Die KI-native Netzwerkplattform von Juniper – Lösungsbeschreibung

Dies ist nicht die Art von Fragen, die sich durch Hinzufügen neuer Funktionen, ob KI-gestützt oder nicht, lösen lassen. Diese Fragen erfordern ein langfristiges strategisches Vorausdenken.

Juniper hat die branchenweit erste KI-native Netzwerkplattform entwickelt, um in vollem Umfang von den Vorteilen der KI zu profitieren und jede Verbindung zu nutzen. Unsere KI-native Netzwerkplattform bietet die branchenweit einzigen echten AIOps-Funktionen mit beispielloser Assurance in einer Cloud – und zwar für das gesamte Netzwerk. Damit können Unternehmen nicht nur aktuelle Managementprobleme lösen und die Abläufe optimieren, sondern auch gewährleisten, dass alle Verbindungen zuverlässig, messbar und sicher sind. Oder sie können leistungsstarke und anpassungsfähige Netzwerkinfrastrukturen erstellen, die für die Anforderungen geschäftskritischer KI-Workloads in Bezug auf Verbindungen, Datenvolumen und Geschwindigkeit optimiert wurden.

Alles begann mit einem strategischen „Experience-First“-Ansatz, mit dem die beste Benutzererfahrung sowohl für Netzwerkbetreiber als auch für Endbenutzer umgesetzt werden sollte (Tabelle 1). Die richtige Benutzererfahrung basiert auf drei wichtigen Säulen:

• Relevante Daten
• Echtzeitreaktionen
• Eine sichere Infrastruktur

In traditionellen Netzwerkinfrastrukturen liefert das grüne Licht, das funktionierende Verbindungen anzeigt, nur einen kleinen Teil der ganzen Sache. In der Realität kann es vorkommen, dass einige Benutzer keine E-Mails laden können. Andere sind vielleicht frustriert über ruckelnde Videokonferenzen. Diese Liste lässt sich beliebig fortsetzen.

Der Einsatz von KI als Lösung für granulare Netzwerkprobleme ist eine logische Konsequenz, doch ohne den richtigen Ansatz ist es nicht automatisch ein Erfolg. Qualitativ hochwertige Daten sind unerlässlich. Juniper ist der erste Technologieanbieter der Branche, der mit den richtigen Fragen beginnt, um die richtigen Daten zu gewinnen. Im Gegensatz zu grundlegenden Fragen zum Verbindungsstatus zielen diese Fragen darauf ab, Informationen über die Benutzererfahrung und die wichtigsten Probleme im Netzwerk eines Unternehmens zu ermitteln.

Juniper verfügt über mehr als sieben Jahre Erfahrung in der Entwicklung von und im Einsatz von KI- und ML-Algorithmen, die hochwertige Erkenntnisse mit einer minimalen Anzahl an (falsch-positiven) Fehlalarmen liefern. Der Prozess der richtigen Datenverarbeitung beginnt mit unserer Organisationsstruktur und den Teams, die für die Entwicklung unserer Lösungen verantwortlich sind. Bei Juniper arbeiten unsere Kundenservice-Teams eng mit unseren Datenwissenschaftlern zusammen, um die Erfahrung im Netzwerk zu verbessern. Mit den richtigen Erkenntnissen über die dringlichsten aktuellen Herausforderungen der Kunden können die Datenwissenschaftler von Juniper KI-Primitive speziell für KI-Toolkits entwickeln, die diese mit Daten versorgen und unterstützen. Um unsere Algorithmen zu trainieren, extrahieren wir Echtzeit-Telemetriedaten von Routern, Switches, Access Points und Firewalls.

Ein wichtiger Faktor ist, dass das Konzept der richtigen Daten über das Netzwerk selbst hinausgeht. Durch kontinuierliches Erfassen der Benutzererfahrung bezieht Juniper neben den Netzwerkdaten auch Anwendungsdaten mit ein, sodass das KI-System die verwendeten Anwendungen kennenlernt und potenzielle Auswirkungen auf die Anwendungserfahrung von Benutzern aufgrund ungünstiger Netzwerkbedingungen vorhersagen kann.

Ständige Schwierigkeiten bei der Bearbeitung von Trouble-Tickets oder bei der Behebung von Problemen im Netzwerk sind für IT-Teams in Netzwerken an der Tagesordnung. Durch das KI-native Netzwerk können sich die Teams mehr auf strategische Prioritäten konzentrieren, da die Erkennung und Lösung von Problemen zu einer kontinuierlichen proaktiven Aufgabe wird. Die KI-Modelle von Juniper werden anhand des Kontexts der Anomalieerkennung, der Servicelevels und dem Abgleich von Ereignissen trainiert und verbessern sich laufend, sodass sie IT-Teams jederzeit die richtige Reaktion in Echtzeit liefern können.

Mist^™ AI von Juniper hat beispielsweise Netzwerkprobleme und -anomalien aufgedeckt, die die Netzwerke der Kunden monatelang beeinträchtigt haben. Im Folgenden sind einige Beispiele dafür aufgeführt, wie Juniper seinen Kunden mit KI hilft, die richtige Antwort in Echtzeit zu finden:

• Automatisches RRM (Radio Resource Management): Automatisches RRM von Juniper nutzt bestärkendes Lernen, um Kanal und Leistung der Access Points in Echtzeit selbstständig anzupassen und so die WLAN-Abdeckung in einem bestimmten Bereich oder einem ganzen Gebäude zu optimieren.
• Virtueller Netzwerkassistent Marvis^®: Marvis hat die Art und Weise, wie Netzwerk-IT-Teams ihre Netzwerkinfrastruktur verwalten, revolutioniert. Über eine Chatschnittstelle können IT-Mitarbeitende natürlichsprachliche Eingabeaufforderungen und Befehle nutzen, um Probleme zu beheben und zugrundeliegende Probleme aufzudecken. Marvis identifiziert proaktiv Echtzeit-Probleme, die sich auf die Benutzererfahrung auswirken, und stellt sie in einer leicht verständlichen grafischen Benutzeroberfläche (GUI) dar. IT-Mitarbeitende können einfach Fragen stellen wie „Gibt es unzufriedene Benutzer?“ oder Anweisungen wie „Löse heute Mittag ein Problem mit Zoom für Kumar“ geben.
• Marvis Minis: Die auch als „Digitale Zwillinge für die Benutzererfahrung“ bezeichneten Minis simulieren Benutzer und Anwendungen im Netzwerk. Selbst wenn Benutzer nicht aktiv auf das Netzwerk zugreifen (z. B. an Wochenenden oder abends), überwachen die Minis kontinuierlich die Konfiguration und identifizieren andere potenzielle Probleme, die die Benutzererfahrung beeinträchtigen könnten.
• Servicelevel-Erwartungen (SLE): SLEs bieten jederzeit einen direkten Einblick in die tatsächliche Erfahrung von Endbenutzern über WLAN, kabelgebundenen Zugang, WAN und Anwendungen. Auf der obersten Ebene beschreiben SLEs die Erfahrung genau. Mit einem Doppelklick können Benutzer wichtige Details aufrufen, die sich auf die Benutzererfahrung auswirken. Dazu gehören Korrelationen mit anderen Ereignissen oder Problemen sowie eine Beschreibung des Schweregrades der Auswirkungen und andere Details – alles in Echtzeit.

Marvis, der erste und einzige KI-native virtuelle Netzwerkassistent, simplifiziert den Betrieb für Netzwerk-IT-Teams, indem er proaktive Reaktionen auf Netzwerkprobleme in Echtzeit ermöglicht. Anstatt Probleme manuell zu beheben, kann das IT-Personal einfach Marvis um Hilfe bitten oder im Marvis Actions-Framework eine Zusammenfassung der aktuellen Probleme und empfohlenen Maßnahmen einsehen. Zu den Funktionen von Marvis gehören:

• Konversationsschnittstelle: Marvis nutzt NLP (Natural Language Processing) mit NLU (Natural Language Understanding) und Wissenskurven, um die Absichten und Ziele der Benutzer zu verstehen. Er setzt Fragen in ihren Kontext, gibt spezifische Ergebnisse aus und kann anhand des Benutzer-Feedbacks sogar die erforderlichen Maßnahmen einleiten.
• Marvis Actions: Durch Nutzung der Mist AI-Engine, um die Domänen WLAN, LAN, WAN, Sicherheitsinfrastruktur und Datencenter nach der Ursache eines Problems zu durchsuchen, kann Actions diese automatisch beheben (self-driving) oder Maßnahmen zu ihrer effektiven Behebung empfehlen (driver-assist).
• Marvis Minis: Minis, der einzige digitale Zwilling für KI-native Unternehmensnetzwerke, simuliert proaktiv und digital Benutzerverbindungen. Dadurch kann er Netzwerkkonfigurationen unmittelbar validieren und Probleme auffinden/erkennen, ohne dass Benutzer im Netzwerk präsent sein müssen. Die Daten von Minis werden kontinuierlich in die Engine von Mist AI eingespeist und liefern so eine weitere Informationsquelle, die die besten AIOps-Reaktionen ermöglicht.
• Anomalieerkennung: Marvis ergänzt das SLE-Framework durch eine Anomalieerkennung, sodass Administratoren Ereignisse, die die Servicebereitstellung beeinträchtigen könnten, proaktiv identifizieren und eine schnelle Bestimmung und Lösung der Problemursachen gewährleisten können.
• Korrelation von Daten: Marvis gleicht die vorliegenden Informationen mit einer umfassenden Wissensdatenbank ab, um das Ausmaß und den Schweregrad eines aufgetretenen Problems zu ermitteln.
• Präzise Analysen der Ursachen auftretender Störungen Unsere Data Science-Werkzeuge nutzen Bayessche Statistik, um die wahrscheinlichsten Ursachen für Netzwerkprobleme zu identifizieren und zu ermitteln.

Juniper verfügt über die branchenweit höchste Skalierbarkeit der Infrastruktur  – von Geräten über Betriebssysteme bis hin zu Hardware und Software – als ideale Grundlage für unsere Netzwerkplattform. Unsere Cloud-native, API-verbundene Architektur wurde für die Verarbeitung enormer Datenmengen entwickelt, um Zero Trust zu ermöglichen und sicherzustellen,  dass die richtigen Reaktionen zur richtigen Zeit ergriffen werden.

Die Juniper Mist Cloud bildet das Rückgrat der Juniper Mist AI-Engine und bündelt Daten und KI-Rechenleistung zentral mit der nötigen Skalierbarkeit und Elastizität, um KI zu trainieren und KI-Inferenz durchzuführen. Juniper Mist Cloud liefert Updates, Versionen mit neuen Funktionen, Bugfixes, Bedrohungspatches, Gerätesupport und vieles mehr in Echtzeit und ohne Unterbrechung des Netzwerkbetriebs. Die Kunden profitieren von einem einfacheren Betrieb, da keine umständlichen Hardware- und Softwareerweiterungen vor Ort erforderlich sind.

Die Right Secure-Infrastruktur umfasst auch die Bereitstellung der spezifischen Netzwerkinfrastruktur durch Juniper, die für KI-Cluster erforderlich ist. Wir verfügen über eine nachgewiesene Erfolgsbilanz bei der Bereitstellung einer robusten, leistungsstarken, standardbasierten Infrastruktur und gewährleisten, dass unsere Ethernet-basierten Netzwerke die anspruchsvollen Anforderungen von Unternehmen erfüllen, die Datencenter für KI-Training, -Speicherung und -Inferenz aufbauen.

Juniper war schon früh führend im WLAN-Bereich und hat AIOps auf alle Bereiche des Netzwerks ausgeweitet.

Transformieren Sie Campus- und Zweigstellennetzwerke mithilfe der einzigen KI-gestützten, Cloud-basierten Campus- und Zweigstellenlösung der Branche, die nachweislich vorhersehbare, zuverlässige und messbare Benutzererfahrungen bei niedrigen Gesamtbetriebskosten bietet. Die KI-native Full-Stack-Lösung bietet AIOps für den drahtlosen und kabelgebundenen Zugang zum Core, SD-WAN, Services in Innenbereichen sowie Netzwerk-Zugriffssteuerung (NAC), um eine transformative, KI-gestützte Full-Stack-Erfahrung vom Client bis zur Cloud zu gewährleisten (siehe Abbildung 4). Beispiele für spezifische Anwendungsszenarien sind:

• KI-gestützer Full-Stack
• SD-WAN
• SD-Branch
• Unternehmens-Edge
• SASE
• Verfolgung von Ressourcen
• Mobil-Engagement
• Kabelgebundener und drahtloser Zugang
• WLAN-Zugang
• Kabelgebundener Zugriff
• Campus-Fabric
• Privates 5G

Nutzen Sie die Hybrid-Cloud- und KI-Revolution mit einem sicheren, modernen Datencenter, das IT-Teams ermöglicht, Innovationen einfacher und zuverlässiger zu skalieren. Absichtsbasierte Automatisierung des Datencenters und kontinuierliche Validierung von Day 0 bis Day 2+ mit der Juniper Apstra^®-Software und Marvis simplifizieren den Betrieb. Beispiele für Anwendungsszenarien:

• Datencenter-Automatisierung
• Datencenter-Fabric
• Datencenter-Edge und WAN-Gateway
• Zero-Trust-Datencenter
• Vernetzung von Datencentern

Mühelose Skalierung des automatisierten WAN für optimale Benutzererfahrungen, sodass das Netzwerk selbst nicht mehr wahrnehmbar ist.

Juniper Mist Cloud nutzt ein modernes Microservices-basiertes Design, um unerreichte Agilität, Skalierbarkeit und Ausfallsicherheit zu gewährleisten. Dadurch lassen sich neue Funktionen leicht hinzufügen oder entfernen, neue Verbesserungen implementieren und Fehlerbehebungen fast wöchentlich ohne Unterbrechung des Netzwerkservices bereitstellen. Durch die elastische und bedarfsgerechte Skalierung der Services werden die mit monolithischen Hardwareinfrastrukturen einhergehenden Kosten und Komplikationen vermieden. Zudem ist Juniper Mist Cloud inhärent robust, da sich der Ausfall eines Services nicht auf andere auswirkt.

Mit der KI-Lösung für Datencenter von Juniper sorgen Sie schnell und einfach für leistungsstarke, skalierbare Netzwerke, die fit für KI-Training und -Inferenz sind. Mithilfe von absichtsbasierten Abläufen, einem KI-nativen virtuellen Netzwerkassistenten und validierten Designs von Juniper wird das Design, die Bereitstellung und die Fehlerbehebung von Datencenter-Netzwerken deutlich simplifiziert, sodass Unternehmen mit weniger IT-Ressourcen mehr erreichen können.

Apstra ermöglicht Intent-based Networking in anbieterunabhängigen Umgebungen mit vorgefertigten Entwürfen, kontinuierlicher Validierung und proaktiver Fehlersuche. Es lässt sich auch mit dem virtuellen Netzwerkassistenten Marvis integrieren, der KI-gestützte Analysen und Erkenntnisse für den Betrieb von Datencentern liefert.

Die Switches der QFX-Serie und die Router der PTX-Serie von Juniper Networks^® bieten verlustfreie, skalierbare Konnektivität mit hoher Bandbreite und geringer Latenz über Ethernet, der bevorzugten Technologie für Netzwerke im KI-Datencenter. Ethernet nutzt das umfangreiche Ökosystem von Anbietern und Standards, senkt die Kosten und beschleunigt Innovationen.

Die Router der PTX-Serie bieten 800-GbE-Plattformen mit hoher Dichte für Spine- und Super-Spine-Architekturen und unterstützen Tausende von GPUs bei höchsten Geschwindigkeiten. Juniper bietet außerdem validierte Designs für KI-Cluster verschiedener Größen und Konfigurationen sowie umfassende Sicherheitslösungen und Drittanbieter-Integrationen.

Um die Sicherheit über das Netzwerk hinaus auf Anwendungen und Services auszuweiten, nutzt Juniper ein offenes API-Ökosystem. Alles begann damit, dass wir Zoom- und Netzwerkdaten zusammenführten und unseren kontinuierlichen Lernprozess für die Benutzererfahrung nutzten, um den Ursachen für schlechte Zoom-Erfahrungen auf den Grund zu gehen (siehe Abbildung 6). Wir nutzten die gewonnenen Erkenntnisse, um die Probleme zu beheben, bevor die Benutzer überhaupt eine Verbindung herstellen, und dehnten die End-to-End-Sicherheit über das Netzwerk hinaus auf Anwendungen und Services aus.

KI-native und Nachhaltigkeitsinitiativen gehen Hand in Hand. AIOps ermöglicht eine schnelle Fehlerbehebung aus der Ferne und hilft Unternehmen so, Technikereinsätze mit hohem CO2-Fußabdruck vor Ort um bis zu 85 % zu reduzieren. Darüber hinaus ist die Netzwerkinfrastruktur von Juniper auf die Zukunft ausgerichtet: Wir legen Wert auf Energieeffizienz und modulare Designs, die Reparaturen simplifizieren, Elektroschrott reduzieren und die Produktlebensdauer verlängern. Zudem versenden wir unsere Produkte in nachhaltigen Verpackungen, die darauf ausgelegt sind, Abfall und transportbedingte Emissionen zu reduzieren.

Juniper hat bereits vor Jahren den Grundstein für seine KI-native Netzwerkplattform gelegt, indem wir unsere Produkte so entwickelt haben, dass wir daraus aussagekräftige Netzwerkdaten extrahieren kann. Indem wir mit unseren Daten die Erfahrungen von Betreibern und Benutzern kontinuierlich verbessern und die Fähigkeiten, die uns dies ermöglichen, zu unserer Grundlage machen, haben wir neue Maßstäbe für die Branche gesetzt. Doch wir haben nicht vor, uns auf unseren Lorbeeren auszuruhen. Unternehmen, die außergewöhnliche Rundum-Benutzererfahrungen bieten und gleichzeitig die Netzwerkherausforderungen simplifizieren sowie Sicherheit gewährleisten wollen, sind bei Juniper an der richtigen Adresse, damit heute und in Zukunft jede Verbindung zählt.

Erfahren Sie mehr über die KI-native Netzwerkplattform von Juniper.

3510815 - 001 - DE JANUAR 2024