Causely: A Causal Intelligence Layer for Enterprise AI A Benchmark Study on SRE and Reliability Workflows
Dieser Beitrag stellt Causely vor, eine kausale Intelligenzschicht, die rohe Observability-Daten in ein strukturiertes, abfragbares Modell umwandelt und durch Benchmark-Experimente nachweist, dass sie die Leistung von KI-Agenten in SRE-Workflows erheblich verbessert, indem sie die Diagnosezeit, den Token-Verbrauch und die Kosten senkt und gleichzeitig eine perfekte Root-Cause-Genauigkeit erreicht.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie sind ein Detektiv, der versucht, ein Geheimnis in einer riesigen, geschäftigen Stadt (Ihr Computersystem) zu lösen. Die Stadt verfügt über Tausende von Gebäuden, Straßen und Menschen, die sich ständig bewegen. Plötzlich geschieht ein Verbrechen: Ein Geschäft hört auf, Waren zu verkaufen.
Der alte Weg (ohne Causely):
Derzeit erhalten KI-Detektive, wenn sie diese „Verbrechen" in Computersystemen aufklären wollen, eine riesige, unorganisierte Kiste voller roher Beweise. Diese Kiste enthält Millionen von Seiten Polizeiberichte, Überwachungskameraaufnahmen, Verkehrsprotokolle und Telefonrechnungen (dies sind die „rohen Telemetriedaten" wie Logs und Metriken).
Um den Täter zu finden, muss die KI alles in der Kiste durchlesen, herausfinden, wie die Gebäude miteinander verbunden sind, erraten, wer mit wem spricht, und eine Geschichte von Grund auf neu zusammenfügen.
- Das Problem: Dies dauert sehr lange. Die KI wird durch die schiere Menge an Papier verwirrt. Oft verschwendet sie Zeit damit, über Dinge zu lesen, die nichts mit dem Verbrechen zu tun haben. Manchmal erfindet sie sogar ein Verbrechen, das nie stattgefunden hat, nur weil sie so sehr versucht, ein Muster im Rauschen zu finden.
- Die Kosten: Da die KI so viel lesen muss, verbraucht sie eine massive Menge an „Gehirnleistung" (Tokens), was Geld und Zeit kostet.
Der neue Weg (mit Causely):
Die Studie stellt Causely vor, das wie eine superintelligente Stadtkarte funktioniert, die in Echtzeit aktualisiert wird. Anstatt dem Detektiv eine Kiste voller roher Papiere zu übergeben, gibt Causely ihm eine klare, farbcodierte Karte, die bereits Folgendes zeigt:
- Der Aufbau: Welche Gebäude mit welchen verbunden sind.
- Die Beziehungen: Wenn Gebäude A ausfällt, führt dies automatisch zum Ausfall von Gebäude B.
- Die Wahrheit: „Hier ist genau das, was gerade kaputt ist, und hier ist der Grund."
Was die Studie herausfand:
Die Forscher testeten dies, indem sie ein gefälschtes Computersystem mit 24 verschiedenen „Diensten" (wie 24 verschiedene Geschäfte in einem Einkaufszentrum) erstellten und dann einen davon beschädigten. Sie baten vier verschiedene Arten von KI-Detektiven, das Problem zu lösen: einige mit der rohen Papierschachtel und andere mit der Causely-Karte.
Hier ist, was passierte, als sie die Karte verwendeten:
- Geschwindigkeit: Die Detektive fanden den Täter 63 % schneller. Anstatt 281 Sekunden an Papierkram zu lesen, lösten sie es in 13 Sekunden.
- Genauigkeit: Wenn das System tatsächlich defekt war, lagen die Detektive ohne Karte nur in 75 % der Fälle richtig. Mit der Karte lagen sie zu 100 % richtig.
- Weniger Fehler: Wenn das System tatsächlich gesund war (kein Verbrechen), gerieten die Detektive ohne Karte oft in Panik und sagten: „Ich glaube, es gibt ein Verbrechen!" (Halluzinieren). Die Karte sagte ihnen klar: „Es ist nichts falsch", und verhinderte so, dass sie sich Geschichten ausdachten.
- Geld: Da die Detektive nicht so viel lesen mussten, verbrauchten sie 60 % weniger „Gehirnleistung" (Tokens). Dies machte die Untersuchung pro Durchlauf 57 % günstiger.
Die „gesunde" Überraschung:
Die Studie fand etwas Lustiges heraus: Die Detektive ohne Karte verbrachten tatsächlich mehr Zeit und Geld damit zu versuchen, zu beweisen, dass das System gesund war, als ein echtes Verbrechen zu finden. Warum? Weil sie ohne eine Karte jedes einzelne Gebäude überprüfen mussten, um sicherzustellen, dass nichts falsch war. Die Karte konnte jedoch sofort sagen: „Alles klar", und sparte ihnen eine enorme Menge an Aufwand.
Das Fazit:
Die Studie argumentiert, dass die alte Methode, KI rohe Daten lesen zu lassen, angesichts steigender KI-Kosten (da Unternehmen pro gelesenes Wort/Token berechnen) zu teuer und zu langsam wird. Causely fungiert als Übersetzer, der unordentliche Daten in eine klare, strukturierte Geschichte verwandelt, bevor die KI überhaupt zu denken beginnt. Dies macht die KI schneller, intelligenter, günstiger und weniger anfällig dafür, Dinge zu erfinden.
Kurz gesagt: Es ist viel besser, einer KI eine vorgezeichnete Karte zu geben, als sie die Karte selbst zeichnen zu lassen, während sie ein Rennen läuft.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.