// HEISE ONLINE — INTELLIGENZA ARTIFICIALE
AI für SRE: Warum Automatisierung das Ziel ist und KI nur ein Werkzeug
Severin Neumann kritisiert das Schlagwort „AI SRE“ und plädiert für ein CNCF-Modell, das Reliability-Aufgaben statt Menschen automatisiert.
Das Schlagwort „AI SRE“ suggeriert, dass künstliche Intelligenz künftig die Menschen im Site Reliability Engineering ersetzt. Genau daran stört sich Severin Neumann, Head of Community bei Bronto und Mitglied des OpenTelemetry Governance Committee. In seinem Vortrag „AI für SRE richtig einsetzen: Von klassischer Automation bis LLMs“ bei der Mastering Observability im April 2026 plädiert er für eine andere Sichtweise: KI ist nicht das Ziel, sondern eines von vielen Werkzeugen, um Reliability-Arbeit schrittweise zu automatisieren.
Neumann bevorzugt daher die Formulierung „AI for SRE“ – also KI für SRE statt SRE. Die Unterscheidung ist mehr als Wortklauberei. Sie verweist darauf, dass Site Reliability Engineering weit mehr umfasst als die Reaktion auf Störungen. Zu SRE gehören Instrumentierung, Kapazitätsplanung, die Prävention von Vorfällen, in Code gegossene Resilienz durch Timeouts, Retries oder Circuit Breaker, Post-Mortems und kontinuierliche Verbesserung. Incident Response ist in dieser Lesart der letzte Ausweg, nicht der Kern der Disziplin.
Mehr zu SRE, Observability, aber auch zu Agentic AI, digitaler Souveränität und weiteren Themen finden interessierte Developer, Software-Architekten, DevOps- und Platform-Engineering-Teams auf der CLC-Konferenz vom 11. bis 12. November 2026 in Mannheim.
Wichtig ist Neumann eine zweite Klarstellung: KI ist nicht gleich Large Language Model. LLMs seien nur eine Teilmenge dessen, was unter künstliche Intelligenz fällt – und sie bringen erhebliche Grenzen mit. Halluzinationen, fehlendes Kausalverständnis, begrenzte Kontextfenster, mangelndes Echtzeit-Bewusstsein, fehlende Reproduzierbarkeit von Antworten, die Abhängigkeit von der Prompt-Qualität und die hohen Kosten für Inferenz und GPU-Rechenzeit sprechen dagegen, LLMs als Universalwerkzeug für jedes Problem zu nutzen. Daneben stünden klassische Machine-Learning-Modelle für Anomalieerkennung, Trendanalyse und Forecasting sowie deterministische Automatisierung durch Regeln, Linter, Operatoren und Runbooks. Die Leitfrage laute deshalb nicht „Wo können wir ein LLM einsetzen?“, sondern „Welches Werkzeug passt hier?“.
Um diese Frage systematisch zu beantworten, entsteht innerhalb der CNCF TAG Operational Resilience ein Referenzmodell mit dem Titel „Levels of Service Reliability Automation“. In einem CNCF-Blog beschreibt Mario Fahlandt, ehemaliger Leiter der TAG, das Whitepaper als Versuch, operative Autonomie von reaktivem Firefighting bis hin zu selbstheilenden Systemen abzubilden. Das Framework soll Teams eine gemeinsame Landkarte an die Hand geben, die zeigt, wie Reliability-Arbeit über alle Domänen hinweg vom rein manuellen Vorgehen zu wachsender Autonomie fortschreiten kann.
Das Modell ist als zweidimensionale Matrix aufgebaut. Die horizontale Achse beschreibt den Automatisierungsgrad in fünf Stufen: Manual, Automatic, Assisted, Guided und Autonomous. Auf der vertikalen Achse stehen die Reliability-Aktivitäten – Instrumentation, Reliability Implementation, Incident Prevention beziehungsweise Risk Prevention sowie Incident Response. In den einzelnen Zellen werden konkrete Werkzeuge, Anforderungen und Fähigkeiten je Aktivität und Level beschrieben.
Darin unterscheidet sich der Ansatz von klassischen Reifegradmodellen, wie sie aus SRE- oder Observability-Frameworks bekannt sind. Statt eine ganze Organisation einem Level wie „Initial“ oder „Optimizing“ zuzuordnen, kartiert das Modell jede Aktivität einzeln. Ein Team kann bei der Instrumentierung noch komplett manuell arbeiten, bei der Incident Response aber bereits auf der Stufe Guided sein. Das bildet die Praxis realistischer ab, weil Teams in verschiedenen Bereichen unterschiedlich weit sind. Der Fokus liegt dabei explizit auf operativer Autonomie – ähnlich den SAE-Levels des autonomen Fahrens, übertragen auf Reliability-Arbeit.
Am Beispiel der I