Zum Inhalt springen

Ursachenanalyse mit KI bei Serverausfällen

Ein Sprachmodell hilft bei der Ursachenanalyse, wenn es einen Zeitablauf, die Messwerte rund um den Vorfall, die letzten Änderungen und kurze Protokollauszüge bekommt und nach Hypothesen in Rangfolge gefragt wird, jede mit einem Weg zur Prüfung. Zugangsdaten und Kundendaten werden vorher entfernt, Befehle führt immer ein Mensch aus, und jede Aussage wird an der Belegzeile geprüft, auf die sie sich stützt.

Ein Sprachmodell kann die Ursachenanalyse nach einem Serverausfall deutlich abkürzen – aber nur so gut, wie die Belege sind, die es bekommt. Geben Sie ihm einen Zeitablauf, die Messwerte rund um den Vorfall, die letzten Änderungen und kurze Protokollauszüge, und fragen Sie nach Hypothesen in Rangfolge, jede mit einem Weg zur Prüfung und dem Risiko des nächsten Schritts. Entfernen Sie vorher Zugangsdaten und Kundendaten, lassen Sie jeden Befehl von einem Menschen ausführen und prüfen Sie jede Aussage an der Belegzeile, auf die sie sich stützt. So genutzt, spart die KI die ersten zwanzig Minuten Suche. Als Orakel genutzt, schickt sie Sie selbstsicher auf die falsche Fährte.

Was braucht ein Sprachmodell wirklich?

Ein Modell weiß viel über Linux und nichts über Ihren Server. Alles, was es über Ihren Vorfall sagt, stammt aus dem, was Sie einfügen. Vier Arten von Belegen tragen die meiste Last:

  • Ein Zeitablauf. Wann trat das erste Symptom auf, wann kam der Alarm, wer hat wann was getan? Uhrzeiten mit Zeitzone, am besten von derselben Uhr.
  • Messwerte rund um den Vorfall. CPU, Load, Arbeitsspeicher, Swap, Füllstand und I/O der Festplatte, ein bis zwei Stunden vor dem Beginn und einige Minuten danach. Der Verlauf zählt mehr als der Einzelwert: „Der verfügbare Speicher fiel binnen 40 Minuten von 3 GB auf 80 MB“ hilft mehr als „Speicher ist knapp“.
  • Die letzten Änderungen. Deployments, Paketupdates, geänderte Konfiguration, neue Cronjobs, eine Werbeaktion mit viel Besuch. Viele Ausfälle folgen auf eine Änderung, und das Modell kann nicht erraten, dass es eine gab.
  • Kurze Protokollauszüge. Die Zeilen rund um den Beginn, vom betroffenen Dienst und vom Kernel. Zwanzig passende Zeilen sind besser als zweitausend unpassende.

Was es nicht braucht: das ganze Protokollverzeichnis, eine vollständige Prozessliste oder die Konfiguration unbeteiligter Dienste. Mehr Text heißt nicht bessere Antwort – er verschüttet das Signal und kostet mehr.

Was darf das Modell nie sehen?

Bevor etwas den Server verlässt, gehen Sie es einmal mit einer Frage durch: Würde ich das in ein öffentliches Ticket schreiben? Wenn nicht, schwärzen Sie es.

  • Zugangsdaten und Schlüssel. Passwörter, API-Schlüssel, Token, private Schlüssel, Sitzungs-Cookies. Sie stehen an mehr Stellen als gedacht: in Umgebungsdateien, in Verbindungsadressen wie mysql://app:geheim@db-01/shop, in Befehlszeilen, die ps anzeigt, in Debug-Protokollen.
  • Umgebungsvariablen. Fügen Sie nie die Ausgabe von env, printenv oder eine .env-Datei ein. Ist eine Variable wichtig, nennen Sie ihren Namen und beschreiben Sie den Wert („DB_HOST zeigt auf das Replikat“).
  • Kunden- und personenbezogene Daten. E-Mail-Adressen, Namen, Bestellnummern, IP-Adressen von Besuchern aus Zugriffsprotokollen. Ersetzen Sie sie durch Platzhalter wie kunde-1 oder 203.0.113.10.
  • Interne Namen, wenn Ihre Regeln es verlangen. Hostnamen und Domains lassen sich durchgängig ersetzen (web-01, example.com), ohne dass der Sinn verloren geht.

Ein schneller Filter vor dem Kopieren hilft, ist aber keine Garantie:

grep -inE 'pass(word)?|secret|token|api[_-]?key|authorization' auszug.txt

Gibt der Befehl etwas aus, sehen Sie sich jede Zeile an, bevor Sie die Datei weitergeben.

Wie sammle ich unter Linux schnell die Belege?

Die folgenden Befehle lesen nur und funktionieren auf aktuellem Debian und Ubuntu. Führen Sie sie als root oder mit sudo aus und schreiben Sie die Ausgabe in eine Datei, damit Sie sie vor dem Weitergeben schwärzen können.

Das Protokoll des Dienstes für das Zeitfenster des Vorfalls:

journalctl -u mysql --since "2026-11-17 02:00" --until "2026-11-17 02:45" --no-pager

Meldungen des Kernels – dort stehen OOM-Killer, Fehler der Festplatte und hängende Prozesse:

dmesg -T | tail -n 30
journalctl -k --since "2026-11-17 02:00" --no-pager
[Tue Nov 17 02:31:07 2026] Out of memory: Killed process 1432 (mysqld) total-vm:5918032kB, anon-rss:3412880kB, file-rss:0kB, shmem-rss:0kB, UID:110 pgtables:7348kB oom_score_adj:0

Die Suche nach dem OOM-Killer in der klassischen Protokolldatei. Ab Debian 12 fehlt /var/log/syslog oft, weil rsyslog nicht mehr standardmäßig installiert ist; dort hilft journalctl -k. Die RHEL-Familie schreibt nach /var/log/messages.

grep -i "out of memory" /var/log/syslog

Der aktuelle Stand von Festplatten und Arbeitsspeicher:

df -h
free -m
               total        used        free      shared  buff/cache   available
Mem:            7940        7702          95          12         142          81
Swap:           2047        2047           0          0

Und ob der Server neu gestartet oder heruntergefahren wurde:

last -x | head
journalctl --list-boots | tail -n 3

last -x zeigt Neustarts und Herunterfahren aus wtmp; journalctl --list-boots nennt jeden Systemstart mit dem ersten und letzten Eintrag im Journal – nützlich, wenn der Server ohne sauberes Herunterfahren ausgefallen ist. Bei voller Festplatte beginnen Sie mit Speicherfresser finden.

Wie sollte die Anfrage aufgebaut sein?

Eine lose Frage („Warum ist mein Server abgestürzt?“) bekommt eine lose Antwort. Ein fester Aufbau bekommt eine brauchbare. Schreiben Sie die Anfrage ruhig auf Deutsch; wichtig ist die Gliederung:

Symptom: web-01 (Ubuntu 24.04, 8 GB RAM) antwortet ab 02:31 MEZ nicht mehr auf HTTP.
Um 02:44 von Hand neu gestartet, seitdem in Ordnung.

Zeitablauf:
02:00 nächtlicher Import startet (läuft täglich, seit Monaten unverändert)
02:20 verfügbarer Speicher fällt unter 500 MB
02:31 HTTP-Prüfung schlägt fehl, Alarm verschickt
02:44 Server neu gestartet

Letzte Änderungen: gestern 16:00 Deployment, MySQL-Buffer-Pool von 2 GB auf 4 GB erhöht.

Belege:
[Kernelzeilen, Auszug aus dem Dienstprotokoll, Ausgabe von free -m, geschwärzt]

Aufgabe:
1. Nenne die drei wahrscheinlichsten Ursachen in Rangfolge.
2. Zitiere zu jeder die Belegzeile, auf die sie sich stützt.
3. Nenne zu jeder einen nur lesenden Befehl, der sie bestätigt oder ausschließt.
4. Nenne zu jeder vorgeschlagenen Korrektur das Risiko und ob ein Neustart nötig ist.
Sag deutlich, wenn die Belege nicht ausreichen.

Die letzte Zeile ist wichtig. Ein Modell, das nach einer Antwort gefragt wird, liefert eine. Die ausdrückliche Erlaubnis, „reicht nicht“ zu sagen, gibt ihm einen anderen Ausweg als das Raten.

Warum muss ein Mensch jeden Befehl ausführen?

Während eines Vorfalls ist der Server ohnehin in einem empfindlichen Zustand. Ein Modell, das systemctl restart mysql vorschlägt, weiß nicht, dass die Datenbank gerade ihr Protokoll nachspielt und ein Neustart jetzt weitere zwanzig Minuten kostet. Es weiß auch nicht, dass die „großen alten Dateien“, die es löschen möchte, Binärlogs sind, die ein Replikat noch braucht.

Halten Sie die Rollen klar: Das Modell schlägt vor, ein Mensch entscheidet und führt aus. Also kein Agent mit Shell-Zugang, keine Automatik, die die Antwort in ein Terminal leitet, und kein Befehl, den Sie nicht verstehen. Erst lesende Befehle, Änderungen erst nach bestätigter Ursache, und alles Zerstörerische nur mit Sicherung und einem zweiten Paar Augen.

Wie erkenne ich erfundene Antworten?

Sprachmodelle schreiben flüssigen Text, ob die Fakten ihn tragen oder nicht. Typische Fehler bei der Ursachenanalyse:

  • Erfundene Belege. „Das Protokoll zeigt wiederholte Zeitüberschreitungen“, obwohl nichts dergleichen darin steht.
  • Falsche Optionsnamen. Eine Konfigurationsanweisung, die es in Ihrer Version nicht gibt.
  • Die plausible Standardgeschichte. „Vermutlich ein Speicherleck“ passt auf viele Vorfälle und erklärt keinen.

Das Gegenmittel steht schon in der Anfrage: Jede Aussage braucht eine zitierte Zeile oder einen Messwert aus Ihren Daten. Prüfen Sie die wahrscheinlichste Hypothese danach selbst mit einem lesenden Befehl. Steht das Zitat nicht in dem, was Sie eingefügt haben, verwerfen Sie die Aussage. Bei Fehlermustern in Protokollen führt eine steigende Fehlerrate oft besser als einzelne Zeilen.

Was ist mit Kosten und Datenschutz?

Nutzen Sie ein Modell über eine API, dann mit einem Konto und Schlüssel, die Ihnen oder Ihrer Firma gehören – so wissen Sie, wer die Daten verarbeitet und wer bezahlt. Prüfen Sie die Bedingungen des Anbieters zur Aufbewahrung und dazu, ob Eingaben zum Training verwendet werden. In der EU braucht die Übermittlung von Serverdaten, die personenbezogene Daten enthalten können, in der Regel einen Vertrag zur Auftragsverarbeitung. Das ist eine allgemeine Information, keine Rechtsberatung.

Die Kosten hängen von der Textmenge ab. Verdichtete Belege – Zusammenfassungen, Minimum und Maximum, die passenden Zeilen – sind günstiger und liefern bessere Antworten als rohe Abzüge.

Wann sollten Sie darauf verzichten?

  • Solange der Ausfall läuft und die Lösung offensichtlich ist. Erst den Dienst wiederherstellen, dann analysieren.
  • Bei Sicherheitsvorfällen. Ein kompromittierter Server braucht Forensik und eine saubere Kopie der Spuren, keinen Text in einem weiteren Dienst.
  • Wenn Sie die Daten in der verfügbaren Zeit nicht schwärzen können.
  • Wenn niemand die Antwort beurteilen kann. Kann die Person in Bereitschaft die vorgeschlagenen Befehle nicht einschätzen, eskalieren Sie an jemanden, der es kann.

Häufige Fehler

  • Ganze Protokolldateien einfügen statt des Fensters um den Beginn.
  • Die letzte Änderung weglassen, weil sie „nichts damit zu tun haben kann“.
  • Die Ausgabe von env oder Verbindungsadressen mit Passwort einfügen.
  • Einen vorgeschlagenen Befehl ausführen, ohne ihn gelesen zu haben.
  • Die erste Hypothese ohne bestätigende Prüfung übernehmen.
  • Die Analyse für beendet halten: Bestätigte Ursache und Korrektur gehören aufgeschrieben.

Checkliste

  1. Den Zeitablauf mit Uhrzeit und Zeitzone aufschreiben.
  2. Dienstprotokoll, Kernelprotokoll, df -h, free -m und Neustarts für das Zeitfenster sammeln.
  3. Messwerte vor dem Beginn und die Liste der letzten Änderungen ergänzen.
  4. Zugangsdaten, Werte von Umgebungsvariablen und Kundendaten schwärzen.
  5. Nach Hypothesen in Rangfolge fragen, jede mit Belegzeile, Prüfung und Risiko.
  6. Die wahrscheinlichste Hypothese mit einem lesenden Befehl prüfen.
  7. Änderungen selbst entscheiden und ausführen.
  8. Ursache und Korrektur beim Vorfall festhalten.

Wie Lynx Heartbeat dabei hilft

Lynx Heartbeat hat am Vorfall eine KI-Analyse, die das Sammeln übernimmt: Sie schickt Claude, was Lynx rund um den Vorfall gemessen hat, darunter verdichtete Messwerte ab zwei Stunden vor dem Beginn, die betroffenen Prüfungen, die Namen der größten Prozesse und frühere Vorfälle des Servers. Claude antwortet mit der wahrscheinlichen Ursache samt Gewissheit, den Belegen aus den Daten, Schritten mit Befehl und Risiko und dem, was zu prüfen ist, wenn es das nicht ist. Ausgeführt wird nichts; die Antwort ist Text, und was Sie ausführen, entscheiden Sie. Die Analyse nutzt Ihren eigenen Anthropic-API-Schlüssel, ist aus, bis der Inhaber des Kontos sie einschaltet, und sendet nie Dateiinhalte, Befehlszeilen, Benutzernamen oder Zugangsdaten – Ihre Protokolldateien liest sie also nicht. Mehr dazu auf der Seite KI-Analyse von Vorfällen.

Häufige Fragen

Kann ein Sprachmodell die Ursache eines Serverausfalls finden?

Es kann schnell wahrscheinliche Ursachen vorschlagen, wenn es gute Belege bekommt: Zeitablauf, Messwerte rund um den Vorfall, letzte Änderungen und kurze Protokollauszüge. Was Sie ihm nicht geben, sieht es nicht. Seine Antwort ist deshalb eine Liste von Hypothesen zum Prüfen, keine Diagnose.

Was gehört bei einem Vorfall nie in einen KI-Assistenten?

Passwörter, API-Schlüssel, Token, private Schlüssel, Umgebungsdateien, Verbindungsadressen mit Zugangsdaten sowie personenbezogene oder Kundendaten wie E-Mail-Adressen oder Bestelldaten. Entfernen Sie sie oder ersetzen Sie sie durch Platzhalter, bevor Sie etwas senden.

Darf ein KI-Assistent Befehle auf meinem Server ausführen?

Während eines Vorfalls nicht. Lassen Sie das Modell Befehle mit ihrem Risiko vorschlagen und entscheiden und führen Sie selbst aus. Ein falscher Befehl auf einem Server, der ohnehin in Schwierigkeiten ist, macht aus einem kurzen Ausfall leicht einen Datenverlust.

Woran erkenne ich, dass die Antwort der KI erfunden ist?

Lassen Sie sich zu jeder Aussage die genaue Belegzeile oder den Messwert nennen. Eine Aussage ohne Quelle in den Daten, die Sie geliefert haben, ist eine Vermutung. Prüfen Sie die wahrscheinlichste Hypothese danach mit einem nur lesenden Befehl, bevor Sie etwas ändern.

Monitoring

Verwandte Artikel

Alle Artikel