Was ist Anomalie-Erkennung?

Der Begriff beschreibt eine Veränderung innerhalb eines Datenmusters, einen Ausreißer oder ein Ereignis, das vom normalen Trend abweicht, also eine Abweichung von den erwarteten Daten.

Solche Abweichungen im Datenmuster, die sogenannten Anomalien, können darauf hindeuten, dass etwas nicht stimmt.

Diese Begriffe beschreiben einen einzelnen Datenpunkt, der zu stark von den restlichen Datenpunkten abweicht.

Diese Anomalien weichen im Kontext des einen Datensatzes ab, während sie im Kontext eines anderen Datensatzes normal sind. Dies ist die häufigste Art kontextueller Anomalien in Zeitreihendaten.

Bei diesen Anomalien weicht eine gesamte Datenuntergruppe vom breiteren Datensatz ab – einzelne Datenpunkte spielen bei der Identifikation kollektiver Anomalien keine Rolle.

Hier wird beschrieben, wie Sie maschinelles Lernen für die Anomalie-Erkennung und Bedingungsüberwachung einsetzen können.

Die digitale Transformation, die auch als Digitalisierung oder Industrie 4.0 bezeichnet wird, nutzt Technologie und Daten, um Produktivität und Effizienz zu steigern. Und die verfügbare Datenmenge steigt stetig an, je mehr Maschinen und Geräte vernetzt werden und in der Lage sind, Unmengen von Daten an jeden beliebigen Ort zu übertragen. Ziel ist es hierbei, Informationen aus diesen Daten zu extrahieren und sie zu analysieren, um mit ihrer Hilfe Kosten und Ausfallzeiten zu vermeiden. Maschinelles Lernen und Datenanalysen spielen hierbei eine entscheidende Rolle.

Jede Maschine kann unabhängig von ihrer Komplexität einen unerwünschten Zustand erreichen. Doch das bedeutet nicht gleich, dass das entsprechende Gerät heruntergefahren oder ausgemustert werden muss. Es bedeutet nur, dass möglicherweise eine Wartung erforderlich ist, um die optimale Leistung der Maschine wiederherzustellen. Indem Sie für Analysen große Datensätze einsetzen, können Sie Anomalien erkennen, die anzeigen oder sogar vorhersagen, ob eine Maschine gewartet oder ausgetauscht werden muss.

Ein reaktiver Ansatz bei der Erkennung kann zu Ausfallzeiten und Leistungsproblemen führen, die das Unternehmen beeinträchtigen, bis eine Lösung gefunden wurde. Indem sie Anomalien bei der Leistung erkennen, können Unternehmen vorhersagen, wann und warum ein Problem mit einem Geschäftsservice auftreten könnte. Die meisten Branchen können hiervon profitieren, darunter zum Beispiel die beiden folgenden:

• Telekommunikation: Telekommunikationsanalysen generieren Unmengen an Daten. Deshalb sind fortschrittliche Lösungen erforderlich, um Latenzen, Jitter und schlechte Anrufqualität zu erkennen und zu verhindern, damit die Leistung nicht beeinträchtigt wird.
• Werbetechnologie: Die Leistung dieser komplexen Anwendungen lässt sich oft nur schwer überwachen. Grund hierfür ist die Geschwindigkeit, mit der Transaktionen bei Anzeigenauktionen erfolgen. Die Anomalie-Erkennung kann Probleme in einer Anwendung ermitteln, noch bevor sie abstürzt, und verhindert so Ausfälle während der Auktionen.

Produkte müssen möglichst reibungslos und fehlerfrei funktionieren. Doch die natürliche Weiterentwicklung von Produkten kann zu Verhaltensanomalien in verschiedensten Komponenten führen – von neuen Funktionen bis hin zu A/B-Tests. Die laufende Überwachung solcher Verhaltensanomalien kann Ausfallzeiten und anhaltende Probleme verhindern. Hiervon können die meisten Branchen profitieren, darunter beispielsweise die beiden folgenden:

• E-Commerce: Die Anomalie-Erkennung kann seltsames Verhalten oder Probleme mit der Produktqualität finden, wie z. B. Preisfehler oder ungewöhnliche saisonale Schwankungen.
• Finanztechnologie: In der Finanzbranche wird in Millisekunden gehandelt. Dementsprechend müssen Unternehmen gewährleisten, dass die Anwendungen, mit denen der Handel überwacht wird, sicher und einheitlich sind. Durch Anomalie-Erkennung können Ausfallzeiten und Störungen verhindert werden, indem Leistung und Betrieb von Anwendungen auf Unregelmäßigkeiten überwacht werden.

Wenn der Service einer Website beeinträchtigt wird, leidet darunter schnell die Benutzer-Experience. Anomalie-Erkennung kann Unternehmen dabei helfen, auf Leistungsprobleme zu reagieren, bevor Kunden frustriert sind und Umsätze verloren gehen. Einige Branchen können in dieser Hinsicht von der Anomalie-Erkennung profitieren:

• Gaming: Spiele sind äußerst kompliziert, was eine manuelle Überwachung ihres komplexen Codes nahezu unmöglich macht. Künstliche Intelligenz (KI) kann jedoch Störungen und Fehler in der Benutzer-Experience, wie z. B. Bugs und Glitches, erkennen und beheben.
• Onlinegeschäfte: Der Erfolg von Onlinegeschäften hängt stark von der Benutzer-Experience ab. Das IT-Team muss API-Fehler, Serverausfälle und Ladestörungen schnellstmöglich erkennen und beheben. Durch die Ursachenanalyse mittels Anomalie-Erkennung lässt sich das Problem rasch finden, damit Plattformen, Rechenzentren und Betriebssysteme mit kurzen oder gar keinen Ausfallzeiten repariert werden können.