte System bezügl. Diagnosefähigkeit und Zuverlässigkeit untersucht werden.