Wenn die Cloud – mal wieder – streikt

Cloud-Ausfälle lassen sich nicht verhindern, aber ihre Auswirkungen lassen sich drastisch reduzieren. Mit zunehmender Digitalisierung gewinnt die Fähigkeit an Bedeutung, auch bei kurzfristigen Ausfällen zentraler Infrastrukturen handlungsfähig zu bleiben. Organisationen mit Fokus auf Resilienz integrieren technische Redundanzen, strukturierte Betriebsabläufe, systematische Prüfungen sowie umfassende organisatorische Vorbereitung.

Im Juli 2024 verursachte ein Crowdstrike-Update weltweit Abstürze von Windows-Computern, wodurch mehrere Microsoft-Azure-Dienste ausfielen. Am 24. Oktober 2024 führten Probleme mit der Stromversorgung und Kühlungssystemen bei den Google Cloud Services (GCS) zum Ausfall der Zone europe-west3-c in Frankfurt am Main. Am 9. Oktober 2025 fielen wesentliche Teile der Azure-Cloud aus: Technische Probleme bei Azure Front Door (AFD) / Azure CDN erhöhten die Latenzen und legten Verwaltungsportale und Managementdienste lahm. Am 19. und am 20. Oktober fiel die Zone US-EAST-1 bei AWS aufgrund von DNS-Problemen aus. Heute, am 18. November 2025, kam es bei Cloudflare weltweit zu Problemen. Auch Dienste wie ChatGPT oder Spotify waren betroffen. Laut Cloudflare war ein „Spike ungewöhnlichen Traffics“ die Ursache – und das ausgerechnet bei dem Provider, der DDoS-Protection in seiner DNA verankert hat.

Cloud-Plattformen wie AWS, Azure, Google Cloud und Cloudflare bilden heute das Rückgrat der digitalen Wirtschaft. Unternehmen verlassen sich zunehmend auf digitale, cloudbasierte Prozesse. Ob Bestellabwicklungen, Logistik, Produktion, Support, Rechnungsstellung, KI-gestützte Dienste bis hin zur internen Kommunikation – nahezu jede digitale Wertschöpfungskette liefert sich einigen wenigen Infrastrukturanbietern aus.

Im gleichen Maß, in dem diese Plattformen an Bedeutung gewinnen, steigt auch die Tragweite ihrer Ausfälle. Die Vorfälle der vergangenen Jahre zeigen deutlich, wie fragil moderne IT-Ökosysteme trotz massiver Redundanz- und Resilienzmechanismen sein können.

Moderne Anwendungen bestehen aus Dutzen­den bis Hunderten Mikroservices, die wiederum von diversen Cloud-Diensten abhängen: IT-Sicherheitsdiensten, Datenbanken, Messaging, CDNs, Identitätssystemen, Load-Balancern, Storage oder regionalen Routingdiensten. Fällt nur eine dieser Komponenten aus, kann das gesamte System ins Stocken geraten.

Die Ausfälle selbst nur eines Dienstes bei einem Hyperscaler wirken nicht isoliert. Ein Problem in einer Region, einem globalen CDN, einer Authentifizierungskomponente oder einem DNS-Dienst kann sich sofort auf eine Vielzahl abhängiger Systeme ausbreiten. Durch die starke Zentralisierung entsteht auf globaler Ebene ein System voller Single Points of Failure.

Digitale Dienste werden inzwischen als selbstverständlich wahrgenommen. Eine App oder Website, die nicht erreichbar ist, führt sofort zu Frustration, Break-of-Service und im schlimmsten Fall zur Abwanderung. Wiederholte Ausfälle schwächen das Vertrauen sowohl in die betroffenen Anbieter als auch in die Unternehmen, die deren Dienste nutzen. Sind Dienste nicht erreichbar sind oder Daten inkonsistent, können SLA-Verstöße, regulatorische Anforderungen (wie bei Finanz- oder Gesundheitsdaten) und juristische Auflagen zu einem immensen Kostenfaktor werden.

Graeme Stewart, Leiter des öffentlichen Sektors bei Check Point Software, sagte: „Der heutige Ausfall von Cloudflare folgt dem gleichen Muster wie die jüngsten Ausfälle von AWS und Azure. Diese Plattformen sind riesig, effizient und werden in fast allen Bereichen des modernen Lebens genutzt. Die Vorteile liegen auf der Hand. Durch ihre Größe bleiben die Kosten niedrig, Sicherheitswerkzeuge werden leichter zugänglich und selbst kleine Unternehmen profitieren von einer Leistung, die früher unmöglich gewesen wäre. Die Nachteile sind ebenso klar. Wenn eine Plattform dieser Größe ausfällt, breiten sich die Auswirkungen schnell und weit aus, und jeder spürt sie sofort.“

Cloud-Ausfälle sind systemische Ereignisse. Die große Stärke der Cloud – zentrale, hochoptimierte, globale Infrastruktur – ist zugleich ihre größte Schwäche. Ausfälle dieser Plattformen betreffen nicht nur einzelne Anwendungen, sondern wirken wie systemische Schocks auf das digitale Ökosystem.

Benjamin Schilz, CEO von Wire, vertritt die Meinung, dass sich Unternehmen jetzt von der Hyperscaler-Monokultur lösen müssen: “Der Cloudflare-Ausfall zeigt, wie stark das Internet von nur wenigen zentralen Infrastruktur-Anbietern abhängt. Wenn ein zentraler Netzdienst wie Cloudflare – der vor Millionen von Websites und Apps geschaltet ist – eine Störung hat, sind Kommunikation, Transaktionen und ganze digitale Dienste innerhalb von Minuten betroffen.”

Er betont: “Für jede Organisation ist es keine tragfähige Strategie mehr, sich für kritische Funktionen allein auf einen einzelnen Anbieter zu verlassen, da in den vergangenen Wochen nicht nur Cloudflare, sondern auch große Anbieter wie AWS massive Ausfälle hatten.”

Für ihn bedeutet echte Resilienz, “wirkliche architektonische Alternativen zu haben und digitale Souveränität über die eigenen Kernprozesse zu gewinnen.” Er fordert Führungskräfte auf, sich mit dem Thema auseinanderzusetzen. Die Frage sei nicht, “ob der nächste große Ausfall kommt, sondern wie ihr Unternehmen funktionieren wird, wenn er eintritt.” Für ihn ist "sich von dieser Hyperscaler-Monokultur zu lösen, ist die einzig logische Antwort.”

Auch Rowan O'Donoghue, Chief Innovation Officer und Mitbegründer von Origina, fordert nach dem heutigen Ausfall eine Stragieänderung: „Die digitale Welt ist an eine Handvoll Hyperscaler und Infrastrukturriesen gebunden. Wenn einer ausfällt, leiden Unternehmen überall darunter – und der heutige Ausfall von Cloudflare beweist dies. Hier geht es nicht nur um Unannehmlichkeiten, sondern um ein systemisches Risiko. Vendor Lock-in und erzwungene Upgrade-Zyklen haben fragile Ökosysteme geschaffen, in denen Skalierbarkeit Vorrang vor Ausfallsicherheit hat. Die Zukunft sollte nicht Cloud-first sein – sie sollte Choice-first sein. Unternehmen brauchen Strategien, die die Abhängigkeit verringern, die Kontrolle behalten und Innovation mit Stabilität in Einklang bringen. “

Prävention und testen, testen, testen

Cloud-Ausfälle lassen sich nicht gänzlich verhindern, aber ihre Auswirkungen können drastisch reduziert werden. Unternehmen, die sich auf diese Plattformen stützen, müssen aktiv in Resilienz investieren. Die zentralen Handlungsfelder sind Architektur, Incident Management und Organisation.

Unternehmen sollten die Infrastruktur, die ihren Diensten zugrunde liegt, so planen, dass sie auch bei regionalen oder dienstspezifischen Ausfällen weiterhin funktioniert. Dazu gehören Multi-Region-Setups, Datenreplikation, asynchrone Architekturen, robuste Fallback-Mechanismen sowie Event-Driven-Design (Softwarearchitektur, bei der die Kommunikation zwischen Komponenten durch den Austausch von zustandsändernden Ereignissen gesteuert wird). Technologie- und/oder Anbieter-Redundanz bei kritischen Infrastrukturkomponenten wie DNS, CDN oder Identitätsmanagement reduziert das Risiko globaler Störungen.

Resilienz ist allerdings nicht nur eine Frage des Designs. Organisationen müssen in der Lage sein, schnell und gezielt auf Ausfälle zu reagieren. End-to-End-Monitoring, verlässliche Incident-Response-Prozesse und klar dokumentierte Runbooks ermöglichen eine schnelle Stabilisierung im Krisenfall. Bedingte Anweisungen im Code (sogenannte Feature-Flags), automatisierte Rollbacks und ein Incident-Command-Modell (standardisiertes Management-System zur Organisation von Reaktionen und Koordination in Notfällen) helfen bei der Bewältigung.

Regelmäßige Tests – vom Game Day bis zu gezielten Chaos-Engineering-Experimenten – sind essentiell und stellen sicher, dass Failover-Mechanismen tatsächlich funktionieren. Unternehmen brauchen belastbare Business-Continuity-Pläne, alternative Kommunikationskanäle und Fallback-Prozesse, um interne Abläufe und Kundenkommunikation auch während größerer Störungen aufrechtzuerhalten.