클라이언트: Hewlett Packard Enterprise
양식: 백서
크기: 1.32MB
언어: Deutsch
날짜: 23.04.2026
Hinter den Kulissen des autonomen Netzwerks von HPE
Moderne Netzwerkumgebungen werden immer komplexer. Daher verlieren traditionelle reaktive Managementmodelle an Bedeutung. Dieser Beitrag untersucht das autonome Netzwerk von HPE, einen Wandel von der manuellen Infrastrukturwartung hin zu einem KI-nativen, autonomen System mit Fokus auf Benutzererfahrung.
Der Artikel wirft einen Blick „hinter die Kulissen“ und zeigt im Detail, wie HPE drei Kernkomponenten (Daten, KI und Automatisierung) integriert, um einen einheitlichen Stack mit automatischer Fehlerbehebung zu schaffen. Die Data Engine nutzt einen der weltweit größten Netzwerk-Data-Lakes und verwendet Service Level Experience (SLE)-Telemetrie, um nicht nur den Gerätestatus, sondern die tatsächlichen Benutzerergebnisse zu überwachen.
Die KI-Engine nutzt ein agentenbasiertes Framework und Large Experience Models zur Ursachenanalyse und vorausschauenden Fehlerbehebung. Schließlich setzt die Automatisierungs-Engine diese Einblicke in Echtzeit-Fehlerbehebung um und nutzt dabei ein benutzerorientiertes Design, das es IT-Teams ermöglicht, die Automatisierung in ihrem eigenen Tempo zu skalieren.
Durch die Kombination von zehn Jahren Daten aus der realen Welt mit Cloud-nativen Architekturen wie HPE Aruba Networking Central und HPE Juniper Mist AI liefert HPE ein System, das Probleme erkennt und behebt, bevor sie sich auf die Benutzer auswirken. Diese Entwicklung markiert den Übergang von der Konnektivitätsverwaltung zur Bereitstellung garantierter digitaler Erlebnisse.
Der Artikel wirft einen Blick „hinter die Kulissen“ und zeigt im Detail, wie HPE drei Kernkomponenten (Daten, KI und Automatisierung) integriert, um einen einheitlichen Stack mit automatischer Fehlerbehebung zu schaffen. Die Data Engine nutzt einen der weltweit größten Netzwerk-Data-Lakes und verwendet Service Level Experience (SLE)-Telemetrie, um nicht nur den Gerätestatus, sondern die tatsächlichen Benutzerergebnisse zu überwachen.
Die KI-Engine nutzt ein agentenbasiertes Framework und Large Experience Models zur Ursachenanalyse und vorausschauenden Fehlerbehebung. Schließlich setzt die Automatisierungs-Engine diese Einblicke in Echtzeit-Fehlerbehebung um und nutzt dabei ein benutzerorientiertes Design, das es IT-Teams ermöglicht, die Automatisierung in ihrem eigenen Tempo zu skalieren.
Durch die Kombination von zehn Jahren Daten aus der realen Welt mit Cloud-nativen Architekturen wie HPE Aruba Networking Central und HPE Juniper Mist AI liefert HPE ein System, das Probleme erkennt und behebt, bevor sie sich auf die Benutzer auswirken. Diese Entwicklung markiert den Übergang von der Konnektivitätsverwaltung zur Bereitstellung garantierter digitaler Erlebnisse.
