Grafana transformiert Observability-Workflows mit Claude-gestütztem Multiagent-Assistenten

Grafana Labs nutzt Claude für einen intelligenten Multiagent-Assistenten, der Teams aller Erfahrungsstufen – von CTOs bis hin zu Junior Site Reliability Engineers (SREs) – dabei hilft, Observability-Daten durch Abfragen in natürlicher Sprache zu gewinnen.

Mit Claude erfüllt Grafana folgende Punkte:

• Fertigstellung von Prototypen in weniger als einer Woche, vollständige interne Vorabversion in weniger als acht Wochen
• Komplexe Dashboards und Abfragen, die mit einfacher natürlicher Sprache erstellt werden
• Automatische PromQL- und LogQL-Abfragegenerierung, was technische Barrieren beseitigt
• Intelligente Workflow-Automatisierung im gesamten Grafana-Umfeld

Jedes Team hat Zugang zu Observability

Seit 2014 hat Grafana Labs die Art und Weise revolutioniert, wie Unternehmen ihre Daten visualisieren und interpretieren. Die Komplettlösung umfasst Grafana für die Visualisierung, Mimir für Metriken, Loki für Protokolle, Tempo für die Ablaufverfolgung und Pyroscope für kontinuierliche Profilerstellung. Unternehmen weltweit verlassen sich auf die Tools von Grafana, um kritische Systeme zu überwachen – von alltäglichen Anwendungen bis hin zu kritischen Einsatzbereichen, in denen ein Ausfall schwerwiegende Folgen hätte.

Observability bedeutet, tagtäglich Millionen von Datenpunkten zu verarbeiten, die analysiert und interpretiert werden müssen. Herkömmliche Ansätze erforderten tiefgreifendes technisches Know-how, um Abfragen zu formulieren, Dashboards einzurichten und komplexe Workflows zu steuern. Durch diese Expertenbarriere wurden den Teams oftmals wertvolle Erkenntnisse vorenthalten, die sie dringend benötigten.

„Die Entwicklung der KI von Grafana erfolgte stufenweise. Wir begannen zwar mit herkömmlichen Methoden zur Vorhersage und Erkennung von Ausreißern, gingen aber schnell zu GenAI über, um automatische Zusammenfassungen für Vorfälle bereitzustellen oder Flame Graphs zu erläutern“, so Maurice Rochau, Senior Product Manager bei Grafana Labs. „Diese Aufgaben bestanden meist aus einem einzelnen Prompt, einer einzelnen Aktion und einem einzelnen Ergebnis.“ Das Team erkannte, dass zur Bewältigung der Observability-Problematik ausgefeiltere Lösungen vonnöten waren, die Kontext mit Prompts kombinieren, mehrere Aktionen ausführen und gleichzeitig verschiedene Ergebnisse erzielen konnten.

Claude überzeugt durch technische Komplexität und einfache Bedienbarkeit

Für seinen Grafana Assistant benötigte das Team KI-Modelle, die der technischen Komplexität der Observability gewachsen sind und gleichzeitig für alle Kompetenzniveaus zugänglich bleiben. Das Team entschied sich für Claude Sonnet 3.7, das bald zur Version 4 wird, und Claude Haiku 3 als Hauptmodelle für ihr Multiagentensystem.

„Wir verwenden Claude Sonnet 3.7 und Claude Haiku 3 als Hauptmodelle für unseren Grafana Assistant“, erläutert Rochau. „Mit Claude Sonnet 3.7 bewältigen wir technisch komplexere Aufgaben, während Haiku 3 einfachere Zusammenfassungen erledigt.“

Claude zeigte durchweg überlegene Leistung beim Umgang mit den differenzierten Anforderungen bezüglich Observability-Daten – vom Verständnis von Datenbankabfragen bis zur Erzeugung präziser Visualisierungen. Das Konzept mit der Modellfamilie erwies sich als besonders wertvoll, da Grafana auf diese Weise sowohl für eine tiefgehende technische Analyse als auch für schnelle Antworten basierend auf spezifischen Anwendungsfällen optimiert wurde.

Die Implementierung war dank der umfassenden Dokumentation und der Open-Source-Eigenschaft von Grafana problemlos. „Die Integration von Claude ist aufgrund der verfügbaren Dokumentation und Best Practices einfach“, so Rochau. Als Open-Source-Firma mit umfangreicher öffentlicher Dokumentation, Community-Beiträgen und frei verfügbarem Code profitiert Grafana davon, dass Claude das Grafana-Technologieumfeld eingehend erfasst. Dank dieser Einfachheit konnte Grafana schnell vom Konzept zum funktionierenden Prototyp übergehen.

Wie Claude intelligente Observability-Workflows ermöglicht

Der KI-Assistent von Grafana agiert direkt innerhalb der Benutzeroberfläche als Seitenleiste und bietet kontextabhängige Hilfe, wo immer Benutzer arbeiten. Der Assistent kombiniert die Kapazitäten von Claude mit Grafana-spezifischen Best Practices und tiefgehendem Verständnis von Observability-Workflows.

Das Multiagentensystem übernimmt anspruchsvolle Observability-Aufgaben:

• Abfragegenerierung in natürlicher Sprache: Benutzer stellen Fragen wie: „Wie hoch ist die Latenz beim Aufruf meines Bezahldienstes?“ und der Assistent findet automatisch relevante Kennzahlen und erzeugt entsprechende Systemabfragen.
• Dashboard-Einrichtung: Erzeugt ganze Dashboards mit mehreren Anzeigeelementen, wählt Visualisierungen aus, formuliert Titel und Beschreibungen und verwaltet die Platzierung von Anzeigeelementen – Aufgaben, die normalerweise viel Zeit und Fachwissen erfordern.
• Intelligente Analysen: Durchsucht bei Prompts zum Thema „Serviceprobleme“ die Protokolle und Kennzahlen, identifiziert Fehler, analysiert Latenzmuster und liefert Ursachenanalysen mit empfohlenen Aktionen
• Mehrstufige Automatisierung: Unterteilt komplexe Observability-Aufgaben in logische Schritte, wobei die Argumentation und die Toolverwendung im gesamten Prozess angezeigt werden

Der Assistent nutzt spezielle Tools, um Kennwerte abzufragen, zwischen Grafana-Ansichten zu wechseln, Probleme mit Anzeigeelementen zu beheben und visuelle Elemente wie Farbschemata über mehrere Anzeigeelemente hinweg gleichzeitig anzupassen.

Breite Zugänglichkeit von Observability-Erkenntnissen

Claude verändert die Art und Weise, wie Grafana-Kunden mit ihren Observability-Daten interagieren. Der Assistent beseitigt herkömmliche Barrieren zwischen technischem Fachwissen und umsetzbaren Erkenntnissen, sodass Teams auf allen Ebenen die Daten effektiv nutzen können.

„CTOs und CEOs können ihre Daten wie ein erfahrener SRE abfragen“, bemerkt Rochau. Diese Zugänglichkeit von Technologie auf breiterer Ebene bedeutet, dass strategische Entscheidungsträger direkt auf Erkenntnisse zugreifen können, ohne dass spezielle technische Kenntnisse erforderlich sind oder sie stundenlang mit der Analyse von Daten verbringen müssen. Aufgaben wie die Einrichtung von Dashboards werden jetzt in Minuten mittels Kommunikation in natürlicher Sprache erledigt. Teams können sich auf die Interpretation von Erkenntnissen und das Ergreifen von Maßnahmen konzentrieren, anstatt sich mit der Abfragesyntax abgeben zu müssen.

Für Kunden bedeutet dies einen Wechsel von reaktiver zu proaktiver Observability. Anstatt Probleme bei deren Auftreten manuell zu untersuchen, erhalten Teams intelligente Analysen und Empfehlungen, die Probleme identifizieren, bevor sie eskalieren.

Die Zukunft der KI-gestützten Observability

Für Grafana bedeutet KI eine grundlegende Veränderung der Observability. „KI wird den Observability-Bereich nachhaltig prägen“, sagt Rochau voraus. „Die Kombination der menschlichen und agentischen Fähigkeiten ist sehr effektiv: Agenten helfen dabei, relevante Ereignisse und Daten zu durchsuchen, um ein einheitliches Bild der Situation zu erhalten, während der Mensch sich auf die Entwicklung von Korrekturmaßnahmen konzentriert.“

Mit Blick auf die Zukunft plant Grafana, sich weiter mit MCP-Integrationen (Model Context Protocol) zu beschäftigen und nach tiefgreifenderen Möglichkeiten zu suchen, die Kunden mehr Tools zur Lösung von Observability-Problemen bieten. In Zusammenarbeit mit Anthropic erweitert Grafana die Grenzen des Möglichen auf dem Gebiet der Observability und stellt gleichzeitig sicher, dass Unternehmen jeder Größe auf aussagekräftige Erkenntnisse zugreifen können.