IT-Konsolidierung Wie vereinfachte IT-Strukturen Kosten senken

Ein Gastbeitrag von Tamara Altendorf* 4 min Lesedauer

Anbieter zum Thema

Gewachsene und komplexe IT-Strukturen treiben Kosten und erschweren den Betrieb. Moderne Ansätze wie KI-Automatisierung und integrierte Datenmodelle helfen, Komplexität zu reduzieren und die Kosten in den Griff zu bekommen.

Den Überblick in der Cloud zu behalten, fällt schwer, wenn IT-Strukturen über Jahre unkontrolliert wuchern. Vereinfachte IT-Strukturen schaffen den nötigen Überblick und senken zugleich die Kosten.(Bild: ©  Kevin Carden - stock.adobe.com)
Den Überblick in der Cloud zu behalten, fällt schwer, wenn IT-Strukturen über Jahre unkontrolliert wuchern. Vereinfachte IT-Strukturen schaffen den nötigen Überblick und senken zugleich die Kosten.
(Bild: © Kevin Carden - stock.adobe.com)

Gewachsene IT-Landschaften werden schnell zur Kostenfalle. Sie entstehen selten durch eine einzelne Fehlentscheidung, sondern wachsen über Jahre: Hier ein neues Cloud-Tool für einen Fachbereich, da eine weitere Datenquelle mit anderen Schnittstellen und dort eine spezielle Lösung für ein Einzelproblem. Am Ende steht Unübersichtlichkeit und Komplexität.

Diese Entwicklung steigert die Kosten für Betrieb, Lizenzen, Integration, Sicherheit und Compliance. Daran zeigt sich, dass mehr Technologie nicht automatisch zu mehr Leistungsfähigkeit führt. Es geht also darum, die IT effizient zu steuern und Komplexität möglichst abzubauen. Die Erfahrungen von IT-Entscheidern und Plattformverantwortlichen zeigen fünf Wege zur Einschränkung von Komplexität und Kosten.

1. KI-Automatisierung entlastet die Teams

KI-gestützte Automatisierung hilft IT-Teams, Störungen schneller einzuordnen und Gegenmaßnahmen gezielter auszulösen. Im IT-Betrieb entstehen Einzelmeldungen aus Monitoring, Security, Servicemanagement und weiteren Systemen. Sie zeigen jeweils nur einen Ausschnitt der Realität und erfordern deshalb umfangreiche manuelle Analysen.

KI-gestützte Observability schafft dafür die Grundlage: Sie führt Daten aus dem gesamten Unternehmen auf einer einheitlichen Plattform zusammen und setzt sie in Kontext. Erst dann kann Automatisierung Ursachen eingrenzen, Zusammenhänge erkennen und standardisierte Korrekturmaßnahmen anstoßen. Dadurch sinkt die Zahl der manuellen Eingriffe und die Teams gewinnen Zeit für Aufgaben mit höherem geschäftlichem Wert. Wenn die Systeme Risiken früh erkennen und Workflows automatisch auslösen, ist der IT-Betrieb weniger reaktiv, sondern vorausschauend.

2. Plattformkonsolidierung schafft Kontrolle

Ein wichtiger Schritt ist es, auf Plattformebene zu konsolidieren und die Zahl der Einzellösungen zu verkleinern. Zumeist führen Unternehmen neue IT-Systeme ein, wenn sie ein Problem schnell lösen möchten. Das erzeugt zusätzliche Kosten, denen manchmal nur wenig Nutzen gegenübersteht. In der Praxis bleiben viele Werkzeuge nur teilweise genutzt.

Eine einheitliche Plattform mit nur wenigen, aber sinnvollen Tools verringert die Redundanz und senkt die Gesamtbetriebskosten. So sollten die Hauptfunktionen Application Performance Monitoring (APM), Infrastrukturüberwachung und Real-User Monitoring (RUM) in einer einzigen Plattform verwirklicht werden. Sie bietet üblicherweise viele weitere Möglichkeiten, etwa die Basis für Self-Service und eine bessere Transparenz über Kosten und Nutzung.

3. Schnelle Entscheidungen durch Datenkontext

Moderne Multi-Cloud-Umgebungen erzeugen große Mengen an Metriken, Logs, Traces, Events und Nutzungsdaten. Sie liegen oft in unterschiedlichen Systemen, wodurch Abfragen umständlich und Analysen langsam sind. Ein Beispiel: Performanceprobleme in einer Anwendung können mit der Datenbank, einem Netzwerkpfad, der Cloud-Konfiguration oder einem fehlerhaften Deployment zusammenhängen.

Ohne ausreichende Daten bleibt die Suche nach der Ursache mühsam. Die Entscheidung stützt sich dann oft auf Vermutungen. Erst ein vollständiger Datenkontext verbindet die einzelnen technischen Signale mit Abhängigkeiten und Wirkungen. Das ist nichts anderes als der Unterschied zwischen Monitoring und echter Steuerungsfähigkeit. Wenn Telemetriedaten in einem gemeinsamen Modell zusammenlaufen, können Teams Ursachen schneller erkennen, Entscheidungen belastbarer treffen und Reaktionszeiten verkürzen.

4. Security und Observability gehören zusammen

Die Trennung der beiden Disziplinen Security und Observability passt nicht zu heutigen Cloud-Architekturen mit verteilten Anwendungen und Microservices. Darüber hinaus ist der Datenverkehr häufig verschlüsselt und die Zugriffe auf Ressourcen geschehen nach dem Prinzip „Zero Trust“. Das verändert die klassische Netzwerkanalyse. Security-Teams müssen stärker auf Anwendungsebene verstehen, was genau vor sich geht und welche Nutzer wie auf die Ressourcen zugreifen.

Observability-Plattformen, die mit Security-Lösungen integriert sind, liefern dafür die richtigen Informationen. So werden Daten nicht mehrfach erfasst und analysiert. Eine integrierte Sicht verbessert das Risikomanagement und verknüpft Störungen, Betriebsdaten, Deployment, Schwachstellen und das Nutzerverhalten. Das beschleunigt die Erkennung und Bewertung von potenziellen Sicherheitsbrüchen.

5. Die Datenarchitektur sorgt für mehr Effizienz

Die Datenarchitektur entscheidet darüber, ob Unternehmen ihre Daten wirtschaftlich nutzen können. Moderne verteilte Systeme, aber auch KI-Anwendungen und digitale Kundenschnittstellen erzeugen große Datenmengen. Traditionelle Storage-Ansätze stoßen schnell an Grenzen, etwa wenn ältere Daten in günstigere und oft langsamere Speichersysteme ausgelagert werden. Für Analysen müssen diese Daten später in normale Storage kopiert werden. Das verursacht Latenzen, zusätzlichen Verwaltungsaufwand und weitere Kosten.

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Cloud Computing

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung

Eine zukunftsfähige Datenarchitektur muss mit großen Datenmengen umgehen können, ohne den Zugriff künstlich zu verlangsamen. Ein wichtiger Ansatz für vereinfachten Datenzugriff ist ein Data Lakehouse. Es verbindet die Skalierbarkeit eines Data Lakes mit der Abfrage- und Strukturierungslogik eines Data Warehouses. So lassen sich strukturierte und unstrukturierte Daten gemeinsam analysieren, ohne sie mehrfach zu kopieren oder zwischen Systemen zu verschieben. Durch die Integration beider Möglichkeiten beschleunigen Unternehmen den Zugriff auf Datenquellen, ohne für jede Stufe der Datenverarbeitung ein separates Werkzeug einzusetzen.

Fazit: Kostenkontrolle durch Vereinfachung

IT-Komplexität lässt sich wirkungsvoll durch eine gezielte Konsolidierung der gesamten IT-Landschaft senken. Dazu gehört ein kritischer Blick auf das Tool-Portfolio und die vorhandenen Datenflüsse sowie eine Bilanz des Automatisierungspotenzials. Letztlich gehört jedes einzelne IT-System auf den Prüfstand. Dort sollte es zeigen, welchen Beitrag es zu Verfügbarkeit, Sicherheit oder Effizienz der gesamten Infrastruktur leistet.

Dieser Ansatz der Kostenkontrolle durch Vereinfachung ist mehr als eine technische Migration. Er verändert Arbeitsweisen und Verantwortlichkeiten im Unternehmen. Zusätzlich greift er in zahlreiche Prozesse ein und erfordert Veränderungen. Aus diesem Grunde ist die Verringerung der IT-Komplexität eine Führungsaufgabe: Der Wandel muss mit klaren Vorteilen für die einzelnen Teams und Mitarbeitenden verknüpft sein. Genau das ist der Kern der Konsolidierung: Sie schafft eine Grundlage für die Weiterentwicklung der IT-Organisation, ohne die Komplexität unnötig zu steigern.


* Die Autorin Tamara Altendorf ist Regional Director Germany & Austria bei Dynatrace. Sie verfügt über mehr als 15 Jahre Erfahrung im Enterprise-SaaS-Umfeld mit Schwerpunkt auf AI, Cloud und digitaler Transformation. In ihrer Rolle verantwortet sie Go-to-Market-Strategien in Deutschland und Österreich und unterstützt Unternehmen dabei, technologische Komplexität in messbaren Geschäftswert zu übersetzen. Vor Dynatrace war sie unter anderem bei Gracenote, Acquia und Akamai tätig.

Bildquelle: Dynatrace

(ID:50891070)