News

Am 17. August 2026 kam es bei GitHub zu einem weltweiten Ausfall. Für insgesamt sieben Stunden und 47 Minuten waren unter anderem die Anmeldung, GitHub Actions, APIs, Pull Requests, Issues und Copilot beeinträchtigt. Nach Angaben von GitHub hatte eine kritische Infrastrukturkomponente eine neue Lastspitze erreicht, konnte aber nicht ausreichend skalieren. Während der Wiederherstellung verschärften automatische Wiederholungsversuche die Situation zusätzlich.

Der Vorfall zeigt: Automatisierung allein garantiert noch keinen stabilen IT-Betrieb. Entscheidend ist, ob tatsächlich die Messwerte und Komponenten überwacht werden, die für die Funktionsfähigkeit eines IT-Services relevant sind.

Der richtige Messwert braucht den richtigen Kontext

Ein Server kann ausreichend CPU und Speicher besitzen, während eine abhängige Komponente bereits an ihre Kapazitätsgrenze stößt. Auch ein automatisch arbeitendes Skalierungssystem hilft wenig, wenn es sich an Messwerten orientiert, die den eigentlichen Engpass nicht abbilden.

Hinzu kommt: Automatische Wiederholungsversuche sollen kurzfristige Fehler überbrücken. Ohne klare Begrenzungen können sie bei einer größeren Störung jedoch zusätzlichen Datenverkehr erzeugen und die Wiederherstellung erschweren. GitHub kündigte deshalb unter anderem einheitliche Retry-Limits, Retry-Budgets, variable Zeitüberschreitungen und eine Überprüfung bestehender Alarmierungen an. Zudem sollen gemeinsame Abhängigkeiten kritischer Systeme weiter reduziert werden. Das geht aus dem am 20. August veröffentlichten Bericht zum GitHub-Ausfall hervor.

Monitoring muss Zusammenhänge sichtbar machen

Für Unternehmen lässt sich daraus eine zentrale Frage ableiten: Überwacht das Monitoring lediglich einzelne technische Zustände – oder erkennt es auch Abhängigkeiten, Kommunikationsbeziehungen und zeitgleiche Abweichungen?

WOTAN Monitoring verbindet technische Monitoring-Daten mit einer Sicht auf IT-Services und digitale Geschäftsprozesse. Dadurch lässt sich besser nachvollziehen, welche Komponenten gemeinsam einen Prozess unterstützen und an welcher Stelle eine Abweichung ihren Ausgang genommen haben könnte. Vorhandene Datenquellen und Kollektoren können dabei weitergenutzt werden.

Im Sinne des BizResilient-Cycles endet Monitoring nicht mit der Erkennung einer Störung. Aus Vorfällen müssen überprüfbare Verbesserungen für Monitoring-Prüfungen, Alarmierung, Eskalation und Wiederherstellung abgeleitet werden.

Die wichtigste Lehre aus dem GitHub-Ausfall lautet daher: Gute Automatisierung führt Maßnahmen zuverlässig aus. Wirkungsvolles Monitoring stellt zusätzlich sicher, dass diese Maßnahmen auf den richtigen Messwerten und einem belastbaren Verständnis der Abhängigkeiten beruhen.