Fehlerbudgets

Fehlerbudgets sind ein Konzept aus dem Site Reliability Engineering (SRE). Sie legen fest, wie viel Zuverlässigkeit ein Dienst in einem festgelegten Zeitraum maximal verlieren darf, gemessen an Service-Level-Objektiven (SLOs) und Service-Level-Indikatoren (SLIs). Das zentrale Ziel ist, Zuverlässigkeit und Innovation gegeneinander abzuwägen.

Das Fehlerbudget ergibt sich aus der Differenz zwischen dem Zielwert des SLO und der tatsächlichen Zuverlässigkeit. Formell: Fehlerbudget = 1 − SLO. Bei einem SLO von 99,9 Prozent Verfügbarkeit entspricht das Fehlerbudget 0,1 Prozent Downtime im Untersuchungszeitraum. Über 30 Tage bedeutet das rund 43 Minuten ungeplante Ausfallzeit. SLIs messen beispielsweise Verfügbarkeit, Latenz oder Fehlerraten; der Vergleich mit dem SLO liefert den Verbrauch des Fehlerbudgets über den Zeitraum.

In der Praxis dient das Budget als Steuerungsmechanismus: Solange das Fehlerbudget vorhanden ist, können Weiterentwicklungen, Experimente oder Releases fortgeführt werden. Wenn das Budget verbraucht ist oder eine hohe Burn Rate vorliegt, können Maßnahmen folgen, wie das Verschieben von Releases, strengere Freigaben oder gezielte Stabilitätsarbeiten, um die Zuverlässigkeit wiederherzustellen.

Die Einführung von Fehlerbudgets erfordert klare Governance: gemeinsame SLOs, regelmäßige Berichterstattung, Postmortems zu Abweichungen und definierte Prozesse, wie Entscheidungen bei Budgetverbrauch getroffen werden. Risiken umfassen eine zu enge Budgetierung, die Innovation behindert, oder eine zu großzügige Budgetierung, die zu Instabilität führt.