Compute-Basis
Anzahl virtueller Maschinen und Hosts.
CloudMent AI-Powered Cloud Advisor
CloudMent
Rapid Discovery
Rapid Discovery liefert in kurzer Zeit eine belastbare Mengenbasis für frühe Kosten- und Migrationsentscheidungen in der Assess-Phase.
Überblick
Abschnitt betitelt „Überblick“Rapid Discovery liefert in kurzer Zeit eine schnelle, automatisierte Ausgangsbasis über bestehende Umgebungen in On-Premises- und Cloud-Landschaften. Der Fokus liegt auf der quantitativen Erfassung des IT-Portfolios, damit frühe Migrations- und kommerzielle Entscheidungen fundiert getroffen werden können.
In dieser Phase sind Mengen und Verteilung wichtiger als die detaillierten Abhängigkeiten einzelner Anwendungen.
Welche Informationen Rapid Discovery erfasst
Abschnitt betitelt „Welche Informationen Rapid Discovery erfasst“Rapid Discovery erstellt ein initiales Inventar von Infrastruktur- und Plattform-Assets, unter anderem:
Storage-Basis
Speicherkapazitäten und Storage-Klassen.
Betriebssystem-Landschaft
Betriebssystemfamilien und Versionen.
Kubernetes-Basis
Anzahl und Basiseigenschaften von Kubernetes-Clustern.
Datenbank-Inventar
Datenbank-Engines, Größen und Instanzanzahlen.
Diese Kennzahlen bilden die erste belastbare Sicht auf den Umfang der Migration.
Warum es in der Assess-Phase wichtig ist
Abschnitt betitelt „Warum es in der Assess-Phase wichtig ist“Die Ergebnisse aus Rapid Discovery sind eine zentrale Grundlage für:
- Frühe Preisindikation: Eine erste STACKIT-nahe Kostenindikation erzeugen.
- Erste TCO-Sicht: Einen initialen TCO-Korridor ableiten.
- Kapazitätsannahmen: Erste Annahmen zur Zielkapazität und Landing Zone definieren.
Dadurch können sich Programm-Stakeholder frühzeitig auf eine finanzielle Richtung und eine technische Ausgangsbasis einigen.
Abgrenzung zur Discovery-Phase
Abschnitt betitelt „Abgrenzung zur Discovery-Phase“Rapid Discovery ist bewusst keine vollständige Analyse auf Applikationsebene. Es umfasst weder tiefgehende Interviews mit allen Application Ownern noch eine vollständige Abbildung aller Laufzeitabhängigkeiten.
Diese Tiefe wird in der anschließenden Discovery-Phase erreicht: Dort werden Infrastruktur-Exporte durch gezielte Assessments und Informationen der Application Owner ergänzt, um ein vollständiges Applikationsbild zu erstellen.
Typische Eingaben und zukünftige Assets
Abschnitt betitelt „Typische Eingaben und zukünftige Assets“Typische Eingabequellen sind Exporte wie Tabellen oder ähnliche Inventardateien aus bestehenden Umgebungen. Die Phase kann durch KI-gestützte Tools beschleunigt werden, die aus hochgeladenen Datensätzen die benötigten Baseline-Kennzahlen extrahieren.
Rapid Discovery ist damit eine wichtige Voraussetzung für eine strukturierte Kostenindikation sowie für die Entwicklung einer realistischen Strategie für die Cloud-Zielumgebung.
KI-gestützte Discovery-Assets
Abschnitt betitelt „KI-gestützte Discovery-Assets“KI-gestützte Discovery-Assets können helfen, Workload-Beschreibungen und Daten aus Inventaren in erste Assessment- und Design-Artefakte für die fachliche Prüfung zu überführen.
Asset-Titel
Framework
Asset-Typ
Migration
Software
Rapid-Discovery-Prozess auf einen Blick
Abschnitt betitelt „Rapid-Discovery-Prozess auf einen Blick“Das folgende Diagramm zeigt den Kern von Rapid Discovery: Rohdaten aus Quellsystemen werden durch Tooling in eine entscheidungsreife Baseline überführt, die frühe Preisindikationen und erste Sizing-Annahmen ermöglicht.
Methodik in der Praxis
Abschnitt betitelt „Methodik in der Praxis“Eine belastbare Rapid Discovery folgt typischerweise einem klaren Ablauf:
- Datensammlung aus vorhandenen Quellen (CMDB, Hypervisor-Exporte, Cloud-Inventare, Monitoring, Storage-Reports, Datenbanklisten).
- Standardisierung und Konsolidierung der Daten in ein einheitliches Schema.
- Kategorisierung nach Workload-Typen und technischen Merkmalen.
- Aggregation auf Management-Ebene für schnelle Entscheidungsfindung.
- Erste Plausibilisierung mit Fachverantwortlichen.
Ziel ist kein perfektes Zielbild, sondern ein verlässlicher Startpunkt mit ausreichender Genauigkeit für frühe Entscheidungen.
Datenqualität und Annahmen
Abschnitt betitelt „Datenqualität und Annahmen“Die Aussagekraft der Ergebnisse hängt stark von der Datenqualität ab. Typische Herausforderungen sind Dubletten, veraltete Einträge, inkonsistente Benennungen und fehlende Leistungsdaten.
Empfehlung für diese Phase:
- Annahmen dokumentieren: Wachstumsraten, Konsolidierungsfaktoren und Reserven transparent halten.
- Unklare Datensätze markieren: Unsichere Datensätze kennzeichnen statt früh zu verwerfen.
- Konfidenzniveau vergeben: Ergebnisse als hoch, mittel oder niedrig einstufen.
So bleibt die Kostenindikation nachvollziehbar und später in der Discovery-Phase gezielt verfeinerbar.
Verbindung zu Preisindikation und TCO
Abschnitt betitelt „Verbindung zu Preisindikation und TCO“Rapid Discovery liefert die Mengengerüste für erste Kostenmodelle. Dafür werden die erfassten Bestände in STACKIT-nahe Verbrauchseinheiten überführt, zum Beispiel:
- Compute-Sizing: vCPU und RAM als Grundlage nutzen.
- Storage-Klassen: Storage-Kapazität und I/O-Profile verwenden.
- Managed Services: Datenbanktyp und Größenklassen zuordnen.
- Plattformkosten: Cluster- und Node-Anzahlen einbeziehen.
In Kombination mit Betriebsannahmen (Betriebszeiten, Verfügbarkeit, Wachstumspfad) entsteht daraus eine belastbare Preisindikation und ein erster TCO-Korridor.
Typische Ergebnisse
Abschnitt betitelt „Typische Ergebnisse“Am Ende der Rapid-Discovery-Phase sollten mindestens folgende Ergebnisse vorliegen:
Konsolidierte Asset-Baseline
Mengen je Technologiebereich liegen konsolidiert vor.
Sinnvolle Segmentierung
Assets sind nach Kritikalität, Umgebung und Modernisierungsbedarf segmentiert.
Nachvollziehbare Annahmen
Annahmen und erkannte Datenlücken sind transparent dokumentiert.
Erste Kostenindikation
Eine erste Kostenbandbreite mit den wichtigsten Treibern liegt vor.
Priorisierte Kandidaten
Eine priorisierte Liste für die vertiefende Discovery-Phase ist verfügbar.
Diese Ergebnisse bilden die Arbeitsgrundlage für Architektur, Planung und Governance der nächsten Assess-Schritte.
Risiken und Gegenmaßnahmen
Abschnitt betitelt „Risiken und Gegenmaßnahmen“Häufige Risiken in Rapid Discovery sind zu grobe Kategorisierung, unvollständige Quellsysteme oder eine Überschätzung der Datenreife.
Bewährte Gegenmaßnahmen:
- Datenquellen kombinieren: Mehrere Quellen nutzen statt nur einer Quelle.
- Ausreißer prüfen: Sehr große oder sehr alte Systeme systematisch bewerten.
- Perspektiven abstimmen: Finanz- und Technikblick gemeinsam ausrichten, um Fehlinterpretationen zu vermeiden.
Damit bleibt die Phase schnell, ohne an Entscheidungsqualität zu verlieren.
Übergang in die Discovery-Phase
Abschnitt betitelt „Übergang in die Discovery-Phase“Der Übergang ist erreicht, wenn ein belastbarer Überblick über Mengen, Technologietypen und Kostenhebel vorliegt und die offenen Punkte klar benannt sind.
In der Discovery-Phase werden diese offenen Punkte gezielt geschlossen, unter anderem durch Interviews mit Application Ownern, vertiefende Assessments und die Analyse von Abhängigkeiten, Compliance- und Betriebsanforderungen.