Aus Updates werden Entscheidungen
Wie aus verteilten Microsoft-Updates eine Plattform für relevante Änderungen und nachvollziehbare Bearbeitung entstand.
- Updates pro Monat
- 300
- Abgleich mit genutzten Azure-Diensten
- Automatisch
- Bearbeitungsstatus je Update
- Nachvollziehbar
Ein Microsoft-Update zu finden, beantwortet noch nicht die entscheidende Frage: Was bedeutet diese Änderung für die eigene Infrastruktur?
Mit consera entwickelte ich eine Plattform, die Updates für Microsoft 365 und Azure zentral erfasst, aufbereitet und dem jeweiligen Kundenkontext zuordnet. Im Mittelpunkt stand der Arbeitsablauf von IT-Teams: relevante Änderungen erkennen, ihre Auswirkungen einschätzen und die Bearbeitung nachvollziehen.
Die Entwicklung erforderte Entscheidungen über den Funktionsumfang, die Qualität der Bewertung und den Umgang mit externen Datenquellen. Technische Änderungen waren dabei immer auch eine Frage der Produktentwicklung: Welchen Aufwand rechtfertigt eine Funktion? Welche Abhängigkeit gefährdet den Kernnutzen? Und welche Voraussetzungen müssen erfüllt sein, bevor sich ein Prozess automatisieren lässt?

Informationen finden war nur der erste Schritt
Microsoft veröffentlicht laufend Änderungen an seinen Cloud-Services. Neue Funktionen, geänderte Einstellungen und Sicherheitsanpassungen erreichen Unternehmen über unterschiedliche Kommunikationskanäle.
Für IT-Teams entstand daraus wiederkehrende Arbeit: Informationen zusammentragen, betroffene Services identifizieren und einschätzen, ob eine Änderung eine Reaktion erfordert. Anschließend musste geklärt werden, ob das Thema bereits bearbeitet worden war.
Eine zentrale Übersicht konnte die Suche erleichtern. Für eine konkrete Entscheidung fehlten jedoch weitere Informationen: Nutzt das Unternehmen den betroffenen Service überhaupt? Welche Auswirkungen sind zu erwarten? Besteht Handlungsbedarf?
Das Produktziel war deshalb, den Weg von der veröffentlichten Änderung zur Entscheidung im IT-Team zu unterstützen.
Relevanz vor Informationsmenge
Aus dem Problem ergaben sich drei zusammenhängende Aufgaben für die Plattform:
Aufgabe | Benötigte Unterstützung |
|---|---|
Änderungen überblicken | Updates automatisch erfassen und in einer einheitlichen Übersicht bereitstellen |
Bedeutung einschätzen | Informationen bewerten und mit den tatsächlich genutzten Services abgleichen |
Bearbeitung verfolgen | Updates mit einem Status versehen und den Bearbeitungsstand sichtbar halten |
Diese Aufteilung gab dem Produkt eine klare Richtung. Der Nutzen einer zusätzlichen Datenquelle hing davon ab, ob ihre Informationen zuverlässig verarbeitet und sinnvoll eingeordnet werden konnten. Eine Bewertung musste Anwendern bei ihrer Einschätzung helfen. Die Statusverfolgung musste diese Informationen in den weiteren Arbeitsablauf überführen.
Damit ließ sich der Funktionsumfang am Ergebnis für die Anwender ausrichten: Was benötigen sie, um eine Änderung zu beurteilen und anschließend damit zu arbeiten?
Aus einer Übersicht einen Arbeitsablauf machen
Die Anforderungen gingen über das Sammeln von Updates hinaus. Informationen aus unterschiedlichen Quellen mussten vergleichbar werden. Die Plattform musste erkennen können, welche Services ein Kunde nutzt. Bewertungen brauchten eine fachliche Grundlage, und die Bearbeitung musste über einzelne Aufrufe hinweg nachvollziehbar bleiben.
Für die Ausgestaltung waren insbesondere folgende Fragen entscheidend:
- Welche Informationen braucht ein Update, damit es verständlich eingeordnet werden kann?
- Wie lässt sich eine Änderung den betroffenen Services zuordnen?
- Welche Kundendaten werden für das Matching benötigt?
- Welche Bewertung unterstützt die Entscheidung des IT-Teams?
- Welche Informationen müssen für die spätere Bearbeitung erhalten bleiben?
Diese Fragen verbinden die fachlichen Anforderungen mit der technischen Umsetzung. Ein fehlender Servicebezug betrifft beispielsweise unmittelbar das Matching. Eine unklare Bewertung beeinträchtigt die Entscheidung des Anwenders. Ein nicht gespeicherter Bearbeitungsstatus unterbricht den Arbeitsablauf.

Die Infrastruktur als Kontext
Die Anbindung der Azure-Tenants ergänzte die zentrale Übersicht um einen entscheidenden Kontext. Anhand der tatsächlich genutzten Services konnten Updates dem jeweiligen Kunden zugeordnet werden.
Damit wurde aus einer allgemeinen Informationssammlung eine Auswahl, die sich an der Infrastruktur des Unternehmens orientierte. Anwender mussten den Bezug zwischen einer veröffentlichten Änderung und ihrem Servicebestand nicht bei jedem Update erneut herstellen.
Die Grenze dieser Funktion ist ebenso relevant wie ihr Nutzen: Ein Treffer im Matching zeigt einen Bezug zum genutzten Service. Ob eine konkrete Maßnahme erforderlich ist, muss anschließend bewertet werden.
Diese Unterscheidung bestimmt die Erwartungen an das Produkt. Das Matching hilft bei der Auswahl der Informationen; die Bewertung unterstützt die anschließende Entscheidung.
Fachwissen als Grundlage für Automatisierung
Die ursprüngliche Idee sah eine fachliche Bewertung durch Experten vor. Damit sollten Updates so aufbereitet werden, dass IT-Teams ihre Bedeutung leichter einschätzen können.
Mit zunehmendem Umfang wurde die manuelle Bewertung durch eine KI-gestützte Verarbeitung über die OpenAI API ergänzt. Die Wissensbasis der Experten bildete dafür die fachliche Grundlage.
Für die Produktentwicklung war diese Reihenfolge wesentlich. Zunächst musste feststehen, was eine hilfreiche Bewertung ausmacht. Erst auf dieser Grundlage ließ sich die Verarbeitung automatisieren.
Die KI ergänzte damit einen definierten fachlichen Prozess. Das Ziel war, größere Mengen an Updates aufbereiten zu können, ohne jeden Eintrag vollständig manuell bewerten zu müssen. Ob die Bewertungen dabei die gewünschte Qualität erreichen, bleibt eine Frage der fachlichen Prüfung; eine automatisierte Ausgabe allein belegt das noch nicht.
Informationen in die Bearbeitung überführen
Kunden konnten Updates verfolgen und einen Status vergeben. Dadurch wurde sichtbar, welche Änderungen bereits bearbeitet wurden und welche noch offen waren.
Diese Funktion schloss die Lücke zwischen Information und Umsetzung. Ein relevantes Update blieb als Vorgang erhalten, mit dem das Team weiterarbeiten konnte.
Der Status dokumentiert dabei den Bearbeitungsstand in der Plattform. Er ist für sich genommen kein technischer Nachweis dafür, dass eine Änderung in der Infrastruktur umgesetzt wurde.

Abhängigkeiten im Kernablauf berücksichtigen
Die Funktionen waren eng miteinander verbunden. Ohne aktuelle Daten verliert die Übersicht ihren Wert. Ohne einheitliche Servicezuordnung wird das Matching unzuverlässig. Ohne fachliche Einordnung bleibt die Bewertung wenig hilfreich.
Für die Weiterentwicklung ergab sich daraus ein klarer Maßstab: Änderungen sollten den vollständigen Ablauf verbessern oder eine Voraussetzung dafür absichern.
Die Standardisierung der Update-Daten war deshalb eine zentrale Grundlage. Sie erleichterte die Verarbeitung unterschiedlicher Quellen und schuf eine gemeinsame Struktur für die weitere Aufbereitung. Das Tenant-Matching ergänzte den Kundenbezug. Bewertung und Statusverfolgung unterstützten die anschließende Bearbeitung.
Diese Abhängigkeiten erklären die Bedeutung der einzelnen Funktionen. Sie beschreiben keine nachträglich angenommene Sprint- oder Lieferplanung.
Externe Abhängigkeit: Als die Update-Quelle ausfiel
Eine wesentliche Herausforderung entstand durch Änderungen an Microsofts RSS-Schnittstelle. Die bisherige Quelle fiel aus und kehrte später in veränderter Form zurück. Dadurch konnten über den vorhandenen Weg zunächst keine neuen Updates erfasst werden.
Der Ausfall betraf unmittelbar den Kernnutzen der Plattform: Eine Update-Übersicht muss aktuelle Informationen liefern können.
Als Reaktion wurde die Struktur der erfassten Updates standardisiert. Quellspezifische Formate wurden in eine gemeinsame interne Struktur überführt. Dadurch konnten neue Quellen und geänderte Formate leichter angebunden werden.
Die Abhängigkeit von externen Informationen blieb bestehen. Der Anpassungsaufwand bei Änderungen an ihren Formaten ließ sich jedoch besser begrenzen. Für die weitere Entwicklung bedeutete das: Die Verarbeitung musste zwischen dem Format einer Quelle und dem Datenmodell der Plattform unterscheiden.
Aufwand und Produktnutzen abwägen
Backend vereinheitlichen
Das Backend wurde zunächst mit Express.js entwickelt, während viele Azure Functions bereits Python verwendeten. Dadurch mussten unterschiedliche Toolchains und Entwicklungsabläufe gepflegt werden.
Die Umstellung auf Python mit FastAPI erforderte zunächst zusätzliche Entwicklungsarbeit. Sie führte jedoch die Backend-Verarbeitung auf eine gemeinsame Sprache zusammen und vereinfachte die weitere Entwicklung.
Entscheidend war der Aufwand über die gesamte Lebensdauer des Produkts: Die kurzfristigen Kosten der Migration mussten gegen den wiederkehrenden Aufwand einer geteilten Backend-Landschaft abgewogen werden.
Authentifizierung an den tatsächlichen Bedarf anpassen
Für die Authentifizierung wurde anfangs Auth0 eingesetzt. Im Projekt standen dessen Funktionsumfang, Kosten und Integrationsaufwand zunehmend in einem ungünstigen Verhältnis zum benötigten Nutzen.
Die Umstellung auf eine eigene JWT-basierte Authentifizierung passte die Lösung enger an das Backend und die Anforderungen der Plattform an. Gleichzeitig ging damit die Verantwortung für Implementierung, Wartung und Sicherheit auf die eigene Anwendung über.
Die Entscheidung reduzierte eine externe Abhängigkeit und erforderte zusätzlichen eigenen Entwicklungsaufwand. Beide Seiten gehören zur Bewertung einer solchen Änderung.
Kundenoberfläche und Administration trennen
Das Frontend wurde mit Nuxt.js umgesetzt. PostgreSQL speicherte die strukturierten Daten der Plattform. Die Oberfläche sollte den Zugriff auf Updates und deren Bearbeitung verständlich halten, während die Verarbeitung im Backend lag.
Für die Administration entstand ein separates Frontend mit eigener API-Schnittstelle und Middleware-Schutz. So konnten administrative Aufgaben getrennt von den Kundenfunktionen bereitgestellt werden.

Ergebnis
Ein zusammenhängender Prozess für Microsoft-Updates
consera verbindet die zentrale Erfassung von Updates mit fachlicher Bewertung, kundenspezifischer Zuordnung und Statusverfolgung. Damit deckt die Plattform mehrere Schritte ab, die IT-Teams zuvor über unterschiedliche Informationsquellen und eigene Abläufe zusammenführen mussten.
Der beschriebene Funktionsumfang zeigt, wie aus einem Informationsproblem ein Produkt mit einem konkreten Arbeitsablauf entstand. Die Entscheidungen richteten sich an der Frage aus, welche Unterstützung Anwender für die Auswahl, Bewertung und Bearbeitung von Änderungen benötigen.
Für eine belastbare Bewertung der Wirkung wären insbesondere drei Kennzahlen relevant: die Zeit bis zur Einschätzung eines Updates, die Qualität der kundenspezifischen Zuordnung und der Anteil relevanter Änderungen, deren Bearbeitung nachvollziehbar abgeschlossen wird. Ohne entsprechende Nutzungsdaten lassen sich Zeitersparnis und Fehlerreduktion nicht beziffern.
Rückblick
Produktentscheidungen an ihrer Wirkung messen
Die Entwicklung von consera erforderte wiederholt Anpassungen: an externe Datenquellen, an den Aufwand der technischen Umsetzung und an die Verarbeitung wachsender Informationsmengen.
Für mich zeigt das Projekt, wie eng Produktkonzept und Umsetzung verbunden sind. Eine technische Abhängigkeit kann die Aktualität der Informationen gefährden. Eine aufwendige Architektur kann Weiterentwicklung verzögern. Eine automatisierte Bewertung braucht klare fachliche Erwartungen.
Der Maßstab für solche Entscheidungen ist der Arbeitsablauf, den das Produkt ermöglichen soll. Bei consera bedeutet das: relevante Änderungen finden, ihre Bedeutung einschätzen und ihre Bearbeitung nachvollziehen können.
