Software und Daten – Wie messe ich eigentlich Qualität? | Thea John

Dass wir Software nutzen um Daten zu analysieren, das kennen
viele. Aber kann man nicht auch Daten nutzen um Software zu
analysieren? Und wie mache ich das überhaupt. Darüber spricht
Christian Krug, der Host des Podcasts „Unf*ck Your Data“ mit Thea
John, Lead Software Engineer bei der Deutschen Telekom.


Den Scherz „it runs on my machine” haben wohl Entwickler*innen
schon mal gehört oder selbst gebracht. Besonders dann, wenn eine
Software mal nicht geht.


Aber was macht jetzt eine gute Software aus? Oder eben nicht? Und
wie messe ich das, ob eine Software das macht was sie soll, wie
sie es soll?





Natürlich mit Daten, aber bitte den richtigen.


Und da fängt es schon an kompliziert zu werden. Denn welche
Kennzahlen sind geeignet Software zu messen? In Verträgen sind
gerne SLA oder SLI drin, also Service Level Agreements oder
Indicator, die dann anzeigen wie viel die Software verfügbar ist
und wie schnell auf Probleme reagiert wird.





Die Probleme finden wir damit aber noch nicht. Dafür brauchen wir
Logs. Hier protokolliert eine Software was sie so tut den ganzen
lieben langen Tag. Und diese Logs können wir analysieren und
sehen was so passiert. Schickt ein Tool zum Beispiel unerwartet
viele oder wenig Emails, so kann es externe Faktoren geben, aber
es kann auch an der Software liegen.


Die Krux mit den Logs? Sie kosten Rechenpower. Das heißt sie
machen dein System langsamer. Daher gilt es hier eine gute
Balance zu finden zwischen genug loggen um Fehler zu finden und
wenig genug um das System trotzdem schnell zu halten.





Aber warum ist das Monitoring jetzt so ein Thema? Software ist
eben nicht wie ein physischen Produkt irgendwann fertig, sondern
wird im echten Leben getestet und läuft auf echten Umgebungen in
echten Netzwerken. Und auf diese Komplexität kann die Entwicklung
gar nicht vorbereitet sein. Darum muss sie auch in der echten
Welt betrieben und angepasst werden. Das hieß mal Operations.
Damit diese beiden jetzt näher zusammenrücken und die Entwicklung
nicht das unbekannte Wesen für den Betrieb ist, hat man DevOps
geschaffen. So rückt die Entwicklung näher an den Betrieb.





Da wir am Ende noch ein bisschen Zeit hatten, mussten wir
natürlich auch noch KI und Coding anreißen.


Der heilige Gral oder der schnellste Weg zu mehr schlechtem Code?


Vermutlich irgendwo in der Mitte.





Profile:





Zum LinkedIn-Profil von Thea:
https://www.linkedin.com/in/thea-john/





Zum LinkedIn-Profil von Christian:
https://www.linkedin.com/in/christian-krug/





Christians Wonderlink: https://wonderl.ink/@christiankrug





Unf*ck Your Data auf Linkedin:
https://www.linkedin.com/company/unfck-your-data





Buchempfehlung:





Buchempfehlung von Thea: The Software Architect Elevator - Gregor
Hohpe





Alle Empfehlungen in Melenas Bücherladen:
https://gunzenhausen.buchhandlung.de/unfuckyourdata








Hier findest Du Unf*ck Your Data:





Zum Podcast auf Spotify:
https://open.spotify.com/show/6Ow7ySMbgnir27etMYkpxT?si=dc0fd2b3c6454bfa





Zum Podcast auf iTunes:
https://podcasts.apple.com/de/podcast/unf-ck-your-data/id1673832019





Zum Podcast auf Deezer:
https://deezer.page.link/FnT5kRSjf2k54iib6





Zum Podcast auf Youtube: https://www.youtube.com/@unfckyourdata





Merch:





https://unfckyourdata-shop.de/





Kontakt:





E-Mail: christian@uyd-podcast.com





Timestamps:


00:00 Intro


02:57 Die Bedeutung von Logs und Metriken


05:43 Zuverlässigkeit und Observability in Software


08:51 Service-Level-Indicators und Objectives


11:38 DevOps und die Verbindung von Entwicklung und Betrieb


14:26 Automatisierung und synthetisches Monitoring


17:33 Datenschutz und Kosten im Monitoring


20:30 Der goldene Mittelweg im Monitoring


26:57 Effizienz im Tracking von IT-Arbeiten


29:21 Datenanalyse und Root Cause Analyse


31:54 Die Rolle von Kommunikation in der Softwareentwicklung


34:11 KI-generierter Code: Chancen und Herausforderungen


38:42 Die Zukunft der Softwareentwicklung mit KI


44:22 Abschlussgedanken und Empfehlungen