Cloud-Ausfälle verstehen: Ursachen, Auswirkungen und Prävention

Je stärker die IT auf Cloud-Dienste angewiesen ist, desto wahrscheinlicher leiden Sie unter Ausfallzeiten und Umsatzeinbußen aufgrund von Cloud-Ausfällen. Über 60 % der Organisationen, die die Public Cloud nutzen, berichteten 2022 von Verlusten durch solche Vorfälle – Ausfälle sind also keine Seltenheit, die Unternehmen unwahrscheinlich treffen.

Aber sind Ausfälle Grund genug, die Cloud dauerhaft zu verlassen? Oder sollten Sie bei dieser Infrastruktur bleiben, trotz des Risikos gelegentlicher Ausfallzeiten?

Dieser Artikel behandelt alles, was Sie über Cloud-Ausfälle wissen müssen. Wir skizzieren ihre Hauptursachen, untersuchen aufschlussreiche Statistiken, zeigen, wie Sie die Auswirkungen von Cloud-Ausfallzeiten minimieren können, und betrachten die folgenreichsten Ausfälle der letzten Jahre.

Was ist ein Cloud-Ausfall?

Ein Cloud-Ausfall ist ein Zeitraum, in dem die Dienste eines Cloud-Anbieters für Endbenutzer nicht verfügbar sind. Die Infrastruktur des Anbieters fällt aus (durch einen Bug, Stromausfall etc.), und Kunden verlieren den Zugriff auf cloudbasierte Assets, bis der Anbieter das Problem behebt.

Auswirkungstechnisch gibt es keinen Unterschied zwischen einem lokalen Rechenzentrum, das ausfällt, und einem Cloud-Ausfall. In beiden Fällen verlieren Sie den Zugriff auf IT-Assets, aber der „Hands-off“-Ansatz des Cloud-Computing fügt einige einzigartige Überlegungen hinzu:

• Cloud-Ausfälle bieten wenig bis gar keine Fehlersichtbarkeit, sodass Benutzer normalerweise nicht wissen, was schiefging.
• Das Team des Anbieters ist für die Fehlerbehebung verantwortlich, sodass Kunden nicht am Wiederherstellungsprozess teilnehmen.
• Da Sie keine Sichtbarkeit oder Kontrolle über das Problem haben, gibt es keine Möglichkeit zu wissen, wann die Dienste wieder online gehen.

Wie bei lokaler Hardware gibt es zwei Arten von Cloud-Ausfällen:

• Geplant (tritt typischerweise aufgrund geplanter Wartung auf).
• Ungeplant (passiert, wenn der Anbieter auf einen unerwarteten Fehler stößt und Wiederherstellungsmaßnahmen ergreifen muss).

Neuere Studien zeigen, dass ungeplante Ausfälle 35 % mehr kosten als geplante Ausfallzeiten (sowohl On-Premises als auch in der Cloud). Der Preisdifferenz liegt daran, dass unerwartete Vorfälle länger dauern, um identifiziert und behoben zu werden – und je länger ein Ausfall andauert, desto größer der Schaden.

Im Vergleich zu On-Site-Hardware führt cloudbasierte Infrastruktur zu häufigeren, aber weniger schweren Ausfallzeiten. Da kein Hosting-System 100 % Verfügbarkeit bietet, tolerieren Kunden gelegentliche Ausfälle im Austausch für die Vorteile des Cloud-Computing. Diese Bereitschaft spiegelt sich auch im Marktwachstum wider – die Cloud wird 2024 14,2 % der gesamten globalen IT-Ausgaben ausmachen (gegenüber 9,1 % im Jahr 2020).

Ursachen von Cloud-Ausfällen

Cloud-Ausfälle resultieren aus einer Reihe von Ursachen sowohl innerhalb als auch außerhalb der Kontrolle des Anbieters. Hier ist eine Liste der häufigsten:

• Stromausfall: Strombezogene Probleme verursachen 43 % aller Cloud-Ausfälle mit erheblichen Ausfallzeiten und finanziellen Verlusten. Ausfälle der unterbrechungsfreien Stromversorgung (USV) sind die Nummer-eins-Ursache für Stromvorfälle.
• Cybersicherheit: Cyberangriffe wie Distributed Denial of Service (DDoS) überlasten Rechenzentren mit eingehendem Datenverkehr. In diesem Fall können Endbenutzer den Dienst nicht über dieselbe Netzwerkinfrastruktur erreichen. Andere Bedrohungen (wie Ransomware oder SQL-Injection) können den Anbieter zwingen, Dienste herunterzufahren und das Problem offline zu beheben.
• Menschliches Versagen: Ein einzelner falscher Befehl oder ein Verkabelungsfehler kann die gesamte IT-Infrastruktur lahmlegen. Menschliche Fehler verursachen sowohl physische als auch softwarebezogene Probleme, die zu Ausfällen führen.
• Technische Probleme: Cloud-Dienste basieren auf einem komplexen System aus Hardware-Technologie, sodass ein Fehler, der lange genug unter dem Radar bleibt, zu einem Cloud-Ausfall führen kann.
• Software-Bugs: Fehler und Bugs sind in Cloud-Rechenzentren üblich. Die üblichen Verursacher sind Datenformat-Bugs, fehlerbezogene Bugs, Timing-Bugs und Konstantenwert-Bugs.
• Netzwerkprobleme: Probleme im Zusammenhang mit Netzwerkkommunikation und Drittanbieter-Telco-Partnern sind eine weitere häufige Ursache für Cloud-Ausfälle.
• Wartung: Geplante Wartung und Systemupgrades führen manchmal zu Ausfällen, obwohl Endbenutzer in der Regel im Voraus darüber informiert werden.
• Umweltbedingte Ursachen: Ereignisse wie Hurrikane, Brände, Gewitter und Erdbeben lösen ebenfalls Cloud-Ausfallzeiten aus, entweder indem sie die Einrichtung gefährden oder das regionale Stromnetz beschädigen.
• Komplexere Bereitstellungen: Komplexere Bereitstellungsmodelle (wie Hybrid, verteilt und Multi-Cloud) verkomplizieren Rechenzentrumsoperationen und schaffen mehr Möglichkeiten für Fehler.

Was passiert, wenn die Cloud ausfällt?

Im besten Fall dauert ein Cloud-Ausfall nur wenige Minuten und betrifft eine kleine Anzahl von Benutzern oder Diensten. Im schlimmsten Fall lähmt ein Ausfall das Geschäft eines Kunden für einen halben Tag oder länger. Ein Unternehmen verliert den Zugriff auf alle cloudbasierten Assets und bleibt abgeschnitten, bis der Ausfall endet.

Während bedrohlich, waren Fehler von Drittanbietern die Ursache für „nur“ 7 % der schweren Ausfälle im Jahr 2021. Ein schwerer Ausfall muss eines (oder mehrere) der folgenden Kriterien erfüllen:

• Erhebliche finanzielle Verluste.
• Reputationsschaden.
• Compliance-Verstöße.
• Lebensverlust.

Obwohl es drängendere Bedenken gibt (wie im Donut-Diagramm unten gezeigt), denken Sie daran, dass eine durchschnittliche Minute Ausfallzeit 5.600 $ kostet (bei Unternehmen steigt dieser Wert auf 9.000 $ pro Minute). Wenn Sie unvorbereitet sind (d. h., Sie haben keine Datensicherungen, Disaster Recovery etc.), könnte ein Cloud-Ausfall Ihren Service zum Stillstand bringen und massive Einbußen beim Ergebnis verursachen.

Ein Unternehmen, das nur einen kleinen Teil seiner Operationen in der Cloud hält, ist weniger anfällig für Ausfälle. Wenn Sie beispielsweise nur E-Mails in der Cloud hosten, ist selbst ein tagelanger Ausfall nicht katastrophal. Sie können den Vorfall aussitzen oder Apps mit reduzierter Funktionalität betreiben – eine Strategie, die nicht funktioniert, wenn Sie die Cloud für eine IoT-Plattform oder Zahlungsabwicklung nutzen.

In einigen Fällen führt ein Cloud-Ausfall zu dauerhaftem Datenverlust (die Menge der verlorenen Daten hängt von der Backup-Häufigkeit ab). Auch Kunden in stark regulierten Branchen haften für rechtliche Strafen, wenn ein Ausfall zu einem Datenschutzverstoß oder Datenleck führt – seien Sie also vorsichtig bei der Entscheidung, was Sie in der Cloud speichern.

Was können Nutzer tun?

Hier ist, was Unternehmen tun, um die Auswirkungen von Cloud-Ausfällen abzumildern:

• Single Points of Failure eliminieren: Bereiten Sie ein Backup für jede geschäftskritische IT-Komponente vor, entweder in einem lokalen Serverraum oder bei einem sekundären Anbieter. Wenn die Cloud ausfällt, führen Sie ein Failover durch (den Prozess des Umschaltens auf einen Standby-Server, eine Hardware-Komponente, ein Netzwerk etc.), um die Geschäftskontinuität zu gewährleisten.
• Einen Notfallplan haben: Ein Disaster-Recovery-Plan skizziert eine schrittweise Strategie für das, was das Team im Falle eines Ausfalls tut. Dieser Plan bietet Anweisungen zum Schutz von Daten, zur Durchführung von Failover, zur Sicherstellung der Geschäftskontinuität und zur Wiederherstellung des Betriebs. Rechtzeitige Planung für einen Cloud-Ausfall vermeidet Zeitverschwendung bei der Bewertung des besten Vorgehens während der Ausfallzeit.
• In ein höheres Verfügbarkeits-SLA investieren: Wenn Ihre geschäftskritischen Aufgaben keine langen Cloud-Ausfälle tolerieren können, suchen Sie nach einem höheren Verfügbarkeits-Service-Level-Agreement (SLA), wie z. B. eines, das 99,999 % Verfügbarkeit garantiert (maximal 5,25 Minuten Ausfallzeit pro Jahr). Diese Verträge sind teurer, aber die Aufrechterhaltung Ihrer Dienste wird für den Cloud-Anbieter zur höheren Priorität.
• Regelmäßige Datensicherungen durchführen: Ein Backup stellt sicher, dass Ihr Team einen Weg hat, eine aktuelle Version von Dateien wiederherzustellen, wenn ein Cloud-Ausfall eine Datenbank beschädigt oder löscht. Idealweise sollten Backups automatisch und stündlich bis täglich erfolgen (je nach Kritikalität).
• Ausfälle so früh wie möglich erkennen: Jede zusätzliche Cloud-Überwachungsfähigkeit, die Ihr Team einrichtet, hilft, einen Ausfall in Echtzeit zu identifizieren, anstatt auf die Benachrichtigung des Anbieters zu warten. Hier ist eine Liste der besten Cloud-Überwachungstools zur Verbesserung der Ausfallerkennung und zur Gewährleistung rechtzeitigen Failovers.

Größte jüngste Cloud-Ausfälle

Cloud-Ausfälle sind bei der Nutzung der Cloud unvermeidlich, und selbst die beliebtesten Anbieter (wie Azure, AWS und Google Cloud) sind nicht immun gegen Ausfallzeiten. Sehen wir uns einige der bedeutendsten Cloud-Ausfälle der jüngeren Geschichte an.

Azure-Ausfall (Oktober 2021)

Im Oktober 2021 erlitt Microsoft Azure eine Störung, die virtuelle Maschinendienste für sechs Stunden lahmlegte. Während des Ausfalls waren viele Benutzer nicht in der Lage, neue VMs bereitzustellen oder Erweiterungen zu aktualisieren. Grundlegende Service-Management-Operationen (wie Starten, Erstellen und Löschen) führten ebenfalls zu Fehlern.

Die Ursache war die Unfähigkeit von VM-Abfragen, die erforderlichen Versionsdaten eines Artefakts abzurufen. Ein Bericht nach der Wiederherstellung ergab, dass der softwarebasierte Fehler auftrat, als Microsoft eine seiner VM-Architekturen migrierte.

Google Cloud-Ausfall (November 2021)

Google Cloud war etwa zwei Stunden lang Mitte November ausgefallen, was u. a. folgende Unternehmen betraf:

• Home Depot.
• Snapchat.
• Etsy.
• Discord.
• Spotify.

Betroffene Websites zeigten 404-Fehler, als Besucher versuchten, darauf zuzugreifen. Google berichtete, dass die Ursache ein Fehler in einer Netzwerkkonfiguration war, die für Lastverteilung verantwortlich war.

AWS-Ausfall (Dezember 2021)

Ein großer Anstieg der Verbindungsaktivität überlastete Netzwerkgeräte in einer der AWS-Flaggschiff-Einrichtungen und beeinträchtigte verschiedene Websites und Apps. Zu den bekanntesten „Opfern“ gehörten:

• Amazons Website.
• Prime Video.
• Netflix.
• IMDb.
• PlayStation Network.

Das Rechenzentrumsproblem verursachte schwere Latenz innerhalb interner AWS-Netze. Kunden-Apps spürten die Nachwirkungen, litten unter Verkehrsverzögerungen oder kompletten Abschaltungen für etwa sieben Stunden.

Zwei aufeinanderfolgende IBM-Ausfälle (Januar 2022)

Ein Problem mit der IBM-Infrastruktur beeinträchtigte Cloud-Dienste in der Region Dallas für über fünf Stunden. Das interne Team löste das Problem, verursachte aber versehentlich ein zusätzliches stundenlanges Problem mit Virtual Private Cloud. Das sekundäre Problem betraf Nutzer weltweit, einschließlich USA, Japan, Kanada und Deutschland.

AWS/Slack-Ausfall (Februar 2022)

Slack erlitt im Februar einen Ausfall seiner AWS-Cloud-Ressourcen, der die normale Nutzung der Kommunikationsplattform für fünf Stunden verhinderte. Über 11.000 gemeldete Nutzer konnten nicht:

• Nachrichten senden oder empfangen.
• Dateien hochladen.
• Channels beitreten.
• Die Desktop-App starten.

Slacks Team teilte nie den Grund für den Cloud-Ausfall mit und bat alle betroffenen Nutzer, die App neu zu starten und den Cache nach der Wiederherstellung zu leeren.

iCloud-Ausfall (März 2022)

Fünfzehn große Apple-Dienste fielen im März für vier Stunden aufgrund eines Cloud-Ausfalls aus, darunter:

• App Store.
• Apple Maps.
• Apple TV.

Auch Apples Unternehmens- und Einzelhandelssysteme gingen down. Das Unternehmen enthüllte später, dass die Ursache ein Problem mit dem Domain Name System (DNS) des Unternehmens war.

Google Cloud-Ausfall (März 2022)

Am 8. März 2022 litten Google Cloud-Nutzer unter Servicefehlern für zweieinhalb Stunden. Spotify und Discord waren unter den Betroffenen.

Eine Änderung am Traffic Director-Code für die Verarbeitung von Konfigurationen verursachte den Fehler. Laut dem Wiederherstellungsbericht vernachlässigten schlechte Code-Änderungen Konfigurationsdatenformat-Migrationen, sodass die Plattform versehentlich die Programmierung des Benutzers löschte.

Atlassian-Ausfall (April 2022)

Der größte Atlassian-Ausfall des Jahres begann am 5. April und endete am 18. April (obwohl einige Nutzer ab dem 8. April begannen, Dienste wiederherzustellen). Das Unternehmen erklärte, dass der Ausfall aufgrund unzureichender Teamkommunikation und eines schlecht geplanten Incident-Response-Plans auftrat.

Obwohl dieser Cloud-Ausfall für einige Nutzer fast zwei Wochen andauerte, gab es keine Berichte über signifikante Verluste von Kundendaten. Nutzer beider Atlassian-Flaggschiffprodukte, Trello und Jira, waren jedoch von dem Problem betroffen.

Microsoft Azure-Ausfall (Juni 2022)

Am 7. Juni konnten Azure-Kunden keine Verbindung zu Ressourcen herstellen, die in der Region East US 2 (hauptsächlich Virginia) gehostet wurden. Der Ausfall dauerte etwa zwölf Stunden und betraf keine Kunden, die auf zonenredundante Infrastruktur setzten. Betroffene Dienste umfassten:

• Application Insights.
• Log Analytics.
• Managed Identity Service.
• Media Services.
• NetApp Files.

Der Auslöser war eine plötzliche Stromschwankung in einem der lokalen Rechenzentren, die dazu führte, dass Air Handling Units (AHUs) abschalteten.

Cloudflare-Ausfall (Juni 2022)

Im Juni verursachte ein versehentlicher Ausfall bei Cloudflare massive Störungen, die eineinhalb Stunden andauerten und beliebte Seiten wie:

• Discord.
• Shopify.
• Fitbit.
• Peloton.

zum Absturz brachten. Der in San Francisco ansässige Anbieter erklärte, dass die ungeplante Ausfallzeit auf eine Änderung der Netzwerkkonfiguration in 19 seiner Rechenzentren zurückzuführen war.

Den Wert der Cloud-Ausfallplanung nicht unterschätzen

Beispiele für Cloud-Ausfälle in den letzten Jahren senden eine klare Botschaft: Auch wenn die Cloud ein IT-Gamechanger ist, ist die Technologie nicht fehlerfrei. Unternehmen, die sich um Endbenutzer und App-Verfügbarkeit kümmern, müssen auf gelegentliche Ausfallzeiten vorbereitet sein, was Backup und Disaster Recovery (BDR) zu einem integralen Bestandteil der Nutzung cloudbasierter Ressourcen macht.