Der Pager ging gerade los und Produktion ist degradiert. Erklär mir deine ersten fünfzehn Minuten.

Page annehmen, den Nutzerimpact bestätigen und einen Incident mit klarem Owner und einem Kommunikationskanal ausrufen. Dann die Blutung stoppen, bevor du diagnostizierst: prüfen, was zuletzt geändert wurde, und den Verdächtigen zurückrollen oder abschalten, wenn die Zeitachse passt. Führ eine laufende Timeline der Aktionen im Kanal, kommuniziere in festem Takt an Stakeholder und starte Root-Cause-Analyse erst, wenn der Impact eingedämmt ist.

Zuerst nehme ich die Page an, damit niemand die Arbeit doppelt macht, dann prüfe ich, ob Nutzer tatsächlich betroffen sind, denn ein feuernder Alert und leidende Kunden sind nicht immer dasselbe. Ist es echt, rufe ich einen Incident aus, übernehme Incident Command oder übergebe es explizit an jemanden, und öffne einen Kanal, damit es einen Ort für die Timeline gibt. Dann Mitigation vor Diagnose. Die ertragreichste Frage ist was hat sich geändert, also schaue ich mir Deploys, Feature Flags und Infrastrukturänderungen der letzten Stunden an, und wenn etwas mit dem Beginn des Impacts zusammenfällt, rolle ich es zurück oder schalte das Flag ab. Ich muss den Bug nicht verstehen, um zu stoppen, dass er Leuten wehtut. Währenddessen poste ich Updates in festem Takt, etwa alle fünfzehn oder zwanzig Minuten, auch wenn das Update lautet wir untersuchen noch, denn Schweigen sorgt dafür, dass Leute einzeln nachfragen kommen. Ich notiere Aktionen mit Zeitstempeln, teils für die Postmortem, teils damit Dazustoßende aufholen können, ohne zu unterbrechen.