Hinweis: Azure AI Anomaly Detector wurde am 20. September 2023 eingestellt. Die Funktionalität für multivariate Anomalieerkennung ist jetzt Teil der Azure AI Services. Bestehende Ressourcen wurden deaktiviert.
Was ist Azure AI Anomaly Detector?
Azure AI Anomaly Detector ist ein KI-Service, der automatisch ungewöhnliche Muster in Zeitreihendaten erkennt. Der Service nutzt Machine Learning, um das normale Verhalten Ihrer Daten zu lernen und Abweichungen zu identifizieren. Dies geschieht ohne manuelles Training oder Labeling der Daten.
Der Service bietet zwei Modi: Univariate Detection analysiert einzelne Metriken (z.B. CPU-Auslastung), während Multivariate Detection Korrelationen zwischen mehreren Metriken erkennt (z.B. CPU, Memory und Netzwerk zusammen). Die multivariate Analyse findet Anomalien, die bei isolierter Betrachtung einzelner Metriken unentdeckt blieben.
Kernfunktionen
- Univariate und multivariate Zeitreihenanalyse
- Unsupervised Learning ohne manuelles Training
- Echtzeit-Detection für Streaming-Daten
- Batch-Analyse für historische Datenmengen
- Erklärbare Ergebnisse mit Confidence-Scores
Typische Anwendungsfälle
Fertigungsunternehmen nutzen Anomaly Detector für Predictive Maintenance: Sensordaten von Maschinen werden kontinuierlich analysiert. Abweichungen im Vibrationsmuster oder Temperaturverlauf werden erkannt, bevor ein Defekt auftritt.
Finanzinstitute setzen den Service für Fraud Detection ein. Ungewöhnliche Transaktionsmuster, die von historischem Kundenverhalten abweichen, werden in Echtzeit erkannt und zur manuellen Prüfung markiert.
IT-Teams überwachen Infrastruktur-Metriken. Der Service erkennt Anomalien in Server-Performance, Netzwerk-Traffic oder Anwendungslatenz und triggert automatisch Alerts.
Vorteile
- Keine ML-Expertise erforderlich
- Automatische Anpassung an saisonale Muster
- Geringe Latenz für Echtzeit-Anwendungen
- Integration in bestehende Monitoring-Pipelines
Integration mit innFactory
Als Microsoft Solutions Partner unterstützt innFactory Sie bei Azure AI Anomaly Detector: Use-Case-Analyse, Datenanbindung, Alert-Integration und Betriebsoptimierung.
Typische Anwendungsfälle
Häufig gestellte Fragen
Welche Datentypen unterstützt Anomaly Detector?
Der Service ist auf univariate und multivariate Zeitreihendaten spezialisiert. Typische Beispiele sind Sensordaten, Transaktionsvolumen, Server-Metriken oder Geschäftskennzahlen mit regelmäßigen Zeitintervallen.
Muss ich das Modell trainieren?
Nein, Anomaly Detector ist ein unsupervised ML-Service. Er lernt automatisch aus historischen Daten und erkennt Abweichungen vom normalen Muster ohne manuelles Labeling.
Wie schnell werden Anomalien erkannt?
Für Echtzeit-Detection dauert die Analyse wenige Millisekunden pro Datenpunkt. Batch-Analysen für historische Daten skalieren linear mit der Datenmenge.
Kann ich Anomaly Detector mit Azure Monitor integrieren?
Ja, über Azure Functions oder Logic Apps können Anomaly Detector Ergebnisse Alerts in Azure Monitor auslösen. Native Integration für automatisiertes Monitoring.
