Ziel: lernen, nicht Schuld suchen
Ein Post-Incident-Review (PIR, auch Postmortem) hat ein Ziel: konkrete Maßnahmen, die ähnliche Störungen verhindern, früher erkennen oder verkürzen. Das gelingt nur, wenn offen gesprochen wird. Deshalb gilt das Blameless-Prinzip: Menschen handeln mit den Informationen, die sie im Moment haben.
Wir formulieren “Der Prozess hat nicht verhindert, dass …” statt “Person Y hat vergessen …”. Wer offen über Fehler spricht, wird dafür nicht sanktioniert.
Wann ein Review Pflicht ist
- Jeder Major Incident (P1)
- Jede P2-Störung mit Kundenwirkung über eine Stunde
- Jeder Beinahe-Ausfall mit Lerneffekt
- Jede Wiederholungsstörung mit gleicher Ursache
- Auf Wunsch von Kunde, Service Owner oder Management
Fristen
| Frist | Schritt |
|---|---|
| 24 Std. | Verantwortlichen (PIR-Owner) bestimmen, Daten sichern: Ticket, Chat, Logs, Monitoring |
| 3 Werktage | Entwurf der Zeitleiste und Auswirkung an die Teilnehmenden |
| 5 Werktage | Review-Meeting (45 bis 60 Minuten) |
| 10 Werktage | Bericht freigeben, Maßnahmen als Tickets anlegen |
| monatlich | Erledigung der Maßnahmen prüfen |
Der PIR-Owner sollte nicht der Incident Manager des Vorfalls sein. Ein neutraler Blick macht das Review besser.
Agenda für das Meeting
- Zusammenfassung und Auswirkung (5 Min.): Was ist passiert, wen hat es getroffen?
- Zeitleiste (15 Min.): Wann wussten wir was, und warum nicht früher?
- Ursachen und beitragende Faktoren (15 Min.): Warum konnte es passieren und sich ausbreiten?
- Was lief gut, was nicht (10 Min.): Was behalten wir bei, was ändern wir?
- Maßnahmen (10 Min.): Was genau tun wir, wer, bis wann?
Regeln für die Moderation
- Zu Beginn das Blameless-Prinzip ansagen.
- Fakten vor Meinungen: Die Zeitleiste wird mit Belegen erstellt.
- Nach dem “Wie” und “Warum” des Systems fragen, nicht nach dem “Wer”.
- Rückschaufehler vermeiden: Was war zum Zeitpunkt der Entscheidung bekannt?
- Eine Maßnahme wird erst aufgenommen, wenn Verantwortlicher und Termin feststehen.
Auslöser ist nicht gleich Ursache
Der Auslöser ist, was passierte (z. B. ein Deployment). Die Ursache ist, warum es sich ausbreiten konnte (z. B. kein schrittweises Ausrollen, fehlender Alarm). Wie Sie mit der Warum-Kette zur systemischen Ursache kommen, zeigt der Artikel 5-Why und Ursachenanalyse in der Praxis.
Gute und schlechte Maßnahmen
| Typ | Ziel | Gutes Beispiel |
|---|---|---|
| Verhindern | Störung tritt nicht mehr auf | Automatischen Rollback bei fehlgeschlagenem Health-Check einführen |
| Erkennen | Störung wird früher bemerkt | Alarm auf Fehlerquote über 2 % im Checkout (Team Plattform, bis 15.12.) |
| Verkürzen | Wiederherstellung geht schneller | Runbook “Failover Datenbank” erstellen und einmal üben |
Schlechte Maßnahmen klingen so: “Monitoring verbessern”, “besser aufpassen”, “Doku aktualisieren”. Gute Maßnahmen beantworten: Was genau, wer, bis wann, und woran erkennen wir, dass es erledigt ist?
Kennzahlen
- PIR-Quote: Anteil der Pflicht-Incidents mit durchgeführtem Review (Ziel: 100 %)
- Zeit bis Bericht: höchstens 10 Werktage
- Quote erledigter Maßnahmen: über 80 % fristgerecht
- Wiederholungsstörungen: Ziel ist null