1. Start
  2. Leistungen
  3. Splunk

Mehrwert aus Datenmengen gewinnen

Splunk ist die Plattform für Operational Intelligence und das "Google" für Maschinendaten. IT-Systeme und Technologieinfrastruktur, wie z.B. Websites, Anwendungen, Server, Netzwerke, Sensoren, Mobilgeräte sowie Anlagen erzeugen permanent riesige Mengen von Maschinendaten. Splunk Enterprise ermöglicht das Monitoring und die Analyse solcher Daten, von Kundentransaktionen bis hin zu Netzwerkaktivitäten, für wertvolle Erkenntnisse.

Durch den Einsatz von Splunk in unseren Kundenprojekten können Problemlösungszeiten sowie die Analysen von Sicherheitsvorfällen extrem verkürzt werden.

Wichtigste Anwendungsfälle

 Proaktive Instandhaltung von IT-Systemen oder Maschinen

  • Anomalie-Entdeckung in und zwischen den einzelnen Applikationen
  • Automatische Benachrichtigung bei Regelverletzungen

 

Industrielles Energiemanagement

  • Energie- und Prozessdaten verstehen und vergleichen
  • Echtzeitvisualisierung des Energieverbrauchs und Trendbildung

 

Transaction-Profiling "End-to-End"

  • Überwachung von IT-Services zur Verbesserung des IT-Servicemanagements
  • Überwachung von Produktionsprozessen und Einkaufsprozessen

Splunk Enterprise Security

Die App setzt auf Splunk Enterprise auf und ermöglicht die Erkennung und Behandlung potentieller Bedrohungen mittels Monitoring, Benachrichtigungen und Analysen. Sie eignet sich für kleine Sicherheitsteams oder das Security Operations Center eines Unternehmens und stellt die primäre Datenoberfläche für Sicherheitsprofis dar, die sich einer wachsenden Zahl von Herausforderungen gegenüber sehen.

Splunk IT Service Intelligence (ITSI)

Die Lösung bietet eine zentrale und konsolidierte Sicht auf wichtige Zustands- und Leistungsmetriken von IT-Diensten. Auf Basis von Splunk Enterprise wird ein leistungsfähiges, datengestützes Monitoring von IT-Services ermöglicht, mit dem sich Problemquellen schnell identifizieren, untersuchen und beheben lassen, um einen störungsfreien Betrieb sicherzustellen. Zum Einsatz kommen dabei u.a. komplexe, auf Machine-Learning-basierende Analysen für die Anomalie-Erkennung.