Dynatrace-Studie zu Observability und Automatisierung KI-Einsatz belastet SRE- und Platform-Engineering-Teams

Anbieter zum Thema

Dynatrace GmbH

PROFI Engineering Systems AG

WatchGuard Technologies GmbH

mibeca GmbH – Mike Bergmann Akademie

KI-Workloads verändern die Aufgaben von SRE- und Platform-Engineering-Teams. Eine Dynatrace-Studie zeigt wachsenden Bedarf an Modellüberwachung, Automatisierung und Observability, während Tool-Integration, Datenflut und ausbleibende Kosteneffekte belasten.

In der Studie „The State of SRE and Platform Engineering 2026“ von Dynatrace, eine KI-gestützte Observability-Plattform, wurde untersucht, wie Unternehmen Observability, Automatisierung und KI orchestrieren, um Site Reliability Engineering (SRE) und Platform Engineering in großen Unternehmen zu skalieren. Das Ergebnis: Mit zunehmender Nutzung von KI verschieben sich insbesondere die Aufgaben von SRE und Platform Engineering. Denn gerade diese Teams seien besonders gefragt, wenn es darum geht, neue Benchmarks, Tools und Funktionen für KI-Workloads in ihre Umgebungen für Zuverlässigkeit und Softwareentwicklung zu integrieren.

Dabei nennen 67 Prozent der SRE-Teams das Monitoring von KI-Modellen inzwischen als wichtigsten Anwendungsfall. Die Überwachung von Modellleistung und -genauigkeit ist mit 58 Prozent zugleich die meistgenannte KI-gestützte Funktion. Fast die Hälfte der SREs sieht sich jedoch durch die Vielzahl an Datenquellen und Metriken bei der Definition und Verwaltung von Service Level Objectives beeinträchtigt.

Datenflut bewältigen

Wie Observability komplexe IT-Systeme verständlich macht

SRE und Platform Engineering sind fest etabliert

Die organisatorischen Grundlagen für den Betrieb komplexer digitaler Umgebungen sind laut Studie in vielen Unternehmen vorhanden. 92 Prozent berichten von Unterstützung der Führungsebene für SRE-Initiativen.

Auch Platform Engineering ist weit verbreitet: 89 Prozent der Unternehmen, die diesen Ansatz verfolgen, haben eine interne Entwicklerplattform implementiert. In 60 Prozent der Fälle wird sie bereichsübergreifend genutzt. 73 Prozent der SRE- und Platform-Engineering-Teams arbeiten zudem zusammen und teilen Verantwortung für Zuverlässigkeit und Plattformbetrieb.

Das bedeutet, Unternehmen haben in Zuverlässigkeit, Automatisierung und Entwicklerproduktivität investiert. Nun sollen SRE- und Platform-Engineering-Teams diese Grundlage auf die nächste Phase der Digitalen Transformation überführen.

KI-Tools allein lösen Komplexität nicht

Trotz der stärkeren KI-Nutzung bleiben messbare Effekte bei Kostensenkung und der Reduzierung der Mean Time to Resolution hinter den Erwartungen zurück. Für mehr als ein Drittel (37 %) der Platform Engineers ist die Integration bestehender Tools und Systeme die größte Hürde.

Nur 40 Prozent haben Observability über alle Phasen der Bereitstellung hinweg integriert. Gleichzeitig nutzt bereits die Hälfte der SREs KI-gestützte Funktionen zur automatisierten Reaktion auf Vorfälle. Die Ergebnisse deuten damit auf einen Übergang zu stärker agentischen Abläufen hin, bei denen Observability als Steuerungsebene aber steuert, wann und wie autonome Aktionen ausgeführt werden.

Dynatrace will Lücke schließen

Vor diesem Hintergrund verweist Dynatrace auf die angekündigte Absicht zur Übernahme von Arize. Die geplante Kombination soll KI-Evaluierung und Observability enger zusammenführen. Teams, die KI-Modelle entwickeln, und Teams, die diese produktiv betreiben, sollen dabei mit denselben Daten arbeiten können.

„SRE und Platform Engineering haben die Grundlage für moderne digitale Zuverlässigkeit geschaffen. KI schreibt nun jedoch die Regeln neu“, sagt Steve Tack, Chief Product Officer bei Dynatrace. Nun müssten sich Unternehmen von der Verwaltung einzelner Systeme hin zur Orchestrierung komplexer Umgebungen entwickeln. „Dafür müssen sie Observability, Automatisierung und agentische KI miteinander verbinden, um mit der Geschwindigkeit zu agieren, die diese Initiativen erfordern, und Erkenntnisse skalierbar in konkrete Maßnahmen zu überführen.“ Tack begründet die Absicht zur Arize-Übernahme zudem mit den Ergebnissen der Studie. „KI-Engineering-Teams bewerten Modelle in einem Tool, während Betriebs-Teams sie in einem anderen überwachen. Diese Lücke ist nicht länger tragbar, da KI immer tiefer in die Produktionsumgebungen von Unternehmen vordringt.“

5 Do’s & Don’ts für erfolgreiche Observability

Monitoring reicht nicht – Observability muss liefern

(ID:50938800)