DORA-Metriken: Was Sie messen sollten und wie
Zuletzt aktualisiert am
Die DORA-Metriken stammen aus dem Programm DevOps Research and Assessment, das inzwischen zu Google Cloud gehört und seit 2014 zehntausende Fachleute befragt hat. Sie messen, wie schnell und wie stabil ein Team Software ausliefert. Richtig eingesetzt zeigen sie Engpässe auf; falsch eingesetzt werden sie zu Zielen, die sich manipulieren lassen. Dieser Leitfaden definiert jede Metrik, zeigt, wo Sie die Daten finden, und erläutert, was Sie damit tun können.
Die Metriken
Die seit Langem bekannten "vier Schlüssel" sind zwei Maße für Geschwindigkeit und zwei für Stabilität:
| Metrik | Frage | Kategorie |
|---|---|---|
| Deployment-Frequenz | Wie oft deployen Sie in die Produktion? | Durchsatz |
| Lead Time for Changes | Wie lange dauert es vom Commit bis zum Betrieb in der Produktion? | Durchsatz |
| Change-Failure-Rate | Welcher Anteil der Deployments verursacht einen Fehler, der behoben werden muss? | Stabilität |
| Time to Restore Service | Wie lange dauert die Wiederherstellung nach einem fehlgeschlagenen Deployment oder einem Vorfall? | Stabilität |
Der DORA-Bericht von 2024 hat die Stabilitätsseite präzisiert. Die Wiederherstellungszeit heißt nun "Failed Deployment Recovery Time", und neu hinzugekommen ist die "Deployment Rework Rate", also der Anteil der Deployments, die ungeplant sind und als Reaktion auf einen Produktionsfehler erfolgen. Die Forschung gliedert die Metriken in Durchsatz (Lead Time, Deployment-Frequenz, Wiederherstellungszeit) und Stabilität (Change-Failure-Rate, Rework-Rate). Prüfen Sie auf dora.dev die aktuellen Definitionen, da sie sich bereits geändert haben.
So messen Sie jede Metrik mit GitHub
Sie können alle Metriken aus Daten berechnen, die Sie bereits haben.
Deployment-Frequenz. Zählen Sie erfolgreiche Produktions-Deployments pro Tag oder Woche. Datenquelle: die GitHub Deployments API, ein Workflow, der in eine production-Umgebung deployt, oder Release-Tags.
gh api "repos/OWNER/REPO/deployments?environment=production&per_page=100" \
--jq '[.[] | .created_at] | length'
Für eine faire Kennzahl zählen Sie nur Deployments in die Produktion, und wenn Sie Services unabhängig voneinander ausliefern, zählen Sie jeden Service separat.
Lead Time for Changes. Messen Sie für jede Änderung die Zeit vom ersten Commit (oder vom Öffnen des PRs, falls Sie etwas Einfacheres brauchen) bis zu dem Moment, in dem sie deployt ist. Die gängige Näherung:
lead time = deployment time - first commit time of the PR
Berichten Sie den Median und das 90. Perzentil, nicht den Mittelwert; einige langlebige Branches verzerren Durchschnitte. Eine Aufteilung in Phasen zeigt, wo die Zeit verloren geht: Programmieren, Warten auf Review, CI, Warten auf das Deployment. Bei den meisten Teams sind Review-Wartezeit und CI-Laufzeit die beiden größten Posten. Siehe GitHub Actions beschleunigen.
Change-Failure-Rate. Fehlgeschlagene Deployments geteilt durch alle Deployments. Sie brauchen eine Definition von Fehler, die Sie konsequent anwenden: ein Rollback, ein Hotfix, der innerhalb von 24 Stunden deployt wird, oder ein Vorfall, der mit einem Deployment zusammenhängt. Versehen Sie Vorfälle mit dem Deployment, das sie verursacht hat, oder markieren Sie Hotfix-PRs und zählen Sie sie.
Failed Deployment Recovery Time. Für jeden Fehler die Zeit vom Deployment bis zur Lösung (das Fix-Deployment oder das abgeschlossene Rollback). Entnehmen Sie sie Ihrem Incident-Tracker. Verwenden Sie den Median.
Deployment Rework Rate. Ungeplante Deployments geteilt durch alle Deployments. Kennzeichnen Sie Hotfix- und Rollback-Deployments, um sie zu zählen.
Unser DORA-Metriken-Rechner nimmt diese vier Eingaben und zeigt, wie Sie im Vergleich zu den Leistungsbändern des Berichts abschneiden. Der Error-Budget-Rechner ist eine nützliche Ergänzung für die Zuverlässigkeitsseite.
Was die Benchmarks aussagen
Der DORA-Bericht von 2024 ordnet Teams Leistungsstufen zu. Für die oberste Gruppe ("Elite") beschreibt der Bericht eine Lead Time von weniger als einem Tag, Deployment auf Abruf (mehrmals täglich), eine Change-Failure-Rate von etwa 5 Prozent und eine Wiederherstellung in weniger als einer Stunde. Niedrigere Gruppen sind bei jeder Achse langsamer. Der Bericht stützt sich auf Umfrageantworten, nicht auf instrumentierte Daten, und seine Autoren warnen davor, die Bänder als Ziele zu behandeln. Nutzen Sie sie nur zur Orientierung.
Ein wichtiger Befund der Forschung: Geschwindigkeit und Stabilität sind kein Zielkonflikt. Teams, die häufig deployen, haben tendenziell auch niedrigere Fehlerraten, weil sich kleine Änderungen leichter reviewen, testen und zurückrollen lassen.
Machen Sie die Messung vertrauenswürdig
- Definieren Sie Ihre Begriffe einmal und halten Sie sie schriftlich fest: was als Produktions-Deployment zählt, was als Fehler gilt und wo die Lead Time beginnt.
- Messen Sie pro Team oder Service, nicht unternehmensweit; Unternehmensdurchschnitte verbergen alles.
- Verwenden Sie Mediane und Verteilungen. Ein Median von 4 Tagen mit einem 90. Perzentil von 30 Tagen sagt mehr aus als ein Mittelwert von 7 Tagen.
- Automatisieren Sie die Erfassung. Handgepflegte Tabellen veralten. Ziehen Sie die Daten wöchentlich über die API in ein Dashboard.
- Betrachten Sie Trends statt Momentaufnahmen. Schauen Sie sich 8 bis 12 Wochen an.
Missbrauch vermeiden
DORA-Metriken beschreiben das Liefersystem eines Teams. Sie sind keine Messgrößen für die individuelle Produktivität, und wer Entwickler oder Teams damit einordnet, provoziert Manipulation. Wer Deployments in triviale Einzelteile zerlegt, treibt die Frequenz künstlich hoch; wer die Definition von Fehler verengt, verbessert die Fehlerrate auf dem Papier. Das Goodhart-Gesetz gilt: Wird die Messgröße zum Ziel, hört sie auf, eine gute Messgröße zu sein.
Nutzen Sie die Metriken, um Fragen zu stellen: Warum hat sich die Lead Time im März verdoppelt? Wo warten PRs? Was haben wir geändert, bevor die Fehlerrate stieg?
Jede Kennzahl gezielt verbessern
| Zur Verbesserung | Achten Sie auf |
|---|---|
| Lead Time | PR-Größe, Review-Latenz (CODEOWNERS und Review-Regeln), CI-Dauer, manuelle Freigaben, gebündelte Releases |
| Deployment-Frequenz | Automatisierte Deployments, Feature Flags, Trunk-based Development, Merge Queues |
| Change-Failure-Rate | Testqualität, instabile Tests, gestaffelte Rollouts, bessere Reviews riskanter Bereiche |
| Wiederherstellungszeit | Automatisierte Rollbacks, Observability, Alarme, Runbooks, Bereitschaftsrotation (Rotationsgenerator) |
Langsame CI ist der Hebel, den Teams am häufigsten übersehen. Dauert die CI 25 Minuten, pushen Entwickler kaum kleine Änderungen. Nutzen Sie den Rechner für die Kosten langsamer CI, um die verlorene Wartezeit zu beziffern.
Weitere Frameworks
DORA betrachtet die Softwarebereitstellung. Das SPACE-Framework ergänzt Zufriedenheit, Zusammenarbeit und Flow; Umfragen zur Developer Experience erfassen, was sich nicht messen lässt. Kombinieren Sie wenige quantitative Kennzahlen mit regelmäßigen Umfragen.
FAQ
Wie oft sollte ich die DORA-Kennzahlen überprüfen?
Monatlich für das Team, wöchentliche Dashboards stehen zusätzlich zur Verfügung. Quartalsweise Reviews verschleiern Probleme zu lange.
Ist eine geringere Deployment-Frequenz schlecht?
Nicht unbedingt. Regulierte Software oder mobile Apps mit Store-Prüfzyklen werden seltener deployt. Vergleichen Sie mit Ihrer eigenen Historie und Ihren eigenen Rahmenbedingungen.
Kann ich DORA-Kennzahlen auch ohne Tool berechnen?
Ja, mit der GitHub API, einem Deployments-Workflow und einem Incident-Log. Spezialisierte Tools sparen Aufwand, wenn Sie viele Repositories haben.
Wo zeigt sich die CI-Geschwindigkeit?
Vor allem in der Lead Time und indirekt in der Deployment-Frequenz. Langsame Prüfungen verleiten außerdem zu großen, riskanteren Bündeln.
Wo compiler.dev passt
Die CI-Zeit ist der Teil der Lead Time, den Sie durch andere Hardware statt durch veränderte Gewohnheiten verkürzen können. Der Vergleichsmodus von compiler.dev führt Ihren Workflow auf schnelleren Runnern aus, sodass Sie die Wirkung auf Ihre eigene Pipeline messen können, bevor Sie etwas anderes ändern.
Verwandt
- TypeScript-Monorepo in GitHub Actions beschleunigenTypprüfung und Linting in TypeScript-Monorepos auf GitHub Actions beschleunigen: inkrementelles tsc, Projektreferenzen, Lint-Caches und parallele Jobs.
- Playwright im Monorepo mit GitHub Actions beschleunigenPlaywright-E2E-Tests in einem Node-Monorepo auf GitHub Actions beschleunigen: App einmal bauen, E2E überspringen, wenn sich die Web-App nicht ändert.
- CI-Geschwindigkeits-Badge in Ihre README einfügenZeigen Sie die Geschwindigkeit Ihrer CI mit einem README-Badge: die mediane Laufzeit Ihrer Repository-Workflows auf GitHub Actions, automatisch aktualisiert.
- Die besten Runner-Anbieter für GitHub Actions 2026Die besten GitHub-Actions-Runner-Anbieter nach Anwendungsfall: Preis, macOS, Docker-Builds, ARM, AWS, Flatrate. Preise Stand 22.10.2026.