Eine Netzwerkstörung mit Messdaten diagnostizieren

Wenn ein roter Graph noch keine Ursache ist

Die Morgenstern Logistik GmbH betreibt im Verteilzentrum West 34 sprachgeführte Kommissioniergeräte. Die Geräte senden kurze Sprachpakete über das Standortnetz an einen Dienst im zentralen Rechenzentrum. Seit 09:35 Uhr kommen Anweisungen abgehackt an. Gleichzeitig brauchen die Geräte länger, um eine abgeschlossene Position zu buchen.

Das Ticket nennt bereits drei Beobachtungen:

• Die Störung betrifft alle drei Hallen im Standort West.
• Ein anderer Standort arbeitet mit demselben Dienst ohne Auffälligkeit.
• Das Monitoring meldet seit 09:34 Uhr hohe Auslastung auf der WAN-Schnittstelle von West.

WAN steht für Wide Area Network. Es verbindet hier den Standort mit dem Rechenzentrum. Die hohe Auslastung passt zeitlich zum Fehler. Sie beweist aber noch nicht, dass die Schnittstelle dessen Ursache ist. Genau diese Lücke schließt eine messdatenbasierte Diagnose.

Nach dieser Lektion kannst du Messwerte nicht nur benennen, sondern zu einer belastbaren Entscheidung verbinden. Du brauchst dafür ein Grundverständnis von IP-Netzen und Prozentrechnung. Die allgemeine Fehlersuche vom Kabel bis zur Namensauflösung behandelt die Lektion “Netzwerkfehler mit Befunden systematisch diagnostizieren”. Hier startest du eine Ebene später: Der Dienst ist erreichbar, aber seine Qualität schwankt unter bestimmten Betriebsbedingungen.

Formuliere zuerst prüfbare Hypothesen

Eine Hypothese ist eine vorläufige Erklärung, die ein Test stützen oder schwächen kann. “Das Netzwerk ist langsam” ist dafür zu ungenau. Die Aussage nennt weder einen betroffenen Pfad noch eine erwartete Beobachtung.

Für das Ticket aus West sind zunächst mehrere Erklärungen möglich:

1. Die WAN-Strecke ist zeitweise überlastet. Dann sollten Verzögerungen und Verluste auf dem Weg ins Rechenzentrum gemeinsam mit der Schnittstellenauslastung steigen.
2. Der Sprachdienst im Rechenzentrum ist überlastet. Dann sollten auch andere Standorte oder serverseitige Kennzahlen auffällig sein.
3. Das Funknetz in West ist gestört. Dann sollten Messungen zwischen Endgeräten und lokalem Gateway auffällig sein, auch ohne den WAN-Weg.
4. Ein einzelner Messfühler liefert fehlerhafte Werte. Dann passen seine Ergebnisse nicht zu unabhängigen Messpunkten oder zum beobachteten Fehler.

Jede Hypothese enthält damit eine Erwartung. Erst diese Erwartung macht den nächsten Test begründbar.

Vier Kennzahlen zeigen unterschiedliche Eigenschaften

Ein einzelner Durchschnittswert reicht selten. Die folgenden Kennzahlen beantworten verschiedene Fragen. Ihre genaue Berechnung hängt vom Werkzeug und der Messmethode ab. Deshalb gehören die Definition und die Testbedingungen zum Befund.

Das 95. Perzentil bedeutet: 95 Prozent der Messwerte liegen höchstens bei diesem Wert. Im Gegensatz zum Mittelwert macht es einen problematischen oberen Bereich sichtbar, ohne sich nur auf einen einzelnen Maximalwert zu stützen.

Latenz und Laufzeitvariation sind nicht dasselbe. Eine Verbindung kann durchgehend eine relativ hohe, aber gleichmäßige Laufzeit haben. Sie kann auch im Mittel schnell sein, während einzelne Pakete stark schwanken. Für zeitkritische Sprachdaten kann gerade diese Schwankung problematisch sein.

Durchsatz ist außerdem nicht mit der beworbenen oder ausgehandelten Bandbreite gleichzusetzen. Er hängt unter anderem vom vollständigen Pfad, vom Transportprotokoll, von Endsystemen und von den Testbedingungen ab. Ein großer Durchsatztest erzeugt selbst Last. Er gehört deshalb in ein freigegebenes Zeitfenster und nicht ungeprüft in eine laufende Störung.

Eine Baseline macht Abweichungen sichtbar

Eine Baseline beschreibt den üblichen Zustand unter bekannten Bedingungen. Sie ist kein beliebiger Grenzwert und auch kein einmaliger guter Messwert. Für West nutzt das Betriebsteam dieselbe Messstrecke an fünf vergleichbaren Werktagen zwischen 09:00 und 11:00 Uhr.

Für den Sprachdienst wurden zusätzlich interne Betriebsziele vereinbart. Diese Werte sind Vorgaben des Beispielunternehmens, keine allgemeingültigen Grenzwerte für jedes Netzwerk.

Alle vier Kennzahlen weichen im Störungsfenster von Baseline und Betriebsziel ab. Das trägt den Befund: Die Ende-zu-Ende-Qualität des gemessenen Pfades ist beeinträchtigt. Es beweist noch nicht, an welchem Abschnitt des Pfades die Beeinträchtigung entsteht.

Ein Vergleich mit einer Baseline ist nur fair, wenn die Bedingungen zusammenpassen. Prüfe deshalb:

• Misst derselbe Fühler zum selben Ziel und in derselben Richtung?
• Sind Paketgröße, Protokoll, Intervall und Wartezeit gleich?
• Umfasst das Zeitfenster genug Werte, statt nur einen Ausschlag zu zeigen?
• Ist die betriebliche Situation vergleichbar, etwa Schichtbetrieb statt Wartungsfenster?
• Wurde das Messverfahren zwischen Baseline und Störung verändert?

Messpunkte grenzen den fehlerhaften Abschnitt ein

Der Ende-zu-Ende-Messfühler sieht den gesamten Weg. Für die Lokalisierung ergänzt das Team zwei Messpunkte und verwendet dasselbe Zeitfenster von 09:35 bis 09:45 Uhr.

Die Messpunkte stützen die Hypothese, dass die Beeinträchtigung zwischen dem Standort-Router und dem Rechenzentrum entsteht. Sie schwächen die Hypothesen “lokales Funknetz” und “zentraler Sprachdienst”. Eine genaue physische Ursache ist damit noch nicht bewiesen.

Zeitliche Korrelation ist noch keine Ursache

Das Team legt weitere Daten auf dieselbe Zeitachse:

09:30  Geplanter Archivtransfer startet am Standort West
09:33  WAN-Upload steigt von 31 % auf 96 %
09:34  Ausgehende Queue-Drops am Standort-Router beginnen
09:35  Laufzeitvariation und Paketverlust steigen
09:36  Erstes Ticket zu abgehackten Sprachanweisungen
10:02  Archivtransfer endet
10:03  WAN-Auslastung sinkt auf 28 %
10:04  Queue-Drops enden; Qualitätswerte liegen wieder in der Baseline

Die zeitliche Folge macht den Archivtransfer zu einem guten Kandidaten. Dennoch gilt: Korrelation bedeutet nur, dass Werte gemeinsam auftreten oder sich gemeinsam verändern. Eine Ursache braucht einen Mechanismus und einen Test, der konkurrierende Erklärungen schwächt.

Ein plausibler Mechanismus wäre hier eine gefüllte ausgehende Warteschlange. Der Archivtransfer belegt einen großen Teil des Uploads. Zeitkritische Pakete warten länger oder werden verworfen. Die beobachteten Queue-Drops passen zu diesem Mechanismus.

Es bleiben Alternativen. Ein allgemeiner Lastanstieg zum Schichtbeginn könnte sowohl den Archivtransfer als auch die Störung begleiten. Auch eine fehlerhafte Priorisierung könnte erst unter hoher Last sichtbar werden. Deshalb lautet die Diagnose noch nicht “Der Archivtransfer war die Ursache”, sondern: “Die Befunde stützen eine Überlastung der ausgehenden WAN-Warteschlange während des Archivtransfers.”

Dokumentiere Befund, Grenze und nächsten Test

Eine gute Störungsdokumentation macht den Denkweg prüfbar. Sie trennt Beobachtung, Bewertung und noch offene Annahmen.

Symptom:
Sprachanweisungen und Buchungen am Standort West waren von 09:35 bis 10:04 Uhr gestört.

Messbedingungen:
Messfühler West zum Sprachdienst, eine Messung pro Minute; Vergleich mit derselben
Strecke an fünf Werktagen. Teilstreckenmessungen im identischen Störungsfenster.

Befunde:
Ende-zu-Ende: RTT p95 154 ms, Laufzeitvariation p95 57 ms,
Paketverlust 3,5 %. Lokaler Weg und interner Rechenzentrumsweg unauffällig.
WAN-Abschnitt auffällig; Upload 96 % und ausgehende Queue-Drops im selben Zeitraum.

Bewertung:
Befunde stützen eine überlastete ausgehende WAN-Warteschlange. Der Archivtransfer
ist ein plausibler Mitverursacher, durch die Zeitkorrelation allein aber nicht bewiesen.

Nächster Test:
Archivtransfer in einem freigegebenen Fenster begrenzen. Gleichzeitig Queue-Drops,
RTT, Laufzeitvariation und Verlust mit unveränderter Messmethode erfassen.

Erfolgskriterium:
Werte liegen bei weiterlaufender Archivierung wieder innerhalb der internen
Betriebsziele; der ursprüngliche Sprach- und Buchungsablauf funktioniert.

Diese Formulierung ist vorsichtiger als eine schnelle Ursachenzuschreibung, aber fachlich stärker. Eine andere Person kann nachvollziehen, was gemessen wurde, welche Schlussfolgerung trägt und welche Entscheidung noch offen ist.

Damit steht der Diagnosepfad

Messdaten helfen, wenn sie eine konkrete Frage beantworten. Du beginnst mit mehreren prüfbaren Hypothesen. Danach vergleichst du passende Kennzahlen mit einer Baseline, hältst Messpunkt und Zeitfenster konstant und grenzt den auffälligen Pfadabschnitt ein.

Eine gemeinsame Zeitachse kann den nächsten Test begründen. Sie ersetzt ihn nicht. Die stärkste Dokumentation nennt deshalb nicht nur eine vermutete Ursache. Sie hält fest, welche Befunde die Aussage tragen, wo ihre Grenze liegt und welcher Test als Nächstes den größten Erkenntniswert bietet.

Belegmatrix

Die Beispielprüfungen wurden nur genutzt, um wiederkehrende Aufgabenformen wie Messwertauswertung, Monitoring und zeitweise Kommunikationsstörungen zu erkennen. Szenario, Zahlen, Aufgaben und Lösungen dieser Lektion sind neu erstellt.