Resolve.ai

Resolve.ai tritt in jede Bereitschaftsrotation ein und beginnt zu untersuchen, sobald ein Alarm ausgelöst wird. Es sortiert den Alarm vor, schätzt die Schwere ein und bestimmt den Auswirkungsradius mit Belegen, sodass die gerufene Person einen Bericht und keinen leeren Bildschirm öffnet. Bekannte Muster laufen ohne menschliches Eingreifen, und das Unternehmen nennt bis zu 75 % mehr Bereitschaftsproduktivität durch diese Lastverschiebung.

Schwerere Vorfälle bekommen ein Team spezialisierter Agenten, das parallel arbeitet, wie es ein Krisenraum erfahrener Ingenieure täte. Jeder Agent liefert seinen Teil der Belege, und die Befunde werden gegen die Produktionsdaten geprüft, bevor sie in den Bericht gehen. Alles läuft auf dem, was das Unternehmen HiveMind nennt, einer gemeinsamen Schicht, die den Live-Zustand, Alarme und jüngste Änderungen hält, damit die Agenten die Punkte über Vorfälle hinweg verbinden.

Jeder Befund im Bericht stützt sich auf Produktionsbelege, die Sie prüfen können, nicht auf eine einzelne sichere Vermutung. Die Berichte legen dar, was geschah, die Ursachenkette, die Auswirkung und die Ursache, mit den Daten, die jede Aussage tragen. Sie können einen Befund vertiefen, Kontext ergänzen oder den Agenten über die Workbench-Ansicht auf eine neue Hypothese schicken, wenn die erste Theorie nicht hält.

Die Agenten beschreiben nicht nur ein Problem, sie kommen zu einem Schluss und handeln. Ein abgeschlossenes Runbook kann einen lauten Alarm stummschalten, eine GitHub Action ausführen oder das Problem an das richtige Team leiten. Ingenieure entscheiden pro Muster, ob sie die Aktion freigeben oder Agenten bekannte Fälle selbst lösen lassen.

Die Plattform verbindet sich mit mehr als 60 Werkzeugen aus Observability, Infrastruktur, Code, Chat und Wissen. Dazu zählen Datadog, Grafana, Splunk, Prometheus, Dynatrace und New Relic in der Telemetrie; AWS, Google Cloud und Kubernetes in der Infrastruktur; und GitHub, GitLab und Cursor beim Code. Slack und Microsoft Teams decken die Zusammenarbeit ab, und MCP, APIs und Webhooks lassen Sie eigene Systeme anbinden.

Befunde, Prioritätenlisten und Aktionen erscheinen in Slack, Microsoft Teams, der CLI, der nativen Oberfläche oder in Ihrem eigenen Coding-Agenten. So muss niemand eine neue Konsole lernen, um Nutzen zu ziehen, und der Agent trifft das Team in den Werkzeugen, die es ohnehin den ganzen Tag beobachtet. Dieselben Berichte, die im Chat landen, öffnen Sie in der Workbench, um die Untersuchung zu steuern.

Resolve.ai rechnet Credits ab, die den Arbeitsarten der Agenten entsprechen, nicht Tokens oder rohen Inferenzkosten. Der Ansatz des Unternehmens ist, dass Sie verstehen, wie Arbeit zu Ausgaben wird, ohne die KI-Infrastruktur darunter modellieren zu müssen. Das soll die Kosten planbar halten, während der Einsatz über Chats, Triage, Untersuchungen und Hintergrundaufgaben wächst.