Für viele Unternehmen ist Multi-Cloud heute gelebte Realität – allerdings nicht immer aus freier Entscheidung. Oft entsteht eine solche Infrastruktur historisch: Verschiedene Teams arbeiten mit unterschiedlichen Hyperscalern. Hinzu kommen lokale Legacy-Systeme, die nicht einfach abgelöst werden können. Was zunächst flexibel wirkt, wird in der Praxis schnell schwer steuerbar.

Je mehr Plattformen beteiligt sind, desto schwieriger wird es, Prozesse zu koordinieren. Abläufe laufen uneinheitlich, Sicherheit und Compliance sind schwerer durchzusetzen. Ressourcen sind zudem über mehrere Systeme verteilt. Herkömmliche Tools reichen oft nicht mehr aus.

Es braucht die Zusammenarbeit zwischen Development und Operations ­

Multi-Cloud klingt auf dem Papier überzeugend: mehr Optionen, mehr Unabhängigkeit, mehr Flexibilität. In der Praxis sieht das oft anders aus. Unterschiedliche Tools, mehrere Plattformen und uneinheitliche Prozesse führen dazu, dass Verantwortlichkeiten verschwimmen – und der Überblick schnell verloren geht.­

Im Idealfall helfen automatisierte Systeme, diese Komplexität zu beherrschen: Daten werden gesammelt, analysiert und in konkrete Handlungen übersetzt. Das spart Zeit, reduziert Fehler und erhöht die Stabilität. Doch ohne eine enge Zusammenarbeit zwischen Development und Operations bleibt das Wunschdenken. Automatisierung gelingt nur, wenn sie sowohl technisch als auch organisatorisch durchdacht ist – mit klaren Rollen und abgestimmten Abläufen. Auch die künstliche Intelligenz selbst braucht Pflege. Ihre Modelle müssen regelmässig überprüft, aktualisiert und neu trainiert werden. MLOps – also der Betrieb und die Wartung von ML-Modellen – werden in vielen Unternehmen erst jetzt systematisch angegangen.

Es braucht eine Change-Kultur­

Automatisierung und KI betreffen nicht nur Technik – sie verändern auch die Unternehmenskultur. Neue Rollen entstehen, alte Routinen verlieren an Bedeutung. Wer ein digitales Betriebs­modell etablieren will, braucht eine Change-Kultur, die Offenheit, Weiterbildung und iterative Anpassung fördert. Nur so wird Technologie zum echten Hebel.

Ein Beispiel aus der Praxis: Ein internationales IT-Team betreibt Anwendungen auf mehreren Plattformen – diverse Hyper­scaler, intern. Früher wurde auf Fehlermeldungen manuell reagiert, oft zu spät. Mit einer automatisierten Überwachung, die Anomalien erkennt und gezielt eskaliert, konnten kritische Vorfälle deutlich reduziert werden. Gleichzeitig gewann das Team Zeit für strategische Aufgaben. Hinzu kam ein neues Ausbildungskonzept, das Site Reliability Engineering, um die Autonomie der Dev­Ops-/Cloud-Teams zu fördern.

Es braucht Governance und klare Datenrichtlinien

Grundlage jeder Automatisierung sind vollständige, konsistente und zugängliche Daten. Fehlen Protokolle, sind Metriken lückenhaft oder Rechte unklar geregelt, stösst auch die beste KI an Grenzen. Governance und klare Datenrichtlinien sind daher zwingend erforderlich.­

Nicht zuletzt verändert sich mit der Automatisierung auch die Rolle der IT-Teams. Routine sinkt, Strategie wächst. Erforderlich sind Know-how, Vertrauen und Veränderungsbereitschaft.­

Wer auch Organisation und Menschen einbindet, nutzt die Chancen von Multi-Cloud und KI – und bleibt handlungsfähig.

« Tools und Plattformen müssen ­miteinander sprechen können »
 

Cloud-Komplexität ist kein Zufall, sondern hausgemacht: Ohne klare Betriebsmodelle entstehen Silos und Flickenteppiche. Wie sich das vermeiden lässt und was Unternehmen tun können, damit Automatisierung und KI in einer Multi-Cloud-­Umgebung funktionieren, erklärt Sven Ossenberg, Agile Coach bei Glenfis. Interview: Joël Orizet

Wie können Unternehmen vermeiden, dass ihre Cloud-Infrastrukturen zu komplex werden?

Sven Ossenberg: Komplexität ist kein Betriebsunfall – sie ist oft hausgemacht, sie entsteht, wenn Teams zu viele Freiheiten ohne gemeinsamen Rahmen haben. Wer das vermeiden will, braucht ein klares Betriebsmodell, das Zuständigkeiten, Prozesse und Standards vorgibt – als gemeinsame Sprache, nicht als Vorschrift. Wichtig ist auch: Tools und Plattformen müssen miteinander sprechen können. Interoperabilität ist kein «Nice-to-have», sondern Grundvoraussetzung, um Silos zu vermeiden. Lieber weniger Cloud, dafür gut vernetzt – als ein Flickenteppich voller Speziallösungen.

Was müssen IT-Teams in organisatorischer und technischer Hinsicht leisten, damit Automatisierung und KI in einer Multi-­Cloud-Umgebung funktionieren?

Automatisierung klingt nach «läuft von allein» – tut sie aber nur, wenn vorher jemand ordentlich geschwitzt hat. Technisch braucht’s saubere Schnittstellen, konsistente Daten und eine Architektur, die nicht bei jeder Änderung implodiert. Organisatorisch heisst das: weniger Helden, mehr Team. Wenn Dev und Ops nicht miteinander sprechen, kann man sich KI auch sparen. Und mal ehrlich: Wer automatisiert, ohne Prozesse zu verstehen, automatisiert nur das Chaos.

Wie können Unternehmen Sicherheit, Compliance und Transparenz über mehrere Plattformen hinweg sicherstellen?

Cloud heisst nicht Chaos – auch wenn es manchmal so aussieht. Sicherheit entsteht nicht durch Hoffnung, sondern durch saubere Zugriffsmodelle, automatisierte Audits und Transparenz in Echtzeit. Klingt anstrengend? Ist es auch – aber ohne geht’s nicht. Wer mehrere Plattformen nutzt, muss auch Verantwortung multiplizieren. Und noch was: Vertrauen ist gut, Logs sind besser. Wer nicht messen kann, was passiert, verliert früher oder später die Kontrolle – oder die Daten. Oder beides.

Wie integrieren Unternehmen MLOps erfolgreich in ihre Cloud-Strategie – und wo stehen sie dabei heute?

MLOps ist das neue «Wir machen was mit KI». Klingt gut im Pitch, scheitert aber oft am Alltag. Erfolgreich wird’s erst, wenn Unternehmen die Basics ernst nehmen: saubere Datenpipelines, nachvollziehbare Modellversionen und ein Lifecycle, der mehr kann als «trainieren und hoffen». MLOps braucht nicht nur Tools, sondern ein Team, das Verantwortung übernimmt – auch wenn das Modell mal halluziniert. Die Realität? Viele stehen noch ganz am Anfang. Aber wer’s ernst meint, kann echten Mehrwert heben – jenseits des Buzzwords.

Wie verändert Automatisierung die Arbeitsweise von IT-Teams – und welche Fähigkeiten brauchen Mitarbeitende in diesem Wandel besonders?

Weniger Routine, mehr Verantwortung – so lässt sich der Wandel kurz zusammenfassen. Automatisierung nimmt klassische Tätigkeiten ab, aber nur, damit Platz für neue entsteht: Architektur­denken, Systemverständnis, Abstimmung mit anderen Disziplinen. Wer früher manuell deployt hat, denkt heute über Self-Healing-­Mechanismen nach. Oder sollte es zumindest. Die wichtigste Fähigkeit? Neugier – gepaart mit der Bereitschaft, dazuzulernen. Weniger klicken, mehr verstehen. Und ein bisschen Mut, Dinge anders zu machen als gestern.