Elastic im Forrester Wave für AIOps-Plattformen als Strong Performer eingestuft

Wo Forrester die Bestnote vergab

Nach Angaben von Elastic umfasste die Forrester-Bewertung 10 Anbieter und 24 Kriterien. In fünf davon habe das Unternehmen die höchstmögliche Punktzahl erhalten:

• Nachvollziehbarkeit und Erklärbarkeit der Algorithmen
• Observability as Code (OaC) und GitOps-Ausrichtung
• AI-Stack und semantische Observability
• Sovereign Deployment und Datenisolation
• Flexibilität und Transparenz der Preisgestaltung

Elastic führt diese Ergebnisse darauf zurück, wie das Unternehmen AIOps zu einem AI SRE ausgebaut hat. Dieser lege seine Belege offen, lerne aus jeder Untersuchung und finde, was Alerts übersehen. Der Blogbeitrag von Natalie Blake, veröffentlicht am 28. Oktober 2026, rahmt die Bewertungen mit der Formulierung „we believe“ ein. Die Interpretation stammt also von Elastic selbst.

Elastics Argumentation: Vertrauen, Kontext und Lernen

Elastic argumentiert, die KI-Debatte im Betrieb gehe inzwischen über die Frage hinaus, ob ein Modell eine Ursache vorschlagen kann. Aus Sicht des Unternehmens fragen Teams heute, ob sie sich auf die Antwort verlassen können, zumal die Telemetriedaten weiter wachsen, Code Code generiert und KI-basierte Komponenten Ausfälle schwerer vorhersagbar machen.

Das Produkt des Unternehmens ist hier Elastic nightshift AI SRE, den Elastic als stets verfügbaren KI-Kollegen beschreibt, der wie ein Ingenieur untersucht. Laut Elastic legt er seine Schlussfolgerungen, die geprüften Daten, die erwogenen Erklärungen und die Belege für sein Ergebnis offen. SRE-Teams können die Untersuchung von Anfang an nachvollziehen und bestätigen, bevor sie eine Maßnahme freigeben.

Bei den Daten weist Elastic darauf hin, dass viele Teams Telemetrie aus Kostengründen reduzieren. Die Belege, die eine Untersuchung braucht, könnten bei einem Vorfall deshalb fehlen. Das Unternehmen sagt, es biete kosteneffizienten Speicher für Logs, Traces und Metriken, damit Teams alles an einem Ort behalten können. Zudem verdichte es die relevanten Teile der Umgebung zu kompaktem Kontext für den SRE-Agenten, was nach Angaben von Elastic sowohl die Genauigkeit als auch die Token-Effizienz verbessert.

Elastic erklärt außerdem, sein AI SRE nehme Erkenntnisse aus früheren Vorfällen in den nächsten mit, sodass ein wiederkehrendes Problem schneller erkannt wird und die Empfehlungen mit der Zeit besser werden. Dem stellt das Unternehmen die alarmbasierte Erkennung gegenüber, die nur Ausfälle abdecke, die sich vorhersagen lassen. Das eigene System ziele darauf ab, die „unknown unknowns“ aufzudecken, die keine Regel erfassen kann.

Offene Standards und was das für Käufer bedeutet

Elastic beschreibt sich als von Grund auf offen und auf OpenTelemetry aufgebaut. Das Unternehmen sagt, es halte Daten in ihrer nativen Form vor, sodass Teams neue Instrumentierung einführen können, ohne Pipelines neu aufzubauen oder Schemata zu übersetzen.

Das Unternehmen verknüpft seine Argumentation zu einer Kette: Effizienter Speicher ermöglicht vollständigen Kontext, vollständiger Kontext macht KI-Untersuchungen präzise, transparente Begründungen machen sie überprüfbar, und offene Standards halten die Investition portabel. Für Teams, die AIOps-Werkzeuge evaluieren, sind die Kriterien des Reports zu Erklärbarkeit, Deployment-Souveränität und Preistransparenz jene Bereiche, in denen Elastic nach eigenen Angaben am besten abgeschnitten hat.

Der Forrester-Report ist über den Beitrag von Elastic erhältlich. Forrester erklärt, dass es in seinen Research-Publikationen keine Unternehmen, Produkte, Marken oder Dienstleistungen empfiehlt und dass seine Einschätzungen das Urteil zum jeweiligen Zeitpunkt widerspiegeln und sich ändern können. Elastic weist zudem darauf hin, dass Veröffentlichung und Zeitpunkt der beschriebenen Funktionen allein im Ermessen des Unternehmens liegen und dass derzeit nicht verfügbare Funktionen möglicherweise nicht rechtzeitig oder gar nicht geliefert werden.