Case IT & Infrastructuur
Hoe we tijdens een AI-hackathon Claude read-only koppelden aan Splunk, Zabbix, de firewall en Jira, en daarmee complexe observability-data begrijpelijk maakten voor het team.
(01) De uitdaging
Een IT-operationsteam kreeg dagelijks Zabbix-meldingen die wel aangaven dát er iets speelde, maar niet wát. Om een trigger te duiden moest een engineer zelf de onderliggende logging in Splunk in, en die was enorm en tijdrovend te doorzoeken.
Daarnaast was het handmatig uitpluizen van firewall-rules een terugkerend pijnpunt: veel regels, weinig overzicht, en telkens opnieuw zoeken. Precies het soort werk waar veel tijd in verdwijnt zonder dat het iemand energie geeft.
(02) Onze aanpak
We koppelden Claude via Claude Code aan de bestaande systemen, uitsluitend met read-only API-keys. Zo kon het model overal in meekijken zonder ook maar iets te wijzigen aan productie. Concreet werkten we aan drie sporen:
Claude combineert een binnenkomende Zabbix-trigger met de bijbehorende Splunk-logs en legt in gewone taal uit wat er speelt. Zo wordt een melding meteen een verklaring.
Het doorzoeken van firewall-rules werd een kwestie van een vraag stellen in plaats van handmatig uitpluizen. Het grootste pijnpunt werd zo een van de snelste taken.
Claude handelt tickets af op basis van vastgelegde skills. Juist hier bleek dat duidelijke, expliciete regels in die skills het verschil maken tussen bruikbaar en onbetrouwbaar.
Veilig bij productie: alles read-only
We werkten uitsluitend met read-only API-keys. Claude kon lezen en analyseren, maar nooit iets aanpassen in de productieomgeving. Zo houd je de snelheid van AI zonder het risico.
(03) Het resultaat
Meldingen werden direct begrijpelijk: van 'er is iets' naar 'dit is er aan de hand'. Het team hoefde niet langer zelf door logbergen te spitten om een trigger te duiden, en zoeken in firewall-rules ging van uitpluizen naar simpelweg vragen.
Belangrijker nog: de aanpak leverde genoeg op dat het team besloot een gedeelde skills-repository op te zetten, zodat de werkwijze herbruikbaar en consistent wordt voor iedereen.
Zabbix-triggers worden direct verklaard met de juiste Splunk-context erbij.
Antwoorden op een vraag in plaats van handmatig door regels spitten.
Het team zet een gedeelde skills-repository op voor consistente resultaten.