GALA: KI-gestützte Root-Cause-Analyse in Microservices verbessert Fehlerdiagnose

Ein neues Forschungsprojekt namens GALA verspricht, die Fehlerdiagnose in Microservice‑Systemen grundlegend zu verändern. Durch die Kombination von statistischer kausaler Inferenz und iterativem Denken mit großen Sprachmodellen (LLMs) liefert GALA nicht nur die wahrscheinliche Ursache eines Ausfalls, sondern auch konkrete Handlungsempfehlungen zur Behebung.

Die Autoren haben GALA an einem offenen Benchmark getestet und konnten die Genauigkeit der Root‑Cause‑Analyse im Vergleich zu aktuellen Methoden um bis zu 42,22 % steigern. Besonders hervorzuheben ist die von den Forschern entwickelte, von Menschen geleitete Bewertungsskala, die zeigt, dass GALA deutlich kausalere und umsetzbare Diagnosen produziert.

Durch umfangreiche Experimente und eine Fallstudie demonstriert GALA, wie automatisierte Fehlerdiagnose nahtlos in den praktischen Incident‑Response‑Workflow integriert werden kann. Das System liefert präzise Ursachenidentifikation und leicht verständliche Anweisungen, die sowohl von Technikern als auch von Entscheidungsträgern genutzt werden können.

GALA stellt damit einen bedeutenden Fortschritt dar, der die Lücke zwischen automatisierter Fehlererkennung und effektiver Problemlösung schließt und die Effizienz von On‑Call‑Teams in heterogenen, datenintensiven Umgebungen erheblich steigert.