Sammeln der Daten
Damit eine langfristige Planungsgrundlage geschaffen werden kann, müssen über einen gewissen Zeitraum möglichst hoch aufgelöst Daten aus einer realen Umgebung erfasst werden. 
Da das Managementtool den Ist-Zustand der IT-Systeme abbildet (inklusive laufender Anwendungen und deren benötigte Ressourcen), werden die Daten, die für die langfristige Planung notwendig sind, primär aus dem Managementtool extrahiert. Diese Daten werden anschließend im Planungstool zur weiteren Verarbeitung gespeichert. Praktisch kann mit der langfristige Ressourcenplanung direkt gestartet werden. Die Genauigkeit dieser Planung steigt jedoch mit dem Umfang der zur Verfügung stehenden Daten. Dies hängt insbesondere damit zusammen, dass sich solche Daten in Abhängigkeit der verschiedenen Werktage oder Feiertagen stark ändern können.

Technische Umsetzung
Das Planungstool ist als Docker-Container implementiert und greift nicht aktiv in das tägliche Geschehen eines Unternehmens ein. Es liefert lediglich die Planungsgrundlage, dessen Ausführung letztendlich durch einen Menschen erfolgt. Als Entscheidungsunterstützung stellt das Planungstool alle gesammelten und berechneten Informationen in Form eines webbasierten Dashboards dar. Entwickelt wurde das Dashboard mit „Python Dash“.

Extrapolation und Vorhersage
Für die Extrapolation, also die Vorhersage zukünftiger Trends basierend auf den gesammelten Daten, haben wir verschiedene Verfahren evaluiert. Das LSTM (Long Short-Term Memory) Verfahren war dabei am präzisesten. LSTM ist eine Art von rekurrenten neuronalen Netzwerken (RNN), die besonders gut für die Verarbeitung von Sequenzen geeignet sind. Im Gegensatz zu herkömmlichen RNNs, die Schwierigkeiten haben, lange Abhängigkeiten zwischen den Elementen einer Sequenz zu erlernen, können LSTM-Netzwerke lange Abhängigkeiten in der Sequenzverarbeitung aufrechterhalten. Dies wird durch das Hinzufügen von speziellen Speichereinheiten und sogenannten "Gates" erreicht, die es dem Netzwerk ermöglichen, relevante Informationen beizubehalten und irrelevante Informationen zu verwerfen. LSTM-Netzwerke sind besonders nützlich für eine Vielzahl von Anwendungen, wie z.B. Spracherkennung, Übersetzung, Textgenerierung und Aktienprognosen, da sie in der Lage sind, komplexe zeitliche Zusammenhänge in den Daten zu erkennen und darauf zu reagieren.
Die Dauer der Extrapolation kann durch den Nutzer vorgegeben werden. Somit kann die vor Berechnung nur für wenige Stunden, aber auch für ganze Tage oder Monate erfolgen. 

Aktuelle Cloud-Preis-Modelle
Das Planungstool kann Preise für verschiedene Server-Konfiguration bei bekannten Cloud-Anbietern wie Amazon, Google oder Microsoft abfragen. Diese können dann visuell mit den Kosten für eine direkte Anschaffung für das lokale Rechenzentrum verglichen werden. Somit ist es dem Nutzer möglich zu sehen, ab welchem Zeitpunkt eine Cloud Lösung möglicherweise teurer wird als die Anschaffung neuer Hardware.