Anomalieerkennung mit neuronalen Netzen in Zabbix-Daten

DataForge AI

Bei vielen Zabbix-Metriken kann es schwierig sein, einen Trigger zu erstellen, der Regelmäßigkeiten in normalen Datenserien ignoriert, aber bei Anomalien zuverlässig Probleme erkennt.

Mit DataForge AI können Sie auf Basis Ihrer Zabbix-Daten neuronale Netze trainieren, die normale Aktivität in Ihren Daten lernen und automatisch Anomalien in Ihren Daten im Produktivbetrieb erkennen können.

DataForge-Features

Zabbix-Client Selbstprovisionierung Berichterstattung DataForge AI

DataForge-Dokumentation

Dokumentation öffnen

Wie funktioniert es?

Die Funktionsweise

Mit DataForge lassen sich neuronale Netze für Anomalieerkennung trainieren, die direkt auf Ihre Metriken zugeschnitten sind.

Das KI-Modell lernt dabei die Abhängigkeiten mehrerer Metriken unter Berücksichtigung von zeitlichen Zusammenhängen.

Beim Ausführen des Modells auf Echtzeitdaten können so unerwartete Anomalien in diesen Metriken gefunden werden.

Sehen sie sich für eine genauere Erklärung mit Anwendungsbeispielen die Aufzeichnung unseres Vortrages auf dem Zabbix-Summit 2024 an, der die Kernidee von DataForge AI erklärt.

Zabbix-Summit 2024 Folien herunterladen (zabbix.com)

Auf der Zabbix Conference Germany 2025 wurde in einem weiteren Vortrag über DataForge AI die Funktionsweise der Integration mit Zabbix näher beschreibt, sowie weitere Anwendungsbeispiele vorstellt. Dieser Vortrag wurde nicht aufgezeichnet, wir stellen Ihnen aber die Folien zur Verfügung.

Zabbix Conference Germany 2025 Folien herunterladen (zabbix.com)

Vorschaubild zur Aufzeichnung des Zabbix-Summit-Talks
Vortrag zur Funktionsweise von DataForge AI (youtube.com)
DataForge Datensatzdetails
DataForge Datensatzdetails

Unser Bedienkonzept

Workflow mit DataForge AI

DataForge AI baut auf diesen Schritten auf:

  1. DataForge exportiert die gewünschten Trainingsdaten aus Zabbix
  2. DataForge trainiert ein AI-Modell nach den gewünschen Einstellungen
  3. Test des Modells gegen andere Trainingsdaten, um die Funktion zu prüfen
  4. Konfiguration des DataForge-AI-Runners, um das Modell in Echtzeit auf den Zabbix-Daten auszuführen und die Anomaliemetriken direkt in Zabbix zurückzuführen
  5. Konfiguration von Triggern in Zabbix, um bei erkannten Anomalien Zabbix-Probleme zu auszulösen

Ihre Vorteile

  • Kann komplexe Sachverhalte in Metriken erkennen
  • Passt sich durch automatisches Retraining an Änderungen an
  • Einfache Konfiguration & hilfreiche Übersicht
  • Vollautomatischer Workflow
  • Direkte Anbindung an Zabbix
DataForge Training-Verlustgraph
DataForge Training-Verlustgraph