Lehden aiheesta projektikäytäntöön
Artikkeliin liittyvät palvelu- ja tekniikkasivut
Freitag, 15:40 Uhr. Das Deployment ist durch, der Fachbereich will noch „kurz“ die wichtigsten Vorgänge prüfen. Dann kommt das Ticket: „In Test ging es, in Produktion nicht.“ Ein Upload bricht ab, ein Hintergrundjob bleibt hängen, ein SSO-Login klappt nur bei bestimmten Rollen. Die Teamreaktion ist fast reflexhaft: Logs auf, Konfiguration vergleichen, zur Not ein Hotfix – bitte heute noch.
Wenn dieser Satz häufiger fällt, ist das Problem oft nicht der Code. Es ist Dev/Test/Prod-Drift: Unterschiede zwischen Entwicklungs-, Test-/Staging- und Produktionsumgebung, die sich über Wochen einschleichen. Mal ist es eine Proxy-Regel. Mal ein Zertifikat mit anderer Chain. Mal ein Datenbankparameter, der in Produktion „mal eben“ gedreht wurde. Jede Einzelabweichung wirkt klein – bis sie genau im falschen Moment mit einem Release kollidiert.
Der entscheidende Moment passiert dabei selten im Architekturmeeting. Er passiert im Alltag: Ein Admin setzt eine Ausnahme, ein Dienstleister passt eine Policy an, ein Incident wird mit einem manuellen Eingriff beruhigt. Die weniger hilfreiche Reaktion ist, das als Einzelfall abzuhaken. Die bessere Reaktion ist, darin ein Signal zu sehen: Es gibt einen Nebenkanal für Änderungen – und der erzeugt Drift. Genau dort setzen Teams an, wenn sie Umgebungen konsistent halten wollen: Drift sichtbar machen, Drift bewerten, Drift reduzieren. Infrastructure as Code (IaC) – also versionierte, überprüfbare Definitionen für Infrastruktur und Konfiguration – ist dafür ein starker Hebel, aber nicht die ganze Lösung.
Warum Dev/Test/Prod-Drift teuer wird: Supportzeit, Release-Risiko, Vertrauen
Drift wirkt nicht wie ein spektakulärer Ausfall. Er frisst Zeit in kleinen Portionen – und trifft dann plötzlich die falsche Stelle im Prozess.
- Fehlersuche wird zur Hypothesenjagd. Wenn ein Problem nur in Produktion auftritt, lässt es sich nicht zuverlässig nachstellen. Es entstehen Vergleichslisten, manuelle Checks und trotzdem bleibt Unsicherheit, ob der Fix wirklich greift.
- Tests verlieren Aussagekraft. Eine Staging-Umgebung soll Verhalten vorwegnehmen. Wenn „gleiche App, andere Umgebung“ gilt, werden UAT (User Acceptance Test, also fachliche Abnahme) und Regressionstests zur Risiko-Wette.
- Governance wird Detektivarbeit. Wer hat wann was geändert? War es genehmigt? Ohne sauberen Änderungskanal sind diese Fragen im Incident kaum belastbar zu beantworten.
AWS beschreibt Drift als Folge von Änderungen außerhalb des IaC-Workflows – also Eingriffe per Konsole/CLI/SDK („ClickOps“), die nicht in Templates zurückfließen.[Quelle] Die praktische Folgerung für Betrieb und Projektleitung: Drift ist selten böse Absicht. Drift ist das Ergebnis eines zu langsamen, zu unklaren oder als „zu riskant“ empfundenen Standardprozesses. Wer Drift reduzieren will, muss den Standardprozess schneller und verlässlicher machen – nicht nur verbieten.
Was driftet wirklich? Eine Landkarte typischer Abweichungen
Für IT-Leitung und technische Entscheider ist die Einordnung wichtig: Drift ist nicht nur „Cloud-Infrastruktur“. In gewachsenen Unternehmenslandschaften driftet alles, was Systemverhalten beeinflusst und nicht konsequent versioniert und geprüft wird.
1) Infrastruktur- und Plattform-Drift
Netzwerkregeln, Load Balancer/Reverse Proxy, DNS, TLS-Zertifikate, VM- oder Container-Parameter, Storage-Policies, IAM/Rollen (Identity & Access Management, also Berechtigungen) und Security-Gruppen. Diese Ebene ist oft am besten mit IaC abbildbar, weil sie sich deklarativ beschreiben lässt und Änderungen gut vergleichbar sind.
2) Applikations- und Konfigurationsdrift
Umgebungsvariablen, Feature-Flags (Schalter für Funktionen), Connection-Strings, Timeouts, Job-Intervalle, SMTP-Server, SAML/OIDC-Parameter, Integrationsendpunkte. Diese Werte werden häufig an mehreren Orten gepflegt (Ticket, Wiki, lokale Datei, „nur auf dem Server“). Genau so entsteht der Klassiker: In Test passt ein Timeout, in Produktion greift noch der alte Wert.
3) Daten-Drift: Schema, Referenzdaten, Zustand
Datenbanken sind Drift-Magnete. Nicht nur das Schema kann auseinanderlaufen (fehlende Migration, manuell angepasster Index), auch Referenzdaten, Berechtigungszuordnungen oder Datenqualitätszustände unterscheiden sich. Das führt zu Effekten, die in Staging nicht sichtbar waren, weil dort andere Datenfälle existieren.
Der entscheidende Moment: Zwei Reaktionen auf denselben Incident
Wenn Drift zuschlägt, zeigt sich schnell, ob Organisation und Betrieb auf „Schnell beruhigen“ optimiert sind – oder auf wiederholbare Stabilität.
Weniger hilfreiche Reaktion: „Nur diesmal, nur schnell“
Unter Zeitdruck wird direkt in Produktion geändert: Proxy-Limit hoch, Firewall-Ausnahme rein, Rolle erweitert, Timeout angepasst. Der Incident ist weg. Die Änderung bleibt aber als Einzelstück liegen. Staging wird nicht nachgezogen, IaC nicht aktualisiert, keine Regel ergänzt. Beim nächsten Release taucht dasselbe Muster wieder auf – nur mit anderer Symptomatik.
Bessere Reaktion: „Fixen – und den Drift-Kanal schließen“
Die Änderung darf im Notfall passieren, aber sie wird als Drift behandelt: Ticket-Referenz, Owner, Entscheidung (Template nachziehen oder bewusst abweichen), Frist. Danach wird ein Drift-Check ergänzt, der genau diese Klasse Abweichungen künftig sichtbar macht. Aus dem Incident entsteht Betriebshygiene.
Das DoD Cloud Security Playbook nennt die Reduktion manueller Änderungen an Produktionsumgebungen als explizite Maßnahme, um Konfigurations- und Umgebungsdrift zu stoppen oder zu verringern.[Quelle] Die Grenze bleibt: In echten Störungen braucht es manchmal Break-Glass-Zugriffe (Notfallzugriff mit erweiterten Rechten). Die Konsequenz ist deshalb nicht „nie anfassen“, sondern: Break-Glass nur kontrolliert, geloggt und mit Rückführungspflicht.
Drift früh erkennen: Signale, die Sie ohne Großprojekt nutzen können
Drift muss nicht bis zum Release knallen. Es gibt Alltagssignale, die Teams als Frühwarnsystem nutzen können – ohne sofort die ganze Landschaft umzubauen.
- Der Satz „works in test“ häuft sich. Nicht als Schuldfrage lesen, sondern als Hinweis: Vergleichbarkeit ist unklar.
- Hotfixes passieren an denselben Stellen. Reverse Proxy, Zertifikate, IAM, Job-Runner, Datenbankparameter: Das sind Drift-Hotspots, keine Zufälle.
- Viele Changes ohne Review-Spur. Wenn Änderungen häufig „außerhalb“ laufen (Konsole, Server-Login, manuelle Skripte), wächst Drift auch dann, wenn Releases sauber gebaut sind.
- UAT-Überraschungen kurz vor Go-live. Wenn der Fachbereich Dinge findet, die „eigentlich getestet“ waren, lohnt der Blick auf Konfiguration, Daten und Abhängigkeiten – nicht nur auf UI und Funktionen.
NIST betont im Kontext kontinuierlicher Validierung, dass fortlaufende Prüfung von Konfigurationszuständen frühere Erkennung von Drift, Fehlkonfiguration oder Exposure ermöglicht – besonders in Umgebungen mit häufigen Änderungen.[Quelle] Praktisch heißt das: Ein kleiner, regelmäßiger Validierungsrhythmus ist besser als „wir prüfen, wenn es brennt“.
Dev/Test/Prod-Drift mit IaC reduzieren: Was IaC im Betrieb leistet (und was nicht)
IaC bedeutet: Infrastruktur- und Plattformkonfiguration werden als versionierte Definitionen behandelt. Änderungen laufen wie Softwareänderungen über einen kontrollierten Weg: Review, Freigabe, nachvollziehbarer Rollout. Für Entscheider ist wichtig: IaC ist weniger ein Toolkauf als ein Betriebsmodell.
AWS beschreibt Drift Detection als Praxis, um Abweichungen zwischen definiertem Soll und realem Ist zu erkennen und – je nach Reifegrad – auch geplant laufen zu lassen.[Quelle] Der Nutzen entsteht aber erst, wenn ein sichtbarer Drift auch eine Konsequenz hat: Triage, Ticket, Entscheidung, Rückführung oder bewusst akzeptierte Abweichung.
Typische Wirkung von IaC im Alltag
- Standardisierung: Dev/Test/Prod entstehen aus denselben Bausteinen. Unterschiede (z. B. Größe, Anzahl Instanzen, Limits) sind bewusst parameterisiert.
- Reproduzierbarkeit: Eine Umgebung ist kein Unikat. Man kann sie gezielt nachziehen oder neu aufbauen, um Fehler zu analysieren.
- Reviewbarkeit: Änderungen sind nachvollziehbar: Was ändert sich an Rollen, Ports, Security-Regeln, TLS-Policies?
- Maschinelle Drift-Erkennung: Abweichungen durch Konsole/Server-Login werden meldbar, statt zufällig entdeckt.
Grenzen, die man offen einplanen sollte
- Applikationskonfiguration ist ein eigenes Kapitel. IaC löst keine Feature-Flags, SMTP-Parameter oder lokale Config-Dateien, wenn diese nicht in denselben Prozess überführt werden.
- Daten und Integrationen bleiben unterschiedlich. Produktion hat echte Daten, echte Partner, andere Lastprofile. Vollständige Identität ist selten erreichbar oder erlaubt.
- „State“ und Inventar können täuschen. Wenn Zustände und Realität auseinanderlaufen oder Reports falsch interpretiert werden, entsteht Scheinsicherheit. Umgang mit Inventar/State gehört zur Einführung dazu.
Pragmatisches Vorgehen: Drift-Reduktion in 7 Schritten
Viele Organisationen brauchen keinen IaC-Big-Bang, sondern einen Einstieg, der den Betrieb nicht destabilisiert. Diese Schrittfolge ist auf gewachsene Umgebungen ausgelegt.
- Drift-Risiken inventarisieren: Liste aller Komponenten, die Verhalten oder Sicherheit prägen (Proxy, IAM, Firewall, Zertifikate, Job-Runner, Datenbankparameter, Secrets).
- „Goldene“ Sollzustände definieren: Was muss zwischen Staging und Produktion gleich sein (z. B. Auth-Flow, TLS-Policy, Header-Regeln, Payload-Limits, Timeouts)? Was darf abweichen (Skalierung, Daten, Quoten)?
- Änderungskanal festlegen: Welche Änderungen müssen über Review laufen? Was ist Break-Glass – und wie wird es geloggt und zeitlich begrenzt?
- Ersten IaC-Scope schneiden: Nicht „alles“, sondern die driftigsten und riskantesten Bereiche zuerst, häufig Netzwerk/Proxy und Identity.
- Drift Detection regelmäßig ausführen: Geplant (z. B. täglich oder wöchentlich) und nach Changes/Incidents. Der Report muss bei jemandem landen, der handeln kann.
- Rückführungsprozess etablieren: Jede manuelle Prod-Änderung bekommt eine Entscheidung: Template/Config nachziehen oder bewusst abweichen – mit Begründung, Owner und Ablaufdatum.
- Messbar machen: Drift-Funde pro Zeitraum, Zeit bis Rückführung, Anteil manueller Änderungen, Incidents mit Drift als Ursache.
Vergleichstabelle: Drift-Quellen, Symptome und Gegenmaßnahmen
| Drift-Quelle | Typische Symptome | Risiko im Alltag | Pragmatische Gegenmaßnahme |
|---|---|---|---|
| Manuelle Änderungen (Konsole/Server-Login) | Nur Prod verhält sich anders; keine belastbare Spur | Wiederkehrende Incidents; Nachweisprobleme | Break-Glass-Regeln, Logging, Rückführung in IaC/Config |
| Uneinheitliche Applikationsparameter | Timeouts/Feature-Flags/Endpunkte unterscheiden sich | UAT wird unzuverlässig; Support eskaliert schneller | Konfiguration versionieren, zentrale Parameterpflege, Reviews |
| Datenbank-Schema/Parameter | Migration fehlt; andere Collation/Extensions; andere Indizes | Performance- und Logikfehler, die „nur dort“ auftreten | Migrationslauf pro Release, Schema-Checks, Parameter-Baseline |
| Identity-/Rollenmodell je Umgebung | Rechtefehler nur in einer Umgebung; SSO reagiert anders | Überberechtigung oder Blockaden im Betrieb | Rollen/Policies versionieren, klare Umgebungsrollen, Rezertifizierung |
| Abweichende Abhängigkeiten (Drittservices) | Test nutzt Sandbox; Prod echtes System mit Limits | Fehler erst im Echtbetrieb; Schnittstellenstörungen | Schnittstellenverträge, synthetische Checks, kontrollierte Fallbacks |
Konstruiertes Beispiel: Der Drift, der sich als „Bug“ tarnt
Governance, die Drift wirklich reduziert: Rollen, Reviews, Rhythmus
Drift endet nicht, weil ein neues Tool eingeführt wird. Drift endet, wenn Änderungen verlässlich durch einen gemeinsamen Kanal laufen und Abweichungen regelmäßig sichtbar werden. ENISA nennt als praktikable Kontrollpunkte unter anderem „treat configuration as code“, Peer Reviews sowie geplante Drift-Detection-Jobs/Reports.[Quelle] Der Nutzen: Stabilität wird wiederholbar, statt vom Gedächtnis Einzelner abzuhängen.
Regeln, die in vielen Organisationen tragfähig sind
- Änderungen an Prod sind Changes, keine „Handgriffe“. Selbst wenn es schnell gehen muss: Ticket/Change, Owner, Zeitstempel.
- Vier-Augen-Prinzip für drift-kritische Komponenten. Netzwerk, IAM, Proxy, Zertifikate, Backup/Restore – dort ist der Schadensradius groß.
- Ein fester Drift-Rhythmus. Zum Beispiel: wöchentlicher Drift-Report, monatliche Review der „approved deviations“.
- Rückkanal in Projekte. Drift-Funde werden ins Backlog aufgenommen und priorisiert, statt nur als Betriebsarbeit zu versickern.
Drift Detection operativ einbauen: vom Report zur Entscheidung
Drift Detection ist dann wirksam, wenn sie als Ablauf existiert – nicht als einmaliger Audit. HashiCorp beschreibt für Terraform unter anderem die Drift-Ermittlung über einen Refresh-only-Plan, um Abweichungen zwischen State und realer Infrastruktur festzustellen.[Quelle] Der praxisrelevante Punkt: Teams müssen verstehen, was der jeweilige Ist-Zustand tatsächlich abbildet, wie aktuell er ist und wann Ergebnisse belastbar sind.
Ein tool-agnostisches Minimal-Design
- Ausführung: Drift-Check läuft automatisch (z. B. CI-Job) und zusätzlich on-demand nach Changes/Incidents.
- Ausgabe: Kurzer Report: Welche Ressourcen/Konfigurationen weichen ab, seit wann, in welcher Umgebung?
- Triage: Einstufung in „kritisch“ (Sicherheit/Verfügbarkeit), „relevant“ (Release-Risiko), „kosmetisch“ (z. B. Tags).
- Aktion: Ticket an Owner mit Entscheidung: zurückführen, akzeptieren (mit Laufzeit) oder Untersuchung starten.
Ein Warnsignal ist erreicht, wenn Drift-Reports regelmäßig „rot“ sind, aber niemand reagiert. Dann entsteht Alarmmüdigkeit – und Drift wird wieder unsichtbar, nur diesmal mit Reports.
Umgebungen konsistent halten heißt nicht identisch halten
Der verbreitete Irrtum lautet: „Wir müssen Produktion 1:1 kopieren.“ Das ist oft nicht bezahlbar, nicht zulässig (Stichwort Personendaten) oder technisch nicht sinnvoll. Ein besseres Ziel ist: gleiches Verhalten für relevante Aspekte.
- Gleiche Deploymentschritte und Artefakte: Was in Staging ausgerollt wird, ist das gleiche Release-Artefakt wie in Prod – Unterschiede stecken in kontrollierten Parametern.
- Gleiche Sicherheitslogik: Authentifizierung, Rollenmodell, TLS-Policies, Audit-Logging, Secrets-Handling.
- Gleiche Schnittstellenverträge: Endpunkte, Payload-Grenzen, Timeouts, Retry-Strategien – auch wenn Prod echte Partner hat und Staging simuliert.
- Bewusst andere Skalierung: Ressourcen, Quoten oder HA-Setup dürfen abweichen, aber ohne Testaussagen zu entwerten.
Das hilft auch in der Abstimmung mit Fachbereichen: Es geht nicht um perfekte Spiegelung, sondern um verlässliche Abnahmen, planbare Releases und weniger Überraschungen im Tagesgeschäft.
Klare Grenzen: Wann Drift-Reduktion anders aussehen muss
Es gibt Situationen, in denen „mehr IaC“ nicht die nächste richtige Antwort ist – zumindest nicht als erster Schritt.
- Legacy-On-Prem mit manuellen Abhängigkeiten: Ein IaC-Big-Bang kann den Betrieb destabilisieren. Sinnvoller ist oft: erst Drift messen, dann die driftigsten Bausteine automatisieren.
- Regulatorische Grenzen bei Datenkopien: Staging darf häufig keine produktiven Personendaten enthalten. Dann wird Testdatenmanagement (Anonymisierung, synthetische Daten, definierte Referenzdaten) zum Pflichtbestandteil, sonst bleibt Daten-Drift als Dauerproblem.
- Vendor-Systeme mit eingeschränkter Steuerbarkeit: Bei SaaS oder Appliances ist IaC teils nur indirekt möglich. Dann helfen Konfigurations-Exports, regelmäßige Audits und klare Change-Prozesse mit dem Anbieter.
Der bessere Moment nach dem nächsten „In Test ging’s“
Beim nächsten Release wird der Satz wieder fallen – irgendwo, irgendwann. Dann entscheidet sich, ob das Team in den alten Reflex zurückfällt oder den Drift-Kanal weiter schließt. Die produktive Frage ist nicht „Wer hat’s kaputt gemacht?“, sondern: „Welche Abweichung zwischen Soll und Ist hat hier zugeschlagen – und wie verhindern wir, dass sie wieder still entsteht?“
Umgebungen konsistent halten heißt: Unterschiede werden absichtlich gemacht, nicht zufällig. IaC ist dafür ein tragfähiger technischer Baustein. Dauerhaft wirksam wird er erst mit Review, klaren Änderungsrechten, einem festen Drift-Rhythmus und einem Rückführungsprozess, der auch im Incident-Druck standhält.
Quellen und weiterfuehrende Informationen
Die fachlichen Kernaussagen wurden anhand der folgenden externen Quellen redaktionell eingeordnet.
- From clickops to governed IaC: CloudFormation drift detection in practice | AWS DevOps & Developer Productivity Blog (aws.amazon.com)
Drift entsteht häufig durch Änderungen außerhalb des IaC-Workflows (z. B. Konsole/CLI) und Drift Detection kann geplant betrieben werden. - Cloud Security Playbook Volume 1 (dodcio.defense.gov)
Manuelle Änderungen an Produktionsumgebungen zu verhindern bzw. zu reduzieren wird als Maßnahme gegen Konfigurations- und Umgebungsdrift genannt. - National Checklist Program for IT Products: Guidelines for Checklist Users and Developers (nvlpubs.nist.gov)
Kontinuierliche Validierung von Konfigurationszuständen ermöglicht frühere Erkennung von Drift und Fehlkonfigurationen. - ENISA Security by Design and Default Playbook (www.enisa.europa.eu)
Governance-Praktiken wie Konfiguration als Code, Reviews und geplante Drift-Detection-Jobs/Reports werden als Kontrollpunkte beschrieben. - Manage resource drift | Terraform | HashiCorp Developer (developer.hashicorp.com)
Terraform kann Drift zwischen State und realer Infrastruktur über refresh-orientierte Plan-Mechanismen ermitteln; State-Aktualität ist dabei relevant.
Für dieses Thema sind auch Dev Test Prod Drift und Umgebungsdrift Erkennen wichtig. Der Beitrag ordnet diese Aspekte verständlich ein und zeigt, worauf es im Alltag ankommt.
Projekt oder Modernisierungsvorhaben mit Net-Base besprechen.
Seuraava vaihe
Kun aiheesta muodostuu todellinen projekti, arkkitehtuuri, nykytila ja operointi on tarkasteltava yhdessä varhaisessa vaiheessa.
Emme tue pelkästään yksittäiskysymyksissä, vaan myös silloin, kun lähdekoodipalasista, legacy-aiheista tai portaali-ideoista halutaan muodostaa luotettava yrityshanke.
- Nykytila, tavoitetila ja tekniset riskit arvioidaan yhdessä.
- REST, tietojen käyttö, portaalit ja käyttöönotto eivät siirry myöhempään vaiheeseen.
- Näette ajoissa, mikä vaihtoehto on taloudellisesti ja operatiivisesti kannattava.