Elastic 9.5: Spalten- und VectorDB-Indexmodus sowie automatische Kalibrierung und KI-gesteuerte Alert-Triage

Elastic 9.5 bringt Fortschritte, die jedem Nutzer dabei helfen, schneller voranzukommen, mit mehr Selbstvertrauen zu arbeiten und mit weniger Reibung mehr Nutzen aus Daten zu ziehen. Diese Version enthält Innovationen in zahlreichen Bereichen der Elasticsearch-Plattform – vom Speichern und Abfragen von Daten bis hin zur Erstellung und Verwaltung von KI-Agenten sowie Erweiterungen für Kibana-Dashboards. Lesen Sie weiter, um Genaueres zu erfahren.

Elastic freut sich, die technische Vorschau des Columnar Mode (Spaltenmodus) bekannt zu geben, einem Opt-in-Indexierungsmodus, der jedes Feld standardmäßig einmal in einem Spaltenspeicher ohne invertierten Index speichert und so für einen deutlich geringeren Speicherbedarf sowie eine Grundlage für schnelleres Indexieren, analytische Abfragen und eine längere Datenaufbewahrung sorgt. Er wird zusammen mit bestehenden Indexmodi ganz ohne Änderungen an APIs, Dashboards oder Integrationen bereitgestellt. Auf dieser Grundlage ist Columnar Logs das erste Spezialprofil, das speziell für Protokolldaten entwickelt wurde; es führt einen einzelnen invertierten Index für das Message-Feld, sodass die Volltextsuche schnell bleibt, während alles andere vollständig spaltenorientiert gespeichert wird. Das Ergebnis ist deutlich weniger Speicherbedarf als bei der heutigen Nutzung von Logs, ohne das Sucherlebnis zu verändern, auf das sich Teams verlassen. Beide Modi sind opt-in und bestehende Indizes bleiben unberührt.

Teams, die Abfragen für Anwendungen mit Retrieval-Augmented Generation (RAG) und agentischer KI entwickeln, müssen bei der Indexierung meist viele Konfigurationsentscheidungen treffen, und dieser Aufwand steigt beim Skalieren in der Produktion. Wir führen diese Funktionen ein, um Ihnen die Konfiguration und Indexoptimierung abzunehmen, sodass Sie die Vektorsuche sofort nutzen können.

Der VectorDB-Indexmodus liefert hochleistungsfähige Vektorsuche mit einer einzigen Einstellung; es ist keine manuelle Konfiguration erforderlich. Er wendet bereits für Vektoren optimierte Standardeinstellungen an und passt Quantisierung, Merge-Richtlinien und das Laden von Caches für Sie an, sodass die Vektorsuche einfacher einzurichten ist und sofort hohe Leistung bietet.

Die automatische Kalibrierung für die DiskBBQ-Vektorsuche konfiguriert Quantisierungstiefe, Vorkonditionierung und Oversampling basierend auf der statistischen Analyse der Vektoren im Index automatisch. Das Tuning, das normalerweise Fachwissen und Experimente erfordert, erfolgt nun von selbst mithilfe einzigartiger, bei Elastic entwickelter Algorithmen.

Die multimodale semantische Suche vereinfacht die Bildersuche für Entwickler. Die Suche nach Bildern bedeutet normalerweise das Einrichten von Einbettungen, das Ingestieren und Einbetten von Bildern sowie das Einbetten der Abfrage. Das neue semantische Feld vereinfacht diese Schritte, sodass Nutzer mit semantic_text Bilder ebenso einfach suchen können wie Text.

Elastic 9.5 bietet Entwicklern mehr Transparenz und Kontrolle beim Erstellen von KI-Agenten für die Produktion. Agent Observability and Monitoring (Agenten-Beobachtbarkeit und -Überwachung), jetzt in der technischen Vorschau verfügbar, verfolgt Aufrufe großer Sprachmodelle (LLMs), Tool-Aufrufe und Entscheidungsschritte als OpenTelemetry (OTel) in Elasticsearch, während Human-in-the-Loop-Genehmigungen sensible Aktionen absichern und jede Entscheidung in einem Audit-Trail aufzeichnen. Entwickler können außerdem Skills, Abfragen und Workflows direkt aus dem Chat heraus erstellen, indem sie die benötigte Funktion beschreiben, wie z. B. einen Workflow zur Erstellung eines Dashboards. Der Agent Builder entwirft, benennt und speichert die Konfiguration anschließend, ohne dass sie die Konversation verlassen müssen, was die Einrichtungszeit verkürzt und das Verständnis des zugrunde liegenden Konfigurationsmodells überflüssig macht.

Mit 9.5 wird unsere Dashboards- und Visualisierungs-API allgemein verfügbar und bietet Plattform-Teams eine stabile und unterstützte Möglichkeit, Dashboards und Visualisierungen im Code zu erstellen, zu aktualisieren und zu verwalten. Zudem sind Dashboards im Chat jetzt mit verbesserter Chat-Qualität sowie Erstellung von Steuerelementen allgemein verfügbar und liefern eine höhere Geschwindigkeit. Diese Fortschritte verkürzen die Zeit bis zur Erkenntnis drastisch und machen das manuelle Erstellen von Dashboards durch Nutzer überflüssig. Dies beschleunigt die Untersuchung von Vorfällen, da der schnelle Weg zu einer klaren Visualisierung die Zeit bis zur Behebung direkt verkürzt. Und für Anwendungsfälle, bei denen Geschwindigkeit an erster Stelle steht, ermöglicht die aktivierbare Fast Mode UI das Ausführen von STATS-basierten Abfragen in Dashboards und Discover auf einem stichprobenartigen Datensatz, anstatt die gesamten Daten zu scannen, wobei die Ergebnisse auf den tatsächlichen Maßstab hochgerechnet werden und die Genauigkeit sehr nah am exakten Wert bleibt.

Mit Elastic Workflows in 9.5 lassen sich Automatisierungen schneller erstellen und es wird genau angezeigt, was ein Workflow tut, bevor er ausgeführt wird. Die Erstellung in natürlicher Sprache ist jetzt allgemein verfügbar und standardmäßig aktiviert, sodass Teams die gewünschte Automatisierung in klarer Sprache beschreiben können, die automatisch generiert wird. Die Versionsverwaltung ist integriert, verfolgt jede Änderung nach, lässt Teams zwei beliebige Versionen vergleichen und mit einem Klick zu einer funktionierenden zurückkehren, sodass immer nachvollziehbar ist, wer was wann geändert hat. Der visuelle Modus zeigt einen Workflow als Diagramm mit seinen Auslösern, Schritten, Verzweigungen und seiner Logik auf einen Blick neben dem YAML-Code; die Drag-and-Drop-Bearbeitung folgt als Nächstes. Und Human-in-the-Loop reicht jetzt über Kibana hinaus. Wenn ein Workflow die Genehmigung oder Rückmeldung einer Person erfordert, pausiert er und sendet die Anfrage an Tools wie Slack. Automatisierung übernimmt die Routine, während Teams stets die Kontrolle über Entscheidungen behalten, die menschliches Urteilsvermögen erfordern. Dies sind Funktionen der Elasticsearch Platform, die in Search, Observability und Security gleichermaßen verfügbar sind.

Elastic 9.5 bietet Upgrades für die Beobachtbarkeit, die darauf ausgelegt sind, die Einführung eines einheitlichen Monitorings zu beschleunigen und das Skalieren zu vereinfachen. Ganz gleich, ob Sie von Prometheus migrieren, Kubernetes einbinden oder Cloud- und SaaS-Daten verknüpfen: Der Einstieg gelingt einfacher und mit weniger operativem Aufwand. Verbesserte SRE-Workflows, verwaltete Integrationen und KI-fähiger Kontext helfen Teams, noch schneller von der Erkennung zur Diagnose zu gelangen.

Mit Version 9.5 ist die Konsolidierung von Beobachtbarkeit mit erstklassigen Metriken einfacher denn je. Dank dem Prometheus-Remote-Write-Endpunkt und der nativen PromQL-Unterstützung direkt in ES|QL können Teams bestehende Grafana-Dashboards und -Abfragen mit minimalem Migrationsaufwand auf Elastic ausrichten – ohne die Abfragesprache und Workflows aufgeben zu müssen, die sie jahrelang aufgebaut haben. Ein neues Migrationstool ist jetzt ebenfalls allgemein verfügbar. Es hilft dabei, Grafana- und Datadog-Dashboards sowie -Alerts automatisch in Elastic zu überführen, und erleichtert es Nutzern, von der Speichereffizienz von Elasticsearch (bis zu 2,5-mal besser als Prometheus) und der schnelleren Abfrageleistung (bis zu 30-mal schneller als Prometheus) zu profitieren, ohne bei null anzufangen. In Version 9.5 baut ein neuer Codec (ES95) auf den ohnehin schon erheblichen Effizienzgewinnen von Elasticsearch mit spaltenorientierten Metriken auf, um die Speicherkosten um weitere ~20 % auf etwa 3 Bytes pro Stichprobe zu senken. So können Benutzer mehr Dienste überwachen und Metriken länger aufbewahren, ohne die Rechnung in die Höhe zu treiben. Zusammen mit Dashboards-as-Code und Dashboards im Chat ermöglichen es diese Updates den Nutzern, Metriken, Logs und Traces auf einer einzigen Plattform zu vereinheitlichen und alle drei für eine schnellere Ursachenanalyse zu korrelieren – während die Workflows und Standards, auf die sie sich bereits verlassen, beibehalten werden.

Dank den neuesten Out-of-the-box-Integrationen von Elastic für Kubernetes und AWS (Tech Preview) gelangen Sie in wenigen Minuten von null zu einer vollständigen Überwachung. Kubernetes-Überwachung ist jetzt allgemein verfügbar und enthält vorkonfigurierte Dashboards, Alerts, SLOs und Machine-Learning-Jobs. Zudem machen Agent Skills und eine Observability-MCP-App die Statusüberwachung, Anomalieerkennung, Vorfalluntersuchung und -behebung über jedes MCP-fähige KI-Tool verfügbar, in dem SREs bereits arbeiten. Diese umfassenden Integrationspakete ermöglichen es Teams, vom ersten Moment der Verbindung an sofortigen Nutzen aus Metriken zu ziehen.

Elastic-verwaltete Integrationen beseitigen den betrieblichen Aufwand beim Ingestieren von Cloud-Datenquellen. Mit nur wenigen Klicks können Nutzer jetzt Daten ingestieren und sofort Mehrwert erzielen, ohne On-Prem-Agenten einsetzen oder pflegen zu müssen. Ganz im Sinne des „Easy Buttons“ haben wir auch das Onboarding für Kubernetes und AWS vereinfacht, indem beide Setup-Abläufe so optimiert wurden, dass standardmäßig der empfohlene OTel-Pfad verwendet wird. Plattformentwickler und SREs können so ohne ein Navigieren durch mehrere Bildschirme und Entscheidungen direkt loslegen.

Version 9.5 bietet eine wesentliche Verbesserung der Arbeitsqualität für SREs und Entwickler, die Dienstvorfälle untersuchen. Die Abhängigkeitsanalyse in Warnmeldungen und Dashboards führt eine schnellere Route zur Triage ein und eliminiert Kontextwechsel, indem Dienstkarten in einem Alarm oder einem Individuellen Dashboard direkt angezeigt werden. Eine bessere Anomalieerkennung in APM-Dienststatusansichten macht ML-basierte Verschlechterungssignale besser sichtbar.

Die neue Anthropic-Integration für LLM-Beobachtbarkeit von Elastic fragt die Admin-APIs von Anthropic ab, um unternehmensweite Telemetriedaten der Claude-API-Plattform, Token-Nutzung, Kosten und Ratenbegrenzungskonfigurationen mit vorgefertigten Kibana-Dashboards und Out-of-the-box-Alerts in Elasticsearch zu ingestieren.

Elastic Security 9.5 gibt Analysten mehr Zeit für Entscheidungen und weniger Alerts zum Sortieren. Stärkerer Endpoint-Schutz stoppt mehr Bedrohungen, bevor sie überhaupt einen Alert auslösen. Attack Discovery bearbeitet die ausgelösten Alerts so, wie ein Analyst es tun würde, und deckt die echten Angriffe auf, damit Teams nicht schon bei Tagesbeginn unter Roh-Alerts begraben werden. Und im Hintergrund des Ganzen läuft die Automatisierung, löst diese Untersuchungen aus und übernimmt die Handarbeit, sodass Analysten nur noch Entscheidungen treffen müssen.

Alert Zero (keine Warnmeldungen) ist die SOC-Version von Inbox Zero – eine Warteschlange, die auf die wirklich relevanten Meldungen reduziert und von Agenten und Analysten gemeinsam bearbeitet wird. Es ist ein Ziel, auf das Teams hinarbeiten. Das bedeutet nicht, dass keine Alarme mehr eingehen, und es bedeutet auch nicht, dass die Analysten ersetzt werden. Attack Discovery bringt ein SOC diesem Ziel näher. Es untersucht nun wie ein Analyst, indem es Rohdaten nach Bedrohungen durchsucht, das Risiko von Entitäten prüft und über die ursprünglich ausgelösten Alarme hinausgehende Bestätigungen liefert, bevor es etwas als Angriff einstuft. So erhalten Teams eine kurze Liste bestätigter Angriffe anstelle einer Flut von Rohdaten. Wenn es etwas findet, das die Regeln übersehen haben, entwirft es eine ES|QL-Regel, um die Lücke zu schließen. Diese muss von einem Analysten freigegeben werden, bevor sie gespeichert wird.

Jeder Durchlauf durchläuft jetzt dieselbe Untersuchung, egal ob manuell angestoßen, im wiederkehrenden Rhythmus eingestellt oder über einen Elastic-Workflow ausgelöst. Ein separater Workflow zur Alert-Analyse geht das Rauschen von der anderen Seite an, indem er Alerts als echte oder falsche Positivmeldungen klassifiziert, sodass Analysten nicht mehr Stunden auf ungenaue Meldungen verschwenden müssen und Attack Discovery ein saubererer Datensatz zur Untersuchung verbleibt.

Mit Elastic Security 9.5 sorgen neue Endpoint-Funktionen für noch stärkeren Schutz und erweitern die Abdeckung auf mehr Geräte. Bei anfälligen Treibern, die von Angreifern bereits signiert und als den Kernel sicher erreichend eingebracht werden, überwacht unser Threat-Research-Team öffentliche Offenlegungsquellen wie VirusTotal, loldrivers.io und die Blocklist von Microsoft. Durch einen permanent aktiven Prozess generiert und stellt Elastic automatisch und sofort YARA-Regeln bereit, sobald neue Treiber offengelegt werden. So hält der Schutz Schritt, anstatt auf einen Release-Zyklus zu warten. Diese Geschwindigkeit ist entscheidend, wenn sich KI-gestützte Angriffe in weniger als einer Minute von einem Gerät zum nächsten bewegen können – schneller als jeder Reaktions-Workflow reagieren kann. Windows on ARM wird jetzt von Elastic Defend vollständig unterstützt, wodurch Surface und andere ARM-basierte Laptops die volle Abdeckung erhalten. Und ein neuer Skill zur Endpoint-Fehlerbehebung im Agent Builder weist auf Richtlinien- und Performance-Probleme hin, sodass Teams weniger Zeit mit der Suche nach Endpoint-Problemen verbringen.

Elastic Workflows bringt native Automatisierung in das SOC, sodass eine Erkennung automatisch Anreicherung, Ticketerstellung und Reaktion auslösen kann, ohne dass ein separates SOAR gekauft, integriert oder gepflegt werden muss. Entscheidungen, die Urteilsvermögen erfordern, werden weiterhin von Menschen getroffen.

Zwischen den Stack-Releases ruhen wir uns keineswegs auf unseren Lorbeeren aus. Die Zeit zwischen Elastic 9.4 und 9.5 war alles andere als ruhig. Hier ist eine Übersicht der wichtigsten Ankündigungen, falls Sie sie verpasst haben: 

• Jina AI-Updates: 

  • jina-embeddings-v5-omni erweitert die v5-text-Modellfamilie um nativen Bild-, Audio- und Video-Support und deckt nahezu 100 Sprachen über alle vier Modalitäten hinweg in einem einzigen Einbettungsraum ab, ohne dass eine Reindizierung erforderlich ist.

  • Jina On-Prem ist jetzt für Teams mit strengen Datenresidenzvorgaben verfügbar. Es bündelt das gesamte Modellangebot von Jina AI (z. B. Reader, Embedding und Reranking), um vollständig auf Ihrer eigenen Hardware laufen zu können – komplett isoliert und ohne ausgehende Aufrufe nach der Bereitstellung. Die Kosten sind fest und vorhersehbar, nicht pro Token abgerechnet. Die Embedding-Modelle suchen Texte, Bilder, Audio- und Videodateien in fast 100 Sprachen in einem einzigen Einbettungsraum mit einer Genauigkeit, die mit deutlich größeren Modellen auf Standardhardware konkurriert.

  • Wir haben jina-reranker-v3.5 veröffentlicht, einen Drop-in-Nachfolger für jina-reranker-v3. jina-reranker-v3.5 übertrifft mit nur 600M Parametern seinen Vorgänger bei Rechtsprechungsdaten um über 50 %, mit weiteren Zugewinnen beim medizinischen und finanziellen Reranking und läuft bei langen Dokumenten bis zu 56 % schneller. Gegenüber Qwen3-Reranker-4B, einem weit verbreiteten Open-Source-Reranker, der mehr als siebenmal so groß ist, gewinnt es klar bei der allgemeinen Suche sowie einer Benchmark für strukturierte Daten und schließt fast überall sonst die verbleibende Lücke.

• Ferngesteuerte Reindizierung ist jetzt allgemein in Elastic Cloud Serverless verfügbar und bietet Teams eine nahtlose Möglichkeit, Indizes von jedem gehosteten Elastic Cloud-Deployment oder Serverless-Projekt unabhängig von der Region direkt in ihre Serverless-Umgebung zu migrieren. Die Operation ist für die Realitäten der Serverless-Infrastruktur konzipiert; sie wird nach Node-Abschaltungen, die durch Skalierungsereignisse oder Software-Deployments ausgelöst werden, automatisch fortgesetzt, sodass Ihre Migration ohne manuelles Eingreifen weiterläuft. 

Elastic 9.5 steckt voller neuer und verbesserter Features, mit denen Unternehmen das Beste aus ihren Daten herausholen können.

Elastic 9.5 ist jetzt auf Elastic Cloud verfügbar, dem gehosteten Elasticsearch Service, der alle neuen Features dieser neuesten Version enthält.