Es gibt einen alten sowjetischen Zeichentrickfilm aus dem Jahr 1965 namens „Wowka im Dreimalneunten Reich“. Darin träumt der Held von einem märchenhaften Leben, in dem er nichts selbst tun muss. Irgendwann tauchen die „zwei aus der Schatulle“ auf — Helfer, die auf Kommando alles schnell und ohne unnötige Fragen erledigen. Der Witz ist nur, dass sie die Grenzen der Aufgabe nicht verstehen: Sie besorgen nicht nur Süßigkeiten, sondern fangen auch noch an, sie selbst zu essen. Daher kommt Wowkas berühmter Ausruf: „Was, wollt ihr jetzt auch noch die Bonbons für mich essen?“ (Wikipedia)
Die Szene zeigt, wie leicht aus einem sinnvollen Auftrag ein sinnloses Ritual wird. Die Handlung wird wörtlich, selbstsicher und schnell ausgeführt — und verfehlt trotzdem das Ziel. Die Helfer haben die Bonbons nicht „gestohlen“. Sie sehen einfach nicht, wozu die Bonbons überhaupt gebraucht wurden.
Im Jahr 2026 sieht es bei IT-Service-Unternehmen mit KI ziemlich ähnlich aus.
Es fühlt sich an, als wäre der Traum wahr geworden. KI kann bereits Alerts triagieren, Incidents zusammenfassen, wahrscheinliche Ursachen für Degradationen vorschlagen, Ereignisse auf einer Timeline anordnen, Postmortem-Entwürfe erstellen, verdächtige Muster in Logs finden und sogar mit Telemetriedaten in beinahe menschlicher Sprache sprechen. Für SRE und Ops ist das äußerst verlockend: endlich der lang ersehnte Assistent, der nicht müde wird und sich nicht über nächtliche Bereitschaftsschichten beschwert.
Das Problem ist, dass KI ein großes Sprachmodell ist. Kein großes Sinnmodell. Sie ist nicht dafür gebaut, Sinn zu suchen. Sie ist dafür gebaut, Text fortzusetzen.
Wenn in der Antwort manchmal Sinn auftaucht, ist das eher ein Nebeneffekt. Das Modell hat an Texten gelernt, die Menschen mit Sinn geschrieben haben — nicht alle, offensichtlich — und übernimmt diese Textur. Dann wird einer wilden Kuh ein „Sattel“ übergeworfen: Agenten, Tool Calling, Runbooks, Production-Integrationen, Guardrails — und das Rodeo beginnt. Die Kuh kann rennen. Der Sattel kann wie Steuerung aussehen. Aber den Sinn der Aufgabe muss weiterhin ein Mensch halten.
Und das Gefährlichste hier ist, Text mit Sinn zu verwechseln. Ein zusammenhängender Absatz, ein selbstsicherer RCA, eine saubere Timeline beweisen für sich genommen nichts. Es gibt genug Texte ohne jeden Sinn. Im Betrieb ist solcher Text besonders tückisch: Er klingt wie eine Entscheidung, bis jemand prüft, auf welche Handlung er überhaupt zielt.
KI hat SRE nicht ersetzt. Sie hat einen Teil der Routine ersetzt
KI hat begonnen, den Menschen selbstbewusst den schmutzigen, lauten und ermüdenden Teil der operativen Arbeit abzunehmen — den Teil mit viel Sprache und wenigen Entscheidungen: das Bild zusammensetzen, Rauschen verdichten, Ereignisse ordnen, einen Entwurf skizzieren.
Früher verbrachten Ingenieurinnen und Ingenieure Stunden damit, sich aus Logs, Metriken, Traces, Deployment-Events und Chatverläufen manuell ein Bild eines Incidents zusammenzusetzen. Heute lässt sich ein Teil dieser Arbeit auf Minuten verkürzen. Laut Elastic nutzen 2026 bereits 85 % der Organisationen GenAI im Bereich Observability, und innerhalb von zwei Jahren erwarten sie 98 %. Gleichzeitig gibt es dort einen wichtigen Vorbehalt: Standalone-Tools ohne Kontext sind nur für einmalige Analysen nützlich, während in Production Plattformen entscheiden, die Service-Abhängigkeiten, Deployment-Muster und die eigenen Unternehmensdaten kennen. (Elastic)
Für ein Service-Unternehmen ist das sehr praktisch. Der Kunde bezahlt nicht für heroisches Scrollen durch Logs um drei Uhr morgens. Der Kunde bezahlt dafür, dass das Problem schneller gefunden und eingegrenzt wird. Genau in der ersten Analysephase hilft KI massiv: Signale einsammeln, Symptome verknüpfen, wahrscheinliche Hypothesen hervorheben und keine wichtigen Teile der Telemetrie vergessen.
Ja, die „zwei aus der Schatulle“ können jetzt tatsächlich als Erste am Incident auftauchen. Sie sprechen schnell. Manchmal sogar richtig. Aber schneller Text ist noch keine Entscheidung. Und das heißt noch lange nicht, dass man ihnen Entscheidungen anvertrauen sollte.
2026 ist nicht Automatisierung das Wertvollste, sondern die Grenzen der Automatisierung
Im Betrieb kostet ein Fehler mehr als in einer schönen Demo. Wenn KI sich in einem Artikel irrt, ist das unangenehm. Wenn KI ein Incident-Team selbstsicher in die falsche Richtung führt, verliert man Stunden, Geld und das Vertrauen des Kunden. Sie kann eine falsche Geschichte sehr überzeugend fortsetzen.
Human-in-the-loop ist von einem Nice-to-have zu einer verpflichtenden Norm geworden. Elastic schreibt ausdrücklich, dass Teams bei der Auswahl von Observability-Plattformen immer stärker auf Guardrails und Mechanismen menschlicher Kontrolle achten, während Sicherheit bei 61 % der Organisationen die größte Sorge bei der Einführung von GenAI bleibt. (Elastic)
Im SRE-Umfeld kann man nicht einfach sagen: „Lass den Agenten das schon regeln.“ Man kann ihm die Sortierung von Signalen überlassen. Man kann ihm das Sammeln von Kontext überlassen. Man kann ihm einen RCA-Entwurf überlassen. Man kann ihm die Suche nach ähnlichen Incidents überlassen. Aber das Recht, das System wirklich zu verändern, vor allem mitten im laufenden Einsatz, muss unter strenger Kontrolle bleiben. Ebenso das Recht zu sagen: „Dieser schöne Text führt nirgendwohin.“
Sonst wird KI euch eines Tages nicht nur beim Umgang mit Production helfen. Sie wird anfangen, in Production in eurem Namen Fehler zu machen — selbstsicher, zusammenhängend und ohne jedes Gefühl dafür, dass die Aufgabe ihren Sinn bereits verloren hat.
Und das wird dann keine lustige Neuauflage von Wowka mehr sein.
Es verändert sich nicht nur die Reaktion auf Incidents, sondern die gesamte Service-Ökonomie
Für ein Service-Unternehmen ist KI noch aus einem weiteren Grund wichtig: Sie verändert die Kosten routinemäßiger Arbeit.
Ein Teil der Aufgaben, die früher nach „mehreren Stunden eines erfahrenen Engineers“ aussahen, sieht heute immer öfter nach „15 Minuten eines soliden Engineers plus guter Kontext plus Prüfung“ aus. Damit verliert die alte Magie der Abrechnung an Kraft, bei der viel manuelle Betriebsamkeit als großer Mehrwert verkauft werden konnte.
Das sieht man besonders deutlich in Support und Managed Services. Wenn KI einen Strom von Ereignissen schnell zusammenfassen, einen Teil der Alert Fatigue reduzieren, zusammenhängenden Kontext hochziehen und typische nächste Schritte vorschlagen kann, erwartet der Kunde nicht mehr einfach nur „ein Bereitschaftsteam“, sondern einen schnelleren und reiferen Service. SolarWinds verbindet in seinem Bericht für 2026 AI-driven Monitoring direkt mit weniger Alert Fatigue, schnellerer Incident Response und der Notwendigkeit einheitlicher Sichtbarkeit über hybride Infrastrukturen hinweg. Dort wird auch festgestellt, dass 51 % der Umgebungen überwiegend oder vollständig on-premises bleiben. Das heißt: Der alte gute hybride Schmerz ist für Service-Unternehmen nicht verschwunden. (SolarWinds)
Und genau das ist vielleicht eine der interessantesten Veränderungen.
Früher konnte man Aufwand verkaufen. Jetzt wird man immer stärker die Reife des Betriebsmodells verkaufen müssen.
Nicht: „Wir haben Ingenieure.“ Und nicht: „Wir haben KI.“ Sondern: „Wir haben einen Prozess, in dem Ingenieure den Sinn halten und KI das Arbeitsvolumen darum herum verdichtet: MTTR senkt, Rauschen reduziert, Services schneller wiederherstellt und unterwegs nicht die Sicherheit beschädigt.“
KI macht SRE schneller. Verantwortung nicht
Das ist vermutlich die wichtigste Schlussfolgerung.
2026 taugt KI bereits ziemlich gut für die Rolle eines sehr wachen Junior-Engineers im Bereitschaftsdienst. Sie liest schnell, sucht schnell, fasst schnell zusammen, schlägt schnell Dinge vor. Manchmal sogar beängstigend schnell. Aber die Geschwindigkeit von Text ist nicht die Geschwindigkeit von Sinn. Der ganze Wert eines reifen IT-Service-Unternehmens bleibt weiterhin in menschlichen Fähigkeiten verankert: in der Fähigkeit, Symptom von Ursache zu unterscheiden, Rauschen von Signal, eine wahrscheinliche Hypothese von gefährlichem Unsinn, nützliche Automatisierung von automatisierter Dummheit und zusammenhängende Sprache von einer sinnvollen Entscheidung.
Deshalb baut sich ein gutes Service-Geschäft heute nicht um den Slogan „wir nutzen KI“ herum auf, sondern um eine langweiligere, aber deutlich profitablere Formel:
wir wissen genau, was man an ein Sprachmodell abgeben kann — und wie man dabei den Sinn des Prozesses nicht verliert.
Und ja, darin steckt eine gewisse Ironie. Die Branche hat jahrelang von einem Assistenten geträumt, der kommt und den Betrieb entlastet. Jetzt ist er endlich da. Sitzt da, fasst Logs zusammen, findet Korrelationen, zeichnet Timelines, schlägt Hypothesen vor. Ein Prachtexemplar. Eine Augenweide. Besonders, wenn man seine Rede nicht mit Verstehen verwechselt.