In meinem Blog-Beitrag möchte ich mit euch ein paar Gedanken zur Anwendungssicherheit in Microservices-Architekturen teilen. Dabei werde ich auf die Verlagerung von Security-Funktionalitäten in Frameworks und in den Infrastruktur-Stack eingehen und erkläre, was das Ganze für Security-Expertinnen und -Experten sowie Entwicklungsteams bedeutet. Zudem gehe ich auch auf die durchaus schon lange bekannten Herausforderungen stark verteilter Systeme ein.

Im ersten Teil unseres Blog-Beitrags ging es vor allem um die Einführung eines DevOps-Technologiestacks und um die Frage, warum Projekte häufig scheitern. Nun werden wir näher auf die einzelnen Projektphasen eingehen. Ihr erfahrt, wie ihr die entsprechenden Rahmenbedingungen schafft, das Projekt plant, durchführt und erfolgreich zum Abschluss bringt.

Häufig wird Agilität als Kernelement für Digitalisierung verstanden und es beginnt die Suche nach der unterstützenden Technologie. Hier wird dann immer öfter die Einführung von DevOps gefordert. Im ersten Teil unseres Blog-Beitrags werden wir daher zunächst beschreiben, was DevOps sind, verraten euch, was bei der Einführung eines DevOps-Technologiestacks zu beachten ist und erklären, warum Projekte häufig scheitern.

Ein Tag. Sechs Vorträge. Ein Thema: Software Engineering – und das in all seinen Facetten. So lässt sich der 16. November 2017 in wenigen Worten zusammenfassen.

Stellt euch folgendes Szenario vor: Auf Facebook wurde eine Unternehmensseite erstellt, bei YouTube laufen bereits die ersten Company-Videos und über den Twitter-Account werden fleißig Neuigkeiten verbreitet. Um es der Konkurrenz gleich zu tun, wurden zudem auf XING und LinkedIn Firmenprofile erstellt. Nun wird gewartet, bis der erste Kunde „anbeißt“ und aktiv wird. Es passiert aber nichts. In meinem Blog-Beitrag möchte ich euch zeigen, was ihr unternehmen könnt, um das Ganze anzukurbeln.

Business und IT befinden sich im stetigen Wandel. Time-to-Market kann über “to be or not to be” entscheiden. Unkontrollierte Systemausfälle führen zu Imageverlust und langsame Antwortzeiten zu Kundenschwund. Daten werden ausgewertet, um auf die Kundenbedürfnisse besser und schneller reagieren zu können. Erkenntnisse der Datenanalyse – sogenannte Machine-Learning-Algorithmen − können neue Wachstumsmöglichkeiten eröffnen. In meinem Blog-Beitrag möchte ich die Frage klären, ob solche Systeme mit noch beherrschbarer Komplexität gebaut werden können.