The software industry experienced tremendous growth, together with the complexity of the used software systems in professional enterprises. More and more car manufacturers move their software systems to the cloud. This results in more demand for professional monitoring solutions. The market provides different monitoring solutions dedicated to special needs, and Prometheus is a well-known and widespread time-series monitoring solution. Time-series monitoring often only provides a view of past or current events and metrics, but more intelligent solutions are required to fulfill the challenge of ever-growing complexity. This thesis focuses on building a flexible anomaly detection integration platform (called FADIP) that allows the evaluation and usage of different anomaly detection algorithms on various timeseries from car monitoring (unlabeled and labeled) and performing this evaluation. Functional and non-functional requirements for the platform are presented, as well as a fair comparison methodology. It is shown that the MCC score and specificity of the algorithms are the relevant metrics to compare algorithms for productive operation, and the algorithms iForest, HBOS, KNN, CBLOF, and COPOD are compared on selected datasets. The evaluation results show that the time-series differ significantly, so every algorithm needs to be assessed before using it in the infrastructure.     «

The software industry experienced tremendous growth, together with the complexity of the used software systems in professional enterprises. More and more car manufacturers move their software systems to the cloud. This results in more demand for professional monitoring solutions. The market provides different monitoring solutions dedicated to special needs, and Prometheus is a well-known and widespread time-series monitoring solution. Time-series monitoring often only provides a view of past or...     »

Die Softwarebranche erlebt ein enormes Wachstum, zusammen mit der ansteigenden Komplexität der verwendeten Softwaresysteme in Unternehmen. Immer mehr Automobilhersteller verlagern ihre Softwaresysteme in die Cloud. Daraus resultiert eine steigende Nachfrage nach professionellen Monitoring-Lösungen. Der Markt bietet verschiedene Monitoring-Lösungen für spezielle Bedürfnisse, und Prometheus ist eine bekannte und weit verbreitete Zeitreihen-Monitoring-Lösung. Konventionelles Zeitreihen-Monitoring bietet oft nur einen Überblick über vergangene oder aktuelle Ereignisse und Metriken, aber es werden intelligentere Lösungen benötigt, um die Herausforderungen der ständig wachsenden Komplexität zu meistern. Diese Arbeit konzentriert sich auf den Aufbau einer flexiblen Integrationsplattform für die Anomalieerkennung (FADIP), die die Bewertung und Verwendung verschiedener Algorithmen zur Anomalieerkennung auf verschiedenen Zeitreihen aus der Fahrzeugüberwachung (unlabeled und labeled) und die Durchführung dieser Bewertung ermöglicht. Es werden funktionale und nicht-funktionale Anforderungen an die Plattform sowie eine faire Vergleichsmethodik vorgestellt. Es wird gezeigt, dass der MCC-Score und die Spezifität der Algorithmen die relevanten Metriken für den Vergleich von Algorithmen für den produktiven Betrieb sind, und die Algorithmen iForest, HBOS, KNN, CBLOF und COPOD werden auf ausgewählten Datensätzen verglichen. Die Bewertungsergebnisse zeigen, dass sich die Zeitreihen erheblich unterscheiden, so dass jeder Algorithmus vor seinem Einsatz in der Infrastruktur bewertet werden muss.     «

Die Softwarebranche erlebt ein enormes Wachstum, zusammen mit der ansteigenden Komplexität der verwendeten Softwaresysteme in Unternehmen. Immer mehr Automobilhersteller verlagern ihre Softwaresysteme in die Cloud. Daraus resultiert eine steigende Nachfrage nach professionellen Monitoring-Lösungen. Der Markt bietet verschiedene Monitoring-Lösungen für spezielle Bedürfnisse, und Prometheus ist eine bekannte und weit verbreitete Zeitreihen-Monitoring-Lösung. Konventionelles Zeitreihen-Monitoring b...     »