Was ist ein Major Incident?
Ein Major Incident (oft auch P1) liegt vor, wenn ein kritischer Geschäftsprozess oder Kundenservice nicht verfügbar oder stark beeinträchtigt ist, es keinen Workaround gibt und viele Nutzer betroffen sind. Typische Beispiele: Der Checkout eines Onlineshops fällt aus, eine SaaS-Anwendung ist für alle Kunden nicht erreichbar, ein Fachverfahren in der Verwaltung steht.
Der Unterschied zu einer normalen Störung liegt nicht in der Technik, sondern im Ablauf. Bei einem Major Incident reicht es nicht, dass ein Team still an der Lösung arbeitet. Es braucht Führung, Koordination mehrerer Teams und verlässliche Information nach außen.
Grundregel: Im Zweifel als Major Incident einstufen und später herunterstufen. Eine zu späte Hochstufung kostet mehr Zeit als ein überflüssiger Call.
Wie Sie Schweregrade sinnvoll festlegen, lesen Sie im Artikel Schweregrade P1 bis P4 sinnvoll definieren.
Die Rollen
Der häufigste Fehler bei großen Ausfällen: Alle analysieren, niemand führt. Deshalb trennt ein gutes Major Incident Management Führung und Technik.
- Incident Commander (oder Incident Manager): führt den Prozess, priorisiert, verteilt Aufgaben und entscheidet über das Vorgehen, nicht über technische Details.
- Technical Lead: koordiniert die Fehlersuche der Fachteams und bewertet Hypothesen.
- Communications Lead: verantwortet Updates an Kunden, Management und Statusseite.
- Scribe: hält Zeitleiste, Entscheidungen und Aufgaben fest.
In kleinen Teams übernimmt eine Person mehrere Rollen. Nur eines sollte der Incident Commander nicht tun: gleichzeitig selbst technisch analysieren. Mehr dazu in Rollen im Major Incident.
Der Ablauf in acht Phasen
| Phase | Zeitziel | Was passiert |
|---|---|---|
| 1. Erkennen | 0 bis 5 Min. | Alarm oder Meldung, Ticket anlegen, Priorität setzen |
| 2. Alarmieren | bis 10 Min. | Bereitschaft holen, Call und Chatkanal eröffnen |
| 3. Klären | bis 20 Min. | Auswirkung, Startzeit, Betroffene, letzte Änderungen |
| 4. Stabilisieren | laufend | Erst wiederherstellen (Rollback, Failover, Feature abschalten), dann Ursache suchen |
| 5. Kommunizieren | 15 Min., dann alle 30 Min. | Erstmeldung, danach regelmäßige Updates, auch ohne Neuigkeit |
| 6. Eskalieren | 30 / 60 Min. | Ohne Hypothese oder Lösung: Management und Hersteller einbinden |
| 7. Wiederherstellen | Service per Test und Monitoring bestätigen | |
| 8. Schließen | Abschlussmeldung, Problem-Ticket und Review anlegen |
Die Zeitziele sind Vorschläge. Wichtig ist, dass sie vorher festgelegt sind und nicht im Ernstfall verhandelt werden.
Regeln für den Call
- Der Incident Commander moderiert. Jede Aufgabe bekommt einen Namen und einen Zeitpunkt für die Rückmeldung.
- Technische Detaildiskussionen gehen in Untergruppen, Ergebnisse kommen zurück in den Call.
- Jede Änderung am System wird vorher angesagt und protokolliert.
- Wer neu dazukommt, liest zuerst die Zusammenfassung, statt den Call zu unterbrechen.
- Bei einem Wechsel des Incident Commanders gibt es eine aktive Übergabe: Stand, offene Aufgaben, nächstes Update.
Eskalation: zeitbasiert und fachlich
Eine gute Eskalationsmatrix beantwortet zwei Fragen: Wann wird wer hinzugezogen (zeitbasiert, z. B. nach 30 Minuten ohne Hypothese die Teamleitung und der Hersteller) und wer ist für welches Thema zuständig (fachlich, z. B. Netzwerk, Datenbank, Hosting-Anbieter). Beides muss auch nachts und am Wochenende funktionieren.
Kommunikation
Die Erstmeldung sollte innerhalb von 15 Minuten raus sein: Was ist betroffen, seit wann, wer ist betroffen, gibt es einen Workaround, wann kommt das nächste Update. Danach folgen Updates in einem festen Takt. Vorlagen dafür finden Sie im Artikel Kundenkommunikation während einer Störung.
Nach dem Incident
Innerhalb von fünf Werktagen folgt ein Post-Incident-Review ohne Schuldzuweisung. Die Maßnahmen daraus werden im Problem Management nachverfolgt, bis sie erledigt sind. Erst dann ist der Major Incident wirklich abgeschlossen.
Kennzahlen
- MTTD: Zeit von Störungsbeginn bis zur Erkennung
- MTTA: Zeit bis der Incident Commander aktiv ist
- MTTR: Zeit bis zur Wiederherstellung
- Pünktlichkeit der Updates im vereinbarten Takt
- Wiederkehrende Major Incidents mit gleicher Ursache