Resilienz bezeichnet die Fähigkeit eines IT-Systems, bei Störungen oder Teilausfällen nicht vollständig zu versagen, sondern wesentliche Funktionen aufrechtzuerhalten. Der Begriff stammt vom lateinischen resilire, also zurückspringen oder abprallen. Resiliente Systeme erholen sich schnell und bleiben für die Nutzer verfügbar.
Bausteine der Resilienz
Technisch wird Resilienz durch Redundanz, Dezentralität, automatische Fehlererkennung und Self-Healing-Mechanismen erreicht. Redundante Komponenten übernehmen die Arbeit, wenn eine Instanz ausfällt — etwa durch einen Failover zwischen Servern. Regelmäßige Backup und ein funktionierender Restore gehören ebenso dazu wie ein durchdachtes Incident Management.
Resilienz testen und trainieren
Resilienz entsteht nicht von selbst, sondern muss erprobt werden. Chaos Engineering erzeugt absichtlich Störungen, um Schwachstellen zu finden, und Game Day trainieren das Team im Umgang mit Ausfällen. Die Ergebnisse fließen in Runbook und Postmortem ein.
Messbarkeit
Ob ein System resilient ist, lässt sich mit Kennzahlen belegen: Uptime, Hochverfügbarkeit und SLO-Ziele zeigen, wie gut ein Dienst Störungen wegsteckt. Das Error Budget definiert, wie viel Abweichung tolerierbar ist, während Monitoring und Observability Probleme früh sichtbar machen.
Verwandte Grundlagen: Incident Commander, Blameless, SLA.