Wenn Netzwerke sich selbst heilen – Cisco AI Canvas und AgenticOps

Der Netzwerkbetrieb am Limit

Netzwerke bilden das Rückgrat moderner Unternehmen – und sie stehen unter Dauerstress. Der Siegeszug hybrider Arbeitsmodelle, die zunehmende Cloud-First-Ausrichtung und die steigende Zahl verteilter Anwendungen treiben IT- und Netzwerkabteilungen an ihre Grenzen. Während Sicherheitsanforderungen wachsen und die Zahl potenzieller Fehlerquellen steigt, fehlt es vielerorts an Personal, Zeit und Durchblick.

Was früher mit klar strukturierten VLANs, ACLs und Monitoring-Tools beherrschbar war, wird heute durch eine Flut an Ereignissen, Alerts und Performanceproblemen überlagert. Die klassische Reaktion? Troubleshooting auf Zuruf, oft fragmentiert und manuell.

Cisco schlägt einen anderen Weg ein: Mit AI Canvas und dem Konzept der Agentic Operations werden Netzwerke nicht nur beobachtet, sondern auch analysiert – und auf Wunsch automatisch gesteuert. Der Mensch trifft dabei weiterhin die Entscheidung, ob Empfehlungen angenommen oder Maßnahmen automatisiert ausgeführt werden. Ziel ist eine neue Art des Netzwerkbetriebs: intelligent, handlungsfähig und sicher.

Die Frage ist nicht mehr, ob künstliche Intelligenz im Netzwerk ankommt – sondern wie viel Autonomie wir ihr zutrauen.

Was ist Cisco AI Canvas? – Die neue Intelligenzschicht

Cisco AI Canvas ist mehr als ein weiteres Tool im Netzwerkmanagement – es ist eine KI-basierte Interaktions- und Handlungsschicht, die kontextbezogene Datenströme aus dem Netzwerk analysiert, interpretiert und gezielt für automatisierte Handlungsempfehlungen nutzt. Dabei kombiniert AI Canvas die Prinzipien klassischer Beobachtung und Überwachung mit modernen Entscheidungsmodellen und KI-Agentenlogik.

Die Architektur im Überblick:

• Observability Layer
  Erfasst Telemetriedaten, Flows, Logdateien und Performance-Werte aus verschiedenen Quellen wie Meraki, AppDynamics, ThousandEyes, SecureX oder DNA Center. Ziel ist eine umfassende Transparenz über Netzwerk, Applikationen und Benutzer:innen.
• Reasoning Core (AI-Layer)
  Dieser Layer nutzt Machine Learning und kontextuelle Analyse, um Anomalien zu erkennen, Ursachen zu korrelieren und Maßnahmen vorzuschlagen. Im Unterschied zu klassischen Monitoring-Tools denkt AI Canvas nicht in Metriken, sondern in Situationen.
• Execution Layer (Agentic Interface)
  Hier werden Empfehlungen in konkrete Aktionen überführt – manuell durch Administrator:innen oder automatisiert durch Policies. Die Entscheidung, ob ein Eingriff erfolgt, liegt beim Menschen – oder bei einem definierten Vertrauensmodus.

Cisco nennt dieses Zusammenspiel den Agentic Operations Fabric – ein Rahmenwerk, in dem Daten, Analyse und Handlung in einem konsistenten Kreislauf verbunden werden. Dabei bleibt AI Canvas nicht statisch: Die Plattform ist modular, API-offen und in der Lage, mit neuen Quellen und Workflows zu wachsen.

„AI Canvas transforms IT operations by creating an intelligent layer of understanding and intent across infrastructure, applications and security.“
(Quelle: newsroom.cisco.com)

Mit AI Canvas verschiebt sich der Fokus von der Frage „Was passiert im Netzwerk?“ hin zu „Was sollte als Nächstes passieren – und warum?“

AgenticOps – Von der Analyse zur Aktion

Klassisches Netzwerkmanagement kennt klare Rollenverteilungen: Sensoren liefern Messwerte, Menschen interpretieren sie, und auf dieser Basis folgen manuelle Konfigurationsänderungen oder Eskalationen. Doch mit zunehmender Komplexität reicht diese Trennung nicht mehr aus.

Cisco verfolgt mit AgenticOps einen neuen Ansatz, bei dem vernetzte, domänenspezifische KI-Agenten kontinuierlich Daten analysieren, Zusammenhänge erkennen – und auf Wunsch eigenständig handeln.

Der Dreiklang: Beobachten – Entscheiden – Handeln

AgenticOps basiert auf einem kontinuierlichen, KI-gestützten Operations-Zyklus:

1. Observe:
   Datenströme werden aus den angeschlossenen Quellen (z.B. Meraki, AppDynamics, ThousandEyes, SecureX, DNA Center) konsolidiert und in Echtzeit analysiert. Statt isolierter Metriken entsteht ein situationsabhängiger Kontext.
2. Decide:
   Die AI Canvas nutzt trainierte Modelle, Regelwerke und Policies, um Ursachen zu identifizieren und priorisierte Handlungsempfehlungen abzuleiten. Dabei werden historische Muster, Policy-Konflikte oder Anomalien berücksichtigt.
3. Act:
   Basierend auf definierten Vertrauensmodellen können Agenten:

• Empfehlungen zur manuellen Umsetzung generieren,
• vorkonfigurierte Automatisierungen starten,
• oder eigenständig Eingriffe durchführen (z.B. QoS-Anpassung, DNS-Redirect, Routingkorrektur).

Vertrauensmodi: Kontrolle bleibt beim Menschen

Die Handlungsmacht der Agenten wird bewusst durch definierte Vertrauensstufen begrenzt:

• Low-Trust Mode
  → Nur Empfehlung, keine automatische Ausführung
  → Ideal für sensible Umgebungen und Audit-Pflicht
• Moderate-Trust Mode
  → Teilautomatisierte Umsetzung mit menschlicher Bestätigung
  → Etabliert bei Netzwerkoptimierung oder Lastverteilung
• High-Trust Mode
  → Vollständige Automatisierung unter klaren Bedingungen
  → Einsatz bei sicherheitskritischer Reaktion oder Self-Healing-Szenarien

Von AIOps zu AgenticOps – Ein Paradigmenwechsel

Während AIOps (Artificial Intelligence for IT Operations) vor allem auf Mustererkennung und automatisierte Alert-Korrelation setzt, geht AgenticOps einen Schritt weiter:

Der Schlüssel zum Erfolg liegt nicht in der vollständigen Automatisierung, sondern in der gezielten Delegation – immer mit Kontext, Nachvollziehbarkeit und Sicherheitsgarantien.

Technische Architektur – Was unter der Haube arbeitet

Hinter der Benutzeroberfläche von Cisco AI Canvas arbeitet eine komplexe, aber klar strukturierte Architektur, die Datenaggregation, KI-gestützte Interpretation und automatisierbare Handlungen miteinander verknüpft. Ziel ist es, eine durchgängige Entscheidungs- und Aktionslogik zu schaffen – von der Datenerfassung bis zur Umsetzung im Netzwerk.

Drei Ebenen, ein Ziel: Agentic Operations

1. Unified Data Plane – Die Datenebene

• Konsolidiert strukturierte und unstrukturierte Daten in einem einheitlichen Event-Stream
• Nutzt APIs, Telemetrie-Feeds, Webhooks, Logs und Traces
• Verbindet alle angebundenen Plattformen wie Meraki, DNA Center, SecureX, AppDynamics, ThousandEyes

2. AI Controller – Das Entscheidungszentrum

• Nutzt Machine Learning Modelle, Policy-Engines und semantische Klassifikatoren
• Verantwortlich für Analyse, Mustererkennung, Anomaliedetektion und Korrelation
• Verwaltet Agentenzustände, Vertrauensmodi und Eskalationspfade

3. Execution Layer – Die Handlungsebene

• Bindet bestehende Systeme wie DNA Center, SD-WAN Controller, ISE oder Firepower mit ein
• Übersetzt Entscheidungen in Aktionen: Konfigurationsänderung, Ticket-Erstellung, Sicherheitsintervention
• Unterstützt REST, gRPC, Webhooks und Script-Actions für nahtlose Integration

Komponenten im Zusammenspiel

Damit Cisco AI Canvas effektiv arbeiten kann, braucht es ein Zusammenspiel spezialisierter Komponenten, die Datenerfassung, Entscheidungslogik und Handlungskontrolle nahtlos integrieren. Die folgende Übersicht zeigt, welche zentrale Rolle jede einzelne Komponente im agentengestützten Betriebsmodell übernimmt:

Jede dieser Komponenten trägt gezielt dazu bei, aus einer bloßen Automatisierung eine nachvollziehbare, steuerbare und vertrauenswürdige Netzwerkinfrastruktur zu formen.

KI nicht als Blackbox – sondern als erklärbares System

Ein zentrales Designprinzip von Cisco AI Canvas ist Transparenz:
Jede empfohlene oder durchgeführte Maßnahme kann im Explain View analysiert werden:

• Welche Daten lagen zugrunde?
• Welche Policy wurde angewendet?
• Welcher Agent war beteiligt?
• Wie sah das alternative Handlungsspektrum aus?

Diese Explainability by Design sorgt für Vertrauen – und macht es möglich, selbst lernende Systeme mit regulatorischen Anforderungen in Einklang zu bringen.

Sicherheit und Governance – Vertrauen in automatisierte Entscheidungen

Automatisierte Entscheidungen im Netzwerk sind mächtig – und risikobehaftet. Daher legt Cisco beim Design von AI Canvas großen Wert auf Sicherheit, Nachvollziehbarkeit und Governance. Ziel ist es, intelligente Systeme zu schaffen, die nicht nur leistungsfähig, sondern auch verlässlich und regulierungskonform sind.

Mehrstufige Kontrollmechanismen

Cisco AI Canvas ist so aufgebaut, dass Eingriffe in das Netzwerk nie unkontrolliert erfolgen – selbst im autonomen Modus. Dafür sorgen mehrere Schutzebenen:

• Audit-Logging und Forensik
  Jeder Vorgang – ob durch Mensch oder KI – wird vollständig protokolliert und kann rückwirkend analysiert werden. Dies unterstützt sowohl interne Prüfungen als auch externe Compliance-Anforderungen.
• Genehmigungs- und Eskalationsprozesse
  Für kritische Änderungen kann ein Human Approval Layer aktiviert werden, der zusätzliche Freigaben erfordert oder Eskalationen steuert.
• Policy-basiertes Entscheidungsmodell
  Jede Aktion muss vorher durch eine definierte Trust Policy legitimiert sein – abgestimmt auf Systemtyp, Sensibilität und Benutzerrolle.
• Rollentrennung und Identity Control
  Zugriff auf Canvas-Instanzen, Agentensteuerung oder Policy-Verwaltung ist rollenbasiert (RBAC) und mit Cisco Secure Access-Lösungen (z.B.  ISE, Duo) integrierbar.

Risiken erkennen, nicht erzeugen

AgenticOps kann zwar Netzwerke absichern, aber selbst ein Risiko darstellen, wenn:

• Bedrohungen falsch eingeschätzt werden
• KI-Modelle fehlerhaft oder schlecht trainiert sind
• externe Angriffe über APIs erfolgen
• Policies lückenhaft definiert wurden

Cisco begegnet diesen Risiken mit einem mehrschichtigen Sicherheitsansatz (Zero Trust, SecureX/XDR-Integration, API-Controls), kombiniert mit einem klaren Human-in-the-Loop-Prinzip. Administrator:innen behalten jederzeit die Oberhand – oder können explizit regeln, wann Systeme autonom agieren dürfen.

Fazit

Autonome Netzwerkintelligenz braucht Grenzen – technisch, rechtlich und ethisch. Cisco AI Canvas bringt all diese Perspektiven zusammen: durch verantwortungsbewusste Entscheidungslogik, erklärbare KI-Ergebnisse und Governance-Mechanismen, die auf Transparenz und Vertrauen setzen.

Hybride Realität – Wie Cisco AI Canvas in der Praxis wirkt

In der heutigen IT-Landschaft gibt es selten noch „reine“ Netzwerke. Stattdessen dominieren hybride Architekturen, in denen klassische On-Premise-Strukturen, private Clouds, SaaS-Dienste und verteilte Edge-Infrastrukturen nahtlos – oder auch widersprüchlich – zusammenspielen. Genau hier entfaltet Cisco AI Canvas sein Potenzial.

On-Premise + Cloud + Edge = Komplexität²

Viele Unternehmen stehen heute vor typischen Herausforderungen hybrider Infrastrukturen:

• Abhängigkeit von Drittanbietern
  → Dienste wie Microsoft 365 oder Salesforce sind unternehmenskritisch – aber extern verwaltet
• Inkonsistente Policies
  → Lokale VLAN-Segmente folgen anderen Sicherheitsregeln als Cloud-Zugriffe
• Unterschiedliche Sichtbarkeitszonen
  → Netzwerkzugriffe in der Niederlassung sind sichtbar, Cloud-Abbrüche nicht
• Verzögerte Eskalation
  → Störungen im Internet-Backbone bleiben unbemerkt, bis der Helpdesk überlastet ist

Diese Realitäten verdeutlichen, warum Cisco mit AI Canvas nicht auf eine punktuelle Optimierung, sondern auf ein domänenübergreifendes, lernfähiges Handlungssystem setzt.

Cisco AI Canvas in der Praxis

Wie könnte das konkret aussehen? Im täglichen Betrieb zeigen sich die Stärken von AI Canvas anhand praxisnaher Szenarien:

• Ein Cloud-Agent korreliert Routing-Anomalien (ThousandEyes) mit Login-Problemen (AppDynamics, SecureX) und erstellt ein adaptives Playbook zur Fehlerbehebung
• Ein Security-Agent reagiert auf verdächtigen API-Traffic aus einer Workload in der Public Cloud und isoliert das betroffene Segment (DNA Center) temporär
• Ein Standort-Agent erkennt eine ungewöhnlich hohe DNS-Latenz in Kombination mit App-Abbrüchen → Empfehlung zur Ausleitung über alternativen WAN-Exit

Diese Szenarien zeigen: AI Canvas ist kein überwachendes Dashboard, sondern ein intelligentes Handlungssystem, das netzwerkübergreifend lernt, denkt und steuert – immer auf Basis definierter Grenzen und Vertrauensstufen.

Integration ohne Brüche

Ein weiteres zentrales Designziel von Cisco AI Canvas ist es, sich nahtlos in bestehende Infrastrukturen einzufügen – ohne disruptive Umstellungen.

• Auch Multivendor-Umgebungen mit Komponenten von AWS, Microsoft, VMware oder Palo Alto lassen sich über offene Schnittstellen und standardisierte Datenformate in den Datenfluss einbinden.
• Bestehende Tools und Plattformen wie DNA Center, SecureX oder Meraki werden nicht ersetzt, sondern über APIs und Telemetriequellen eingebunden.
• Neue Dienste – etwa Cloud-native Applikationen oder moderne Identity-Lösungen – lassen sich schrittweise integrieren, ohne das Gesamtsystem zu destabilisieren.

Cisco verfolgt dabei eine klare Maxime: AI Canvas muss sich der Realität des Netzwerks anpassen – nicht umgekehrt.

Ausblick – Die Zukunft von Cisco AI Canvas und AgenticOps

Mit AI Canvas und dem dahinterstehenden AgenticOps-Modell hat Cisco einen klaren strategischen Weg eingeschlagen: hin zu einem Netzwerk, das intelligent, selbstkorrigierend und geschäftsorientiert agiert. Doch wie wird sich diese Plattform in den kommenden Jahren weiterentwickeln – und wohin bewegt sich der Markt insgesamt?

Von assistierter zu autonomer Netzwerkinfrastruktur

Schon heute erlaubt Cisco AI Canvas – je nach Vertrauensmodell – adaptive Eingriffe und Policy-basierte Automatisierungen. Doch die langfristige Vision geht darüber hinaus:

• Die Interaktion zwischen diesen Agenten wird zunehmend koordiniert, sodass domänenübergreifende Entscheidungen möglich werden (z.B. Security-Reaktion + Routing-Anpassung + App-Skalierung).
• Die Plattform wird sich dynamisch an Geschäftsziele anpassen – etwa an SLA-Vorgaben, User Experience oder regulatorische Rahmenbedingungen.
• KI-Agenten werden rollenbasiert agieren, also beispielsweise spezifisch für Campus, Datacenter oder SD-WAN zuständig sein – mit abgestimmten Handlungsrahmen.

Cisco spricht dabei gezielt von einer Agentic Infrastructure – also einem Netzwerk, das von verteilten, lernenden Softwareagenten kontrolliert und optimiert wird.

Rolle von Produkten wie DNA Center, Meraki und SecureX

Diese Komponenten bleiben zentraler Bestandteil der Architektur – aber mit veränderter Funktion:

• DNA Center entwickelt sich zu einem Control Hub für strukturierte Netzsegmente (z.B. Campus, Datacenter) und wird enger mit der KI-Steuerung gekoppelt.
• Meraki übernimmt im Cloud-Edge-Bereich eine stärkere Rolle als Echtzeitdatenquelle und Policy-Enforcer.
• SecureX/XDR wird zur verbindenden Sicherheitsintelligenz, die auch Bedrohungssignale aus der KI-Analyse mit bestehenden Security Policies verknüpft.

Blick über Cisco hinaus: Wer zieht nach?

Cisco ist mit dieser Vision keineswegs allein – auch andere große IT-Akteure haben begonnen, ähnliche Konzepte zu entwickeln:

• Arista setzt auf „Cognitive Cloud Networking“ mit starkem Fokus auf Telemetrie und Machine Learning.
• Hewlett Packard Enterprise (Aruba) positioniert sich mit „AIOps for Networking“ als Hybridlösung für Rechenzentren und Campus-Umgebungen.
• Juniper verfolgt mit „Marvis“ eine KI-basierte Troubleshooting-Plattform, die den Netzwerkbetrieb vereinfachen und automatisieren soll.

Doch Cisco unterscheidet sich durch die Tiefe der Integration: Statt Einzeltools zu koppeln, verfolgt Cisco den Ansatz eines durchgängig agentenbasierten Netzwerkmodells.

Fazit

Die Zukunft des Netzwerkmanagements wird durch Intelligenz und Kontext geprägt sein – nicht durch manuelle Skripte und Ticket-Flows. Cisco AI Canvas ist ein bedeutender Schritt in Richtung adaptiver, selbstoptimierender Netzwerkinfrastrukturen, in denen Administrator:innen entlastet, aber nicht entmachtet werden.

Die entscheidende Frage lautet nicht mehr: „Kann KI das Netzwerk steuern?“, sondern:
Wie definieren wir die Regeln, nach denen sie es tun darf?

Fazit und Handlungsempfehlungen

Netzwerke, die sich selbst heilen, sind keine Zukunftsvision mehr, sondern längst Teil strategischer Roadmaps großer IT-Hersteller – allen voran Cisco mit seinem AI Canvas. Mit dem Paradigma AgenticOps wird aus passivem Monitoring ein aktiver, kontextbasierter Steuerungsansatz: Netzwerke beobachten, entscheiden und handeln – basierend auf klar definierten Regeln, Policies und Vertrauensmodellen.

Statt Automatisierung um der Automatisierung willen geht es um kontrollierte Intelligenz – mit einem klaren Ziel: Administrator:innen von repetitiven Aufgaben zu entlasten und Fehlerquellen proaktiv zu minimieren. Gleichzeitig gilt es, die Hoheit über kritische Prozesse nicht zu verlieren – weshalb Governance, Transparenz und erklärbare KI essenziell sind.

Was bedeutet das für IT-Verantwortliche?

Wer heute ein Netzwerk betreibt, sollte beginnen, eine Strategie für den Einstieg in agentenbasierte Netzwerke zu entwickeln:

• Analysieren Sie Ihre Datenlage: Welche Telemetriequellen existieren? Welche Plattformen liefern bereits verwertbare Signale?
• Beginnen Sie klein: Nutzen Sie vorhandene Tools wie DNA Center, Meraki oder SecureX als Startpunkt – und beobachten Sie gezielt die Integration in AI Canvas.
• Behalten Sie die Entwicklung im Blick: Cisco wie auch andere Hersteller veröffentlichen regelmäßig Updates, Trainings und Migrationspfade. Diese sollten frühzeitig bewertet werden.
• Definieren Sie Einsatzbereiche: Wo wäre automatisiertes Troubleshooting denkbar – z.B. bei DHCP-Ausfällen, DNS-Problemen, Routing-Loops?
• Schaffen Sie Vertrauen durch Transparenz: Legen Sie fest, welche KI-Maßnahmen automatisiert ablaufen dürfen – und welche immer einer Freigabe bedürfen.

Abschließender Ausblick

KI wird den Netzwerkbetrieb nicht ersetzen – aber sie wird ihn tiefgreifend transformieren. Wer frühzeitig lernt, diese Systeme nicht nur zu verstehen, sondern sie zu steuern und zu gestalten, verschafft sich einen entscheidenden Vorteil im Betrieb moderner, dynamischer IT-Infrastrukturen.

Cisco AI Canvas ist mehr als ein neues Produkt – es ist ein Modell für die Zukunft, in der Netzwerke adaptiv, sicher und geschäftsorientiert agieren. Die Agenten kommen. Die Frage ist nur: Wie gut sind wir auf sie vorbereitet?

Quellenverzeichnis

(abgerufen am 01. August 2025)

Offizielle Cisco-Quellen

• Cisco Blogs: The AI‑Ready Enterprise – Building the Intelligent Workplace with Cisco
• Cisco Newsroom: Announcing Cisco AI Canvas – Revolutionizing IT with AgenticOps
• Cisco Transform: AI Canvas Landing Page

Fachmedien / Kommentare

• Heise Online: Cisco KI löst – Mensch entscheidet: Die Zukunft des Netzwerk-Troubleshooting
• LinkedIn (Vinay Upadhyay): Cisco AI Canvas – Quiet Game Changer for the Enterprise

Weiterführende Inhalte hier im Blog

• Intelligente Agenten mit Copilot Studio – KI-gestützte Automatisierung im Microsoft-Ökosystem
• Looperkennung im Ethernet – STP, RSTP und Sicherheit im Cisco-Netz
• Wenn die Computerkommunikation intelligent wird – Zukunftsarchitekturen, IPv6 und KI im modernen Netzwerkdesign
• Wenn Router Entscheidungen treffen – Routingprotokolle im Cisco-Netzwerk verstehen