Management von Massive Incidents

Ein Massive Incident (Großstörung) ist eine Gruppe zusammenhängender Operational Issues, die auf eine gemeinsame Ursache zurückgehen.

Dadurch lassen sich großflächige Betriebsereignisse als ein einziges Managementobjekt analysieren.

Korrelation von Incidents

OHM fasst Operational Issues automatisch zu einem Massive Incident zusammen, wenn mehrere Faktoren übereinstimmen:

• Zeitpunkt des Auftretens;
• Region;
• Root Cause;
• Kommunikationsinfrastruktur;
• Softwareversion;
• externes Ereignis.

Lebenszyklus eines Massive Incident

flowchart TD
    A["Erkennung"] --> B["Korrelation"]
    B --> C["Massive Incident angelegt"]
    C --> D["Untersuchung"]
    D --> E["Eindämmung"]
    E --> F["Wiederherstellung"]
    F --> G["Verifizierung"]
    G --> H["Post-Incident-Analyse"]
    H --> I["Abschluss"]

Operatives Dashboard

Für jeden Massive Incident zeigt das System an:

• die Anzahl der verknüpften Operational Issues;
• die Anzahl der Assets;
• die betroffenen Regionen;
• die vermutete Root Cause;
• den Status der Untersuchung;
• das SLA;
• den Business Impact;
• den aktuellen Fortschritt der Wiederherstellung.

Post-Incident-Analyse (Post Incident Review)

Nach dem Abschluss wird der Incident ausgewertet.

Der Bericht enthält:

• die Chronologie;
• die bestätigte Root Cause;
• die Wirksamkeit der Reaktion;
• die Einhaltung des SLA;
• die gewonnenen Erkenntnisse (Lessons Learned);
• Empfehlungen zur Vermeidung einer Wiederholung.

Alle Schlussfolgerungen lassen sich automatisch in Artikel der Knowledge Base überführen.