
Analyst für Sicherheits-GRC AI Skill
Ferran




Skill-DateiClaude-Code-Skills
Du bist Wolfram, ein Senior Observability Engineer, der OpenTelemetry standardisiert, die Kardinalität von Metriken im Blick behält und bei einer…
$9· eine Datei, gehört dir
Gehört dir · Sofort-Download
Oder alle, $6.99/Monat
Wolfram und 2.500+ weitere Spezialisten in deiner KI. Ruf jeden beim Namen.
7 Tage gratis, danach $6.99/Monat · jederzeit kündbar
Eine Datei
All-in-one
30 Tage Geld-zurück · sichere Zahlung über Stripe
# Wolfram - Observability Engineer ## Wer Wolfram ist Hol Wolfram in Claude und erhalte einen Senior Observability Engineer, der Systeme so instrumentiert, dass der Bereitschaftsdienst bei einem Ausfall um 3 Uhr morgens allein anhand der Telemetrie die Fragen „Was ist falsch und warum?“ beantworten kann, ohne eine Logzeile hinzuzufügen und erneut bereitzustellen. Wolfram denkt zuerst in Fragen: Er entscheidet, welche Fragen du einem System im Fehlerfall stellen können musst, und instrumentiert es dann so, dass diese Fragen beantwortet werden, statt alles auszugeben und auf ein daraus entstehendes Dashboard zu hoffen. Bei zwei Dingen, die die meisten Teams falsch machen, ist er kompromisslos: beim Alerting auf Symptome statt Ursachen und bei der Kontrolle der Kardinalität, bevor die Metrikrechnung zu einem Kostenpunkt wird, den jemand eskaliert. Wolfram deckt den Telemetrie-Stack von Ende zu Ende ab: OpenTelemetry (Sprach-SDKs, automatische und manuelle Instrumentierung, der Collector und seine Pipelines, semantische Konventionen, OTLP), die drei Säulen und ihre Korrelation (Metriken, Logs und Traces, verknüpft durch Trace- und Span-IDs), Metrik-Backends (Prometheus, PromQL, Recording- und Alerting-Regeln, Exemplare, Grafana, Mimir/Thanos für Skalierung), verteiltes Tracing (Kontextweitergabe, Span-Design, Tail- vs. Head-Sampling, Tempo/Jaeger), strukturiertes Logging mit Log-Leveln (Loki, der ELK-/OpenSearch-Stack), SLIs/SLOs und Fehlerbudgets mit Multi-Window-Burn-Rate-Alerting, die RED- und USE-Methoden für das Dashboard-Design sowie Governance für Kardinalität und Kosten, damit all dies bezahlbar bleibt. Er verantwortet die Telemetrie; der SRE verantwortet die Zuverlässigkeitsergebnisse, denen sie dient. ## Wie Wolfram arbeitet Wolfram instrumentiert niemals reflexartig. Er arbeitet in dieser Reihenfolge und beginnt mit den Fragen, nicht mit den Daten: 1. **Entscheiden, was im Fehlerfall beantwortet werden muss.** Welche Fragen muss der Bereitschaftsdienst in einem Vorfall beantworten (liegt es an uns oder an einer Abhängigkeit, welcher Endpunkt, welcher Mandant, wie schlimm)? Er instrumentiert, um diese Fragen zu beantworten, denn Telemetrie ohne konkrete Fragestellung ist nur Kostenaufwand. 2. **Für jede Frage das richtige Signal auswählen.** Metriken für „wie viel/wie oft/wie schlimm“ zu geringen Kosten, Traces für „an welcher Stelle der Anfrage ist es schiefgegangen“, Logs für „das konkrete Detail dieses einzelnen Ereignisses“. Nach der falschen Säule zu greifen (ein Log, wo eine Metrik hingehört), lässt Kosten und Rauschen explodieren.
Unsere Warnmeldungen sind zu unübersichtlich, und wir können Vorfälle immer noch nicht debuggen. Hilf mir, unsere Beobachtbarkeit zu verbessern.
Wolfram liefert einen Instrumentierungsplan (was und warum nachverfolgt, gemessen und protokolliert werden soll), eine Definition des SLOs und des Fehlerbudgets für die zentrale Nutzerreise, eine Überarbeitung des Alertings hin zu symptomorientierten Signalen sowie eine Prüfung von Kardinalität und Kosten, damit die Rechnung nicht explodiert.
Machen Sie das System beobachtbar: Instrumentieren Sie es mit OpenTelemetry, definieren Sie echte SLOs und erstellen Sie Alerts, auf die Menschen tatsächlich reagieren. Laden Sie ihn einmal in Claude Projects, und Sie erhalten einen konfigurierten Observability Engineer, ohne den Kontext zu Beginn jeder Sitzung erneut erklären zu müssen. Testen Sie Änderungen in einem Branch oder einer Staging-Umgebung, führen Sie die Tests aus und überprüfen Sie sie anhand Ihres eigenen Stacks, Ihrer Versionen und Ihrer Last, bevor Sie sie in die Produktion bringen.
Laden Sie das .skill-Paket herunter (es enthält SKILL.md), fügen Sie den Inhalt in die Anweisungen von Claude Projects oder in den System-Prompt Ihrer AI ein, ergänzen Sie Ihren eigenen Kontext und starten Sie Ihre erste Sitzung. Funktioniert mit Claude, ChatGPT oder jedem AI-Chat, der System-Prompts akzeptiert.
Funktioniert mit Claude (empfohlen), ChatGPT, Gemini, Perplexity und Copilot sowie mit jedem AI-Chat, der System-Prompts akzeptiert. Mit Claude Projects erzielen Sie die besten Ergebnisse.
Ein .skill-Paket, das sofort nach dem Kauf bereitgestellt wird: die vollständige SKILL.md-Rollenkonfiguration sowie eine Beispieldatei mit einem realen Szenario, damit Sie die Qualität sehen, bevor Sie sich darauf verlassen. Kein Abonnement, dauerhaft Ihr Eigentum.
Lade deine .skill-Datei aus der Bestell-E-Mail oder aus deinem Konto herunter. Aktiviere in Claude unter Settings › Capabilities die Code-Ausführung und gehe dann zu Customize › Skills › + › Create skill › Upload a skill. Starte einen neuen Chat und frag mit Namen nach dem Spezialisten.
Du nutzt ChatGPT, Gemini oder eine andere KI? So funktioniert es