Warum Ihr Server läuft, das Produkt aber nicht

Die meisten Teams überwachen nicht die Dinge, die tatsächlich ausfallen.

Bei der Überwachung decken die üblichen Prüfungen Folgendes ab:

• CPU

• Arbeitsspeicher (RAM)

• Festplatte/Speicherplatz

• Datenbank

• Verfügbarkeit der Anwendung

Fällt ein Server aus, bemerkt das jeder sofort.

Alarme werden ausgelöst. Dashboards färben sich rot. Die Fehlersuche beginnt.

Doch bei Olisen Studio haben wir in den letzten Jahren ein interessantes Muster beobachtet: Die problematischsten Vorfälle sind selten auf Serverabstürze zurückzuführen.

Meistens ist es etwas anderes, das ausfällt. Und genau diese Art von Problemen bleibt oft am längsten unbemerkt.

Wenn die App läuft, aber Nutzer bereits auf Probleme stoßen

Ein modernes SaaS-Produkt existiert selten isoliert.

Selbst eine relativ einfache Anwendung kann von Dutzenden externer Dienste abhängen:

• Stripe

• OpenAI

• Telegram

• GitHub

• Notion

• Slack

• Interne APIs

Ein Ausfall einer dieser Abhängigkeiten kann eine kritische Produktfunktion beeinträchtigen.

Zum Beispiel:

• ein OpenAI-API-Schlüssel läuft ab;

• ein Stripe-Webhook übermittelt keine Ereignisse mehr;

• ein OAuth-Token verliert erforderliche Berechtigungen;

• die GitHub-API liefert Fehlermeldungen;

• eine Hintergrundaufgabe wird nicht ausgeführt;

• eine Integration empfängt keine Ereignisse mehr.

Aus Sicht der Infrastruktur sieht jedoch alles in Ordnung aus.

Die Website lädt. Die Datenbank läuft. Der Server antwortet. Das Monitoring zeigt einen grünen Status an.

Dennoch sind bestimmte Funktionen bereits nicht mehr verfügbar.

Warum solche Probleme zu spät erkannt werden

Herkömmliches Monitoring beantwortet die Frage:

Läuft das System?

Für den Nutzer ist jedoch eine andere Frage wichtiger:

Funktioniert die Funktion, wegen der er gekommen ist, tatsächlich?

Stellen Sie sich einen Dienst vor, der Inhalte automatisch über eine API eines Drittanbieters veröffentlicht.

Wenn diese API keine Anfragen mehr annimmt:

• läuft die Anwendung weiter;

• können sich Nutzer weiterhin anmelden;

• meldet der Server keine kritischen Fehler.

Der Kernnutzen des Produkts geht jedoch verloren. Manchmal werden solche Ausfälle erst nach einigen Stunden bemerkt. Manchmal erst nach Tagen. Und manchmal erst, wenn sich ein Kunde an den Support wendet.

Genau diese Lücke zwischen dem Auftreten des Problems und seiner Erkennung ist oft der kostspieligste Teil des Vorfalls. ## Abhängigkeiten sind zu einer neuen Fehlerquelle geworden

Noch vor wenigen Jahren traten die meisten Ausfälle innerhalb der eigenen Infrastruktur eines Unternehmens auf.

Heute hat sich die Situation gewandelt.

Selbst ein kleines SaaS-Produkt kann von Dutzenden externer Komponenten abhängen, von denen jede einzelne zu einer potenziellen Fehlerquelle werden kann.

Zudem liegen viele dieser Dienste außerhalb des Einflussbereichs des Entwicklungsteams.

Man kann keinen Fehler bei OpenAI beheben. Man kann die Infrastruktur von Stripe nicht beeinflussen. Man kann die GitHub-API nicht dazu zwingen, schneller zu laufen.

Aber man kann viel früher von dem Problem erfahren.

Und die Geschwindigkeit der Erkennung hat direkten Einfluss auf das Ausmaß der Auswirkungen.

Was sich wirklich zu überwachen lohnt

In der Praxis ist es sinnvoll, nicht nur die Infrastruktur, sondern auch kritische Geschäftsprozesse zu überwachen.

Externe APIs

Es ist wichtig, nicht nur die Verfügbarkeit eines Dienstes zu überwachen, sondern auch die Korrektheit seiner Funktionsweise.

Eine API könnte zwar den HTTP-Statuscode 200 zurückgeben, aber dennoch fehlerhafte Daten oder unvollständige Ergebnisse liefern.

Webhook-Integrationen

Viele Prozesse basieren auf eingehenden Ereignissen.

Wenn keine Ereignisse mehr eintreffen, kann das Produkt über längere Zeit hinweg voll funktionsfähig erscheinen.

Autorisierung und Zugriff

Abgelaufene Tokens, verlorene Berechtigungen und fehlerhafte Zugangsdaten gehören nach wie vor zu den häufigsten Ursachen für unbemerkt bleibende Fehler („Silent Failures“).

Hintergrundaufgaben

Warteschlangen (Queues), Scheduler und Cron-Jobs fallen oft aus, ohne Alarme in der Infrastrukturüberwachung auszulösen.

Geschäftsfunktionen

Es ist sinnvoll, tatsächliche Nutzerszenarien zu überprüfen:

• werden Zahlungen erfolgreich abgewickelt?

• werden Inhalte erstellt?

• werden Benachrichtigungen zugestellt?

• werden Daten synchronisiert?

• funktionieren wichtige Integrationen?

Eine neue Sichtweise auf das Monitoring

Die Überwachung der Infrastruktur bleibt unerlässlich. Doch heute reicht das allein nicht mehr aus.

Moderne Produkte stützen sich zunehmend auf externe Dienste, APIs und Integrationen. Folglich weicht die Frage:

„Läuft der Server?“

zunehmend einer anderen:

„Funktioniert das Produkt als Ganzes?“

Ein erheblicher Teil der heutigen Vorfälle entsteht genau auf der Ebene von Abhängigkeiten, Integrationen und Nutzer-Workflows.

Und genau hier tappen viele Teams im Dunkeln.

Bei Olisen Studio sind wir bei der Arbeit an SaaS-Projekten und internen Tools auf dieses Problem gestoßen. Deshalb prüfen wir derzeit Ansätze zur Überwachung externer Abhängigkeiten, APIs, Webhook-Integrationen und Hintergrundprozesse.

Falls dieses Thema für Sie relevant ist oder Sie bereits Erfahrungen mit ähnlichen Vorfällen gemacht haben, würden wir uns freuen, uns mit Ihnen darüber auszutauschen.

Checklane: https://checklane.olisen.studio/