Dynatrace heeft een nieuwe generatie van zijn observabilityplatform aangekondigd. Met deze derde iteratie wil het bedrijf de combinatie van observability, beveiliging en business analytics verder integreren. AI en automatisering spelen hierbij een centrale rol.
Het platform is ontworpen om grote hoeveelheden data uit moderne IT-omgevingen, zoals cloud-native architecturen en AI-gedreven applicaties, sneller te vertalen naar zakelijke beslissingen en acties.
De kern van het vernieuwde platform is Grail. Dit is een data lakehouse dat verschillende soorten data samenbrengt in een schaalbare architectuur. Bedrijven kunnen hierdoor efficiënter telemetrie analyseren en toepassen binnen de organisatie. De uitbreiding van AI-mogelijkheden stelt teams in staat om data in real-time om te zetten naar inzichten. Die worden vervolgens automatisch vertaald naar concrete stappen.
Volgens oprichter en CTO Bernd Greifeneder (foto) is het platform erop gericht om observabilitydata om te zetten in directe bruikbare kennis voor AI. Dit moet autonome intelligentie mogelijk maken. Dynatrace positioneert zijn aanbod daarmee niet alleen als analysetool, maar als fundament voor geautomatiseerde besluitvorming in complexe IT-omgevingen.
Onder de nieuwe functionaliteiten bevinden zich middelen voor ontwikkelaars om eenvoudiger met serverless en cloudarchitecturen te werken. De introductie van een schaalbare live debugger zonder klassieke breakpoints moet hen helpen sneller problemen op te lossen, met behoud van privacy. Ook is er integratie mogelijk tussen observabilitydata en ontwikkelomgevingen via de Dynatrace MCP-server.
Geautomatiseerde analyses
Een ander speerpunt is de toepassing van Agentic AI in het platform. Deze technologie maakt het mogelijk om proactief op operationele problemen in te spelen. Via geautomatiseerde analyses en natuurlijke taalinterfaces kunnen teams sneller tot de kern van verstoringen komen. En kunnen oplossingen uitvoeren met minimale handmatige tussenkomst.
Op het gebied van logbeheer introduceert Dynatrace directe loganalyse binnen de bredere context van observabilitydata. Nieuwe functies in de Logs-app en via Davis CoPilot moeten het gemakkelijker maken om waardevolle inzichten uit grote hoeveelheden logdata te halen. De ondersteuning voor hot/hot opslag met langdurige retentie en schaalbare logverzameling is bedoeld om ook in veeleisende cloudomgevingen efficiënt beheer mogelijk te maken.