Modern IT ecosystems require efficient alert management. Event management and correlation, supported by generative AI and the power of Elastic, provide structured alert processing, predictive insights, and auto response, enhancing system performance.

Navigating the sea of alerts: The challenge of modern IT monitoring

Event management: Bringing order to chaos

Event correlation: Unveiling the bigger picture

The proactive advantage: Predictive insights through event management and correlation

Automation: Accelerating and enhancing response

The layers of event management

blog-elastic-what-is-alert-management.png

How does it all play together?

blog-elastic-application-landscape.png

blog-elastic-service-frontend-node-error.png

Generative AI-based analysis of automatically managed cases

blog-elastic-ai-assistant-integration.png

blog-elastic-observability-assistant.png

Rise above the noise: Overcoming alert fatigue

blog-elastic-workflow-alert-management-logic.png

blog-elastic-ai-based-itsm.png

Manage and correlate signals and alerts in Elastic Observability

power-of-your-data.jpg

Maximize IT efficiency leveraging alert management with Elastic AI Assistant for Observability

Finden Sie heraus, wie Hersteller mit dem Industrial Internet of Things (IIoT) riesige Mengen an Daten mit Elasticsearch überwachen und analysieren können.

Mit dem Industrial Internet of Things (IIoT) können produzierende Unternehmen Daten aus Tausenden von Sensoren und Geräten verarbeiten.Die Verknüpfung dieser Daten ist wichtig, um Fertigungsprozesse zu überwachen und passende Maßnahmen zur weiteren Analyse abzuleiten. Eine der wichtigsten Herausforderungen ist die Erfassung und Normalisierung der Daten für prädiktive Analysen oder für die Sicherheit im Fertigungsbereich.Selbst kleinere Fertigungsunternehmen betreiben oft mehrere Fabriken mit Hunderten von Geräten und Tausenden von Sensoren. Neue Daten werden im Abstand von Millisekunden produziert und bewegen sich oft im Terabyte-Bereich. Diese Daten werden jedoch nirgendwo gespeichert und analysiert, und liefern daher keine zusätzlichen Werte.<blockquote>Mit Elastic können Sie IIoT-Daten erfassen, erweitern und analysieren, um Produktionsleitern tiefere Einblicke in die Produktionsverfahren zu bieten. – Marco De Luca, Principal Solution Architect @ Elastic</blockquote>Die Möglichkeit, diese Daten im großen Umfang sammeln zu können, ist ein Herausstellungsmerkmal. Anschließend können Sie Ihre Fertigungsprozesse optimieren, um Ihre Effizienz und die Qualität Ihrer Produkte zu steigern.Neben den oben genannten Schwierigkeiten kämpfen die meisten Fertigungsunternehmen mit mindestens einer der folgenden Herausforderungen:<ul><li>Fertigungsunternehmen sind innovativ, verwenden jedoch immer noch zahlreiche alte Geräte, die noch für etliche Jahre im Unternehmen bleiben werden. Ein typischer Lebenszyklus beträgt 10-20 Jahre oder mehr! Wie können Sie diese veralteten Geräte in moderne Analyseplattformen integrieren?</li><li>Sensoren, selbstfahrende Fahrzeuge und andere Geräte müssen überwacht werden. Nur eine komplette Ansicht dient als Fundament für prädiktive Wartung, prädiktiven Betrieb usw. Die verschiedenen Geräte nutzen unterschiedliche Technologien und sind auf unterschiedliche Arten mit dem Internet verbunden.</li><li>Viele der proprietären Lösungen kommunizieren nicht miteinander. Wie erhalten Sie Daten aus diesen Systemen, um sie mit anderen Gerätedaten zu korrelieren?</li><li>Manche Fertigungsunternehmen denken bereits über den Aufbau einer Plattform für Gerätedaten nach, um sowohl neue als auch alte Systeme vollständig überwachen zu können. Wie lassen sich diese Daten nutzen, egal ob zu Wartungs- und Betriebszwecken oder für den Aufbau zusätzlicher/neuer Geschäftsfälle und/oder Dienste?</li></ul>Unternehmen, die sich auf die Erfassung und Analyse ihrer Gerätedaten konzentrieren, haben zahlreiche Vorteile. Sie können nicht nur ihre Fertigungsprozesse optimieren und die Qualität der Produkte verbessern. Mit der Erfassung und Analyse dieser Daten bieten sich völlig neue Möglichkeiten.Mit einer gut geplanten Überwachungslösung und prädiktiver Wartung können Sie Ihre Kosten dramatisch senken. Sensordaten verraten viel über den Zustand von Geräten oder die Qualität des hergestellten Produkts. Außerdem lässt sich damit der Verbrauch von Ressourcen reduzieren. <a href="/de/customers/mm-karton">MM Karton</a> hat dieses Potenzial unter Beweis gestellt, indem das Unternehmen seinen Rohmaterialverbrauch um 20 % gesenkt hat.<h2>Errichten Sie das Fundament Ihrer IIoT-Datenanalyse</h2>Um diese heterogene Datenmenge nutzen zu können, müssen Sie sie in einer separaten Umgebung speichern, deren Skala sich an Ihre Anforderungen anpassen lässt. Elasticsearch eignet sich perfekt für diesen Anwendungsfall. Mit uns können Sie nicht nur viele Arten von Daten in großem Umfang speichern, sondern auch mit Machine-Learning-Funktionen analysieren und auf beliebige Art visualisieren.Stellen Sie sich vor, wie Sie die Effizienz Ihrer Fertigungswerke mit einer zentralen Überwachungslösung verbessern könnten, sobald Sie sämtliche relevanten Daten aus den einzelnen Fabriken erfassen können. Mit <a href="/guide/en/kibana/7.4/canvas.html">Canvas</a> können Sie alle Arten von benötigten Daten in Elasticsearch speichern und Daten aus verschiedenen Fertigungswerken auf einem Bildschirm so mühelos darstellen, als würden Sie eine Folie für eine Präsentation mit Live-Daten erstellen.Hier sehen Sie einige Beispiele:<img src="https://images.contentstack.io/v3/assets/bltefdd0b53724fa2ce/blt5c394309c17b5dc9/5da6464f8854f368b9b0b877/iiot-canvas-dashboards-blog.gif" data-sys-asset-uid="blt5c394309c17b5dc9" alt="Mit Canvas erstellte Überwachungs-Dashboards" style="display: block;margin: auto;"/><figcaption>Überwachung mehrerer Fertigungswerke von einer sehr groben Übersicht bis hin zu Details für einzelne Geräte</figcaption>Diese grobe Übersicht über mehrere verschiedene Fertigungswerke ist praktisch, aber Sie möchten auch erfahren, wie effizient die unterschiedlichen Geräte in den einzelnen Werken arbeiten. Außerdem möchten Sie die verschiedenen Datenmodelle der einzelnen Anbieter miteinander kombinieren und korrelieren.<h2>Typische IIoT-Anwendungsfälle mit dem Elastic Stack</h2>Die folgenden Anwendungsfälle zeigen, wie Sie den Elastic Stack für die Analyse und Überwachung von IIoT-Daten nutzen können. Es gibt noch viele weitere Beispiele, wie etwa automatische Reaktionen auf Probleme durch Remote-Interaktion mit Ihren Geräten.<h3>Prädiktive Analyse führt zu prädiktiver Wartung</h3>Mit den Sensordaten können Sie die Integrität von IoT-Geräten sehr effektiv analysieren. Sensordaten wie etwa Luft- oder Öldruck, Temperatur, Stromstärke, Geschwindigkeit, Lautstärke, Frequenz oder Licht-/Helligkeitsänderungen können als Frühwarnmechanismus für Defekte genutzt werden. Wenn Sie wissen, dass etwas demnächst ausfallen wird und entsprechende Maßnahmen ergreifen, können Sie Kosten sparen.Außerdem kann die Produktionsleitung anhand der Schwellenwerte von Sensordaten oder Datenbereichen individuelle Wartungspläne auf Basis von tatsächlichen Daten erstellen, anstelle von starren Wartungszyklen, bei denen Komponenten nach ihrer durchschnittlichen Lebensdauer ersetzt werden. Nutzen Sie diese Ergebnisse in einem dedizierten und bedeutungsvollen Wartungsplan, um Kosten zu sparen und Produktionsausfälle zu minimieren.Dazu benötigen Sie jedoch umfassende Kenntnisse über die Umstände, die zu Ausfällen führen. Menschen fällt es schwer, Hunderte von Sensoren gleichzeitig in Echtzeit zu beobachten und mit Verlaufsdaten zu vergleichen. Machine Learning eignet sich dagegen perfekt für diese Aufgabe. Es kann unglaublich hilfreich sein, Anomalien in einzelnen Sensoren zu finden oder die Daten sämtlicher Sensoren zu einer Integritätskennzahl zu korrelieren.<h3>Reduzierte Ablehnungs- oder Ausschussrate</h3>Die Ablehnungs-/Ausschussrate ist eine weitere wichtige Kennzahl. Es ist wichtig, die Ablehnungsrate zu reduzieren, indem Sie herausfinden, welcher Teil der Fertigung zu Ablehnungen führt. Mit der Machine-Learning-basierten Ausreißererkennung des Elastic Stack können Sie Produkte finden, die von den erwarteten Ergebnissen abweichen. Nutzen Sie diese Erkennung zusammen mit den Sensordaten, um Probleme schnell und einfach zu finden.Ein gut gestalteter Machine-Learning-Auftrag im Fertigungsbereich führt letztendlich dazu, dass sich die Maschinen ohne menschliche Interaktion selbst optimieren können.<img src="https://images.contentstack.io/v3/assets/bltefdd0b53724fa2ce/blt699f1478e047ff11/5da646ca41cfbe67ebcd8074/iiot-machine-learning-analytics-blog.jpg" data-sys-asset-uid="blt699f1478e047ff11" alt="Erkundung der mit Machine Learning produzierten Analysen" style="display: block;margin: auto;"/><figcaption>Die Machine-Learning-basierte Ausreißererkennung kann Produktqualitätsmetriken erkennen, die sich einer logischen Erklärung entziehen</figcaption><h3>Sicherheit im Fertigungsbereich</h3>Die Sicherheit von IT-verwandten Systemen ist heutzutage eine allseits bekannte Herausforderung. Die Sicherheit in einem Fertigungsbereich ist oft noch viel schwieriger zu implementieren. Das aktuelle Konzept beruht darauf, dass Einbrüche vermieden werden, indem gesamte Produktionseinrichtungen vom Internet getrennt werden.Dies wird jedoch mit der Zeit immer schwieriger. Der wachsende Einfluss der „klassischen IT“ (ERP wie etwa SAP PP oder PLM) auf SPS-Systene wie etwa Siemens SIMATIC wird letztendlich zu direkter Kommunikation führen, mit allen Vor- und Nachteilen. Die Nachfrage wird vom Unternehmen selbst generiert - MoD (Manufacturing on Demand) wird bereits in Form von 3D-Druck und Laserschnitt praktiziert. Stellen Sie sich beispielsweise vollautomatische Fertigungsprozesse vor, die durch benutzerdefinierte Bestellungen aus beliebigen Webshops ausgelöst werden. Die Gefahr fliegender Funken zwischen der vernetzten IT und dem Fertigungsbereich ist dabei ein neues, überschaubares Risiko. Bei der Umstellung zur <a href="https://www.forbes.com/sites/bernardmarr/2018/09/02/what-is-industry-4-0-heres-a-super-easy-explanation-for-anyone/">Industrie 4.0</a> ist die Sicherheit im Fertigungsbereich daher ein sehr wichtiges Thema. Mit <a href="/de/siem">Elastic SIEM</a> (Security Information and Event Management) und der Möglichkeit, alle relevanten Daten zu erfassen, können Sie Ihre Smart-Fabrik auch auf Sicherheitsereignisse überwachen.<h2>Erfassung und Analyse verschiedener IIoT-Datenquellen mit dem Elastic Stack</h2>Die benötigten Analysefunktionen wurden bereits vor langer Zeit im Elastic Stack implementiert. Das größte Problem bestand darin, die Daten aus den verschiedenen Datenquellen im Stack zu sammeln.Die Daten aus den verschiedenen Quellen in einem Fertigungswerk lassen sich nicht auf eine einzige Art und Weise erfassen. Stattdessen müssen Sie verschiedene Datenquellen miteinander verbinden. Elastic ist eine offene Echtzeit-Datenplattform, und das entsprechende Ökosystem kann mühelos verwendet werden, um beliebige Arten von Datenquellen zu integrieren.In Fertigungswerken gibt es zahllose verschiedene Systeme, die überwacht werden müssen, von sehr alten Systemen (möglicherweise mit Kontrollsoftware unter Windows 95 oder älter) bis hin zu neuesten Technologien mit Linux und <a href="https://opcfoundation.org/">OPC-UA</a>. Wir befassen uns hauptsächlich mit den folgenden Arten von Systemen:<ul><li>Produktionssteuerungssoftware wie <a href="https://www.ibm.com/docs/en/ibm-mq/8.0.0" target="_self">IBM MQ</a>, die den Fertigungsprozess innerhalb eines Werks und zwischen verschiedenen Werken steuert.</li></ul><ul><li><a href="https://en.wikipedia.org/wiki/Programmable_logic_controller">PLC-Steuerungen</a> sind eine spezielle Art von Computergerät, die speziell für den Einsatz in industriellen Steuersystemen entwickelt wurde. Dieser „Industrie-PC“ kontrolliert Sensoren und Auslöser, beispielsweise in Form von Maschinen zur Fertigung von Papierprodukten in der Papierherstellungsbranche, oder auch Lifts und Aufzüge. PLC-Steuerungen können für verschiedenste Anwendungsfälle eingesetzt werden.</li></ul><ul><li><a href="https://en.wikipedia.org/wiki/Industrial_robot">Industrieroboter</a>, zum Beispiel von <a href="https://www.kuka.com/en-us">KUKA</a> (deutsch-chinesischer Hersteller). KUKA-Roboter werden mit einem OPC-UA-Server ausgeliefert, der nicht nur den KUKA-Roboter steuert, sondern gleichzeitig auch mit anderen Robotern und Systemen im Fertigungsbereich interagieren kann. OPC-UA kann Systeme auch über das Internet miteinander verbinden und ist daher zwangsläufig Sicherheitsrisiken ausgesetzt. Daher spielt Sicherheit eine entscheidende Rolle in der OPC-UA-Spezifikation, aber die Überwachung mit Plattformen wie Elastic ist ebenfalls wichtig.</li></ul><ul><li><a href="https://www.rockwellautomation.com/en_NA/products/industrial-sensors/overview.page">Sensors</a> und andere autonome Fahrzeuge oder Geräte werden hauptsächlich eingesetzt, um Temperatur, Feuchtigkeit, Geschwindigkeit, Beschleunigung, Position, Vibration oder andere Metriken zu messen und mit den Daten aus dem Fertigungsprozess zu korrelieren. Temperatur- und Feuchtigkeitsschwankungen können sich beispielsweise auf den Betrieb eines Roboters auswirken und stärkere Vibrationen verursachen, was wiederum dazu führt, dass der Roboter ausfällt oder Ausschuss produziert. Daher sind Sensoren und Roboterdaten wichtig für den Kundenbetrieb.</li></ul><h3>Datensammlung aus PLCs, MQTT-Brokern und OPC-UA-Servern</h3>Um all diese Daten praktisch in Echtzeit zu sammeln, können wir <a href="https://ela.st/machinebeat">Machinebeat</a> verwenden, einen Community-<a href="/de/beats">Beat</a>, mit dem Sie Daten aus MQTT-Brokern und OPC-UA-Geräten sammeln können. Mit dem enthaltenen MQTT-Modul können Sie außerdem Daten aus verschiedenen IoT-Clouddienstanbietern wie etwa AWS IoT Core oder Azure IoT Hub sammeln.Für die Sammlung von Daten aus PLC-Geräten existiert eine Integration mit dem Apache Project <a href="https://github.com/apache/plc4x">PLC4X</a> in Form eines <a href="https://github.com/apache/plc4x/tree/develop/plc4j/integrations/logstash-plugin">Logstash-Plugins</a>, mit dem die Kunden Metriken aus allen PLCs mit PLC4X-Unterstützung sammeln können. Weitere ausführliche Informationen zu PLC4X in Kombination mit Elasticsearch finden Sie in <a href="https://blog.codecentric.de/en/2019/10/apache-plc4x-elasticsearch-iiot-monitoring-anomaly-detection/">diesem Blogeintrag</a> von unserem Partner Codecentric.<figcaption><img src="https://images.contentstack.io/v3/assets/bltefdd0b53724fa2ce/bltfa6d879613f95079/5da715aa7ad68468b4384595/iiot-data-collection-overview-blog.png" style="background-color: initial;" data-sys-asset-uid="bltfa6d879613f95079" alt="iiot-data-collection-overview-blog.png"/>Lösungsübersicht für Sammlung, Anreicherung und Analyse all Ihrer Daten </figcaption><h3>Visualisieren Sie Ihre Daten mit Kibana</h3>Mit all diesen Daten stehen Sie vor einer neuen Herausforderung. Die Speicherung der Daten ist nur hilfreich, wenn Sie einen Werte daraus schöpfen können. Für diese Werte benötigen Sie bessere Einblicke in die Vorgänge. Dabei wiederum helfen Visualisierungen. Das folgende Beispiel zeigt den Nachrichtenaustausch zwischen mehreren Warteschlangen in einer mit IBM MQ gesteuerten Fertigungsumgebung. In älteren Überwachungssystemen benötigen Sie spezielle Kenntnisse über die Dinge, die Sie überwachen. Mit Canvas können Sie dieses spezifische Wissen abstrahieren und problemlos ein farbkodiertes Feedback zur aktuellen Lage liefern.<img src="https://images.contentstack.io/v3/assets/bltefdd0b53724fa2ce/blt10f16104b4b404df/5da647413c3a9367e61d46e5/iiot-real-time-monitoring-blog.gif" data-sys-asset-uid="blt10f16104b4b404df" alt="Überwachung und Visualisierung von IBM MQ-Metriken in Echtzeit" style="display: block;margin: auto;"/><figcaption>Echtzeitüberwachung von IBM MQ-Metriken inklusive bedingter Farbwechsel mit einem benutzerdefinierten Regelsatz</figcaption><h2>Probieren Sie es selbst aus</h2><ol><li>Starten Sie eine 14-tägige kostenlose Testversion des <a href="/de/elasticsearch/service">Elasticsearch Service</a>, mit dem Sie das Fundament für Ihre IoT-Überwachungslösung erhalten.</li><li>Öffnen Sie Github und <a href="https://ela.st/machinebeat">laden Sie</a> die Linux- oder Windows-Version von Machinebeat herunter.&nbsp;</li><li>Folgen Sie den Schritten im Abschnitt Konfigurationen in der Readme-Datei, um sich entweder mit einem kostenlosen OPC-UA-Server zu verbinden oder geben Sie die Anmeldeinformationen für unseren eigenen OPC-UA-Server ein. Alternativ können Sie mit den beschriebenen Schritten auch einen MQTT-Broker konfigurieren und Daten aus verschiedenen Sensoren über diesen Broker sammeln.</li><li>Sobald die Daten fließen, können Sie <a href="/guide/en/kibana/7.4/tutorial-build-dashboard.html">Ihre eigenen Dashboards erstellen</a>, um Ihre Daten zu visualisieren und zu analysieren. <a href="/de/what-is/kibana-canvas">Canvas</a> ist eine weitere großartige Alternative für die Visualisierung Ihrer Daten, mit der Sie Echtzeitdaten in Präsentationsfolien einbinden können. Weitere Informationen finden Sie im Blogeintrag <a href="/de/blog/getting-started-with-canvas-in-kibana">Erste Schritte mit Canvas</a>.</li></ol>Schicken Sie uns Ihre Meinung! Schreiben Sie uns in unseren <a href="https://discuss.elastic.co">Diskussionsforen</a>, oder stellen Sie einen Pull Request auf <a href="https://github.com/elastic/Machinebeat">GitHub</a>.

iiot-blog-banner.jpg

iiot-blog-thumb.jpg

Industrial Internet of Things (IIoT) with the Elastic Stack

Industrial Internet of Things (IIoT) mit dem Elastic Stack

Kibana visualisiert die in Elasticsearch gespeicherten Daten und dient somit als Fenster zum Elastic Stack. Es ermöglicht die visuelle Untersuchung und Analyse

<html><head></head><body>Kibana visualisiert die in Elasticsearch gespeicherten Daten und dient somit als Fenster zum Elastic Stack. Es erm&#xF6;glicht die visuelle Untersuchung und Analyse von Daten in Echtzeit. 
Dieser Blog Post beschreibt, wie man mit Kibana 6.3 startet. Dabei werden folgende Themen betrachtet:
<ul class="list-black">
	<li>Installation und erste Schritte mit Kibana 6.3</li>
	<li>Erstellung von Visualisierungen</li>
	<li>Erstellung eines Dashboards zur Untersuchung von Log Dateien</li>
	<li>Aktivierung der Nutzer Authentifizierung</li>
	<li>Nutzung von Kibana in der Dashboard-Only Mode</li>
	<li>Erstellung von Schwellwert-Alarmierungen</li>
</ul>Als Ergebnis bist du nach Abschluss dieser Schritt f&#xFC;r Schritt Anleitung in der Lage aus langweiligen Logdateien aussagekr&#xE4;ftige und interaktive Dashboards zu entwickeln.
<h2><img src="https://images.contentstack.io/v3/assets/bltefdd0b53724fa2ce/blt3a96e171ee277278/5bc43c5dc93e69af7fbf97de/1.png" data-sys-asset-uid="blt3a96e171ee277278" alt="1.png"></h2><h2>Schritt f&#xFC;r Schritt zum ersten Dashboard</h2><h3>Schritt 1: &#xA0;Download, Installation und erster Start</h3>Um Kibana zu nutzen, reicht es die gew&#xFC;nschte Version kostenfrei <a href="/de/downloads/kibana">hier</a> herunterzuladen. Es gibt eigene Downloads f&#xFC;r alle g&#xE4;ngigen Umgebungen wie Mac, Linux Distributionen und Windows. Zur Installation gen&#xFC;gt es, je nach Umgebung i.d.R. das heruntergeladene Paket an die gew&#xFC;nschte Stelle zu entpacken.
Um Kibana zu benutzen, muss au&#xDF;erdem ein aktives Elasticsearch zur Verf&#xFC;gung stehen. Daf&#xFC;r kann entweder ein eigener lokaler Cluster aufgesetzt oder eine <a href="https://cloud.elastic.co/login">Cloud Umgebung</a> genutzt werden.
Anschlie&#xDF;end wird Kibana &#xFC;ber &lt;Kibana Home&gt;/bin/kibana mittels Kommandozeile gestartet. Windows User, wie ich, starten mit der kibana.bat Datei.
<img src="https://images.contentstack.io/v3/assets/bltefdd0b53724fa2ce/blt8f4d82ab86f41564/5bc43ece42aecb3b35f0f52f/2.jpg" data-sys-asset-uid="blt8f4d82ab86f41564" alt="2.jpg">
<h3>Schritt 2: Daten erkundschaften</h3>Nach erfolgreichem Start l&#xE4;sst sich Kibana &#xFC;ber <a href="http://localhost:5601/">http://localhost:5601/</a> aufrufen. Man sieht nun die sogenannte Kibana Home Seite. Diese zeigt welche M&#xF6;glichkeiten Kibana bietet und zus&#xE4;tzlich finden sich hier weiterf&#xFC;hrende Informationen zum Laden von Daten in Elasticsearch. Falls Du noch keine Daten in Elasticsearch hast findest Du hier die notwendigen Anleitungen dazu.
Sind Daten in Elasticsearch vorhanden die analysiert werden sollen startet man am Besten im Discover Bereich. Dort wird der Nutzer beim ersten Aufruf aufgefordert ein Index Pattern anzulegen.
<a href="/guide/en/kibana/6.3/index-patterns.html">Index Patterns</a> teilen Kibana mit, welche Elasticsearch-Indizes untersucht werden sollen. Ein Index Pattern kann mit dem kompletten Namen eines einzelnen Index &#xFC;bereinstimmen oder einen Platzhalter (*) enthalten, um mehreren Indizes zu entsprechen.
So legt zum Beispiel Logstash eine Reihe von Indizes im Format logstash-YYYY.MM.DD an. Um nun alle Logdaten aus Mai 2018 abzurufen w&#xE4;re logstash-2018.05* ein m&#xF6;gliches Index Pattern.
Nach der Anlage des ersten Index Patterns k&#xF6;nnen die Daten nun im Discover Bereich durchsucht werden. Mittels Hinzuf&#xFC;gen von einzelnen Feldern (Linke Seite Feld anklicken und anschlie&#xDF;end auf Add) l&#xE4;sst sich eine tabellarische Ansicht der Daten erstellen. &#xDC;ber den gleichen Weg lassen sich auch auf einfache Weise neue Filter erzeugen.
Wurde eine Suche erstellt die z.B. auf einem Dashboard verwendet werden soll muss diese zun&#xE4;chst gespeichert werden. Dies ist &#xFC;ber den Save Button m&#xF6;glich.
<h3>Schritt 3: Visualisieren der Daten</h3>Kibana bringt eine Vielzahl an Visualisierungen mit. Diese reichen von einfachen Kreis- und Liniendiagramme &#xFC;ber Heat Maps bis hin zu Kartendarstellungen. <a href="/guide/en/kibana/6.3/createvis.html">Hier</a> sind alle Visualisierungen mit kurzen Erl&#xE4;uterungen aufgelistet.
Auch solche aufwendigen Auswertungen sind per <a href="/blog/getting-started-with-vega-visualizations-in-kibana">Vega Visualisierung</a> m&#xF6;glich werden in diesem Blog Beitrag allerdings nicht betrachtet.
<img src="https://images.contentstack.io/v3/assets/bltefdd0b53724fa2ce/bltbf1f90cd15b66bcb/5bc43ed0a35b53520149566a/3.jpg" data-sys-asset-uid="bltbf1f90cd15b66bcb" alt="3.jpg">
Um Visualisierungen zu erstellen w&#xE4;hlt man im Men&#xFC; auf der linken Seite den Punkt Visualize aus.
F&#xFC;r die Darstellung der Daten in einer Landkarte mit entsprechend farblich hervorgehobenen Regionen / L&#xE4;ndern gibt es die Region Map Visualisierung. Voraussetzung f&#xFC;r eine solche Visualisierung ist, dass die Daten geografisch zugeordnet werden k&#xF6;nnen, also z.B. ein L&#xE4;ndername in jedem Dokument vorhanden ist.
Bei den meisten Visualisierungen w&#xE4;hlt man zun&#xE4;chst die Daten aus die f&#xFC;r die Visualisierung genutzt werden sollen. Es wird zwischen den vorgefilterten Saved Searches aus dem Discover Bereich (rechts) und den ungefilterten Daten aus den Index Patterns (links) unterschieden.
<img src="https://images.contentstack.io/v3/assets/bltefdd0b53724fa2ce/blt09d2db25be185cea/5c0ffb8dd4785dff77a3ec0c/4.png" data-sys-asset-uid="blt09d2db25be185cea" alt="4.png">
Anschlie&#xDF;end muss f&#xFC;r die Erstellung der Region Map das sogenannte Shape Field gesetzt werden. Dieses Feld gibt an wie die Daten auf die L&#xE4;nder gemappt werden sollen. Im Beispiel wird hier der country_iso_code (Deutschland entspricht DE) verwendet.
<img src="https://images.contentstack.io/v3/assets/bltefdd0b53724fa2ce/blt6acbae7bc0ce0291/5bc43ed5af52fe9f06f94da9/5.jpg" data-sys-asset-uid="blt6acbae7bc0ce0291" alt="5.jpg">
<h3>Schritt 4: Alles zusammen in einem Dashboard darstellen</h3>Wurden einige Visualisierungen und / oder Suchen erstellt, die miteinander in Beziehung stehen, stellt man diese Auswertungen am Besten in einem Dashboard dar.
Dazu wird zun&#xE4;chst ein neues Dashboard erstellt und anschlie&#xDF;end die gew&#xFC;nschten Visualisierungen per Klick hinzugef&#xFC;gt. &#xDC;ber den Tab Saved Search lassen sich so auch die gespeicherten Suchen hinzuf&#xFC;gen. Im Anschluss k&#xF6;nnen die einzelnen Visualisierungen nach belieben skaliert und angeordnet werden.
Nach dem Speichern eines Dashboards befindet man sich im interaktiven Anzeigemodus. In diesem Modus kann man die auf dem Dashboard dargestellten Daten nach bestimmten Kriterien durchsuchen und filtern. Einen Filter kann man dabei u.A. bei den meisten Visualisierungen durch einen Klick auf das f&#xFC;r das Filtern interessante Kriterium erzeugen (In einem Kreisdiagramm z.B. durch Klick auf eines der Kuchenst&#xFC;cke).
Desweiteren ist es m&#xF6;glich das Dashboard in regelm&#xE4;&#xDF;igen Abst&#xE4;nden automatisch neuzuladen (Auto-Refresh im Header). Dabei kann es auch im Vollbildmodus angezeigt werden (Full Screen im Header).
&#xDC;ber die Share Funktion l&#xE4;sst sich das Dashboard in andere Applikationen integrieren. Es gibt dabei die Variante es live einzubinden oder als Snapshot. Bindet man das Dashboard als Snapshot ein bleibt die Darstellung unver&#xE4;ndert. Im Live Modus passt es sich jeweils an die neuesten Daten an.
<h3>Schritt 5: Nutzung der Platin Features</h3>Mit der Version 6.3 wurde die Aktivierung von Platinum Features (fr&#xFC;her X-Pack) deutlich vereinfacht. Dies kann nun &#xFC;ber Management -&gt; License Management gemacht werden.
Die Platinum Features enthalten:
<ul class="list-black">
	<li><a href="/de/videos/introducing-machine-learning-for-the-elastic-stack">Machine Learning</a></li>
	<li><a href="/de/webinars/sneak-peek-of-graph-capabilities-with-elasticsearch">Graph</a></li>
	<li><a href="/de/products/x-pack/alerting">Alerting</a></li>
	<li><a href="/de/products/x-pack/reporting">Reporting</a></li>
	<li><a href="/de/products/x-pack/security">Security</a></li>
</ul>Die Security Features werden allerdings bei der Aktivierung nicht sofort mit aktiviert. Dazu ist eine Konfigurations&#xE4;nderung von Elasticsearch und Kibana notwendig.
In der Elasticsearch.yml
<pre class="prettyprint">xpack.security.enabled: true
</pre>In der Kibana.yml
<pre class="prettyprint">elasticsearch.username: &quot;kibana&quot;
elasticsearch.password: &quot;&lt;Passwort&gt;&quot;
</pre>Das Passwort f&#xFC;r den vordefinierten Kibana User &#xE4;ndert man durch den folgenden Aufruf in der Kommandozeile bei aktiven Elasticsearch.
<pre>&lt;Elasticsearch-Home&gt;\bin\elasticsearch-setup-passwords interactive
</pre>Nach dem Start von Kibana wird man zum Login aufgefordert. Beim ersten Aufruf loggt man sich dabei mit dem elastic - User ein. Dieser ist der Super User f&#xFC;r den Elastic Stack. Im Anschluss lassen sich dann weitere User bequem per GUI definieren.
<h3>Schritt 6: Kibana Funktionalit&#xE4;ten einschr&#xE4;nken</h3>Mit der Aktivierung der Platinum Features ist es im Bereich Management nun m&#xF6;glich Rollen und Nutzer f&#xFC;r Kibana anzulegen.
So l&#xE4;sst sich auch ein Nutzer einrichten der ausschlie&#xDF;lich lesende Berechtigung auf das erstellte Dashboard hat. Daf&#xFC;r muss nur eine neue Rolle mit Read und View_Index_Metadata Privilegien f&#xFC;r alle Indizes angelegt werden die f&#xFC;r das Dashboard relevant sind.
Anschlie&#xDF;end richtet man einen Nutzer ein der die Rollen kibana_dashboard_only_user und die eben angelegte lesende Rolle hat.
Nach einem Login mit dieser Rolle ist zu sehen, dass es einem solchen Nutzer nur m&#xF6;glich ist Dashboards aufzurufen. &#xC4;nderungen an den Dashboards sind f&#xFC;r diesen User nicht m&#xF6;glich.
<h3>Weitere Schritte</h3>Wir haben nun kennengelernt wie man die grundlegenden Funktionen von Kibana einsetzen kann. Kibana und der Elastic Stack bieten noch eine Vielzahl weiterer Funktionen die wir hier noch nicht betrachtet haben:
<a href="/de/webinars/search-and-analytics-elasticsearch">Produkt-Suche und Such-Analyse mit dem Elastic Stack (Deutsch)</a>
<a href="/webinars/emea-security-analytics-with-elasticsearch">Security Analytics and Thread Detection with the Elastic Stack (English)</a>
</body></html>

blog-bg-kibana.jpg

blog-thumb-kibana.jpg

Starte mit Kibana 6.3

Start free trial

Blog Footer CTA

Sign up for Elastic Cloud free trial

headshot-felix-roessel-300x300.jpg

Product Engineer and IIoT Evangelist

Felix Rössel

By submitting you acknowledge that you've read and agree to our <a href="/legal/elastic-cloud-account-terms" target="_self">Terms of Service</a>, and you agree to receive the <a href="/legal/privacy-statement#how-we-use-the-information" target="_self">selected communications</a> at the contact details you provided above. See <a href="/legal/privacy-statement/" target="_self">Elastic’s Privacy Statement</a> for more details or to opt-out at any time.

Communication Preferences - ONLY for /communication-preferences

Durch das Absenden erklären Sie, dass Sie unsere <a href="/de/legal/elastic-cloud-account-terms" target="_self">Nutzungsbedingungen</a> gelesen haben und mit ihnen einverstanden sind und dass Sie Elastic erlauben, <a href="/de/legal/privacy-statement#how-we-use-the-information" target="_self">ausgewählte Nachrichten und Informationen</a> an die oben von Ihnen bereitgestellten Kontaktangaben zu senden. Weitere Informationen, darunter auch dazu, wie Sie Ihre Einwilligung zurückziehen können, finden Sie in der <a href="/de/legal/privacy-statement/" target="_self">Datenschutzerklärung von Elastic</a>.

By submitting you acknowledge that you've read and agree to our <a href="/legal/serverless-preview-terms" target="_blank">Terms of Service</a>, and that Elastic may <a href="/legal/privacy-statement#how-we-use-the-information" target="_blank">contact you</a> about our related products and services, using the details you provide above. See <a href="/legal/privacy-statement/" target="_blank">Elastic’s Privacy Statement</a> for more details or to opt-out at any time.

Serverless GDPR Text

Durch das Absenden erklären Sie, dass Sie unsere <a href="/de/legal/serverless-preview-terms" target="_self">Nutzungsbedingungen</a> gelesen haben und mit ihnen einverstanden sind und dass Sie Elastic erlauben, bezüglich unserer zugehörigen Produkte und Dienstleistungen und unter Nutzung der von Ihnen oben bereitgestellten Kontaktangaben <a href="/de/legal/privacy-statement#how-we-use-the-information" target="_self">mit Ihnen in Kontakt zu treten</a>. Weitere Informationen, darunter auch dazu, wie Sie Ihre Einwilligung zurückziehen können, finden Sie in der <a href="/de/legal/privacy-statement/" target="_self">Datenschutzerklärung von Elastic</a>.

By submitting you agree to <a href="/agreements/global/cloud-services-monthly" rel="nofollow">Elastic Cloud Terms of Service</a>. Your personal data will be processed in accordance with <a href="/legal/privacy-statement">Elastic's Privacy Statement</a>.

Cloud Trial GDPR Text

Beim Absenden akzeptieren Sie die <a href="/de/agreements/global/cloud-services-monthly" rel="nofollow">Nutzungsbedingungen von Elastic Cloud</a>. Die Verarbeitung Ihrer personenbezogenen Daten unterliegt der <a href="/de/legal/privacy-statement">Datenschutzerklärung von Elastic</a>.

By submitting you acknowledge that you've read and agree to our <a href="/legal/terms-of-use" target="_blank">Terms of Service</a>, and that Elastic may <a href="/legal/privacy-statement#how-we-use-the-information" target="_blank">contact you</a> about our related products and services, using the details you provide above. See <a href="/legal/privacy-statement/" target="_blank">Elastic’s Privacy Statement</a> for more details or to opt-out at any time.

Newsletter GDPR Text

Durch das Absenden erklären Sie, dass Sie unsere <a href="/de/legal/terms-of-use" target="_self">Nutzungsbedingungen</a> gelesen haben und mit ihnen einverstanden sind und dass Sie Elastic erlauben, bezüglich unserer zugehörigen Produkte und Dienstleistungen und unter Nutzung der von Ihnen oben bereitgestellten Kontaktangaben <a href="/de/legal/privacy-statement#how-we-use-the-information" target="_self">mit Ihnen in Kontakt zu treten</a>. Weitere Informationen, darunter auch dazu, wie Sie Ihre Einwilligung zurückziehen können, finden Sie in der <a href="/de/legal/privacy-statement/" target="_self">Datenschutzerklärung von Elastic</a>.

Explore similar demos

Overview

Speakers

Close

See more insights

The content on this page is not available in the selected language. As Elastic grows globally, we continue to support content in multiple languages.

The content on this page is not available in the selected language.

Der Inhalt dieser Seite ist in der ausgewählten Sprache nicht verfügbar. Wir bei Elastic arbeiten daran, die bereitgestellten Inhalte in verschiedenen Sprachen anzubieten. Bis dahin bitten wir Sie um etwas Geduld und hoffen auf Ihr Verständnis!

Author

Watch now (no PT)

Watch now

See all top stories

All (no PT translation)

Contact information

Press Release

Share on Reddit

Articles by

Share this story

Share by Email

Thank you for your interest!

Contact Info

Follow us on Youtube

Load More

Share on LinkedIn

Follow us on LinkedIn

Search Integrations

All Solutions

Video for

Follow us on Twitter

See when this webinar starts in my time zone

Register to Watch

Register now

See All Posts

Can't make it? Register and we'll send you the recording. You'll also receive an email with related content

Sie können nicht dabei sein? Registrieren Sie sich, damit wir Ihnen die Aufzeichnung zukommen lassen können. Außerdem erhalten Sie eine E‑Mail mit Begleitmaterial.

Small image for

On-demand webinar

Featured webinar

Register to Attend

Share on Facebook

Reset all

Upcoming webinar

View more posts

Print

Hosted by

Sign In to Attend

View next

Follow us on Facebook

Share

Highlights

Learn More

Read less

You'll also receive an email with related content

Wir schicken Ihnen zudem relevante Informationen, die von Interesse sein könnten.

Thank you for registering. We will send you a confirmation email soon.

Vielen Dank für Ihre Registrierung. Sie erhalten in Kürze eine Bestätigungs-E‑Mail von uns.

Author

Articles by Felix Rössel

Product Engineer and IIoT Evangelist, Elastic

Maximize IT efficiency leveraging alert management with Elastic AI Assistant for Observability

Industrial Internet of Things (IIoT) mit dem Elastic Stack

Starte mit Kibana 6.3