KI & Machine Learning
Bleemeo bringt Machine Learning in Ihren Monitoring-Workflow — ohne Data-Science-Kenntnisse und ohne ein Modell, das trainiert werden müsste. Diese Funktionen laufen ab der Installation und beobachten Ihre Metriken rund um die Uhr, damit Ihr Team vom Feuerlöschen zum vorausschauenden Betrieb wechselt.
Überblick
Warum KI-gestütztes Monitoring wichtig ist
Traditionelles Monitoring basiert auf statischen Schwellenwerten: Alarm bei CPU über 90 %, bei Speicher unter 10 %, bei Festplattennutzung über 80 %. Diese starren Regeln erzeugen einen ständigen Strom von Fehlalarmen, da sie nicht zwischen einem harmlosen nächtlichen Backup-Spitzenwert und einem echten unkontrollierten Prozess unterscheiden können. Teams lernen, Alerts zu ignorieren, und wenn ein echtes Problem auftritt, geht es im Rauschen unter.
Intelligente Anomalieerkennung
Statt Sie zu bitten, für jede Metrik auf jedem Server zu definieren, was «normal» ist, lernt Bleemeo es. Ein Foundation-Modell für Zeitreihen liest die letzten zwei Wochen der CPU-, Speicher- und Swap-Nutzung jedes Servers und sagt den Bereich voraus, in dem diese Metriken in den nächsten 24 Stunden bleiben sollten — entlang ihres täglichen und wöchentlichen Rhythmus. Ihre Daten werden nie zum Trainieren des Modells verwendet: Sie werden zum Zeitpunkt der Inferenz gelesen, mehr nicht. Verlässt der Stundenmittelwert diesen Bereich, wissen Sie, dass wirklich etwas Ungewöhnliches passiert.
Vorausschauende Kapazitätsplanung
Dass etwas ausgeht, bleibt eine der häufigsten Ursachen für Ausfälle. Bleemeo legt einen Trend über die Nutzungshistorie Ihrer Festplatten, des Speichers und des Swap und berechnet, wann jeweils die Stufen Warnung, kritisch und voll erreicht werden. Statt um 3 Uhr morgens eine volle Platte zu entdecken, wenn eine Datenbank abstürzt, bekommt Ihr Team ein Datum — und Zeit zu handeln. Und ein Datum wird nur genannt, wenn die zugrunde liegende Drift tatsächlich stattgefunden hat: Ein Dienst, der startet und die Hälfte des RAM belegt, gilt nicht als Leck.
Konversationelle Infrastruktur
Der Bleemeo-MCP-Server verbindet Ihre Monitoring-Daten mit modernen KI-Assistenten. Verbinden Sie Claude Desktop, Cursor, VS Code oder Zed mit Ihrem Konto und fragen Sie in natürlicher Sprache: «Welche Server haben kritische Alarme?», «Was hat sich diese Woche geändert?». Der MCP-Server bietet schreibgeschützten Zugriff auf 30 Monitoring-Tools und macht Ihre Plattform zu einem Gesprächspartner, der Ihre Infrastruktur kennt.
Pipeline
Wie KI Ihr Monitoring verbessert
Funktionen
KI-gestützte Funktionen
Foundation-Modell für Zeitreihen
Chronos-Bolt von Amazon liest zwei Wochen stündlicher Historie und liefert direkt als Quantile den Bereich, in dem eine Metrik bleiben sollte. Es läuft zero-shot — das Modell wird so verwendet, wie es veröffentlicht wurde, nie mit Kundendaten nachtrainiert — und erzeugt eine Prognose in rund 6 Millisekunden auf einer CPU, sodass jede beobachtete Metrik jedes Servers laufend neu berechnet wird.
Vorausschauende Kapazitätsplanung
Ein verifizierter linearer Trend rechnet die Nutzung von Festplatte, Speicher, Swap und Monatsbandbreite auf das Datum hoch, an dem jeweils Warnung (80 %), kritisch (90 %) und voll (100 %) erreicht wird. Kein vages «wird knapp», sondern «dieses Volume ist am 15. März voll» — und es wird nichts angekündigt, wenn sich die Drift nicht über zwei unabhängige Fenster bestätigt hat.
MCP-Server für KI-Assistenten
Verbinden Sie Claude Desktop, Cursor, VS Code oder Zed mit Ihrem Bleemeo-Konto und fragen Sie Ihre Infrastruktur in natürlicher Sprache ab. Dreißig schreibgeschützte Tools erlauben KI-Assistenten, Agenten, Dienste, Container, Ereignisse, Logs und Audit-Trails zu durchsuchen — aus Monitoring-Daten wird ein Gespräch.
Intelligenz ohne Konfiguration
Es gibt keinen Schwellenwert zu wählen und kein Modell zu trainieren. Bleemeo nimmt CPU, Speicher und Swap jedes Servers auf, sobald die Metrik acht Tage Historie hat, aktualisiert die Prognose alle vier Stunden und öffnet eine Anomalie, wenn der Stundenmittelwert den erwarteten Bereich zwei Stunden in Folge verlässt. Server mit weniger als 1 GB RAM werden ausgelassen: Dort ist das Signal zu verrauscht, um daraus zu handeln.
Weniger Alarmmüdigkeit
Ein Bereich, der täglichen und wöchentlichen Zyklen folgt, schlägt nicht bei einem nächtlichen Backup an, das jede Nacht läuft. Und eine Anomalie ist keine Schweregrad-Stufe: Sie erscheint in den Diagrammen, auf der Startseite und beim Agenten, ruft aber nie jemanden an. Sie ist da, wenn Sie hinsehen — nicht um drei Uhr morgens.
Sie lernt aus Ihren Antworten
Jede Anomalie lässt sich als nützlich oder nicht markieren. Wiederholte Fehlalarme pausieren die Erkennung für diese Metrik, statt von Ihnen eine Nachjustierung zu verlangen: Das Signal wird mit der Zeit ruhiger, nicht lauter. Die Prognose selbst wird alle vier Stunden neu berechnet und folgt Ihrer Infrastruktur, wenn sie sich ändert.
Anomalieerkennung
Anomalieerkennung ohne Schwellenwerte
Bleemeo lernt aus den letzten zwei Wochen den täglichen und wöchentlichen Rhythmus der CPU-, Speicher- und Swap-Nutzung jedes Servers und sagt den Bereich voraus, in dem diese Metriken in den nächsten 24 Stunden bleiben sollten. Dahinter steht Chronos-Bolt von Amazon, ein Foundation-Modell für Zeitreihen, das seine Prognose direkt als Quantile liefert. Es wird zero-shot eingesetzt: Das veröffentlichte Modell wird unverändert auf Ihre Metriken angewendet, und Ihre Daten dienen nie seinem Training.
Eine Anomalie öffnet sich, wenn der Stundenmittelwert den erwarteten Bereich zwei Stunden in Folge verlässt, und schließt sich nach zwei Stunden innerhalb. Die Erkennung startet, sobald eine Metrik acht Tage Historie hat, und lässt Server mit weniger als 1 GB RAM aus, wo das Signal zu verrauscht ist. Die Prognose wird alle vier Stunden aktualisiert: Ein Regimewechsel im Tagesverlauf wird also noch am selben Tag erfasst und nicht erst zur nächsten Mitternacht.
- Kein Schwellenwert zu konfigurieren
Nichts auszuwählen, nichts nachzujustieren. Der erwartete Bereich stammt aus der Historie der Metrik selbst: 95 % CPU um 2 Uhr nachts während des nächtlichen ETL sind normal, 75 % CPU an einem Dienstagmittag nicht — ohne dass jemand diese Regel aufschreiben musste.
- Der Vorlauf wird gemessen, nicht versprochen
Jede Anomalie wird dem ersten Warning- oder Critical-Ereignis zugeordnet, das ihr auf demselben Host folgte. Die Karte zeigt den Abstand — «Alarm 42 Minuten später» — und jede Ansicht fasst zusammen, auf wie viele Anomalien ein Alarm folgte, samt medianem Vorlauf. Sie sehen, was die Erkennung auf Ihrer eigenen Infrastruktur wirklich wert ist.
- Sie lernt aus Ihren Antworten
Jede Anomalie erwartet ein Ja oder Nein. Wiederholte Fehlalarme pausieren die Erkennung für diese Metrik von selbst: Ein verrauschtes Signal verstummt, statt Ihnen beizubringen, die Funktion zu ignorieren.
- Eine Anomalie ist keine Schweregrad-Stufe
Anomalien erscheinen in den Diagrammen als Band, auf der Startseite, in der Agenten-Kopfzeile und neben der Metrik in der Statusliste — und rufen nie jemanden an. Sie sind Kontext für den Moment, in dem Sie hinsehen, kein weiterer Grund, geweckt zu werden.
- Automatische Abdeckung
CPU, Speicher und Swap werden auf jedem geeigneten Server ohne Konfiguration aufgenommen. Keine Einstellung pro Server, keine Metrikauswahl, kein Modell, das neu trainiert werden müsste, wenn Sie etwas Neues ausrollen.
Kapazität
Kapazitätsprognose: Festplatte, Speicher und Swap
Dass der Plattenplatz ausgeht, bleibt eine der häufigsten Ursachen unerwarteter Ausfälle. Datenbanken stürzen ab, Logdateien schreiben nicht mehr, Anwendungen scheitern mit kryptischen Fehlern und Backups laufen still nicht mehr durch. Der Schaden reicht meist über den Ausfall hinaus: beschädigte Daten, unvollständige Transaktionen und Folgefehler in abhängigen Diensten. Dabei ist eine Erschöpfung mit genug Vorlauf fast immer vermeidbar.
Bleemeo legt einen linearen Trend über die Nutzungshistorie jeder überwachten Partition sowie über Speicher und Swap jedes Servers und rechnet ihn auf das Datum hoch, an dem jeweils drei Schwellen überschritten werden: Warnung bei 80 %, kritisch bei 90 % und Erschöpfung bei 100 %. Jede Vorhersage liefert einen konkreten Zeitstempel — keine vage Warnung «wird knapp», sondern ein exaktes Datum wie «diese Partition erreicht 90 % Kapazität am 3. April 2026 um 14:30 UTC». Die monatliche Netzwerkbandbreite wird genauso hochgerechnet.
Der Speicher ist der Fall, der beide Modelle brauchte. Ein langsames Leck bleibt innerhalb des Anomaliebands, weil das Band die Drift bei jedem Lauf als das neue Normal neu lernt — das Trendmodell beantwortet also die Frage, die das Band nicht beantworten kann: nicht «ist das gerade normal?», sondern «wann geht es kaputt?».
- Vorhersagen auf drei Schwellen
Erhalten Sie Vorwarnungen auf den Stufen Warnung (80 %), kritisch (90 %) und Erschöpfung (100 %). Jede Schwelle erzeugt ihren eigenen prognostizierten Zeitstempel, sodass Sie priorisieren können: Aufräumen in der Warnstufe planen, Erweiterung in der kritischen Stufe terminieren, in der Erschöpfungsstufe eskalieren.
- Speicher und Swap, nicht nur Festplatte
Ein langsames Speicherleck ist für ein Band, das es als normal neu lernt, unsichtbar, und kein Schwellenwert fängt es ab, bevor die Maschine zu swappen beginnt. Speicher und Swap haben zugleich eine tägliche Form, die zu lernen sich lohnt, und eine Drift auf eine Grenze mit absoluter Bedeutung — deshalb bekommen sie beide Modelle.
- Nur eine Drift, die wirklich stattfand
Eine einzelne Stufe sieht über das ganze Fenster wie ein Anstieg aus: Eine Anwendung, die startet und die Hälfte des Speichers hält, oder ein auf eine Platte kopierter Datensatz bekam ein Erschöpfungsdatum, das nie eintritt. Ein Datum wird jetzt nur genannt, wenn die von der Steigung vorhergesagte Drift über zwei unabhängige Fenster tatsächlich stattgefunden hat.
- Nahe Vorhersagen bleiben auf der Überholspur
Eine Platte, die in 26 Stunden voll sein soll, wird alle vier Stunden neu geprüft — sie hört also schnell auf zu warnen, sobald jemand Platz schafft. Eine Platte, die im nächsten Frühjahr voll wird, wird einmal täglich geprüft: Ihre Antwort bewegt sich im Tagesmaßstab und ihre Abfrage liest einen Monat Historie.
- Automatische Abdeckung
Jede überwachte Partition sowie Speicher und Swap jedes Servers werden ohne Konfiguration aufgenommen. Sobald der Glouton-Agent die Nutzung meldet, sammelt sich Historie an und die Vorhersagen starten — ohne Einrichtung pro Server oder pro Partition.
- Sie erreicht Sie, bevor Sie hinsehen
Ein Kapazitätsdatum in den nächsten 29 Tagen wandert in den Wochenbericht, neben ablaufenden TLS-Zertifikaten und Domain-Registrierungen. Das nächstliegende eröffnet die E-Mail mit seinem Countdown: Eine Platte, die in drei Wochen voll ist, liest man am Montagmorgen, statt sie zu entdecken.
MCP-Server
MCP-Server: Sprechen Sie mit Ihrer Infrastruktur
Befragen Sie Ihre Monitoring-Daten in natürlicher Sprache über Ihren bevorzugten KI-Assistenten
Der Bleemeo MCP-Server (Model Context Protocol) verbindet Ihre Monitoring-Plattform mit der Welt der KI-Assistenten. Nach der Konfiguration können Sie Fragen über Ihre Infrastruktur in natürlicher Sprache stellen und sofortige, kontextbezogene Antworten erhalten, die auf Echtzeit-Monitoring-Daten basieren. Sie müssen keine Abfragesprachen lernen, durch komplexe Dashboards navigieren oder benutzerdefinierte Skripte schreiben — beschreiben Sie einfach, was Sie wissen möchten, und der KI-Assistent befragt Bleemeo für Sie.
Der MCP-Server stellt 30 schreibgeschützte Tools bereit, die alle Aspekte Ihrer Monitoring-Daten abdecken. KI-Assistenten können alle bereitgestellten Agenten und deren Status auflisten, Details zum Dienstzustand abrufen, Container-Metriken prüfen, Events und Alerts abfragen, global über alle Ressourcen suchen, Audit-Logs einsehen und sogar Rechnungen auflisten. Alle Zugriffe sind über OAuth authentifiziert und strikt schreibgeschützt — der MCP-Server kann keine Ressourcen in Ihrem Bleemeo-Konto erstellen, ändern oder löschen, was die Sicherheit Ihrer Infrastruktur gewährleistet und gleichzeitig leistungsfähige KI-gestützte Analyse ermöglicht.
Infrastruktur-Gesundheit
Fragen Sie Ihren KI-Assistenten „Wie ist der Gesamtzustand meiner Infrastruktur?" und erhalten Sie eine umfassende Zusammenfassung von Serverstatus, aktiven Alerts, Dienstverfügbarkeit und Ressourcenauslastung über Ihre gesamte Flotte. Der MCP-Server befragt gleichzeitig Agenten, Events und Dienste, um ein vollständiges Bild zu erstellen.
- Agenten auflisten und inspizieren
- Aktive Events und Alerts abfragen
- Dienstgesundheitsstatus prüfen
- Globale Suche über Ressourcen
Fehlerbehebung und Analyse
Fragen Sie während eines Vorfalls „Welche Dienste haben gerade kritische Alerts?" oder „Was hat sich in der letzten Stunde geändert?" Der KI-Assistent korreliert Alert-Daten, aktuelle Events, Audit-Logs und Container-Status, um Ihnen zu helfen, Ursachen schneller zu identifizieren als bei der manuellen Navigation durch mehrere Dashboard-Ansichten.
- Infrastruktur-Logs einsehen
- Container-Status und -Metriken inspizieren
- Auf Audit-Trail der Änderungen zugreifen
- Healthcheck-Ergebnisse prüfen
Konversationelles Monitoring
Gehen Sie über einfache Abfragen hinaus mit Folgefragen. Beginnen Sie mit „Zeige mir meine Kubernetes-Agenten" und vertiefen Sie: „Welcher hat die höchste CPU-Auslastung?", „Welche Dienste laufen auf diesem Node?", „Gibt es aktuelle Alerts dafür?" Die KI behält den Kontext über das gesamte Gespräch bei.
- Agententypen auflisten (AWS, K8s, SNMP)
- Agenten-Fakten und Metadaten abrufen
- Anwendungen und Details auflisten
- Glouton-Konfiguration abfragen
Kompatible KI-Assistenten
Der MCP-Server integriert sich mit den führenden KI-Entwicklungstools. Die Authentifizierung erfolgt über OAuth — starten Sie die MCP-Verbindung, autorisieren Sie im Browser, wählen Sie Ihr Bleemeo-Konto, und Sie können sofort abfragen. Jede Plattform bietet Tool-Verwaltung zum Aktivieren oder Deaktivieren bestimmter Funktionen.
- Claude Desktop (Tools + Prompts)
- Cursor (Tools)
- Visual Studio Code (Tools)
- Zed (Tools)
Vorschläge
Rauschreduzierung und Suche nach BedeutungBeta
Jedes Ereignis, das Ihre Infrastruktur meldet, wird in einen Vektor überführt, sodass Alarme danach verglichen werden können, was sie bedeuten, und nicht danach, welche Wörter zufällig darin stehen. Das Embedding-Modell ist statisch — keine GPU, keine Transformer-Laufzeit, wenige Megabyte Abhängigkeit — und verarbeitet weit über tausend Ereignisse pro Sekunde auf einer gewöhnlichen CPU.
Damit werden drei Fragen beantwortbar, an die ein Textfilter nicht heranreicht: Welche meiner Alarme sind derselbe Alarm, der sich wiederholt, hat es so etwas schon einmal gegeben, und was wäre nötig, damit dieses Rauschen aufhört.
- Silence-Vorschläge
Bleemeo gruppiert Ihre wiederkehrenden Ereignisse und schlägt die Silence vor, die sie stummschalten würde — mit dem gefundenen Muster, einem repräsentativen Ereignis zum Öffnen und der Zahl der abgedeckten Ereignisse. Ein Klick auf Annehmen öffnet ein vorbefülltes Formular: Die Plattform schlägt vor, Sie entscheiden, und nichts wird an Ihrer Stelle angewendet.
- Flappy-Konfigurationsvorschläge
Für Metriken, die wiederholt den Zustand wechseln, wird eine Flappy-Konfiguration vorgeschlagen, die deren Benachrichtigungen bündelt, statt eine pro Wechsel zu senden. Gleiches Muster: ein Vorschlag, ein repräsentatives Ereignis, ein vorbefülltes Formular.
- Ereignisse nach Bedeutung durchsuchen
Die Suche liefert zuerst exakte Treffer und danach die Ereignisse, die dasselbe meinen, nach Relevanz sortiert — eine Suche nach «Festplatte voll» findet so auch den Alarm, den jemand als «no space left on device» formuliert hat.
- «Hatten wir das schon einmal?»
Zu jedem Ereignis gibt es einen Reiter mit seinen nächsten historischen Nachbarn. Das ist die Frage, die ein neues Teammitglied nicht aus einem Runbook beantworten kann — und die aus einem Anruf um 2 Uhr nachts eine Korrektur von fünf Minuten macht.
- Beta, standardmäßig aus
Diese Funktionen werden pro Konto freigeschaltet und bleiben in jedem Tarif deaktiviert, bis Sie sie anfragen. Lassen Sie sie für Ihr Konto aktivieren, dann erscheint der Vorschläge-Bereich auf der Startseite und auf der Silences-Seite.
Nutzen
Warum KI-Monitoring Ihrem Team hilft
Der wahre Wert von KI im Monitoring liegt nicht in der Technologie selbst — es ist die operative Transformation, die sie ermöglicht. Teams, die Bleemeos KI-Funktionen nutzen, berichten durchgehend von weniger nächtlichen Alerts, kürzeren Vorfallslösungszeiten und effektiverer Kapazitätsplanung. So übersetzt sich jede Funktion in konkrete Geschäftsergebnisse.
Klügere, leisere Alerts
Anomalieerkennung eliminiert das Rätselraten bei der Schwellenwert-Einstellung. Jedes SRE-Team hat Stunden damit verbracht zu diskutieren, ob der CPU-Alert bei 85 % oder 90 % auslösen soll, nur um festzustellen, dass beide Werte bei vorhersehbaren Spitzen Rauschen erzeugen. Mit KI-gesteuerten Grenzen verschwinden diese Debatten. Das Modell lernt, dass 95 % CPU um 2 Uhr morgens während des nächtlichen ETL-Jobs normal ist, während 75 % CPU um 12 Uhr mittags an einem Dienstag ungewöhnlich ist. Ihr Team reagiert auf die Alerts, die wichtig sind, und ignoriert die, die es nicht sind, ohne eine einzige Schwellenwert-Konfiguration zu ändern.
Planen statt reagieren
Kapazitätsprognosen machen aus hektischem Reagieren geplante Wartung. Die Kosten einer vollen Platte sind nicht nur der Ausfall: Sie umfassen Datenwiederherstellung, das Nachfahren von Transaktionen, Kundenauswirkungen und die Nachbereitung. Bleemeo macht daraus eine geplante Aufgabe. Wenn Sie wissen, dass ein Volume am 15. März voll ist oder ein Dienst seit einer Woche Speicher verliert, können Sie Speicher bestellen, eine Erweiterung terminieren oder einen Fix ausliefern — zu Bürozeiten und ohne Kundenauswirkung.
Monitoring für alle
Der MCP-Server macht Monitoring für alle im Team zugänglich. Nicht jeder im Team spricht PromQL oder weiß, wo man das richtige Dashboard während eines Vorfalls findet. Mit konversationellem Zugang zu Monitoring-Daten kann ein Produktmanager den Dienstzustand prüfen, ein Entwickler die Auswirkungen einer Bereitstellung untersuchen und ein Bereitschaftsingenieur Alerts klassifizieren — alles in natürlicher Sprache. Dies demokratisiert operative Intelligenz, ohne dass jeder zum Monitoring-Experten werden muss.
Möchten Sie mehr erfahren? Lernen Sie, wie Sie den MCP-Server mit Ihrem KI-Assistenten konfigurieren, Anomalieerkennung-Schwellenwerte verstehen und Festplatten-Vorhersage-Alerts einrichten.
Dokumentation lesenHäufig gestellte Fragen
Alles, was Sie über Bleemeos KI- und Machine-Learning-Funktionen wissen müssen
Welche KI- und Machine-Learning-Funktionen bietet Bleemeo?
Drei: Anomalieerkennung auf Basis eines Foundation-Modells für Zeitreihen, vorausschauende Kapazitätsplanung, die Festplatte, Speicher und Swap auf ein Datum hochrechnet, und ein MCP-Server, über den KI-Assistenten wie Claude Desktop, Cursor und VS Code Ihre Monitoring-Daten abfragen. Keine davon verlangt einen Schwellenwert oder ein trainiertes Modell.
Wie funktioniert die Anomalieerkennung von Bleemeo?
Bleemeo lernt aus den letzten zwei Wochen den täglichen und wöchentlichen Rhythmus von CPU, Speicher und Swap jedes Servers und sagt den Bereich voraus, in dem sie in den nächsten 24 Stunden bleiben sollten. Eine Anomalie öffnet sich, wenn der Stundenmittelwert diesen Bereich zwei Stunden in Folge verlässt, und schließt sich nach zwei Stunden innerhalb. Die Erkennung startet, sobald eine Metrik acht Tage Historie hat, und lässt Server mit weniger als 1 GB RAM aus. Die Prognose wird alle vier Stunden aktualisiert.
Wie weit im Voraus kann Bleemeo vorhersagen, dass Festplatte oder Speicher ausgehen?
Bleemeo legt einen Trend über die Nutzung von Festplatte, Speicher, Swap und Monatsbandbreite und rechnet das Datum hoch, an dem jeweils Warnung (80 %), kritisch (90 %) und voll (100 %) erreicht wird. Je nach Wachstum reicht das von Tagen bis zu Monaten Vorlauf, mit einem konkreten Zeitstempel pro Schwelle. Ein Datum wird nur genannt, wenn sich die zugrunde liegende Drift über zwei unabhängige Fenster bestätigt hat — ein einmaliger Sprung gilt also nicht als Trend.
Was ist der Bleemeo MCP-Server?
Der Bleemeo MCP-Server implementiert das Model Context Protocol und ermöglicht KI-Assistenten, Ihre Monitoring-Daten in natürlicher Sprache abzufragen. Er bietet 30 schreibgeschützte Tools, die Agenten, Dienste, Container, Events, Logs und Audit-Trails abdecken. Die Authentifizierung nutzt OAuth, und alle Zugriffe sind strikt schreibgeschützt.
Welche KI-Assistenten sind mit dem MCP-Server kompatibel?
Der Bleemeo MCP-Server unterstützt Claude Desktop (vollständige Unterstützung mit Tools und Prompts), Cursor (nur Tools), Visual Studio Code (nur Tools) und Zed (nur Tools). Jede Plattform bietet Tool-Verwaltung zum Aktivieren oder Deaktivieren bestimmter Funktionen nach Bedarf.
Ist der MCP-Server-Zugriff schreibgeschützt?
Ja, der Bleemeo MCP-Server ist vollständig schreibgeschützt. Er kann Daten abfragen und abrufen — Metriken, Alerts, Logs, Events, Konfigurationen und Audit-Trails — kann aber keine Ressourcen erstellen, ändern oder löschen in Ihrem Bleemeo-Konto. Dieses Design gewährleistet die vollständige Sicherheit Ihrer Infrastruktur bei gleichzeitig leistungsfähiger KI-gestützter Analyse.
Muss ich etwas für die Anomalieerkennung konfigurieren?
Nein. Es gibt keinen Schwellenwert zu wählen und kein Modell zu trainieren. Bleemeo nimmt CPU, Speicher und Swap auf jedem geeigneten Server auf, aktualisiert die Prognose alle vier Stunden und öffnet Anomalien von selbst. Der einzige erwartete Beitrag ist freiwillig: eine Anomalie als nützlich oder nicht zu markieren, was die Erkennung auf einer Metrik pausiert, die wiederholt Fehlalarme erzeugt.
Welche Machine-Learning-Modelle verwendet Bleemeo?
Zwei sich ergänzende Modelle. Amazon Chronos-Bolt, ein Foundation-Modell für Zeitreihen, wird zero-shot eingesetzt — unverändert so, wie es veröffentlicht wurde, nie mit Kundendaten nachtrainiert — und liefert den erwarteten Bereich als Quantile. Ein verifizierter linearer Trend übernimmt die Kapazität: Er rechnet die Nutzung auf ein Datum hoch und nennt es nur, wenn die Drift tatsächlich stattgefunden hat. Chronos-Bolt läuft auf CPU, in etwa 6 Millisekunden pro Prognose.
Wie reduziert KI-gestütztes Monitoring die Alert-Müdigkeit?
Traditionelle schwellenwertbasierte Alerts lösen bei festen Werten aus, die normale Schwankungen ignorieren. Bleemeos KI lernt die tatsächlichen Muster Ihrer Infrastruktur — Tageszyklen, Wochentrends, saisonale Veränderungen — und warnt nur, wenn das Verhalten wirklich vom vorhergesagten Bereich abweicht. Dies eliminiert Fehlalarme durch vorhersehbare Lastspitzen, nächtliche Jobs und routinemäßige Batch-Verarbeitung.
Welche Bleemeo-Pläne beinhalten KI- und ML-Funktionen?
Der MCP-Server ist in den Plänen Free, Starter und Professional verfügbar. Anomalieerkennung und vorausschauende Kapazitätsplanung sind in den Plänen Starter und Professional verfügbar. Alle Funktionen arbeiten automatisch, ohne Konfiguration, Einrichtung oder zusätzliche Kosten über das Abonnement hinaus.