Ein Uptime- und Incident-Dashboard sollte drei Fragen in unter zehn Sekunden beantworten: Ist gerade etwas ausgefallen, erreichen wir unsere Verfügbarkeitsziele, und droht demnächst etwas auszufallen? Dazu gehört eine obere Ebene mit Status, Uptime im Vergleich zum SLA, Latenz-Perzentilen und aktiven Incidents, ergänzt durch Drill-down-Panels, die diese Werte erklären.
Mit zwei Ebenen beginnen: Überblick vs. Drill-down
Die meisten Dashboards scheitern, weil jedes Panel gleich viel Gewicht bekommt. Trennen Sie die Ansicht, die ein Bereitschaftsingenieur bei einem Alarm öffnet, von der Ansicht, die ein Teamleiter wöchentlich prüft.
- Auf einen Blick: aktueller Status, Uptime-Prozentsatz vs. Zielwert, Antwortzeittrend und offene Incidents. Diese Panels sollten ohne Scrollen sichtbar sein.
- Drill-down: Aufschlüsselung von Fehlern und Statuscodes, Verfügbarkeit pro Region, MTTD/MTTR-Verlauf, Ablauf von Zertifikaten und Domains sowie Alarmvolumen pro Monitor. Sie erklären, warum die obere Ebene so aussieht, wie sie aussieht.
Die Überblicks-Panels
Aktueller Statusüberblick
Eine Zeile pro Dienst mit dem Zustand verfügbar, eingeschränkt oder ausgefallen, wobei fehlerhafte Dienste oben stehen. Zeigen Sie den Zeitpunkt der letzten Zustandsänderung: „seit 40 Sekunden down“ und „seit 40 Minuten down“ erfordern völlig unterschiedliche Reaktionen.
Uptime-Prozentsatz vs. SLA-Ziel
Zeigen Sie die Uptime pro Dienst über 24 Stunden, 7 Tage und 30 Tage mit einer SLA-Referenzlinie. Ein monatliches Ziel von 99,9 % erlaubt rund 43 Minuten Ausfallzeit, daher ist das verbleibende Error Budget in Minuten oft aussagekräftiger als der Prozentwert. Die 30-Tage-Ansicht zeigt, ob Sie sich ein riskantes Deployment leisten können.
Antwortzeittrend mit p50 und p95
Durchschnittswerte verschleiern Probleme. Stellen Sie den Median (p50) für die typische Nutzererfahrung und p95 für Ihre langsamsten Nutzer dar. Ein stabiler p50 bei steigendem p95 deutet oft auf eine ausgelastete Abhängigkeit oder eine einzelne beeinträchtigte Region hin, bevor es zum vollständigen Ausfall kommt.
Aktive und kürzliche Incidents
Listen Sie offene Incidents mit Startzeit, betroffenen Monitoren und laufender Dauer auf, danach die in den letzten 72 Stunden gelösten Incidents. Die Dauer ist wichtiger als die Anzahl.
Die Drill-down-Panels
- MTTD und MTTR: Die Mean Time to Detect zeigt, ob Prüfintervalle und Schwellenwerte eng genug sind; die Mean Time to Resolve zeigt, wie wirksam Ihre Reaktion ist. Betrachten Sie den Trend über 30 bis 90 Tage.
- Fehlerrate und Statuscode-Aufschlüsselung: Teilen Sie Antworten in 2xx, 3xx, 4xx und 5xx auf. Ein 5xx-Anstieg weist auf den Server hin; eine Häufung von 404-Fehlern nach einem Release bedeutet meist defekte Routen.
- Countdown bis zum SSL- und Domain-Ablauf: Zeigen Sie die verbleibenden Tage für jedes Zertifikat und jede Domain an, mit Warnungen bei 30, 14 und 7 Tagen. Ausfälle durch Ablauf sind vollständig vermeidbar.
- Verfügbarkeit pro Region: Prüfungen von mehreren Standorten unterscheiden einen globalen Ausfall von einem regionalen DNS-, CDN- oder Routing-Problem.
- Alarmvolumen: Zählen Sie die Alarme pro Monitor und Woche. Monitore, die häufig auslösen, ohne dass passende Incidents vorliegen, müssen nachjustiert werden.
Empfohlene Panels und Zeitfenster
| Panel | Welche Frage es beantwortet | Empfohlenes Zeitfenster |
|---|---|---|
| Aktueller Status | Was ist gerade ausgefallen? | Live |
| Uptime vs. SLA | Liegen wir innerhalb unseres Verfügbarkeitsziels? | 24 h / 7 T / 30 T |
| Antwortzeit p50/p95 | Verschlechtert sich die Performance für echte Nutzer? | 24 h, verglichen mit 7 T |
| Aktive und kürzliche Incidents | Was ist offen und wie lange schon? | Live + 72 h |
| MTTD / MTTR | Erkennen und beheben wir Probleme schneller? | 30–90 T |
| Statuscode-Aufschlüsselung | Liegt der Fehler beim Server oder beim Client? | 24 h / 7 T |
| SSL- und Domain-Ablauf | Was läuft ab, bevor wir es bemerken? | Nächste 30–90 T |
| Verfügbarkeit pro Region | Ist das Problem global oder regional? | 24 h |
| Alarmvolumen | Welche Monitore erzeugen Rauschen? | 7 T / 30 T |
Welche dieser Metriken Sie zuerst priorisieren sollten, erfahren Sie in unserem Leitfaden dazu, welche Website-Uptime-Metriken SaaS-Teams zuerst überwachen sollten.
Wie UpScanX diese Panels abdeckt
UpScanX bietet für jeden Monitor eine Echtzeit-Performance-Ansicht mit aktuellem Status, Uptime-Prozentsatz, Antwortzeitverlauf und Anzahl der Incidents – für HTTP/HTTPS-, API-, SSL-, Domain-, Ping- und Port-Checks, die von mehr als 15 globalen Standorten ausgeführt werden. Alarme gehen per E-Mail, Slack, Telegram, Microsoft Teams oder Webhook raus, und KI-Berichte ergänzen Anomalieerkennung, Alarmkorrelation und geplante E-Mail-Zusammenfassungen.
Auf der Traffic-Seite liefert das kostenlose UpScanX Analytics-Dashboard eine Aufschlüsselung der HTTP-Statuscodes (2xx/3xx/4xx/5xx und Fehlerseiten) aus echten Besuchen, sodass Sie sehen, ob ein Incident tatsächlich bei den Nutzern angekommen ist.
Wichtigste Erkenntnisse
- Trennen Sie Überblicks-Panels (Status, Uptime vs. SLA, p50/p95, offene Incidents) von Drill-down-Panels.
- Zeigen Sie die Uptime über 24 h, 7 Tage und 30 Tage mit sichtbarer SLA-Linie und Error Budget.
- Verwenden Sie für Antwortzeiten Perzentile statt Durchschnittswerte.
- Verfolgen Sie Ablauf-Countdowns und die Verfügbarkeit pro Region, um vermeidbare und partielle Ausfälle zu erkennen.
- Überprüfen Sie MTTD, MTTR und Alarmvolumen monatlich.