---
title: Netflix nutzt Wissensgraph für KI-gestützte Beobachtbarkeit
url: https://www.elseif.net/de/netflix-nutzt-wissensgraph-fur-ki-gestutzte-beobachtbarkeit
published: 2026-11-16T13:03:52+00:00
language: de
section: Agenten
source: https://www.infoq.com/news/2026/11/netflix-ai-driven-observability/?utm_campaign=infoq_content&utm_source=infoq&utm_medium=feed&utm_term=global
organizations: Netflix
publisher: elseif
---

# Netflix nutzt Wissensgraph für KI-gestützte Beobachtbarkeit

Netflix entwickelt einen ontologiegesteuerten Wissensgraph, um Untersuchungen in der Produktionsumgebung zu beschleunigen und KI-Agenten ein gemeinsames Verständnis der betrieblichen Umgebung zu ermöglichen. Die Plattform verbindet Informationen über Anwendungen, Vorfälle, Bereitstellungen, Warnmeldungen und Infrastrukturabhängigkeiten.

Das Unternehmen verarbeitet täglich mehr als 2 Milliarden Anfragen und jede Sekunde über 38 Millionen Echtzeit-Protokollierungsereignisse. Während des Kampfes zwischen Jake Paul und Mike Tyson im November 2024 unterstützte die Infrastruktur etwa 65 Millionen gleichzeitige Streams. Dennoch kann die Untersuchung einer typischen Anwendungsregression etwa vier Stunden dauern, wobei ein Großteil der Zeit für die Rekonstruktion von Beziehungen zwischen Systemen aufgewendet wird.

Die Lösung von Netflix besteht darin, diese Beziehungen durch eine betriebliche Ontologie und einen Wissensgraph explizit zu machen. Dies schafft eine Grundlage für die automatisierte Ursachenanalyse und langfristig für eine selbstheilende Infrastruktur. Das Unternehmen sammelt bereits Metriken, Ereignisse, Protokolle und Traces, doch diese Signale sind über verschiedene Systeme für Warnmeldungen, Vorfallsmanagement, Bereitstellungswerkzeuge und Kommunikationsplattformen verteilt.

Die Beobachtungsontologie definiert betriebliche Einheiten, deren Eigenschaften und die Beziehungen zwischen ihnen unter Verwendung von Standards wie RDF, OWL, SHACL und SPARQL. Der resultierende Wissensgraph wird in QuipuDB gespeichert, einer verteilten RDF-Datenbank von Netflix, die auf der redb-Speicherengine von Rust basiert. Eine Pipeline aus sogenannten Anreichern transformiert Informationen aus betrieblichen Systemen in strukturierte Beziehungen, die als Subjekt-Prädikat-Objekt-Tripel dargestellt werden.

Einige Anreicherungsschritte sind deterministisch, während andere große Sprachmodelle und probabilistische Techniken nutzen, um weniger strukturierte Informationen zu interpretieren. Netflix erfasst zudem Informationen aus Diskussionen über Vorfälle, einschließlich Hypothesen und Entscheidungen zur Schadensbegrenzung. Eine Korrelationsmaschine untersucht 13 Arten von Signalen, darunter Protokollfehler, Metrik-Anomalien, Traces, Warnmeldungen, Vorfälle, Bereitstellungen, Konfigurationsänderungen, Experimente und Codeänderungen.

Der Wissensgraph bildet die Basis für AutoRCA, das interne agentische KI-System von Netflix zur Ursachenanalyse. Anstatt dass spezialisierte Agenten lose strukturierte Ergebnisse austauschen, nutzen sie die Ontologie als gemeinsame Schnittstelle. Netflix beabsichtigt, auf dieser Grundlage belegbare Erklärungen für Vorfälle zu erstellen, wobei Menschen die Genehmigungsbefugnis für vorgeschlagene Änderungen und Behebungen behalten.
