Forschungs-IT · Cluster-Betrieb automatisieren

Analysejobs und Wartungsfenster im Datencluster steuern

Eine wissenschaftliche Einrichtung mit 3.200 Mitarbeitenden betreibt einen zentralen Datencluster, dessen tägliche Aufgaben manuell koordiniert wurden.

Technologiebranche
IT Operations

Ausgangsproblem

Analysejobs und Wartungen kollidieren im Clusterbetrieb

Lösungstyp

Agentischer Workflow für IT Betrieb

Komplexität

Transformation

Leitkennzahl

Reduzierte Kollisionsfälle pro Monat

Nutzergruppe

IT Betrieb und Data Science Team

Umsetzungsdauer

3-6 Monate

Betriebsmodell

On Prem mit angebundenem Cloud Dienst

Ausgangslage

Die Einrichtung betreibt einen zentralen Datencluster für statistische Auswertungen und Machine Learning. Rund 3.200 Mitarbeitende greifen über verschiedene Fachbereiche hinweg darauf zu. Pro Arbeitstag werden im Schnitt 90 Analysejobs eingeplant, zusätzlich koordiniert das IT Team etwa 40 Wartungsaufgaben wie Updates, Reboots und Kapazitätsanpassungen. Die Planung erfolgt verteilt in Ticket System, E Mail und Tabellen. Konflikte zwischen zeitkritischen Analysen und Wartungsfenstern werden oft erst kurz vor Start sichtbar, was zu abgebrochenen Läufen, verlängerten Durchlaufzeiten und ungeplanten Nachtschichten führt.

90: Analysejobs pro Tag
40: Wartungsaufgaben pro Tag

Die Herausforderung

Die IT Abteilung muss täglich entscheiden, welche Analysejobs wann laufen dürfen und welche Wartungen verschoben werden müssen. Fachbereiche melden ihre Anforderungen in unterschiedlicher Qualität, Prioritäten sind selten klar beschrieben. Gleichzeitig gibt es feste regulatorische Wartungsfenster und interne Vorgaben zur Verfügbarkeit. Die Abstimmung erfolgt über mehrere Systeme, sodass das Betriebsteam viel Zeit mit Nachfragen und manueller Konsolidierung verbringt. Kritische Jobs starten manchmal während Wartungen, andere werden aus Vorsicht zu weit nach hinten geschoben. Das Data Science Team verliert Zeit durch Wartephasen, während die IT Leitung den Überblick über Risiken und Auslastung nur mit großem Aufwand behält.

„Wir merken Konflikte oft erst, wenn Jobs mitten im Wartungsfenster starten und abbrechen.“

„Wir verbringen zu viele Stunden damit, Prioritäten aus Tickets und E Mails zusammenzusuchen.“

„Wir können gegenüber der Leitung kaum erklären, warum bestimmte Analysen warten müssen.“

„Wir haben das Gefühl, dass wir Wartungen aus Angst vor Beschwerden zu oft verschieben.“

Warum das bisher ungelöst blieb

Das Problem war lange bekannt, galt aber als typischer Abstimmungsaufwand im Forschungsbetrieb. Ein dediziertes IT Projekt schien überdimensioniert, gleichzeitig war der Aufwand zu groß, um ihn zu ignorieren. Klassische Scheduling Tools wurden geprüft, scheiterten aber daran, dass Prioritäten und Risiken überwiegend in Freitext Tickets, E Mails und Projektbeschreibungen stehen. Eine vollständige Prozessautomatisierung war nicht realistisch, weil weiterhin menschliche Entscheidungen zu regulatorischen Vorgaben und Forschungsdeadlines nötig sind.

Kalenderlösung

Ein gemeinsamer Wartungskalender sollte Konflikte sichtbar machen, wurde aber kaum gepflegt und zeigte keine Prioritäten der Analysejobs.

Ticketregeln

Regelbasierte Ticketfilter sollten kritische Jobs markieren, konnten aber Freitextbeschreibungen und unterschiedliche Formate nicht zuverlässig auswerten.

Eingeführt wurde ein agentischer Workflow, der Analysejobs und Wartungsaufgaben aus Ticket System, Cluster Scheduler und E Mail Postfächern bündelt. Der Workflow liest Beschreibungen, Deadlines und technische Parameter, ordnet sie ein und schlägt eine konfliktarme Reihenfolge vor. Für jeden Arbeitstag entsteht eine konsolidierte Sicht auf geplante Jobs, Wartungen und Risiken. Das Betriebsteam erhält Vorschläge für Verschiebungen, Bündelungen und alternative Zeitfenster, kann diese prüfen und mit wenigen Klicks freigeben. Konflikte mit regulatorischen Wartungsfenstern oder wichtigen Projektdeadlines werden früh sichtbar, sodass Nachtschichten und abgebrochene Läufe deutlich seltener werden. Der Workflow dokumentiert Entscheidungen und macht gegenüber Leitung und Fachbereichen nachvollziehbar, warum bestimmte Jobs bevorzugt oder verschoben wurden.

Wo generative KI arbeitet

Generative KI analysiert Freitext in Tickets, E Mails und Projektbeschreibungen, erkennt Prioritäten, Deadlines und technische Anforderungen und fasst sie zu strukturierten Entscheidungsgrundlagen zusammen. Sie formuliert Vorschläge für Tagespläne, Verschiebungen und Begründungen in verständlicher Sprache und liefert konsistente, prüfbare Empfehlungen.

Bausteine

Anbindung von Ticket System und Cluster Scheduler, um tägliche Analysejobs und Wartungsaufgaben automatisch zu erfassen.
Semantische Auswertung von Freitext, Projektkontext und technischen Parametern, um Prioritäten, Deadlines und Risiken strukturiert zu bestimmen.
Agentischer Workflow, der Jobs und Wartungen in einem gemeinsamen Plan bündelt, Konflikte markiert und konkrete Verschiebungen vorschlägt.
Assistenzoberfläche für IT Betrieb und Data Science Team, in der Vorschläge geprüft, angepasst und mit wenigen Klicks freigegeben werden.
Automatische Dokumentation der Entscheidungen mit Begründungen, damit Anforderungen von Leitung und Audit jederzeit nachvollziehbar bleiben.

Signale einsammeln
Der Workflow liest täglich Analysejobs und Wartungsaufgaben aus Ticket System, Scheduler und definierten E Mail Postfächern ein und ordnet sie Projekten zu.
Kontext verstehen
Freitextbeschreibungen, Deadlines und technische Parameter werden ausgewertet, um Priorität, Dauer, Risiko und regulatorische Vorgaben für jeden Vorgang zu bestimmen.
Planvorschläge erstellen
Auf Basis von Auslastung, Wartungsfenstern und Projektdeadlines erzeugt der Workflow einen Tagesplan mit konkreten Startzeiten und Verschiebungsvorschlägen.
Freigabe durch IT Betrieb
Das Betriebsteam prüft die Vorschläge, nimmt bei Bedarf Anpassungen vor und gibt den Plan frei, der anschließend im Scheduler und Ticketsystem umgesetzt wird.
Dokumentation und Lernen
Entscheidungen und Abweichungen werden dokumentiert, der Workflow lernt aus Bestätigungen und Korrekturen für zukünftige Planungsvorschläge.

Kennzahl	Wert	Basis
Kollisionsfälle pro MonatLeitkennzahl	Rückgang um rund 70 Prozent	Systemmessunggemessen
Planungsaufwand IT Betrieb	Reduktion um etwa 35 Stunden pro Woche	Zeiterfassung vor/nachgeschätzt
Korrekturquote der VorschlägeGütemaß	Rund 15 Prozent der Pläne werden manuell angepasst	Stichprobegemessen

Aufwandsklasse

Standard (60-150 PT)

Amortisation

6-12 Monate

Haupthebel

Zeitersparnis

Laufende Kosten

Betrieb des Workflows, Wartung der Schnittstellen und begrenzte Nutzung eines Cloud Dienstes für Textauswertung.

Einschränkung

Die Lösung hängt von der Qualität der Beschreibungen in Tickets und E Mails ab. Bleiben Prioritäten und Deadlines unklar, muss das Betriebsteam nacharbeiten. Kritische Wartungen erfordern weiterhin bewusste Entscheidungen, der Workflow unterstützt nur.

Angebundene Systeme

Anbindung an das zentrale Ticket System, den Cluster Scheduler, ausgewählte E Mail Postfächer sowie ein internes Reporting Werkzeug für Auswertungen.

Betrieb

Kernkomponenten laufen im Rechenzentrum der Einrichtung, die generative Textauswertung nutzt einen datenschutzkonformen Cloud Dienst mit begrenzten, pseudonymisierten Inhalten.

Compliance

Zugriffe auf Tickets und E Mails sind rollenbasiert, sensible personenbezogene Daten werden vor Verarbeitung reduziert. Der Workflow dokumentiert Entscheidungen für interne Audits und folgt den IT Sicherheitsrichtlinien.

Kennzeichnung

In der Oberfläche wird klar gekennzeichnet, welche Vorschläge automatisiert erzeugt wurden und welche Schritte manuell bestätigt oder angepasst sind.

Verbindlichkeit

Die Vorschläge des Workflows sind nicht bindend, sie unterstützen Entscheidungen. Verbindliche Freigaben erfolgen weiterhin durch verantwortliche Personen im IT Betrieb.

Eskalationspfad

Bei widersprüchlichen Anforderungen oder kritischen Konflikten markiert der Workflow Fälle zur Eskalation an die IT Leitung oder definierte Ansprechpartner in den Fachbereichen.

Nachvollziehbarkeit

Für jede Entscheidung werden zugrunde liegende Tickets, Parameter und Begründungen gespeichert, sodass spätere Nachfragen und Audits den Ablauf nachvollziehen können.

Rollen im Betrieb

IT Betrieb verantwortet die tägliche Nutzung und Freigabe der Pläne, das Data Science Team liefert Feedback zu Prioritäten, die IT Architektur betreut Schnittstellen und Weiterentwicklung.

Übertragbarkeit

Das Muster eignet sich überall dort, wo technische Wartungen mit fachlichen Aufgaben um begrenzte Kapazitäten konkurrieren und Prioritäten überwiegend in Freitext beschrieben werden. Ein agentischer Workflow, der Signale aus mehreren Systemen bündelt, Kontext versteht und Vorschläge für konfliktarme Pläne liefert, kann auch außerhalb des Forschungsbetriebs helfen, Abstimmungsaufwand zu senken und Risiken früh sichtbar zu machen, ohne menschliche Verantwortung zu ersetzen.