Einführung von Elastic Workflows: Native Automatisierung für Elasticsearch
Vereinheitlichen Sie skriptbasierte Automatisierung und KI-Agenten nativ in Elasticsearch. Eliminieren Sie Integrationen und handeln Sie direkt auf Basis Ihrer Daten.
.png)
Heute stellen wir Elastic Workflows vor, die Automatisierungs-Engine, die direkt in Elasticsearch integriert ist. Workflows bietet Ihnen zuverlässige, skriptbasierte Automatisierung für einfache Aufgaben und KI-gestützte Automatisierung für komplexe Probleme, die logisches Denken erfordern.
Elastic Workflows ist jetzt als technische Vorschau verfügbar.
Die Herausforderung: Isolierte Daten und erzwungene Kompromisse
Organisationen benötigen Automatisierung, um mit der Komplexität der heutigen digitalen Umgebung Schritt zu halten. Doch die meisten Automatisierungslösungen leiden unter zwei wesentlichen Einschränkungen.
Die Automatisierung ist üblicherweise von Ihren Betriebsdaten getrennt. Das bedeutet, dass Teams Integrationen erstellen und pflegen müssen, um ihrer Automatisierung den benötigten Kontext zu geben. Daten müssen exportiert, synchronisiert oder systemübergreifend abgefragt werden. Zugangsdaten müssen separat verwaltet werden. Und wenn sich etwas im vorgelagerten System ändert, funktioniert die Integration nicht mehr. Die Pflege dieser Integrationen verursacht unnötigen Aufwand.
Teams stehen vor der Wahl zwischen Zuverlässigkeit und logischem Denken. Traditionelle Automatisierung erledigt definierte Aufgaben vorhersehbar – sie läuft jedes Mal gleich ab, was für gut verstandene Prozesse ideal ist. Sie kann sich jedoch nicht anpassen, wenn sie auf Unerwartetes stößt. Es gibt kein Urteilsvermögen, keine Interpretation, nur vordefinierte Logik.
KI-gestützte Tools versprechen, diese Lücke zu schließen. Sie können Unklarheiten ausräumen, Optionen abwägen und die nächsten Schritte vorschlagen, auch ohne ausdrückliche Anweisungen. Doch oft mangelt es ihnen an der Präzision und Vorhersagbarkeit, die für kritische Geschäftsprozesse unerlässlich sind. Und die meisten von ihnen sind noch weiter von Ihren Daten entfernt, wodurch eine weitere Integrationsebene hinzukommt, die verwaltet werden muss.
Bisher mussten Unternehmen zwischen diesen Ansätzen wählen oder versuchen, sie mit Middleware und benutzerdefiniertem Code zusammenzufügen. Elastic Workflows beseitigt diese Wahlmöglichkeit, indem es beides in einem einzigen System bietet.
Elastic Workflows: Daten, Kontext und Aktionen vereint
Elastic Workflows löst diese Probleme, indem es die Automatisierungs-Engine direkt dorthin bringt, wo Ihre Daten gespeichert sind. Es gibt keine Exportpipeline, keine Middleware und kein separates Sicherheitsmodell zu verwalten. Wenn ein Workflow Kontext braucht, ist er bereits vorhanden.
Workflows werden in YAML definiert und sind einfach genug für Versionskontrolle und Überprüfung, aber ausdrucksstark genug, um reale operative Logik abzubilden. Sie werden von einer integrierten Engine ausgeführt, die auf Unternehmenszuverlässigkeit und Skalierbarkeit ausgelegt ist.

Workflows sind vollständig kompositionsfähig und ereignisgesteuert. Sie können auf Datenänderungen innerhalb von Elasticsearch, auf Ereignisse externer Systeme über Webhooks oder auf von Nutzern initiierte Aktionen reagieren. Sie können Workflows miteinander verketten, verschachteln oder sie als aufrufbare Tools für andere Systeme bereitstellen.
Sobald die Workflows laufen, verbinden sie sich mit den externen Systemen, die Ihre Organisation bereits nutzt, darunter Cloud-Anbieter, Servicedesks, Messaging-Plattformen und Identitätsanbieter. Elasticsearch bleibt jedoch im Zentrum, sodass jeder Schritt im Workflow Zugriff auf den vollständigen Kontext Ihrer Umgebung hat.

Das Ergebnis ist eine einfachere Architektur mit weniger beweglichen Teilen und schnellerer Ausführung, da keine Rundreise zu externen Systemen für den grundlegenden Kontext erforderlich ist. Außerdem kann weniger kaputtgehen, weil kein Netz von Integrationen gepflegt wird.
Workflows und Agenten für intelligente Automatisierung
Die einheitliche Architektur von Automatisierung und KI auf Elasticsearch ermöglicht etwas, das bisher schwer zu erreichen war: die Kombination der Zuverlässigkeit einer vorhersehbaren Ausführung mit der Flexibilität des KI-gestützten logischen Denkens in einem einzigen Prozess.
So funktioniert der Prozess: Ein Workflow kümmert sich um die strukturierten Teile eines Prozesses – die Schritte, die jedes Mal auf die gleiche Weise ablaufen sollen. Wenn der Workflow einen Punkt erreicht, der eine Beurteilung erfordert, kann er einen KI-Agenten aufrufen, um den verfügbaren Kontext zu analysieren und zu bestimmen, was als Nächstes zu tun ist. Der Agent wertet die Daten aus, trifft eine Entscheidung und gibt ein Ergebnis zurück. Der Workflow wird dann basierend auf dieser Eingabe weiter ausgeführt.

Diese Integration ist bidirektional. Workflows können Agenten als intelligente Schritte innerhalb eines größeren Prozesses aufrufen. Und Agenten können Workflows als Werkzeuge nutzen, wodurch sie die Möglichkeit erhalten, konkrete Aktionen durchzuführen und nicht nur Text zu generieren, sondern tatsächlich Aktionen in den Systemen auszuführen, auf denen die Organisation läuft.

Elastic Workflows erhält seine Agentenfunktionen durch die Integration mit Elastic Agent Builder, einer nativen Funktion von Elasticsearch zur Erstellung benutzerdefinierter KI-Agenten. Mit Agent Builder erstellte Agenten haben Zugriff auf dieselben Daten und denselben Kontext wie Workflows und können dadurch bessere Entscheidungen treffen. Da Workflows und Agenten auf derselben Plattform laufen, gibt es keine Integrationslücke zwischen Logik und Ausführung.
Während Standard-KI-Tools oft nur Vorschläge generieren, ermöglicht Elastic Workflows den Agenten, Maßnahmen wie das Neustarten eines Services, das Aktualisieren eines Datensatzes, das Versenden einer Benachrichtigung oder das Auslösen eines anderen Workflows.
Für Entwickler, die Agenten erstellen
Die Fortschritte der KI ermöglichen es Entwicklern, viel leistungsfähigere Agenten zu entwickeln, die mehr Aufgaben als zuvor automatisieren können. Agenten sind nicht mehr nur zum Chatten da; sie können jetzt selbst Entscheidungen treffen und Maßnahmen ergreifen. Viele Frameworks zur Agentenentwicklung erfordern jedoch große Sprachmodelle (LLMs), um jeden Schritt der Automatisierung zu planen und zu verwalten. KI ist zwar hervorragend im Denken, aber es fehlt ihr an der Zuverlässigkeit definierter Aktionen, die Unternehmen oft benötigen.
Workflows, die einem Agenten über MCP als Werkzeuge zur Verfügung gestellt werden können, schließen diese Lücke. Workflows sind die „Hände“, die es Agenten ermöglichen, zuverlässig mit Systemen zu interagieren, um Maßnahmen zu ergreifen und Informationen zu sammeln.
Workflows helfen Entwicklern dabei, komplexe Prozesse in vorhersehbare, wiederverwendbare Werkzeuge zur Informationsbeschaffung und zum Handeln umzuwandeln. Zum Beispiel erfordert die Erstellung von Agentenanwendungen oft Informationen, die nur erfasst werden können, indem Prozesse in internen und externen Systemen ausgeführt werden, die den Unternehmensstandards entsprechen. Workflows lösen dieses Problem, indem sie komplexe Prozesse in vorhersehbare, wiederverwendbare Aktionen umwandeln, wie z. B. die Integration von Unternehmensdaten, den Aufruf von Diensten, die Verknüpfung von Signalen und die Aktualisierung von Datensätzen. Dies vereinfacht verschiedene Such- und Automatisierungsaufgaben wie die Sortierung im Kundensupport, das Hochladen von Inhalten und die Automatisierung der Geschäftslogik. Es ermöglicht Anwendungen, die auf Elasticsearch basieren, intelligent auf unklare Anfragen zu reagieren, während Workflows die zuverlässige Ausführung gewährleistet, die zur Unterstützung dieser Entscheidungen erforderlich ist.

Für Sicherheitsanalysten
Sicherheitsanalysten haben mit einem ständigen Strom von Warnungen zu tun, und ein Großteil der anfänglichen Triage-Arbeit folgt einem vorhersehbaren Muster: Warnungen mit Kontext bereichern, relevante Aktivitäten überprüfen, Vermögenswerte und Identitätsdaten abrufen, das Ticket aktualisieren und die richtigen Personen benachrichtigen. Genau solche Aufgaben sollte die Automatisierung übernehmen.
Workflows ermöglichen es Sicherheitsteams, diese Prozesse mit vollständiger Kontrolle und Vorhersehbarkeit festzulegen. Die Routineabläufe erfolgen stets automatisch und zuverlässig.
Doch Ermittlungen verlaufen nicht immer routinemäßig. Manchmal entspricht eine Warnung keinem bekannten Muster. Manchmal tat der Angreifer auch etwas Neues. In solchen Fällen beginnen die Analysten typischerweise bei Null, indem sie manuell Protokolle sammeln, das Nutzerverhalten nachverfolgen, Signale systemübergreifend korrelieren und Hypothesen darüber aufstellen, was passiert ist.
Hier verändern Workflows in Kombination mit Agenten das Bild. Anstatt mit einem leeren Bildschirm zu beginnen, kann ein Agent die frühe Vorarbeit übernehmen: die Beweise prüfen, ungewöhnliche Muster erkennen, prüfen, ob erwartete Kontrollen vorhanden waren, und vorschlagen, welche Fäden es wert sind, gezogen zu werden. Der Workflow hält den gesamten Prozess strukturiert und prüfbar. Der Agent kümmert sich um die Mehrdeutigkeit.

Der Analyst behält die Kontrolle, beginnt aber weiter vorne mit dem bereits zusammengestellten Kontext und anfänglichen Hypothesen, die bewertet werden müssen, anstatt sie zu konstruieren.

Für SREs
Die Betriebsteams automatisieren umfassend: Gesundheitsprüfungen, Kapazitätsentscheidungen, Alarmweiterleitung und Abhilfemaßnahmen. Diese Prozesse sorgen dafür, dass die Dienste reibungslos laufen, wenn die Bedingungen bekannten Mustern entsprechen.
Aber nicht jeder Vorfall folgt einem Muster. Komplexe Leistungseinbußen, unerwartete Rückschritte und kaskadierende Ausfälle – solche Situationen haben selten ein klares Handbuch. Betreiber müssen typischerweise von Grund auf neu ermitteln, indem sie Daten über Dashboards und Tools hinweg korrelieren, um herauszufinden, was tatsächlich passiert.
Mit Workflows und Agenten kann diese Untersuchung schneller starten. Ein Agent mit Zugriff auf Ihre Protokolle, Metriken und Traces kann aktuelle Deployments scannen, korrelierte Anomalien identifizieren und die wahrscheinlichsten Erklärungen aufdecken. Anstatt den Kontext manuell zusammenzustellen, beginnt der Operator mit einer Hypothese und unterstützende Beweise.
Wenn die Hypothese zutrifft, kann der Workflow bis zur Problembehebung fortgesetzt werden, indem eine Änderung rückgängig gemacht, ein Service skaliert oder eine Konfiguration angepasst wird. Der Agent liefert das Urteil; der Workflow sorgt für die Ausführung. Der Operator bleibt im Prozess eingebunden, um kritische Entscheidungen zu genehmigen und bei Bedarf einzugreifen.
Das Ergebnis ist eine schnellere Problemlösung, ohne dass dabei die Aufsicht oder Kontrolle verloren geht.

Erste Schritte mit Elastic Workflows
Elastic Workflows ist jetzt als technische Vorschau verfügbar. Beginnen Sie mit einer Elastic Cloud-Testversion, und schauen Sie sich die Dokumentation an.
Wir bauen weiterhin vorgefertigte Workflows und Agentenintegrationen aus, um Teams dabei zu helfen, einen größeren Teil ihrer Arbeit zu automatisieren. Wenn Sie nach einer Möglichkeit gesucht haben, die Automatisierung näher an Ihre Daten zu bringen, ohne Zuverlässigkeit oder Flexibilität zu opfern, ist dies ein guter Ausgangspunkt.
Für einen tieferen technischen Einblick sehen Sie sich den Workflow- Technik-Blog an.
Die Entscheidung über die Veröffentlichung der in diesem Blogeintrag beschriebenen Leistungsmerkmale und Features sowie deren Zeitpunkt liegt allein bei Elastic. Es ist möglich, dass noch nicht verfügbare Leistungsmerkmale oder Features nicht rechtzeitig oder überhaupt nicht veröffentlicht werden.
In diesem Blogpost haben wir möglicherweise generative KI-Tools von Drittanbietern verwendet oder darauf Bezug genommen, die von ihren jeweiligen Eigentümern betrieben werden. Elastic hat keine Kontrolle über die Drittanbieter-Tools und übernimmt keine Verantwortung oder Haftung für ihre Inhalte, ihren Betrieb oder ihre Anwendung sowie für etwaige Verluste oder Schäden, die sich aus Ihrer Anwendung solcher Tools ergeben. Gehen Sie vorsichtig vor, wenn Sie KI-Tools mit personenbezogenen, sensiblen oder vertraulichen Daten verwenden. Alle von Ihnen eingegebenen Daten können für das Training von KI oder andere Zwecke verwendet werden. Es gibt keine Garantie dafür, dass von Ihnen bereitgestellte Informationen sicher oder vertraulich behandelt werden. Setzen Sie sich vor Gebrauch mit den Datenschutzpraktiken und den Nutzungsbedingungen generativer KI-Tools auseinander.
Elastic, Elasticsearch und zugehörige Marken sind Marken, Logos oder eingetragene Marken von Elasticsearch B.V. in den Vereinigten Staaten und anderen Ländern. Alle anderen Unternehmens- und Produktnamen sind Marken, Logos oder eingetragene Marken ihrer jeweiligen Eigentümer.