Modernes Platform Engineering im Zeitalter der AI Native Softwareentwicklung

In diesem ersten Teil beleuchten wir, wie sich das Konzept des Platform Engineering aus bekannten DevOps-Praktiken entwickelt hat und was das für Design, Implementierung und Denkweise bedeutet. Außerdem zeigen wir die wichtigsten Trends und Treiber, die die heutige Platform-Engineering-Landschaft prägen.

Die Entwicklung von Platform Engineering: Wichtige Trends und Treiber

Kann Platform Engineering modernisiert werden?

Seit den Anfängen des Computing in großem Umfang hat sich das Tempo immer weiter erhöht – und das gilt auch für die vergangenen Jahre. Unternehmen stehen heute unter stärkerem Wettbewerbsdruck, wodurch der Erfolgsdruck auf Organisationen steigt. Um mehr Zeit für Kernkompetenzen und kreatives Denken zu schaffen, könnte Platform Engineering der Schlüssel zum Erfolg eurer Organisation sein.

Viele Jahre lang war die freie Wahl von Tools und Arbeitsweisen eine zentrale Botschaft, um Entwickler zufrieden und fokussiert zu halten. Flexibilität bei der Zusammenstellung von Teams oder Arbeitsgruppen verringert den kognitiven Aufwand beim Onboarding von Entwicklern in ein potenziell neues Geschäftsfeld. Nach einer Phase intensiver Exploration haben sich Tools und Praktiken deutlich konsolidiert. Gleichzeitig bleibt genügend Spielraum, damit einzelne Teams sie an ihre Bedürfnisse anpassen können.

Genauer betrachtet: Die sich wandelnde Landschaft von DevOps und Platform Engineering

Wenn wir auf die großen Veränderungen in unserer Branche zurückblicken, sehen wir, dass die engere Zusammenarbeit von Entwicklung und Betrieb durch DevOps-Praktiken häufig zu einer schnelleren Markteinführung geführt hat – allerdings nicht ohne Preis, wie wir über die Jahre gesehen haben. Dieser Preis ist nicht immer finanzieller Natur, sondern betrifft oft die kognitive Kapazität der Entwickler. Wenn wir uns in ein neues Arbeitsfeld einarbeiten, sinken Geschwindigkeit, kognitive Kapazität und Agilität naturgemäß, da neues Wissen aufgenommen und verarbeitet werden muss.

„You build it, you run it“ ist zwar wichtig für die Verantwortungsübernahme und damit auch für die Dringlichkeit in den Teams, doch viele Entwickler mussten operative Praktiken erlernen, mit denen sie zuvor nie in Berührung gekommen waren. Das war notwendig, weil operative Kompetenzen nicht in ausreichendem Maße vorhanden waren, um mit der wachsenden Zahl an Teams Schritt zu halten, die sie benötigten. Die Abkehr von Warteschlangen für Aufgaben in einem klassischen Betriebsmodell erforderte einen grundlegenden Wandel der Denkweise – und in vielen Fällen haben wir gesehen, dass nicht jede Organisation darauf gesetzt hat. Dieser Wandel war und ist entscheidend, um nicht in Silos zurückzufallen – und in manchen Fällen in Grabenkämpfe –, die die Wettbewerbsfähigkeit aller in der Organisation beeinträchtigen. Die Kehrseite von DevOps besteht darin, dass Entwickler Kenntnisse in grundlegenden Cloud-Netzwerken, der Konfiguration von Kubernetes und Content Delivery Networks aufbauen mussten. Um diese Bereiche im Hinblick auf Betrieb, Flexibilität und Wirtschaftlichkeit gut zu beherrschen, ist Spezialwissen erforderlich.

Damit Entwickler ihr Wissen auf ihre jeweilige Business-Domain konzentrieren, gut strukturierte Architektur und Code entwickeln und ihre kreative Freiheit nutzen können, hat sich Platform Engineering zum führenden Ansatz entwickelt. Plattformen werden mit starkem Fokus auf die Anforderungen von Entwicklern beim Schreiben, Bauen, Testen, Deployen und Betreiben von Software entwickelt, um diese kognitive Belastung zu verringern. Das bedeutet, für eine einheitliche Betriebsweise einen Teil der Freiheit zurückzugeben. Das ist kein Nachteil, wenn die positiven Nebeneffekte von Platform Engineering in einer Welt mit steigenden Anforderungen an Governance und Compliance zum Tragen kommen.

Was sind die wichtigsten Treiber der Modernisierung im Platform Engineering?

Viele Organisationen sind in die Cloud migriert, zugleich beobachten wir einen Wandel hin zu einem stärker Cloud Native geprägten Ansatz. Das bedeutet nicht zwangsläufig, dass alle in die Cloud gehen – auch wenn es viele tun. Es geht vielmehr um die Denkweise, Technologien zu nutzen, die zu den zentralen Bausteinen der heutigen Clouds gehören. Dazu können zahlreiche Architekturmuster in der Softwareentwicklung zählen, doch Virtualisierung, Containerisierung und Kubernetes waren ohne Zweifel die zentralen Akteure auf dem Cloud-Native-Weg. Kleinere, klar abgegrenzte Services zu entwickeln, die sich einfacher debuggen, skalieren und warten lassen, ist einer der Erfolgsfaktoren. Das steht im starken Kontrast zu der Zeit, in der möglichst viel in einen einzigen Service gepackt und das letzte Quäntchen CPU- und Speicherleistung aus dem Server herausgeholt wurde.

Heute betreiben wir Hunderte, Tausende oder noch mehr Services in unseren Organisationen und verlassen uns darauf, dass die Plattform all diese Services effizient auf den tatsächlichen Servern verteilt und das Beste aus unseren finanziellen Investitionen herausholt.

Indem wir uns auf den Weg zu Platform Engineering machen, können wir die verfügbaren Ressourcen besser nutzen – unabhängig davon, ob es sich um On-Premise-Server oder um Cluster eines Cloud-Anbieters eurer Wahl handelt. Ohne diesen Weg können wir unsere Systeme zwar betreiben, doch um alles wirtschaftlich am Laufen zu halten, braucht es Spezialwissen. Andernfalls riskieren wir, unser Budget für zahlreiche einzelne Cluster und die wiederholte Bereitstellung unterstützender Services aufzubrauchen.

Durch die Analyse der Datenströme von den Plattformen können wir gezielt Maßnahmen ergreifen, um die Fähigkeiten für die Softwareentwickler, die die Plattform nutzen, zu verbessern und auszubauen. Das ist ein zentraler Grundpfeiler, der in den vergangenen Jahren stärker in den Fokus gerückt ist. Immer mehr Organisationen haben erkannt, dass die Plattform für Entwickler entwickelt wird und daher ihre Anforderungen unterstützen sollte. Wir gehen zunehmend dazu über, Plattformen als Produkte zu betreiben. Ganz so weit sind wir jedoch noch nicht: Viele betrachten Platform Engineering als technische Herausforderung, obwohl das gesamte Konzept eine soziotechnische Aufgabe ist. Nutzerfeedback sowohl quantitativ als auch qualitativ einzuholen, ist wichtig, um sicherzustellen, dass wir die richtigen Dinge entwickeln, dass sie genutzt werden und dass die Anwender gerne mit der Plattform arbeiten.

Zu guter Letzt steigt in der Branche die Nachfrage, AI-Workloads auf Plattformen auszuführen. Das hat viele Diskussionen ausgelöst – sowohl bei uns als Plattform-Entwicklern und Sicherheitsexperten als auch bei großen Hardware-Unternehmen wie NVIDIA. Wie bauen wir eine Plattform, die das Potenzial der Hardware nutzt und zugleich zum Cloud-Native-Ansatz des Shared Hosting passt?

Nach den ersten Schritten, bei denen Hardware direkt für einzelne Workloads konfiguriert wurde, geht der Trend zunehmend zu einem Modell, bei dem sich mehrere Workloads die Hardware teilen. Das ist zwar schon länger möglich, doch nun entstehen in der Branche Standards, die uns langfristig beim Betrieb unterstützen werden.