Ga naar inhoud

AI in netwerken: van inzicht naar actie

Kunstmatige intelligentie (AI) verandert netwerken snel. Wat vroeger teams engineers kostte—logs doorspitten, scripts draaien, configuraties nalopen—kan nu worden versneld, verrijkt of zelfs door AI-agents worden overgenomen.

Dit artikel beschrijft de rol van AI in netwerken, hoe systemen zoals Nautobot (als CMDB en automatiseringsplatform) daarbij passen, en wat je nodig hebt om agents te bouwen die netwerkdata bevragen en met echte devices praten.

🤖 Wat kan AI in netwerken?

Op hoofdlijnen past AI hier:

  • Observability & monitoring: afwijkingen in verkeer, voorspellende analyses, inzicht uit logs en metrics.
  • Intent verification: continu controleren of het netwerk zich gedraagt volgens beleid.
  • Natuurlijke taal: vragen als “Welke switches op locatie A draaien verouderde firmware?”
  • Gedetailleerde troubleshooting: agents die diagnostiek draaien en resultaten samenvatten.
  • Configuratie: op basis van input of geleerd gedrag veilig configuraties voorstellen of toepassen.

🔗 Samenwerken met Nautobot (CMDB)

Nautobot is een krachtige source of truth. Met API en plugins is het een logische partner voor AI-gestuurde systemen.

Use case: AI-agent die Nautobot bevraagt

Een conversationele agent zou kunnen antwoorden op:

  • “Geef alle devices op site Berlijn.”
  • “Welke devices zijn de laatste 24 uur niet gebackupt?”
  • “Zijn er devices met end-of-support binnen 6 maanden?”

Hoe het werkt

  1. Natural language parsing: het model herkent intent en entiteiten (site, device type, enz.).
  2. Nautobot API: vertaling naar GraphQL of REST.
  3. Antwoord: leesbare output, eventueel met links naar de Nautobot UI.

Tip: met Nautobot ChatOps kan AI ook via Slack of Microsoft Teams werken.

⚙️ Praten met netwerkdevices

Nautobot beschrijft wat hoort; devices tonen wat er is.

AI kan via SSH, NETCONF of REST o.a.:

  • Softwareversies controleren
  • Interface-status uitlezen
  • BGP-buren bekijken
  • Configfragmenten verzamelen

Use case: device-inspectie

Een agent kan bijvoorbeeld:

  • Via SSH op een switch inloggen
  • Commando’s als show version of show interface status uitvoeren
  • Output vergelijken met de bedoelde staat in Nautobot
  • Afwijkingen markeren of acties voorstellen

Tooling

  • NAPALM: multi-vendor abstractie om devices uit te lezen
  • Scrapli: flexibele Python-library voor CLI
  • Netmiko / Paramiko: SSH op lager niveau

Tip: herbruikbare prompt-templates per device type of vendor.

🧠 AI-agents voor netwerken bouwen

Architectuur (globaal)

  1. Frontend (optioneel): chatbot of web-UI
  2. LLM: GPT-4, Claude, of open-source modellen
  3. Tools/plugins: functies die APIs aanroepen of naar devices verbinden
  4. Geheugen (optioneel): eerdere interacties, veelgestelde queries, snapshots

Frameworks

  • LangChain / LlamaIndex: agents met tools en geheugen
  • Semantic Kernel: .NET / C#
  • AutoGen: multi-agent samenwerking (Microsoft)

🛠 Voorbeeldprompts

> Welke devices zitten in site "NYC-Core"?
→ [agent roept Nautobot GraphQL aan]

> Log in op router R1 en check of interface Gi0/1 up is.
→ [agent gebruikt Scrapli om te verbinden en te parsen]

> Samenvatting van alle devices met CVE’s in de laatste 90 dagen.
→ [agent bevraagt Nautobot Software Inventory + CVE-plugins]
Zie het YouTube-kanaal van John Capobianco voor voorbeelden van AI-agents op netwerkdevices.

🔒 Security

AI geeft kracht, maar ook risico:

  • Geef een LLM geen onbeperkte shell
  • Strikte function calling met duidelijke rechten
  • Valideer input en output bij device-interactie

🧩 Slotwoord

AI in netwerken gaat niet over engineers vervangen, maar over hun werk versterken. Door natuurlijke taal, gestructureerde API’s (zoals Nautobot) en veilige device-communicatie te combineren, kun je agents bouwen die vragen beantwoorden, issues signaleren en soms actie ondernemen.

De toekomst is er al—experimenteer ermee.

📚 Meer lezen