Juniper Mist und was KI fürs Netzwerk leisten kann

Mit Mist hat der Netzwerkriese Juniper einen WLAN Hersteller akquiriert, der Unternehmen nicht weniger als die intelligenteste Netzwerk-Lösung für das digitale Zeitalter bieten will. Warum dafür ein Perspektivwechsel nötig ist, was die KI-gestützte Plattform leistet und welche Use Cases damit möglich sind, verraten wir Ihnen hier.

Erst seit 2018 ist das amerikanische Unternehmen Mist Systems auf dem deutschen Markt aktiv. Im Bereich Indoor Location Services gilt der Anbieter von kompletten WLAN-Infrastrukturen als Vorreiter. Die Übernahme durch Juniper und die Produktintegration macht nun eine vollständig integrierte und KI-gestützte Netzwerklösung für WLAN, Multi-Rate-Switching, Routing und SD-WAN möglich.

Perspektivwechsel Client ­– auf die Sichtweise kommt es an

Mist ist eine Netzwerk-Plattform, die mit Hilfe künstlicher Intelligenz den Netzwerkbetrieb vereinfachen und proaktiv gestalten soll. Denn während sich bisherige Lösungen allein der reinen Netzwerkansicht bedienen, betrachtet Mist das Netzwerk aus der Perspektive aller angebundenen Clients. Und somit genau aus der Erwartungshaltung derer, für die das drahtlose oder kabelgebundene Netzwerk bereitgestellt wurde.

Juniper Mist Perspektiven

Juniper Mist auf einen Blick:

  • Verringert Komplexität des Netzwerkbetriebs bei Enterprise Networks
  • WLAN, Switching und SD-WAN lassen sich mit KI-Support betreiben
  • KI-gestützter Netzwerkassistent bietet schnelle Fehlerbehebung, Trendanalysen, Anomalieerkennung und proaktive Problemeingrenzung
  • Microservices-Architektur ermöglicht schnelles Bereitstellen von Updates
  • Virtuelle Bluetooth Beacons für Inhouse Navigation und Proximity-Nachrichten
  • Alle Informationen, Metriken und Analysen laufen im zentralen Management-Dashboard zusammen

Was die KI-gestützte Plattform leisten kann

Wie geht es jedem Client zu jeder Zeit im Netz? Und werden seine Erwartungen hinsichtlich bestimmter Metriken erfüllt? Das sind Fragen, die kein menschlicher Experte präzise und in Echtzeit beantworten kann. Erst recht nicht, wenn es sich um große, komplexe und verteilte Unternehmensnetzwerke handelt. Ob Laptops, Smartphones, Tablets oder auch IoT-Devices ­– die große Vielfalt an Geräten, Betriebssystemen, Standorten und Anwendungen schafft enorme Herausforderungen für die Unternehmen, die ihre Netze auf Grundlage der angebundenen Clients reibungslos betreiben möchten.

Und hier kommt die künstliche Intelligenz „Marvis“ ins Spiel: Sie nutzt Machine Learning, um das System durch eine Datenanalyse aller Anwender (natürlich anonymisiert und DSGVO-konform) zu verbessern und für bestimmte Events zu trainieren. Das Netz lernt selbstständig und ist in der Lage, Aufgaben autonom zu übernehmen. So bieten sich tiefe Einblicke, Fehler werden schnell behoben, Anomalien erkannt und Probleme proaktiv eingegrenzt. Am Ende sparen Unternehmen Aufwände und Kosten, weil es z. B. weniger Support-Cases zu bearbeiten gibt.

Was macht Juniper Mist sonst noch aus?

Service Level Expectations: Mittels kabelgebundender und drahtloser Leistungsmetriken überwacht die KI, ob die Erwartungen der Clients hinsichtlich Signalstärke, Durchsatz, Kapazität, Sicherheit, Betriebszeit und anderer SLEs erfüllt werden. Ist das nicht der Fall, stellt Marvis Lösungsansätze bereit.

Microservices-Cloud: Mist ist als Software as a Service (SaaS) konzipiert, der modular aufgebaut ist. Weil Funktionen in voneinander entkoppelten Prozessen laufen, stehen wichtige Updates und Patches schnell bereit. Ohne Downtime lassen sie sich in das System implementieren.

Virtuelle Bluetooth Beacons: Durch die Nutzung virtueller BLE-Beacons lassen sich Standorte im Innenbereich ohne die Installation und Konfiguration von extra Hardware lokalisieren. Die zentimetergenaue Erkennung der Clients macht diverse Services wie Inhouse Navigation, Wayfinding, Location Tracking, Concierge-Services oder Contact Tracing möglich.

Akute Anwendung: Indoor Location Services und Contact Tracing

Ein Vorteil der Juniper Mist Plattform ist also, dass man live sieht, wenn ein Client seinen Standort verändert und wie lange er sich in bestimmten Zonen aufhält. Und so sind vielfältige Szenarien für anonymisierte Indoor Location Services möglich.

Zum Beispiel können lokale Geschäfte durch Traffic-Analysen herausfinden, wie sie Filialen besser strukturieren, um den Umsatz zu steigern. Schulen, Universitäten und Arbeitgeber können die Kapazitätsplanung optimieren. Und ganz akut lässt sich durch Contact Tracing auch herausfinden, ob und wie die wegen Covid-19 geltenden Abstandsregeln in bestimmten Bereichen eingehalten werden.

Teamplay für bessere Analysen

Mit Premium Analytics stellt Mist einen zusätzlichen Service bereit, der die gesammelten Daten in ein externes System schreibt. Dadurch entsteht ein so genannter Data Lake, in den auch herstellerfremde Systeme ihre Informationen einfließen lassen können – vom E-Commerce-System über die Warenwirtschaft bis zum CRM, sofern sie denn die gleiche API sprechen. Komplexe Zusammenhänge sollen sich so noch einfacher und globaler erkennen lassen.

Revolutioniert KI das Netzwerk der Zukunft?

Wenn sich die Netzwerk-Welt an einem Wendepunkt befindet, an dem die reaktive Art der Bereitstelllung durch einen Ansatz ersetzt werden muss, der die KI-getriebene Automatisierung und Erwartung des Clients in den Fokus rückt, dann ja: Denn die Vision des Selfdriving-Networks kann die immer größere Komplexität beseitigen und damit Zeit und Kosten sparen.

Aber selbst die beste Netzwerk-Technologie ist nutzlos, wenn sie nicht gut umgesetzt ist. Und eine selbstlernende KI kann immer nur so gut sein, wie die Daten, mit denen sie gefüttert wird. Sprich: Sie braucht zuverlässige Hardware zur Erfassung, die von Juniper kommen kann, aber nicht zwingend muss. Auch andere Herstellersysteme können Marvis mit Daten füttern. Nur die autonome Aufgabenerfüllung bleibt dann noch außen vor. Und wenn auch Sie sich um nichts kümmern möchten, ist Mist bei Axians auch als Full-Managed Model verfügbar. Sprechen Sie mich einfach darauf an!

Diesen Beitrag kommentieren

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.