Daten mit Mehrwert: Wie aus rohen Monitoring-Signalen belastbare SLA-Reports werden

Monitoring-Daten haben oft eine kurze Halbwertszeit: Ein Alert poppt auf, das Problem wird gelöst, der Alert verschwindet. Doch für einen Managed Hosting Provider oder einen KRITIS-Betreiber steckt in diesen Daten weit mehr Potenzial. Sie sind der objektive Beweis für die erbrachte Leistung.

Die Herausforderung besteht darin, die enormen Mengen an Metriken, die das globale Endpoint Monitoring jede Sekunde produziert, so aufzubereiten, dass sie sowohl für den Techniker als auch für den Kunden verständlich sind. Die Lösung ist eine nahtlose Integration in den bestehenden Observability-Stack mittels Prometheus und Grafana.

Das Problem: Datensilos und manuelle Berichte

Ohne eine zentrale Integration entstehen im Unternehmen oft zwei getrennte Welten:

1. Die Techniker-Welt: Sie nutzen spezialisierte Tools, sehen Live-Graphen, haben aber keinen historischen Rückblick über Monate hinweg.
2. Die Business-Welt: Kundenbetreuer müssen für monatliche Service-Reviews mühsam Daten aus verschiedenen Quellen zusammenkratzen, in Excel-Tabellen übertragen und manuell Verfügbarkeiten berechnen. Das ist fehleranfällig und wirkt unprofessionell.

Die Lösung: Metriken-Export und visuelle Aufbereitung

Anstatt das Endpoint Monitoring als isolierte Insel zu betreiben, fließen alle Ergebnisse - von der Antwortzeit in Millisekunden bis zum TLS-Status - direkt in die zentrale Zeitreihen-Datenbank (z. B. Prometheus oder VictoriaMetrics).

1. Prometheus als zentraler Speicher (Single Source of Truth)

Jeder Check der globalen PoPs wird als Prometheus-Metrik exportiert. Das hat entscheidende Vorteile:

• Langzeitarchivierung: Wir können die Verfügbarkeit nicht nur für heute, sondern für das gesamte letzte Jahr analysieren.
• Korrelation: Wir können die externe Antwortzeit direkt mit internen Metriken (z. B. CPU-Last des Webservers) in einem Chart vergleichen.
• Standard-Abfragen: Mit PromQL (Prometheus Query Language) lassen sich komplexe Fragen beantworten, wie: “Wie hoch war die durchschnittliche Verfügbarkeit aller API-Endpunkte für Kunden X im letzten Quartal?”

2. Grafana für das Dashboarding

Grafana ist das Fenster zu den Daten. Hier erstellen wir unterschiedliche Ansichten für verschiedene Zielgruppen:

• Das Operations-Dashboard: Fokus auf Echtzeit-Daten, Latenz-Spikes und TLS-Warnungen für das On-Call-Team.
• Das Management-Dashboard: High-Level-Ansicht über alle Kunden-SLAs mit “Ampelsystem” (Grün/Gelb/Rot).
• Das Kunden-Dashboard: Eine gefilterte Ansicht, die dem Kunden transparent zeigt, dass seine gemietete Infrastruktur die vereinbarten Ziele erreicht.

3. Automatisierte SLA-Reports

Der größte operative Hebel ist die Automatisierung des Berichtswesens. Da die Daten strukturiert vorliegen, können Berichte auf Knopfdruck oder zeitgesteuert generiert werden:

• Verfügbarkeits-Prozentsatz: Berechnet auf Basis der tatsächlichen Uptime (z. B. 99,95 %).
• Performance-Trends: Grafische Darstellung, ob die Anwendung über den Monat hinweg langsamer geworden ist.
• Incident-Historie: Auflistung aller verifizierten Ausfälle inklusive Dauer und betroffener Regionen.

Fazit: Transparenz schafft Vertrauen

Indem wir Monitoring-Daten aus ihren Silos befreien und in professionelle Dashboards und Reports überführen, wird Technik für alle Beteiligten greifbar. Für den Kunden ist es das beruhigende Gefühl, dass die versprochene Qualität messbar eingehalten wird. Für den Provider ist es die effiziente Art, seine Professionalität ohne manuellen Zusatzaufwand nachzuweisen. Monitoring ist am Ende nicht nur ein technisches Warnsystem, sondern ein zentrales Werkzeug der Kundenbindung.

FAQ

Können wir dem Kunden Zugriff auf unser Grafana geben? Ja, Grafana unterstützt Multi-Tenancy. Man kann Kunden-Accounts so konfigurieren, dass diese ausschließlich die Daten ihrer eigenen Endpunkte sehen. Das ist ein massiver Vertrauensbeweis in die eigene Dienstleistung.

Wie gehen wir mit Wartungsfenstern in den SLA-Reports um? In Prometheus lassen sich Wartungszeiten markieren oder über spezifische Metriken aus der Berechnung ausschließen. So wird die Verfügbarkeit im Report nicht durch geplante Arbeiten verfälscht.

Ist Prometheus für die Langzeitspeicherung von SLA-Daten geeignet? Prometheus selbst ist eher auf kurz- bis mittelfristige Daten optimiert. Für echte SLA-Historien über Jahre hinweg empfiehlt sich die Anbindung eines Long-Term-Storage wie VictoriaMetrics oder Thanos.

Können wir auch Fehlerraten (Error Budgets) tracken? Absolut. In Anlehnung an Google’s SRE-Prinzipien lassen sich “Error Budgets” definieren. Das Dashboard zeigt dann nicht nur, ob es aktuell brennt, sondern wie viel “Ausfallzeit” im Monat noch übrig ist, bevor das SLA verletzt wird.