Virtueller Netzwerkassistent Marvis – Datenblatt

Marvis hilft erheblich bei der Fehlerbehebung und beim Support, sodass IT-Teams eine kürzere Lösungsdauer oder Mean Time to Innocence erreichen können. Er bietet eine umfassende Ansicht des Netzwerks mit Einblicken in Benutzer, Clients und Geräte, ohne dass mehrere Dashboards aufgerufen oder CLI-Befehle auswendig gelernt werden müssen. Marvis ist eine Erweiterung des IT-Teams – er durchkämmt Daten und Protokolle, um die Grundursachen zu ermitteln, und liefert Antworten in Echtzeit und mit hoher Effizienz.

Marvis ist die zentrale Anlaufstelle für IT-Teams, um den Zustand des Netzwerks einzusehen. Sie müssen sich keine CLI-Befehle mehr merken oder wissen, welche Dashboards die relevanten Informationen enthalten, da diese von jeder Seite des Mist-Dashboards aus zugänglich sind. Dank Antworten, die auf Knopfdruck bereitstehen, verändert sich die Art und Weise, wie IT-Teams das Netzwerk erleben und mit ihm interagieren, erheblich.

Marvis Actions sorgt für simplifizierte Abläufe und transformiert die IT-Prozesse, sodass statt reaktiver Fehlerbehebung proaktive Verbesserungen vorgenommen werden können. Damit können sich Administratoren gleich zu Beginn des Arbeitstages eine umfassende Visibilität in gravierende Netzwerkprobleme im gesamten Unternehmen verschaffen und wissen daher immer genau, was sie an diesem Tag priorisieren müssen. Wenn neue Standorte hinzugefügt werden, kann Marvis Actions problemlos skaliert werden, da für Nutzer keine weiteren Einrichtungsschritte anfallen.

Marvis identifiziert proaktiv die Grundursache von Problemen in allen IT-Domänen (WLAN, LAN, WAN, Sicherheit und Anwendungen) und bietet Einblicke in alle wichtigen Probleme, die auftreten, wenn ein Client auf eine Anwendung im Datencenter oder in der Cloud (Client-to-Cloud) zugreift. Er kann entweder Probleme automatisch (Self-Driving-Modus) und in Zukunft mit Genehmigung des Benutzers lösen, oder er empfiehlt Maßnahmen, die ein Eingreifen des Benutzers erfordern (assistentengestützter Modus). Nach Abschluss schließt Marvis die den Kreis, indem er die Korrektheit der Aktionen in der Mist AI-Engine validiert, dabei Marvis hilft, zu lernen und so das Vertrauen Ihres IT-Teams gewinnt.

Einige Vorteile von Marvis Actions für Juniper Mist^™ Wired Assurance sind hier aufgelistet. Marvis isoliert kabelgebundene Clients, die sich nicht verbinden können, und erkennt fehlerhafte an Ports angeschlossene Netzwerkkabel, falsche Porteinstellungen, L2-Schleifen, DHCP-Fehlerbereiche, kabelgebundene Clients, die sich nicht authentifizieren können sowie kontinuierliche Port-Flaps und bietet eine Option zur Deaktivierung des betreffenden Ports an, die der Benutzer von Marvis in Zukunft automatisieren lassen kann.

Außerdem fügt er automatisch fehlende VLAN-Tags hinzu, behebt falsche Port-Modus-Konfigurationen und isoliert ständig ausfallende Wireless-Clients. Er identifiziert auch fehlende VLANs von Switches anderer Hersteller. Für Juniper Mist^™ WLAN Assurance hilft Marvis Actions, APs zu isolieren, die ein Firmware-Upgrade an einem bestimmten Standort verpasst haben, liefert Ursachen und Fehlerbereiche, wenn ein AP offline geht (Site- oder Switch-down-Szenario), isoliert ständig ausfallende drahtlose Clients, erkennt Abdeckungslücken und APs oder Standorte mit unzureichender Kapazität, identifiziert APs, die mit einem fehlerhaften Kabel verbunden sind, und erkennt fehlende VLANs. Eine weitere einzigartige Funktion ist der Einblick in Probleme mit vorgelagerten Diensten und Geräten wie Radius, DHCP, DNS-Server und ARP-Gateways. 

Die Ursachenanalyse umfasst nicht nur Serverausfälle, sondern auch komplette Ausfälle eines APs, Switches, WLANs oder eines gesamten Standorts oder Unternehmens.

Darüber hinaus ermöglicht Marvis unseren KI-gesteuerten Support mit proaktiver Warenrücksendegenehmigung (RMA) für fehlerhafte Juniper Access Points. Die manuelle Fehlersuche durch Support-Teams entfällt, was zu erheblichen Zeit- und Arbeitseinsparungen führt und gleichzeitig die Gesamterfahrung für Benutzer, Geräte und Kunden verbessert.

Mit einer API-gesteuerten Schnittstelle kann Marvis diese Aktionen zudem über Webhooks und E-Mail-Benachrichtigungen für Kunden auslösen, um automatisch Support-Tickets oder Arbeitsaufträge in ihren Systemen zu eröffnen.

Weitere Informationen zu einigen Aktionen finden Sie unter: https://www.juniper.net/documentation/us/en/software/mist/mist-aiops/topics/concept/marvis-vna.html.

Die Ermittlung und Lösung von Problemen war schon immer eine reaktive Aufgabe, die sowohl für IT-Teams als auch für Benutzer frustrierend und stressig ist. Marvis stellt den Ansatz auf den Kopf, indem er den branchenweit ersten und einzigen Digital Experience Twin für KI-native Unternehmensnetzwerke bietet.

Zum ersten Mal kann das Netzwerk selbst KI nutzen, um Probleme proaktiv und in Echtzeit zu erkennen, ohne dass Benutzer anwesend sein müssen. Die Minis, die über die Cloud des virtuellen Netzwerkassistenten Marvis verfügbar sind, simulieren den Datenverkehr von Endbenutzern, Clients, Geräten und Anwendungen in Ihrem Netzwerk und nutzen unüberwachtes maschinelles Lernen für kontinuierliche Einblicke in das Netzwerkverhalten und die Anforderungen.

Im Gegensatz zu herkömmlichen Lösungen für digitale Zwillinge und synthetische Tests benötigen die Minis keine manuelle Konfiguration und keine zusätzliche Hardware oder Software. Sie sind direkt in das Netz selbst integriert und immer aktiviert. Sie können selbst entscheiden, wie Sie sie einsetzen wollen: automatisch oder über Auslöseereignisse, z. B. nach einer Änderung der Netzwerkkonfiguration. Bei einem Ausfall des Netzwerkservices können Minis den Ausfall schnell überprüfen und den Schweregrad bestimmen. Minis ermöglichen es Ihrem Team, Probleme schneller und zuverlässiger zu finden und zu beheben. So helfen sie Ihnen, die bestmögliche Benutzererfahrung zu schaffen.

Der Marvis-Client, der derzeit für Android- und Windows-Geräte verfügbar ist, ist ein Softwareagent, der auf dem Endbenutzergerät ausgeführt wird und detaillierte Client-Geräteeigenschaften sammelt und anzeigt, einschließlich Einblicke in das Roamingverhalten der Clients.

Darüber hinaus erkennt der Marvis-Client die Art der Geräteverbindung – Mobilfunk oder WLAN – sowie die entsprechende Signalstärke. Dank dieser zusätzlichen Granularitätsstufe können Administratoren die WLAN-Benutzererfahrung direkt aus Kundensicht besser verstehen.

Der Marvis-Client ergänzt die Kundengerätedaten zusätzlich. Er geht dabei über das grundlegende Fingerprinting hinaus und liefert zusätzliche Details wie Gerätetyp, Hersteller und unterschiedliche Betriebssystemversionen. Je mehr Details die Client-APK auslesen kann, desto besser kann die Mist AI-Engine die erweiterte Geräteklassifizierung durchführen. Marvis lernt ständig dazu und wird immer präziser dabei, zwischen gerätespezifischen Problemen und allgemeinen Geräteproblemen zu unterscheiden, wie z. B. die Feststellung, dass bestimmte Clients mit Betriebssystemversion 8.1.0 betroffen sind.

Marvis integriert die Anomalieerkennung in SLEs, sodass Administratoren über Ereignisse, die sich auf den Service auswirken, benachrichtigt werden und die Ursache von Problemen schnell identifizieren und beheben können. Die Anomalieerkennung nutzt automatisch maschinelles Lernen, um Service-Baselines zu erstellen, und löst Benachrichtigungen aus, wenn eine Abweichung von bekannten Standards vorliegt. Die Funktion nutzt unsere dritte Generation von Algorithmen im langen Kurzzeitgedächtnis (LSTM) und rekurrenten neuronalen Netzwerken (RNN), um die Effizienz auf über 95 % zu steigern und Fehlalarme zu minimieren.

Juniper hat die Konversationsschnittstelle (CI) von Marvis erweitert, um noch menschenähnlichere Konversationen zu ermöglichen, insbesondere bei Dokumentations- und Supportfragen.  Genauer gesagt kann Marvis jetzt eine ChatGPT-Schnittstelle nutzen, wenn nach historischen Informationen aus der öffentlich zugänglichen Wissensdatenbank von Juniper gesucht wird.

Mit den neuen Zoom-Integrationsfunktionen ist Marvis in der Lage, wichtige Anwendungsdaten der Benutzer von Zoom-Clients zu sammeln und sie mit wichtigen kabelgebundenen, drahtlosen und WAN-Daten zu korrelieren, wobei fortschrittliche KI/ML-Techniken eingesetzt werden, um bei Videokonferenzproblemen schnell die Ursache zu identifizieren.

Der Marvis-Client bietet zusammen mit den drahtlosen Erkenntnissen von Zebra Visibilität über Netzwerk-, Konnektivitäts- und Anwendungsprobleme (Sprache), die mit dem Zeitpunkt der Verwendung des Geräts einhergehen. Dies liefert den Überblick über die WLAN-Benutzererfahrung des Geräts (wie vom Gerät wahrgenommen), ohne dass zusätzliche synthetische Tests durchgeführt werden.

Marvis ergänzt das Client-SLE-Framework. Er nutzt maschinelles Lernen, um Client- und Geräte-Benutzererfahrungen mit kontinuierlicher Verhaltensanalyse und Analyse des Netzwerkverkehrs zu verfolgen und zu überwachen. Die Analyse dieser Trends gibt der IT-Abteilung tiefere Einblicke für die Fehlersuche und Planung.

IT-Teams können mit Marvis Zustandsstatistiken von Switches von Juniper und Drittanbietern erfassen, die mit Access Points von Juniper verbunden sind, darunter:

• Die Anzahl der mit einem Switch verbundenenen Access Points
• PoE-Konformitätsstatus, der die Verwaltung und den Ausgleich des Stromverbrauchs angeschlossener Geräte unterstützt
• Ermittlung von VLANs, die an Switch-Ports falsch konfiguriert sind, wobei APs angeschlossen sind, aber Clients blockiert werden
• Versionskompatibilität für Switches mit unterschiedlicher Hardware
• Betriebszeit von Switches

Juniper Networks hat es sich zur Aufgabe gemacht, den Netzwerkbetrieb drastisch zu simplifizieren und für eine erstklassige Endbenutzererfahrung zu sorgen. Unsere Lösungen bieten Automatisierung, Sicherheit und KI, damit Sie von branchenführenden Einblicken und messbaren Ergebnissen profitieren. Wir sind davon überzeugt, dass die Herstellung von Verbindungen uns näher zusammenbringt und uns alle in die Lage versetzt, die größten Herausforderungen der Welt in Bezug auf gesellschaftliches Wohlergehen, Nachhaltigkeit und Gleichberechtigung zu lösen.

1000698 - 004 - DE JANUAR 2024