Monitoring, Troubleshooting & Incident Operations

Signale in belastbare Betriebsentscheidungen übersetzen: SLIs, Alerts, Zeitlinien, Hypothesentests und koordinierte Incident-Reaktion.

Beginner

6 Module

Grundlagen und Vokabular — der sichere Einstieg.

Service-Signale

Nutzerwirkung in klare SLIs, Ziele und Risiken übersetzen.

4 Lektionen · 1 Mission

Telemetrie-Grundlagen

Metriken, Logs und Traces mit gemeinsamer Zeit und Korrelation einsetzen.

4 Lektionen · 1 Mission

Telemetrie-Datenqualität

Messdaten als überprüfbare Evidenz behandeln: Semantik, Zeit, Lücken und Kardinalität kontrollieren.

4 Lektionen · 2 Missionen

Alert-Design

Pages, Tickets und Informationssignale nach Wirkung, Dringlichkeit und Owner entwerfen.

4 Lektionen · 1 Mission

On-Call-Grundlagen

Alarmbereitschaft sicher gestalten: Handlungsauftrag, sichere Eskalation und belastbare Übergaben.

4 Lektionen · 2 Missionen

Incident-Koordination

Rollen, Kommunikation und Changes unter Zeitdruck kontrollieren.

4 Lektionen · 1 Mission

Intermediate

6 Module

Belastbare Entscheidungen im Normalbetrieb.

Diagnose und Incident-Führung

Vom unscharfen Alarm zur belegten Fehlergrenze und kontrollierten Wiederherstellung.

8 Lektionen · 1 Mission

Eskalation und Übergabe

Evidenz, Verantwortlichkeit und nächste Entscheidung ohne Informationsverlust übergeben.

4 Lektionen · 2 Missionen

Diagnosemethoden

Hypothesen mit Signalen prüfen und sichere Eingriffe von Ursache trennen.

4 Lektionen · 1 Mission

Runbooks und sichere Automatisierung

Wiederholbare Diagnose und begrenzte Automatisierung mit Freigaben, Guardrails und Verifikation gestalten.

4 Lektionen · 2 Missionen

Observability Platform

Monitoring selbst als kritischen Dienst mit Datenqualität, Zugriff und Kosten betreiben.

4 Lektionen · 1 Mission

Änderungsrisiko und Observability

Deployments und Konfigurationsänderungen mit Wirkungssignalen, Rollback-Kriterien und Zeitlinien koppeln.

4 Lektionen · 2 Missionen

Advanced

6 Module

Grenzfälle, Trade-offs und Betrieb unter Druck.

Major Incidents

Große Ausfälle mit Eskalation, Änderungskontrolle und Wiederherstellung führen.

4 Lektionen · 2 Missionen

Resilienz validieren

Failover, Degradation und Recovery als kontrollierte Hypothesen testen, ohne Produktion blind zu gefährden.

4 Lektionen · 2 Missionen

Lernen und Zuverlässigkeit

Nach Incidents Ursachen, Kontrolllücken und Verbesserungen ohne Schuldzuweisung bearbeiten.

4 Lektionen · 1 Mission

Incident-Command-Simulation

Mehrdeutige Großstörungen führen: Rollen, Entscheidungslog und Kommunikation unter Zeitdruck.

4 Lektionen · 2 Missionen

Operations Governance

Service-Ownership, Bereitschaft und Betriebsrisiko als überprüfbare Verantwortungsstruktur führen.

4 Lektionen · 1 Mission

Observability-Architektur

Signalpfade, Zugriff, Kosten, Retention und Ausfallmodi als betriebliche Architekturentscheidung gestalten.

4 Lektionen · 3 Missionen

Track Boss · Abschlusslage

Observability-Architektur

Eine verdichtete Lage mit interaktiver Mission. Spiele sie zum Abschluss oder früh als anspruchsvollen Realitätscheck.

Boss betreten →