Wenn Ihr Netzwerk ausfällt, dauert die Suche nach der Ursache in der Regel Stunden der Untersuchung, wobei korrelierte Alarme durchgegangen werden, die oft zu Symptomen und nicht zum eigentlichen Problem führen. Systeme zur Ursachenanalyse (Root Cause Analysis, RCA) basieren häufig auf fest kodierten Regeln, statischen Schwellenwerten und vordefinierten Mustern, die großartig funktionieren, bis sie es nicht mehr tun. Ob Sie Netzwerk-Ausfälle oder Service-Degradationen beheben, diese starren Regelwerke können sich nicht an kaskadierende Ausfälle und komplexe gegenseitige Abhängigkeiten anpassen. In diesem Beitrag stellen wir Ihnen unsere AWS-Lösungsarchitektur vor, die einen digitalen Zwilling des Netzwerks mithilfe von Graphen und Agentic AI nutzt. Wir teilen außerdem vier Runbook-Designmuster für die Agentic AI-gestützte graphenbasierte RCA auf AWS. Abschließend zeigen wir, wie DOCOMO reale Validierung aus seinen kommerziellen Netzwerken unseres ersten Runbook-Designmusters liefert, was eine drastische Verbesserung der mittleren Erkennungszeit (Mean Time To Detect, MTTD) mit 15 Sekunden für die Fehlerisolierung in Transport- und Funkzugangsnetzen zeigt.