Disaster Recovery

Was es ist

Disaster Recovery ist der Teil der Notfallplanung für den
schlimmsten Fall: Der Standort eines Systems ist verloren oder lange
nicht erreichbar, und das System muss anderswo aus Kopien neu
aufgebaut werden. NISTs Contingency Planning Guide for Federal
Information Systems, SP 800-34 Revision 1 von 2010, definiert den
Disaster-Recovery-Plan als schriftlichen Plan zur Wiederherstellung
eines oder mehrerer Informationssysteme an einem Ausweichstandort
nach einem schweren Hardware- oder Softwareausfall oder der
Zerstörung von Einrichtungen. Sein Geltungsbereich ist eng. Der
Leitfaden sieht ihn für schwere, meist physische Störungen vor, die
den Zugang zum Hauptstandort längere Zeit verhindern. Er deckt nur
Störungen ab, die einen Standortwechsel erfordern.

Diese enge Fassung unterscheidet ihn von benachbarten Plänen. Ein
Notfallplan für ein Informationssystem stellt im Sprachgebrauch des
Leitfadens ein einzelnes System an seinem jeweiligen Standort wieder
her, ob nach einem Festplattenausfall oder einer beschädigten
Datenbank. Der Disaster-Recovery-Plan ist standortbezogen: Er
verlagert den Betrieb an den Ausweichstandort. Dort wird jedes
System nach seinem eigenen Notfallplan hochgefahren. Ein Plan für
eine Datenbank und ein Plan für den Verlust eines ganzen
Rechenzentrums, einer Cloudregion oder eines Anbieterkontos sind
verschiedene Dokumente mit verschiedenen Verantwortlichen. Wer sie
verwechselt, hat am Ende leicht weder den einen noch den anderen
Plan.

Drei Messgrößen machen aus einer Absicht einen überprüfbaren Plan.
Die maximal tolerierbare Ausfallzeit (MTD) ist die gesamte
Ausfalldauer, die der Systemverantwortliche hinzunehmen bereit ist.
Das Wiederanlaufzeitziel (RTO) ist die längste Zeit, die eine
Systemressource nicht verfügbar sein darf, bevor der Schaden für
andere Systeme und den Geschäftsbetrieb untragbar wird. Weil danach
auch die unterbrochene Arbeit nachzuholen ist, muss das RTO laut
Leitfaden normalerweise kürzer als die MTD sein. Das
Wiederherstellungspunktziel (RPO) blickt zurück: Es ist der
Zeitpunkt vor dem Ausfall, auf den Daten aus der jüngsten
Sicherungskopie wiederhergestellt werden können. Es drückt aus, wie
viel Datenverlust der Geschäftsbetrieb verträgt. Einfach gesagt: Das
RTO ist die Ausfalldauer, das RPO die Menge verlorener Arbeit.

Ausweichstandorte gibt es in verschiedenen Ausbaustufen. Ein kalter
Ausweichstandort (Cold Site) bietet nur Raum und Infrastruktur, ein
warmer (Warm Site) ist teilweise ausgestattet, und ein heißer (Hot
Site) ist vollständig ausgestattet und mit Personal besetzt. Der
Leitfaden ergänzt mobile Standorte, die oft innerhalb von 24 Stunden
geliefert werden können, bevor der Aufbau beginnt, sowie gespiegelte
Standorte: die teuerste Variante, der er „praktisch 100 Prozent
Verfügbarkeit“ zuschreibt. Kalte Ausweichstandorte verursachen die
geringsten Vorhaltekosten, ihre Ausstattung kann aber beträchtliche
Zeit beanspruchen. Für die meiste heutige Software übernehmen eine
zweite Cloudregion oder ein zweiter Anbieter dieselbe Rolle. Die
Abwägung zwischen Bereitschaft und ihren Vorhaltekosten bleibt
gleich.

Warum es wichtig ist

Eine Sicherung ist eine Kopie, und eine Kopie allein betreibt
nichts. Von der Kopie zum funktionierenden System braucht es auch
die lesende Software, die Entschlüsselungsschlüssel, Server und
Netzwerk für den Betrieb, die verbindende Konfiguration und
jemanden, der die richtige Reihenfolge kennt. Alles davon, was nur
am verlorenen Standort existierte, ging mit ihm verloren. Disaster
Recovery sorgt dafür, dass alle diese Bestandteile dasselbe Ereignis
überstehen und dass der Weg von der Kopie zum Dienst schon einmal
beschritten wurde, bevor ihn jemand braucht.

Die wiederherstellbaren Daten reichen nur bis zur letzten
wiederherstellbaren Kopie, unabhängig davon, welches RPO der
Sicherungsplan erfüllen soll. Ein nächtlicher Job, der seit einer
Woche unbemerkt fehlschlägt, gefährdet die Daten einer ganzen Woche,
unabhängig vom Richtliniendokument. NISTs Leitfaden macht denselben
Punkt für Bandmedien: Sicherungen sollen regelmäßig geprüft werden,
um die korrekte Speicherung und das Abrufen der Dateien ohne Fehler
oder Verlust zu bestätigen. Eine grüne Statusanzeige eines
Sicherungsjobs belegt, dass etwas geschrieben wurde. Erst eine
Wiederherstellung belegt, dass es sich zurücklesen lässt.

Auch der Plan veraltet. Menschen gehen, Server werden ersetzt,
Anbieter gestalten ihre Konsolen um, und Passwörter im
Betriebshandbuch laufen ab. Von NISTs sieben Schritten der
Notfallplanung sind die letzten beiden Tests, Schulung und Übungen
sowie die Pflege des Plans. Der Leitfaden verlangt ein lebendes
Dokument, das mindestens jährlich und bei wesentlichen Änderungen am
System oder den Wiederherstellungsressourcen überprüft wird. Ein nie
geprobter Plan scheitert oft an Details, die niemand aufgeschrieben
hat: der Startreihenfolge der Dienste, einem DNS-Eintrag mit einem
Tag Gültigkeitsdauer, den einzigen Zugangsdaten auf dem
verschwundenen Rechner.

Für Softwareteams betrifft die Katastrophe häufig ein Konto statt
eines Gebäudes. Ein gelöschtes Cloudprojekt, ein kompromittierter
Administratorzugang, ein gesperrtes Anbieterkonto oder ein
destruktiver Befehl in Produktion entzieht den Systemzugang genauso
vollständig wie eine Überschwemmung. Standby-Server schützen vor dem
letzten Fall nicht. Ein Standby übernimmt ein irrtümliches `DROP
TABLE` innerhalb von Augenblicken, genau wie jede andere Änderung.

Wie es in der Praxis aussieht

Bei einer PostgreSQL-Datenbank lässt sich das mögliche
Datenverlustfenster durch kontinuierliche Archivierung des
Write-Ahead-Logs (WAL) zusätzlich zu einer Basissicherung weit unter
den Abstand zwischen zwei Sicherungen verkürzen. Der Server kopiert
jedes abgeschlossene WAL-Segment an einen sicheren Ort. Bei einer
Wiederherstellung werden diese Segmente auf der Basissicherung bis
zu einem beliebigen gewählten Zeitpunkt seit ihrer Erstellung
nachgespielt:

```ini
i# postgresql.conf on the protected server		engineer.company	70
wal_level = replica
archive_mode = on
archive_command = 'test ! -f /mnt/archive/%f && cp %p /mnt/archive/%f'
```

Zur Wiederherstellung wird eine Basissicherung in ein neues
Datenverzeichnis entpackt und dort eine leere Datei namens
`recovery.signal` angelegt. Die Wiederherstellungseinstellungen
nennen den Archivort und den Haltepunkt:

```ini
restore_command = 'cp /mnt/archive/%f %p'
recovery_target_time = '2026-03-10 17:14:00+01'
recovery_target_action = 'pause'
```

Die PostgreSQL-Dokumentation erzählt den Anlass für diese
Einstellungen: Jemand löscht am Dienstagabend um 5:15 eine kritische
Tabelle, bemerkt es am Mittwochmittag und stellt den Stand von 5:14
wieder her. Beim Erreichen des Ziels wird standardmäßig pausiert.
Abfragen können so den richtigen Zeitpunkt bestätigen, bevor der
Server für die Annahme von Verbindungen hochgestuft wird. Ist es der
falsche Zeitpunkt, wird der Server heruntergefahren, mit einem
späteren Ziel versehen und neu gestartet. Der gewählte
Wiederherstellungszeitpunkt muss nach dem Abschluss der
Basissicherung liegen. Die Dokumentation empfiehlt, die Archivierung
vor der ersten Basissicherung einzurichten und zu testen. Nach
abgeschlossener Wiederherstellung entfernt der Server
`recovery.signal`, damit er nicht versehentlich erneut in den
Wiederherstellungsmodus geht.

Engineer ApS bietet Sicherung und Disaster Recovery als Leistung an:
Sicherungen werden geprüft statt vorausgesetzt, und es gibt einen
schriftlichen Plan für den Morgen, an dem ein Server nicht
zurückkommt. Zwei Portfolioseiten zeigen, was das bedeutet. Bei
Sicherungen und Disaster Recovery als Code aus der seit 2025
laufenden Tätigkeit wurde die Sicherungsaufbewahrung in Bicep neben
der Datenbank festgelegt. Die zeitpunktbezogene Wiederherstellung
ist so Teil der Vorlage statt einer irgendwann im Portal
angeklickten Einstellung. Auch die Umgebung um die Datenbank wurde
als Code definiert. Denn eine Datenbank ist kaum als
wiederhergestellt anzusehen, wenn ihre Umgebung aus dem Gedächtnis
neu aufgebaut wurde. Der Wiederherstellungsstand wurde anschließend
geprüft und mit benannten Lücken dokumentiert: Georedundanz war
abgeschaltet, und das Wiederanlaufzeitziel war vorgeschlagen statt
gemessen, weil keine Übung stattgefunden hatte.

Die Automatisierung von Sicherungen und Wiederherstellungstests des
Unternehmens wurde dafür entworfen, Wiederherstellung über einen
Anbietersnapshot hinaus zu ermöglichen. Eine Ansible-Rolle
installiert restic-Skripte und systemd-Units für einen
Datenbankdump, sofern dieser konfiguriert ist, verschlüsselte,
deduplizierte Snapshots per SFTP auf den Speicher eines anderen
Anbieters, das Ausdünnen nach Aufbewahrungsregeln und
Integritätsprüfungen. Ein getrennter monatlicher Ablauf stellt eine
bekannte Datei an einem temporären Arbeitsort wieder her und
vergleicht ihre Bytes. Sicherung und Wiederherstellung haben
getrennte Erfolgssignale, die Passphrase kommt aus einer geschützten
Datei, und die Timer hängen von einem konfigurierten Repository ab.
Diese Kontrollen sind implementiert; eine tatsächlich durchgeführte
Wiederherstellung ist ein gesondertes Arbeitsergebnis. Der
Implementierungsnachweis vom 2026-10-27 sagt, dass die Timer ohne
Repository deaktiviert waren, und verzeichnet keine tatsächlich
abgeschlossene Wiederherstellung. Er belegt daher die
Automatisierungsarbeit, kein zugesagtes Wiederanlaufzeitziel und
keine Behauptung, das Unternehmen könne den Host bereits gefahrlos
verlieren.

Wo es schiefgeht

Die Sicherung wurde nie wiederhergestellt. Ein Job, der jede Nacht
Erfolg meldet, sagt nichts darüber aus, ob sich seine Ausgabe lesen,
entschlüsseln und laden lässt. Die erste echte Wiederherstellung ist
ein schlechter Zeitpunkt, das herauszufinden. Planen Sie
Wiederherstellungen wie Sicherungen: eine automatisierte Prüfung,
die bekannte Daten abruft und vergleicht, sowie eine vollständige
Wiederherstellung in eine saubere Umgebung, die oft genug geübt
wird, dass ihre Dauer als Messwert vorliegt.

Die Kopie teilt das Schicksal des Originals. Ein Snapshot im selben
Cloudkonto, eine Sicherungsplatte im selben Rack oder ein
Archivbucket hinter demselben Administratorzugang fällt mit dem
Primärsystem aus. NISTs Leitfaden verlangt, externe Lagerorte und
Ausweichstandorte danach auszuwählen, wie gering die
Wahrscheinlichkeit ist, dass dieselbe Katastrophe sie ebenfalls
trifft. Halten Sie mindestens eine Kopie bei einem anderen Anbieter
oder in einem anderen Konto mit getrennten Zugangsdaten vor.
Bewahren Sie Entschlüsselungsschlüssel an einem Ort auf, der nicht
von den geschützten Systemen abhängt.

Nur die Daten wurden eingeplant. Die Wiederherstellung einer
Datenbank ist nur ein kleiner Teil des Wiederanlaufs eines Dienstes,
wenn Server, Firewallregeln, DNS, Zertifikate und Geheimnisse aus
dem Gedächtnis neu erstellt werden müssen. Definieren Sie die
Umgebung als versionsverwaltete Infrastructure as Code und machen
Sie ihren Neuaufbau ebenso zum Übungsteil wie das Laden der Daten.

Die Ziele sind Schätzungen. Ein RTO ohne vorausgegangene Übung ist
im Dokument ein Vorschlag. Ein RPO, das jede Sicherung für
erfolgreich hält, ist optimistisch. Messen Sie beide in einer Übung.
NIST unterscheidet Planspiele, die nur aus Gesprächen bestehen und
keine Geräte einsetzen, von funktionalen Übungen, die den Betrieb
simulieren, bis hin zu Vollübungen für jedes Element des Plans. Die
Zahlen stammen aus der zweiten Art.

Ein Standby zählt als Sicherung. Ein Standby-Server oder eine
georeplizierte Datenbank bietet Schutz für den Fall eines
Hardwareverlusts, kopiert aber Löschungen, Beschädigungen und durch
Ransomware verschlüsselte Dateien genauso treu wie korrekte
Schreibvorgänge. Halten Sie zeitpunktbezogene Kopien vor, die ein
Fehler auf dem Primärsystem nicht erreichen kann, und bewahren Sie
sie länger auf, als das Bemerken eines Fehlers üblicherweise dauert.

Der Plan beschreibt das System vom letzten Jahr. Ein
Betriebshandbuch mit ausgemusterten Servern, ausgeschiedenen
Personen und ungültigen Passwörtern bremst eine Wiederherstellung,
statt sie anzuleiten. Prüfen Sie den Plan nach jeder wesentlichen
Änderung und jeder Übung, halten Sie Übungsfehler fest und prüfen
Sie häufig geänderte Teile wie Kontaktlisten noch öfter, wie auch
NIST empfiehlt.

Weiterführende Lektüre

  * SP 800-34 Rev. 1, Contingency Planning Guide for Federal
Information Systems — der vollständige Leitfaden: Definition und
Umfang des DRP, die sieben Planungsschritte, MTD, RTO und RPO,
Ausweichstandorte und Übungsarten samt Planvorlagen.

  * Kontinuierliche Archivierung und zeitpunktbezogene
Wiederherstellung (PITR) — das Kapitel von PostgreSQL 18 über
WAL-Archivierung, Basissicherungen und Wiederherstellung auf einen
gewählten Zeitpunkt.

  * Write Ahead Log — die Konfigurationsreferenz für
`archive_command`, `restore_command` und die Zielparameter der
Wiederherstellung.

hDiese Seite im Web	URL:https://engineer.company/de/glossary/disaster-recovery/	engineer.company	70
