Das Kapazitätsmanagement und die Leistungsoptimierung betrieblicher Anwendungssysteme gelten bis heute als komplexe Herausforderungen, welche häufig mit hohen Kosten und einer langen Projektdauer verbunden sind. Kapazitätsplanungsprozesse sind häufig nur geringfügig automatisiert oder integrieren eine Vielzahl hochspezialisierter Tools mit jeweils limitierten Anwendungsbereichen. Neue Anforderungen führen demnach zu erheblichen Verzögerungen, Medienbrüchen sowie erforderlichen manuellen Anpassungen. Um diesen Herausforderungen begegnen zu können entwarf das Fujitsu Lab Magdeburg eine auf SAP HANA basierende Wissensdatenbank für die Kapazitätsplanung, wobei verschiedene maschinelle Lernverfahren zur Anwendung kommen. In einem kürzlich veröffentlichten wissenschaftlichen Beitrag präsentierte das Fujitsu Lab Magdeburg das zugrundeliegende Konzept dieser domainspezifischen „Application Performance Management (APM) Knowledge Base“. Die zentralen Forschungsergebnisse mit Blick auf das Potenzial und die Realisierbarkeit des Konzepts lassen sich wie folgt zusammenfassen:

Moderne in-memory Datenbanken wie SAP HANA ermöglichen es, Messdaten verschiedener SAP Landschaften in eine zentrale Wissensdatenbank zu integrieren und sie für die Nutzung maschineller Lernverfahren aufzubereiten. Den oben genannten Herausforderungen im Kapazitätsmanagement wird damit in Echtzeit begegnet. So ist es möglich, What-If-Szenarien innerhalb von Sekunden zu simulieren und zugleich eine bedarfsgesteuerte datenbasierte Entscheidungsunterstützung bereitzustellen. Das Speichern von leistungsabhängigen Daten verschiedener SAP Landschaften „in-memory“ ermöglicht es nicht nur, Industriestandards zu identifizieren, sondern auch Benchmarking-Features für SAP Systeme und Systemlandschaften anzubieten. Dieser Dienst ist beispielsweise durch eine nahtlose Integration von SAP HANA mit Open-Source-Komponenten wie einem R-Server und Java-Webapplikationen technisch realisierbar. Auf dieser Grundlage wurde eine moderne SAP Fiori-basierte Benutzeroberfläche gestaltet, um künftig vielseitige Analysen und Simulationen als „Self-Services“ bereitstellen zu können.

Das vollständige Paper kann hier eingesehen werden.