Von der Entwicklung in die Produktion
Einen Prototyp zu erstellen, ist einfach: ein Prompt, zehn Minuten warten, et voilà! Software unter realen Bedingungen produktiv zu betreiben, ist eine völlig andere Disziplin.
Dann zählen Monitoring, Backups, klare Zuständigkeiten, Support-Integration, Ausfallsicherheit, automatische Deployments und DSGVO-Konformität. Nicht zuletzt muss Ihr Team das System verstehen und damit arbeiten können. Diese Entscheidungen treffen wir vom ersten Tag an richtig, damit aus Ihrer Vision ein Erfolgserlebnis wird!
Reproduzierbarkeit
Jedes Deployment ist identisch – egal ob Entwicklung, Staging oder Produktion
Schnelle Iterationen
Von Commit zu Production in Minuten, nicht Tagen
Ausfallsicherheit
Selbstheilende Systeme, automatische Rollbacks, Zero-Downtime Deployments
Transparenz
Logs, Metriken und Traces – alles an einem Ort
Kubernetes: Container-Orchestrierung richtig gemacht
Kubernetes ist ein verbreiteter Standard für Container-Orchestrierung. Sinnvoll ist es aber nur, wenn Team, Betrieb und Komplexität dazu passen. Typische Bausteine sind:
k3s auf Hetzner
Leichtgewichtiges Kubernetes für kosteneffiziente Deployments:
- Volle K8s-Kompatibilität bei geringerem Overhead
- Perfekt für Single-Node bis Multi-Node Cluster
- Deutsche Rechenzentren für DSGVO-Compliance
Kustomize
Deklarative Konfiguration ohne Template-Magie:
- Base-Manifests mit Environment-Overlays
- Patches für umgebungsspezifische Anpassungen
- Keine Helm-Charts nötig für die meisten Fälle
Traefik Ingress
Moderner Ingress Controller mit automatischer TLS:
- Let's Encrypt Integration via cert-manager
- Middleware für Rate-Limiting, Auth, Redirects
- Dashboard für Traffic-Monitoring
NetworkPolicies
Zero-Trust Networking im Cluster:
- Pods dürfen nur kommunizieren, was explizit erlaubt ist
- Schutz vor lateraler Bewegung bei Kompromittierung
- Dokumentierte Datenflüsse
GitOps mit Flux CD
Git als Single Source of Truth – alle Änderungen an der Infrastruktur gehen durch Pull Requests:
Code Push
Entwickler pushen Code → CI baut Container Image → Push zu Registry (GHCR)
Image Update
Flux erkennt neues Image → Aktualisiert Kustomization automatisch
Reconciliation
Flux synchronisiert Cluster-State mit Git → Deployment rollt aus
Verification
Health Checks bestätigen Erfolg → Bei Fehler: automatischer Rollback
Vorteile von GitOps:
- Audit Trail: Jede Änderung ist in Git nachvollziehbar
- Disaster Recovery: Cluster aus Git komplett wiederherstellbar
- Team-Kollaboration: Infrastruktur-Änderungen via PRs mit Review
Secret Management mit SOPS
Secrets gehören nicht in Git – außer sie sind verschlüsselt:
SOPS + Age Encryption
Secrets werden lokal mit Age-Keys verschlüsselt und als .enc.yaml in Git committed. Flux entschlüsselt automatisch beim Deployment.
- Keine externen Secret-Manager nötig
- Versionierung und Audit wie normaler Code
- Rotation durch Key-Austausch
Key Management
Age-Keys werden sicher verwaltet – nur CI/CD und berechtigte Entwickler haben Zugriff.
- Separate Keys für Environments
- Key-Rotation ohne Re-Deployment
- Integration mit GitHub Actions
Observability Stack
Ohne Monitoring fliegen Sie blind. Unser Stack für volle Transparenz:
Prometheus
MetrikenTime-Series Datenbank für alle Cluster-Metriken:
- CPU, Memory, Network pro Pod/Service
- Custom Metrics aus Ihren Anwendungen
- Alerting bei Schwellwertüberschreitung
Grafana
DashboardsVisualisierung und Exploration:
- Vorgefertigte Dashboards für K8s-Workloads
- Custom Dashboards für Business-Metriken
- Alert-Übersicht und Incident-Tracking
Loki
LogsLog-Aggregation im Prometheus-Stil:
- Alle Container-Logs zentral durchsuchbar
- Label-basierte Filterung
- Integration mit Grafana für Log-Korrelation
Promtail
CollectionDaemonSet für Log-Shipping:
- Läuft auf jedem Node
- Automatische Label-Extraktion aus K8s-Metadata
- Effiziente Kompression
Spezialfall: GPU-Workloads außerhalb Kubernetes
Nicht jede GPU gehört in den Cluster. Für ML-Workloads kombinieren wir:
CPU-Cluster (K8s)
APIs, Datenbanken, Web-Frontend – alles was keine GPU braucht läuft kosteneffizient auf Hetzner k3s.
GPU-Worker (extern)
Celery-Worker auf dedizierten GPU-Maschinen (Büro, Cloud) verbinden sich via SSH-Tunnel zum Cluster und verarbeiten ML-Tasks.
Diese Architektur bietet:
- Kostenoptimierung: GPUs nur bezahlen, wenn sie gebraucht werden
- Flexibilität: GPU-Worker können überall laufen
- Skalierbarkeit: Einfach weitere Worker hinzufügen
Projekt-Beispiel: BidLyzer Infrastruktur
Die BidLyzer-Plattform läuft auf dieser Architektur:
- k3s auf Hetzner mit CloudNativePG für PostgreSQL
- Flux CD für automatische Deployments
- SOPS-verschlüsselte Secrets in Git
- Prometheus/Grafana/Loki für Monitoring
- Externe GPU-Worker für ML-Inference via Celery
Sprechen wir über Ihre Infrastruktur.
30 Minuten Erstgespräch. Sie schildern Ihre Lage: Kubernetes-Migration, GitOps-Einführung, Monitoring-Setup oder etwas ganz anderes. Danach sollte klarer sein, ob externe Unterstützung sinnvoll ist und wo sie konkret ansetzen würde.
Erstgespräch vereinbaren