DevSecOps/DataOps/MLOps

Unter dem Begriff DevSecOps werden mehrere Methoden zusammengefasst, um Prozesse in der Software-Entwicklung und IT zu automatisieren und diese zu sichern. Die Idee fußt dabei insbesondere auf den Gedanken Automatisierung, Agilität und der Zusammenarbeit zwischen den Bereichen Entwicklung (Development), IT-Management (Operations) und IT-Sicherheit (Security).

Mit dem DataOps-Gedanken wird DevOps um die Komponente Daten erweitert. Interdisziplinäre Teams bestehend aus Data Scientists, Software-Entwicklern und Fachabteilung sollen die Bereiche Statistik, IT und Branchenwissen zusammenbringen. Auch der Einfluss von Data Warehousing darf hier nicht unterschätzt werden, stoßen Architekturen bei steigender Datenmenge doch auf Herausforderungen in Performanz und Integrationsfähigkeit.

Hat man die Daten auch sortiert, kommt der nächste Schritt, AIOps/MLOps, um die Daten mit Hilfe von -dem Zweck entsprechenden- KI-Algorithmen auszuwerten, Modelle zu erzeugen und diese auch zu verwalten. Der langfristige Einsatz und die Instandhaltung eines oder mehrerer Machine Learning Modelle gelingen nur auf Basis einer leistungsfähigen Infrastruktur. MLOps ist eine Sammlung verschiedener Methoden und Software-Werkzeuge, die eingesetzt werden, um die Herausforderungen zu meistern, die der produktive Betrieb von ML Modellen nach sich zieht.