Open Access

Dario Wagner

• Diese Masterarbeit erforscht die Integration künstlicher Intelligenz (KI) in die DevOps- und ITOps-Prozesse. Durch eine systematische Literaturübersicht wurden insgesamt 75 relevante Arbeiten in verschiedenen Bereichen eingehend untersucht, darunter Chancen, Herausforderungen und die verschiedenen Arten von künstlicher Intelligenz, die genutzt werden. Der Hauptfokus dieser Forschung liegt darin, eine Abbildung zu erstellen, die potenzielle KI-Integrationen innerhalb des DevOps-Prozesses aufzeigt. Zahlreiche Studien zu KI und Software- oder Betriebssystemen lösen unbeabsichtigt verschiedene Probleme in verschiedenen Phasen von DevOps. Diese Studie fasst eine bedeutende Anzahl wissenschaftlicher Arbeiten zusammen, die diese Phasen unterstützen, und fasst ihre Methoden zusammen. Dieser Ansatz bietet einen Überblick über die Unterstützung von KI für DevOps und die damit verbundenen Herausforderungen. Darüber hinaus listet diese Arbeit die häufig erwähnten Vorteile der KI-Integration sowie die verschiedenen KPIs und Metriken auf, die zur Messung des Erfolgs der KI-Methode oder der Integration selbst verwendet werden. Diese Arbeit hebt die Bedeutung hervor, zu verstehen, wie KI in DevOps und ITOps passt. Nach der Betrachtung verschiedener Studien ist klar, dass KI die Arbeitsweise dieser Prozesse erheblich verbessern kann, indem sie sie schneller und genauer macht. Die Forschung schlägt einen ganzheitlichen Ansatz vor, der nicht nur die positiven und herausfordernden Aspekte zeigt, sondern auch Möglichkeiten aufzeigt, KI in DevOps und ITOps einzusetzen und zu messen, wie gut sie funktioniert. Alle diese Ergebnisse zielen darauf ab, einen Leitfaden zu erstellen, der Fachleuten und Unternehmen dabei hilft, KI in diesem Prozessen klug und effektiv zu nutzen.
• This master’s thesis explores the integration of artificial intelligence (AI) into the DevOps and ITOps processes. Through a systematic literature review, a total of 75 relevant papers were deeply investigated across various aspects, including opportunities, challenges, and the different types of artificial intelligence utilized. The primary focus of this research is to construct a map outlining potential AI integrations within the DevOps process. Numerous studies in AI and Software or Operating systems inadvertently resolve various issues across different stages of DevOps. This study compiles a significant number of scientific papers supporting these stages and summarizes their methodologies. This approach yields an overview of AI’s support for DevOps and the associated challenges. Furthermore, this thesis lists the often-mentioned benefits of AI integration, along with the different KPIs and metrics used to measure the success of the AI method or the integration itself. This thesis highlights how important it is to understand how AI fits into DevOps and ITOps. After looking at different studies, it’s clear that AI can significantly improve how these processes work, making them faster and more accurate. The research suggests a full-picture approach, showing not just the good and challenging parts, but also ways to put AI into action and measure how well it works in DevOps and ITOps. All these findings aim to create a guide that helps professionals and companies use AI in these processes smartly and effectively.