[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill:01M7AEE89DFJN1VRBJQWB1SC1F":3,"skill-same:01M7AEE89DFJN1VRBJQWB1SC1F":46},{"skillNo":4,"name":5,"nameZh":6,"description":7,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":16,"categories":17,"keywords":18,"publishedAt":19,"linkOnly":20,"markdownContent":21,"markdownBody":22,"frontMatter":23,"refName":24,"commitSha":25,"skillDirectory":26,"forksCount":14,"repositoryHtmlUrl":27,"repositoryHomepageUrl":6,"ownerHtmlUrl":28,"ownerBlogUrl":29,"ownerDescription":30,"updatedAt":31,"install":32,"resources":45},"01M7AEE89DFJN1VRBJQWB1SC1F","deployment-prep-skill",null,"Pre-Deployment-Verifizierungs-Checkliste mit Rollback-Planung und Anleitung für schrittweise Rollouts. Verwende sie, wenn du ein Release vorbereitest, ein riskantes Deployment planst oder Deployment-Runbooks erstellst. Auslösen mit \"Deployment vorbereiten\", \"Release-Checkliste\", \"Deploy-Plan für\".","innFactory-AI\u002Fcompany-ai-stack-skills","innFactory-AI","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F165681221?v=4","01M7AEC27VD0D1QX2XBX441MDW","innFactory AI","01M7AEC28G25HQ9H9SN58MNV27",0,"MIT","https:\u002F\u002Fgithub.com\u002FinnFactory-AI\u002Fcompany-ai-stack-skills\u002Fblob\u002Fmain\u002Fde\u002Fskills\u002Fengineering\u002Fdeployment-prep-skill\u002FSKILL.md",[],[],"2026-11-15 14:19:17",false,"---\nname: deployment-prep-skill\ndescription: Pre-Deployment-Verifizierungs-Checkliste mit Rollback-Planung und Anleitung für schrittweise Rollouts. Verwende sie, wenn du ein Release vorbereitest, ein riskantes Deployment planst oder Deployment-Runbooks erstellst. Auslösen mit \"Deployment vorbereiten\", \"Release-Checkliste\", \"Deploy-Plan für\".\n---\n\n# Deployment-Vorbereitung-Skill\n\nErkenne Deployment-Probleme, bevor sie deine Nutzer erreichen, und halte den Blast Radius klein, wenn doch etwas schiefgeht. Der Skill deckt Pre-Deployment-Checklisten, Rollback-Planung, Canary-\u002FBlue-Green-Strategien und Kommunikationspläne ab. Die kontextspezifischen Daten kommen von dir, aus einer angebundenen MCP-Quelle oder aus companyRAG-Sammlungen.\n\n## Woher die Daten kommen\n\n| Quelle | Was sie beiträgt |\n| --- | --- |\n| **Git-Provider über MCP** (z. B. GitHub, GitLab) | Release-Branch, Changelog, gemergte PRs |\n| **Projekt-Tracker über MCP** (z. B. Jira, Linear) | Abgeschlossene Tickets; prüfen, ob alle geplanten Punkte gemergt sind |\n| **CI-System über MCP** (z. B. GitHub Actions, GitLab CI) | Status der CI-Checks auf dem Release-Branch |\n| **companyRAG \u002F Datei-Upload** | Bestehende Runbooks, Infrastruktur-Dokumentation, SLA-Definitionen, frühere Post-mortems |\n\n> **Keine angebundene Quelle?** Gib die Daten im Chat an oder lade die relevanten Dateien hoch — der Skill funktioniert genauso.\n\n## Pre-Deployment-Checkliste\n\nArbeite jeden Abschnitt durch, bevor du das Deployment startest. Hake Punkte erst ab, wenn sie verifiziert sind — verlasse dich nicht auf Annahmen.\n\n### Code-Bereitschaft\n\n- Alle geplanten Änderungen sind in den Release-Branch gemergt\n- Keine offenen PRs blockieren das Release\n- Alle CI-Checks laufen auf dem Release-Branch durch (Tests, Linting, Type-Checks, Security-Scans)\n- Code-Review für alle Änderungen seit dem letzten Deployment ist abgeschlossen\n- Keine bekannten kritischen oder schwerwiegenden Bugs im Release\n\n### Datenbank und Daten\n\n- Datenbank-Migrationen sind gegen einen produktionsnahen Datensatz getestet\n- Migrationen sind abwärtskompatibel (alter Code läuft gegen das neue Schema)\n- Das Rollback der Migration wurde getestet (sofern die Migration reversibel ist)\n- Große Daten-Migrationen sind hinsichtlich Dauer und Lock-Auswirkung benchmarkt\n- Daten-Backups sind aktuell und nachweislich wiederherstellbar\n\n### Abhängigkeiten und Konfiguration\n\n- Neue Umgebungsvariablen sind in allen Zielumgebungen gesetzt\n- Neue Feature-Flags sind mit korrekten Standardzuständen konfiguriert\n- Drittanbieter-Service-Abhängigkeiten sind betriebsbereit (Statusseiten prüfen)\n- API-Versionskompatibilität mit Upstream- und Downstream-Services verifiziert\n- Neue Secrets sind im Secrets Manager bereitgestellt\n\n### Infrastruktur\n\n- Die Zielumgebung hat ausreichend Kapazität für das Release (Compute, Memory, Storage)\n- Auto-Scaling-Policies sind für erwartete Lastveränderungen konfiguriert\n- Health-Check-Endpunkte sind aktualisiert, falls sich die Health-Kriterien geändert haben\n- Load-Balancer-Routing-Regeln sind aktualisiert, falls neue Services oder Pfade eingeführt werden\n- SSL-Zertifikate sind gültig und laufen nicht in Kürze ab\n\n### Observability\n\n- Monitoring-Dashboards decken neue Features und geänderte Komponenten ab\n- Alerts sind für neue Fehlerfälle konfiguriert\n- Log-Level sind angemessen (kein Debug in Produktion)\n- Deployment-Marker oder -Annotationen sind für die Monitoring-Tools vorbereitet\n- Runbook-Links sind an neue Alerts angehängt\n\n### Kommunikation\n\n- Der Deployment-Zeitplan ist an die Stakeholder kommuniziert\n- Eine On-Call-Person ist benannt und während des Deployment-Fensters verfügbar\n- Für Nutzer sichtbare Änderungen sind für das Support-Team dokumentiert\n- Das Wartungsfenster ist kommuniziert (falls zutreffend)\n- Ein Statusseiten-Update ist vorbereitet (falls zutreffend)\n\n## Rollback-Plan\n\nJedes Deployment muss vor der Ausführung einen Rollback-Plan haben. \"Roll forward\" ist nur dann eine gültige Strategie, wenn sie bewusst gewählt wurde — nicht, weil ein Rollback nie geplant wurde.\n\n### Rollback-Plan-Vorlage\n\n```\n# Rollback-Plan: [Release-Version\u002FName]\n\n## Entscheidungskriterien für Rollback\nStarte ein Rollback, wenn EINE dieser Bedingungen erfüllt ist:\n- [ ] Fehlerrate übersteigt [X]% (Baseline: [Y]%)\n- [ ] p95-Latenz übersteigt [X]ms (Baseline: [Y]ms)\n- [ ] Health-Check-Fehler auf [N]+ Instanzen\n- [ ] Bestätigtes, von Kunden gemeldetes kritisches Problem\n- [ ] Datenintegritätsproblem erkannt\n\n## Rollback-Befugnis\n- Primär: [Name\u002FRolle — wer das Rollback autorisieren darf]\n- Backup: [Name\u002FRolle]\n\n## Rollback-Ablauf\n1. [Schritt-für-Schritt-Ablauf, spezifisch für deine Deployment-Methode]\n2. [z. B. Kubernetes-Deployment auf vorherige Revision zurücksetzen]\n3. [z. B. Datenbank-Migrations-Rollback-Skript ausführen]\n4. [z. B. Feature-Flag auf vorherigen Zustand zurücksetzen]\n5. [z. B. CDN\u002FCache leeren, falls statische Assets geändert wurden]\n\n## Geschätzte Rollback-Dauer\n- Anwendungs-Rollback: [X Minuten]\n- Datenbank-Rollback: [X Minuten — oder \"irreversibel, siehe Gegenmaßnahme\"]\n- Vollständige Wiederherstellung: [X Minuten]\n\n## Irreversible Komponenten\n[Liste alle Änderungen auf, die nicht zurückgerollt werden können — Daten-Migrationen, externe Benachrichtigungen, Drittanbieter-Provisioning — samt Gegenmaßnahme]\n\n## Verifizierung nach dem Rollback\n- [ ] Anwendungs-Health-Checks laufen durch\n- [ ] Fehlerrate ist auf Baseline zurückgekehrt\n- [ ] Für Nutzer sichtbare Funktionalität verifiziert\n- [ ] Stakeholder über das Rollback informiert\n```\n\n### Rollback-Strategie nach Änderungstyp\n\n| Änderungstyp | Rollback-Ansatz | Zu beachten |\n| --- | --- | --- |\n| **Nur Anwendungscode** | Vorherige Version erneut deployen | Schnellstes Rollback. Prüfe, dass kein State geschrieben wurde, den die alte Version nicht lesen kann. |\n| **Code + additive Schema-Migration** | Vorherigen Code erneut deployen; neues Schema belassen | Neue Spalten\u002FTabellen sind für alten Code harmlos, wenn Defaults gesetzt sind. Sauberer als das Migrations-Rollback. |\n| **Code + destruktive Schema-Migration** | Erfordert getestetes Migrations-Rollback-Skript | Spalten-Umbenennungen, -Drops und Typänderungen sind gefährlich. Bevorzuge das Expand-Contract-Pattern. |\n| **Feature-Flag-Änderung** | Flag auf vorherigen Zustand zurückschalten | Am schnellsten. Kein Deployment nötig. Prüfe die Propagationszeit des Flag-Zustands. |\n| **Infrastruktur-Änderung** | Terraform\u002FHelm auf vorherigen Zustand zurücksetzen | Längere Rollback-Dauer. Manche Infra-Änderungen (DNS, Zertifikat) haben Propagationsverzögerungen. |\n| **Daten-Migration\u002FBackfill** | Aus Backup wiederherstellen oder Reverse-Migration ausführen | Am langsamsten. Kann zu Datenverlust für nach der Migration erstellte Datensätze führen. Plane kompensierende Maßnahmen. |\n\n## Strategien für schrittweise Rollouts\n\nWähle eine Rollout-Strategie basierend auf Risikostufe und Infrastruktur-Fähigkeiten.\n\n### Strategie-Auswahl\n\n| Risikostufe | Empfohlene Strategie | Begründung |\n| --- | --- | --- |\n| **Niedrig** (Konfig-Änderung, Copy-Update, Feature mit wenig Traffic) | Direktes Deployment mit Monitoring | Schnell, geringer Overhead. 15–30 Minuten nach dem Deploy monitoren. |\n| **Mittel** (neues Feature, API-Änderung, Dependency-Update) | Canary-Deployment | Zuerst an einen kleinen Prozentsatz ausspielen. Vor dem vollständigen Rollout validieren. |\n| **Hoch** (Datenbank-Migration, Auth-Änderungen, Payment-Flow) | Blue-Green mit Traffic-Shifting | Vollständige Parallel-Umgebung. Sofortiges Rollback per Traffic-Switch. |\n| **Kritisch** (Kern-Infrastruktur, Multi-Service-Änderung) | Blue-Green + manuelle Verifizierungs-Gates | Vollständige Parallel-Umgebung mit menschlichen Checkpoints in jeder Stufe. |\n\n### Canary-Deployment\n\n1. Auf Canary-Instanzen deployen (typischerweise 5–10 % der Flotte)\n2. Einen kleinen Traffic-Anteil auf die Canary routen (Start bei 1–5 %)\n3. Canary vs. Baseline über eine definierte Bake-Time (mindestens 15 Minuten) monitoren:   - Fehlerraten (Canary darf Baseline + Schwellenwert nicht übersteigen)   - Latenz-Perzentile (p50, p95, p99)   - Business-Metriken (Conversion-Rate, Transaktions-Erfolgsrate)\n4. Wenn die Canary gesund ist, den Traffic-Anteil stufenweise erhöhen (5 % → 25 % → 50 % → 100 %)\n5. Wenn die Canary Degradation zeigt, allen Traffic auf die Baseline zurückrouten und untersuchen\n\n### Blue-Green-Deployment\n\n1. Neue Version in die grüne (inaktive) Umgebung deployen\n2. Smoke-Tests gegen die grüne Umgebung ausführen\n3. Traffic von blau (aktuell) auf grün umleiten:   - Option A: Sofortiger Switch (Load-Balancer-Regeländerung)   - Option B: Gradueller Shift (gewichtetes Routing, 10 % → 50 % → 100 %)\n4. Die grüne Umgebung während der Bake-Time monitoren\n5. Wenn gesund, blau außer Betrieb nehmen oder als nächstes Deployment-Ziel behalten\n6. Wenn ungesund, Traffic auf blau zurückschalten (sofortiges Rollback)\n\n### Bake-Time-Anhaltspunkte\n\n| Systemmerkmal | Minimale Bake-Time |\n| --- | --- |\n| Stateless-API mit konstantem Traffic | 15–30 Minuten |\n| Stateful-Service mit Sessions | 1–2 Stunden (vollständiger Session-Lebenszyklus) |\n| Batch-Processing-System | 1 voller Batch-Zyklus |\n| System mit täglichen Traffic-Mustern | 24 Stunden (Peak und Off-Peak abdecken) |\n| System mit wöchentlichen Mustern | Erweitertes Monitoring über den ersten Wochenzyklus erwägen |\n\n## Deployment-Runbook-Vorlage\n\nErstelle für komplexe oder risikoreiche Deployments ein Schritt-für-Schritt-Runbook:\n\n```\n# Deployment-Runbook: [Release-Version\u002FName]\n\n## Vor dem Deployment (T-60 Min)\n- [ ] Pre-Deployment-Checkliste als vollständig verifiziert\n- [ ] Verfügbarkeit der On-Call-Person bestätigt\n- [ ] Datenbank-Backup erstellt und verifiziert\n- [ ] Stakeholder über Deployment-Start informiert\n- [ ] Monitoring-Dashboards geöffnet\n\n## Deployment-Ausführung\n- [ ] Schritt 1: [konkrete Aktion mit erwartetem Ergebnis]\n- [ ] Schritt 2: [konkrete Aktion mit erwartetem Ergebnis]\n- [ ] Schritt 3: [konkrete Aktion mit erwartetem Ergebnis]\n- [ ] Verifizieren: [Health-Check \u002F Smoke-Test \u002F Metrik-Check]\n\n## Verifizierung nach dem Deployment (T+0 bis T+30 Min)\n- [ ] Health-Checks laufen auf allen Instanzen durch\n- [ ] Fehlerrate innerhalb des Schwellenwerts\n- [ ] Latenz innerhalb des Schwellenwerts\n- [ ] Wichtige Nutzer-Flows manuell verifiziert\n- [ ] Keine unerwarteten Log-Einträge\n\n## Monitoring nach dem Deployment (T+30 Min bis Ende der Bake-Time)\n- [ ] Automatisiertes Monitoring bestätigt Stabilität\n- [ ] Keine von Kunden gemeldeten Probleme\n- [ ] Business-Metriken (falls zutreffend) im erwarteten Bereich\n\n## Deployment abgeschlossen\n- [ ] Deployment-Marker\u002F-Annotation entfernen\n- [ ] Statusseite aktualisieren (falls ein Wartungsfenster kommuniziert wurde)\n- [ ] Stakeholder über erfolgreiches Deployment informieren\n- [ ] Release Notes \u002F Changelog aktualisieren\n```\n\n## Leitplanken\n\n- Erfinde niemals Infrastruktur-Details. Nimm weder Cloud-Provider, Orchestrierungs-Plattform noch Deployment-Tooling an. Frage den Nutzer nach seinem Kontext.\n- Generiere niemals konkrete Monitoring-Schwellenwerte. Alert-Schwellen müssen aus den SLAs und Baseline-Metriken des Nutzers stammen — stelle die Vorlage zum Ausfüllen bereit.\n- Behaupte niemals, ein Rollback sei sicher, ohne die Änderung zu verstehen. Destruktive Migrationen, Daten-Backfills und externe Seiteneffekte können ein Rollback unmöglich machen. Bewerte die Irreversibilität immer explizit.\n- Versieh Ausgaben mit einer Quellenkennzeichnung: `[Aus Nutzerkontext]`, `[Deployment-Methodik]` oder `[KI-Empfehlung — verifizieren]`.\n\n> **Tipp:** Fordere über companyFILES eine Markdown- oder DOCX-Ausgabe an, um ein formatiertes, sofort teilbares Runbook zu erhalten.\n","# Deployment-Vorbereitung-Skill\n\nErkenne Deployment-Probleme, bevor sie deine Nutzer erreichen, und halte den Blast Radius klein, wenn doch etwas schiefgeht. Der Skill deckt Pre-Deployment-Checklisten, Rollback-Planung, Canary-\u002FBlue-Green-Strategien und Kommunikationspläne ab. Die kontextspezifischen Daten kommen von dir, aus einer angebundenen MCP-Quelle oder aus companyRAG-Sammlungen.\n\n## Woher die Daten kommen\n\n| Quelle | Was sie beiträgt |\n| --- | --- |\n| **Git-Provider über MCP** (z. B. GitHub, GitLab) | Release-Branch, Changelog, gemergte PRs |\n| **Projekt-Tracker über MCP** (z. B. Jira, Linear) | Abgeschlossene Tickets; prüfen, ob alle geplanten Punkte gemergt sind |\n| **CI-System über MCP** (z. B. GitHub Actions, GitLab CI) | Status der CI-Checks auf dem Release-Branch |\n| **companyRAG \u002F Datei-Upload** | Bestehende Runbooks, Infrastruktur-Dokumentation, SLA-Definitionen, frühere Post-mortems |\n\n> **Keine angebundene Quelle?** Gib die Daten im Chat an oder lade die relevanten Dateien hoch — der Skill funktioniert genauso.\n\n## Pre-Deployment-Checkliste\n\nArbeite jeden Abschnitt durch, bevor du das Deployment startest. Hake Punkte erst ab, wenn sie verifiziert sind — verlasse dich nicht auf Annahmen.\n\n### Code-Bereitschaft\n\n- Alle geplanten Änderungen sind in den Release-Branch gemergt\n- Keine offenen PRs blockieren das Release\n- Alle CI-Checks laufen auf dem Release-Branch durch (Tests, Linting, Type-Checks, Security-Scans)\n- Code-Review für alle Änderungen seit dem letzten Deployment ist abgeschlossen\n- Keine bekannten kritischen oder schwerwiegenden Bugs im Release\n\n### Datenbank und Daten\n\n- Datenbank-Migrationen sind gegen einen produktionsnahen Datensatz getestet\n- Migrationen sind abwärtskompatibel (alter Code läuft gegen das neue Schema)\n- Das Rollback der Migration wurde getestet (sofern die Migration reversibel ist)\n- Große Daten-Migrationen sind hinsichtlich Dauer und Lock-Auswirkung benchmarkt\n- Daten-Backups sind aktuell und nachweislich wiederherstellbar\n\n### Abhängigkeiten und Konfiguration\n\n- Neue Umgebungsvariablen sind in allen Zielumgebungen gesetzt\n- Neue Feature-Flags sind mit korrekten Standardzuständen konfiguriert\n- Drittanbieter-Service-Abhängigkeiten sind betriebsbereit (Statusseiten prüfen)\n- API-Versionskompatibilität mit Upstream- und Downstream-Services verifiziert\n- Neue Secrets sind im Secrets Manager bereitgestellt\n\n### Infrastruktur\n\n- Die Zielumgebung hat ausreichend Kapazität für das Release (Compute, Memory, Storage)\n- Auto-Scaling-Policies sind für erwartete Lastveränderungen konfiguriert\n- Health-Check-Endpunkte sind aktualisiert, falls sich die Health-Kriterien geändert haben\n- Load-Balancer-Routing-Regeln sind aktualisiert, falls neue Services oder Pfade eingeführt werden\n- SSL-Zertifikate sind gültig und laufen nicht in Kürze ab\n\n### Observability\n\n- Monitoring-Dashboards decken neue Features und geänderte Komponenten ab\n- Alerts sind für neue Fehlerfälle konfiguriert\n- Log-Level sind angemessen (kein Debug in Produktion)\n- Deployment-Marker oder -Annotationen sind für die Monitoring-Tools vorbereitet\n- Runbook-Links sind an neue Alerts angehängt\n\n### Kommunikation\n\n- Der Deployment-Zeitplan ist an die Stakeholder kommuniziert\n- Eine On-Call-Person ist benannt und während des Deployment-Fensters verfügbar\n- Für Nutzer sichtbare Änderungen sind für das Support-Team dokumentiert\n- Das Wartungsfenster ist kommuniziert (falls zutreffend)\n- Ein Statusseiten-Update ist vorbereitet (falls zutreffend)\n\n## Rollback-Plan\n\nJedes Deployment muss vor der Ausführung einen Rollback-Plan haben. \"Roll forward\" ist nur dann eine gültige Strategie, wenn sie bewusst gewählt wurde — nicht, weil ein Rollback nie geplant wurde.\n\n### Rollback-Plan-Vorlage\n\n```\n# Rollback-Plan: [Release-Version\u002FName]\n\n## Entscheidungskriterien für Rollback\nStarte ein Rollback, wenn EINE dieser Bedingungen erfüllt ist:\n- [ ] Fehlerrate übersteigt [X]% (Baseline: [Y]%)\n- [ ] p95-Latenz übersteigt [X]ms (Baseline: [Y]ms)\n- [ ] Health-Check-Fehler auf [N]+ Instanzen\n- [ ] Bestätigtes, von Kunden gemeldetes kritisches Problem\n- [ ] Datenintegritätsproblem erkannt\n\n## Rollback-Befugnis\n- Primär: [Name\u002FRolle — wer das Rollback autorisieren darf]\n- Backup: [Name\u002FRolle]\n\n## Rollback-Ablauf\n1. [Schritt-für-Schritt-Ablauf, spezifisch für deine Deployment-Methode]\n2. [z. B. Kubernetes-Deployment auf vorherige Revision zurücksetzen]\n3. [z. B. Datenbank-Migrations-Rollback-Skript ausführen]\n4. [z. B. Feature-Flag auf vorherigen Zustand zurücksetzen]\n5. [z. B. CDN\u002FCache leeren, falls statische Assets geändert wurden]\n\n## Geschätzte Rollback-Dauer\n- Anwendungs-Rollback: [X Minuten]\n- Datenbank-Rollback: [X Minuten — oder \"irreversibel, siehe Gegenmaßnahme\"]\n- Vollständige Wiederherstellung: [X Minuten]\n\n## Irreversible Komponenten\n[Liste alle Änderungen auf, die nicht zurückgerollt werden können — Daten-Migrationen, externe Benachrichtigungen, Drittanbieter-Provisioning — samt Gegenmaßnahme]\n\n## Verifizierung nach dem Rollback\n- [ ] Anwendungs-Health-Checks laufen durch\n- [ ] Fehlerrate ist auf Baseline zurückgekehrt\n- [ ] Für Nutzer sichtbare Funktionalität verifiziert\n- [ ] Stakeholder über das Rollback informiert\n```\n\n### Rollback-Strategie nach Änderungstyp\n\n| Änderungstyp | Rollback-Ansatz | Zu beachten |\n| --- | --- | --- |\n| **Nur Anwendungscode** | Vorherige Version erneut deployen | Schnellstes Rollback. Prüfe, dass kein State geschrieben wurde, den die alte Version nicht lesen kann. |\n| **Code + additive Schema-Migration** | Vorherigen Code erneut deployen; neues Schema belassen | Neue Spalten\u002FTabellen sind für alten Code harmlos, wenn Defaults gesetzt sind. Sauberer als das Migrations-Rollback. |\n| **Code + destruktive Schema-Migration** | Erfordert getestetes Migrations-Rollback-Skript | Spalten-Umbenennungen, -Drops und Typänderungen sind gefährlich. Bevorzuge das Expand-Contract-Pattern. |\n| **Feature-Flag-Änderung** | Flag auf vorherigen Zustand zurückschalten | Am schnellsten. Kein Deployment nötig. Prüfe die Propagationszeit des Flag-Zustands. |\n| **Infrastruktur-Änderung** | Terraform\u002FHelm auf vorherigen Zustand zurücksetzen | Längere Rollback-Dauer. Manche Infra-Änderungen (DNS, Zertifikat) haben Propagationsverzögerungen. |\n| **Daten-Migration\u002FBackfill** | Aus Backup wiederherstellen oder Reverse-Migration ausführen | Am langsamsten. Kann zu Datenverlust für nach der Migration erstellte Datensätze führen. Plane kompensierende Maßnahmen. |\n\n## Strategien für schrittweise Rollouts\n\nWähle eine Rollout-Strategie basierend auf Risikostufe und Infrastruktur-Fähigkeiten.\n\n### Strategie-Auswahl\n\n| Risikostufe | Empfohlene Strategie | Begründung |\n| --- | --- | --- |\n| **Niedrig** (Konfig-Änderung, Copy-Update, Feature mit wenig Traffic) | Direktes Deployment mit Monitoring | Schnell, geringer Overhead. 15–30 Minuten nach dem Deploy monitoren. |\n| **Mittel** (neues Feature, API-Änderung, Dependency-Update) | Canary-Deployment | Zuerst an einen kleinen Prozentsatz ausspielen. Vor dem vollständigen Rollout validieren. |\n| **Hoch** (Datenbank-Migration, Auth-Änderungen, Payment-Flow) | Blue-Green mit Traffic-Shifting | Vollständige Parallel-Umgebung. Sofortiges Rollback per Traffic-Switch. |\n| **Kritisch** (Kern-Infrastruktur, Multi-Service-Änderung) | Blue-Green + manuelle Verifizierungs-Gates | Vollständige Parallel-Umgebung mit menschlichen Checkpoints in jeder Stufe. |\n\n### Canary-Deployment\n\n1. Auf Canary-Instanzen deployen (typischerweise 5–10 % der Flotte)\n2. Einen kleinen Traffic-Anteil auf die Canary routen (Start bei 1–5 %)\n3. Canary vs. Baseline über eine definierte Bake-Time (mindestens 15 Minuten) monitoren:   - Fehlerraten (Canary darf Baseline + Schwellenwert nicht übersteigen)   - Latenz-Perzentile (p50, p95, p99)   - Business-Metriken (Conversion-Rate, Transaktions-Erfolgsrate)\n4. Wenn die Canary gesund ist, den Traffic-Anteil stufenweise erhöhen (5 % → 25 % → 50 % → 100 %)\n5. Wenn die Canary Degradation zeigt, allen Traffic auf die Baseline zurückrouten und untersuchen\n\n### Blue-Green-Deployment\n\n1. Neue Version in die grüne (inaktive) Umgebung deployen\n2. Smoke-Tests gegen die grüne Umgebung ausführen\n3. Traffic von blau (aktuell) auf grün umleiten:   - Option A: Sofortiger Switch (Load-Balancer-Regeländerung)   - Option B: Gradueller Shift (gewichtetes Routing, 10 % → 50 % → 100 %)\n4. Die grüne Umgebung während der Bake-Time monitoren\n5. Wenn gesund, blau außer Betrieb nehmen oder als nächstes Deployment-Ziel behalten\n6. Wenn ungesund, Traffic auf blau zurückschalten (sofortiges Rollback)\n\n### Bake-Time-Anhaltspunkte\n\n| Systemmerkmal | Minimale Bake-Time |\n| --- | --- |\n| Stateless-API mit konstantem Traffic | 15–30 Minuten |\n| Stateful-Service mit Sessions | 1–2 Stunden (vollständiger Session-Lebenszyklus) |\n| Batch-Processing-System | 1 voller Batch-Zyklus |\n| System mit täglichen Traffic-Mustern | 24 Stunden (Peak und Off-Peak abdecken) |\n| System mit wöchentlichen Mustern | Erweitertes Monitoring über den ersten Wochenzyklus erwägen |\n\n## Deployment-Runbook-Vorlage\n\nErstelle für komplexe oder risikoreiche Deployments ein Schritt-für-Schritt-Runbook:\n\n```\n# Deployment-Runbook: [Release-Version\u002FName]\n\n## Vor dem Deployment (T-60 Min)\n- [ ] Pre-Deployment-Checkliste als vollständig verifiziert\n- [ ] Verfügbarkeit der On-Call-Person bestätigt\n- [ ] Datenbank-Backup erstellt und verifiziert\n- [ ] Stakeholder über Deployment-Start informiert\n- [ ] Monitoring-Dashboards geöffnet\n\n## Deployment-Ausführung\n- [ ] Schritt 1: [konkrete Aktion mit erwartetem Ergebnis]\n- [ ] Schritt 2: [konkrete Aktion mit erwartetem Ergebnis]\n- [ ] Schritt 3: [konkrete Aktion mit erwartetem Ergebnis]\n- [ ] Verifizieren: [Health-Check \u002F Smoke-Test \u002F Metrik-Check]\n\n## Verifizierung nach dem Deployment (T+0 bis T+30 Min)\n- [ ] Health-Checks laufen auf allen Instanzen durch\n- [ ] Fehlerrate innerhalb des Schwellenwerts\n- [ ] Latenz innerhalb des Schwellenwerts\n- [ ] Wichtige Nutzer-Flows manuell verifiziert\n- [ ] Keine unerwarteten Log-Einträge\n\n## Monitoring nach dem Deployment (T+30 Min bis Ende der Bake-Time)\n- [ ] Automatisiertes Monitoring bestätigt Stabilität\n- [ ] Keine von Kunden gemeldeten Probleme\n- [ ] Business-Metriken (falls zutreffend) im erwarteten Bereich\n\n## Deployment abgeschlossen\n- [ ] Deployment-Marker\u002F-Annotation entfernen\n- [ ] Statusseite aktualisieren (falls ein Wartungsfenster kommuniziert wurde)\n- [ ] Stakeholder über erfolgreiches Deployment informieren\n- [ ] Release Notes \u002F Changelog aktualisieren\n```\n\n## Leitplanken\n\n- Erfinde niemals Infrastruktur-Details. Nimm weder Cloud-Provider, Orchestrierungs-Plattform noch Deployment-Tooling an. Frage den Nutzer nach seinem Kontext.\n- Generiere niemals konkrete Monitoring-Schwellenwerte. Alert-Schwellen müssen aus den SLAs und Baseline-Metriken des Nutzers stammen — stelle die Vorlage zum Ausfüllen bereit.\n- Behaupte niemals, ein Rollback sei sicher, ohne die Änderung zu verstehen. Destruktive Migrationen, Daten-Backfills und externe Seiteneffekte können ein Rollback unmöglich machen. Bewerte die Irreversibilität immer explizit.\n- Versieh Ausgaben mit einer Quellenkennzeichnung: `[Aus Nutzerkontext]`, `[Deployment-Methodik]` oder `[KI-Empfehlung — verifizieren]`.\n\n> **Tipp:** Fordere über companyFILES eine Markdown- oder DOCX-Ausgabe an, um ein formatiertes, sofort teilbares Runbook zu erhalten.\n",{"name":5,"description":7},"main","39e0752000720de2d20917bd46c1c5149c4a0221","de\u002Fskills\u002Fengineering\u002Fdeployment-prep-skill","https:\u002F\u002Fgithub.com\u002FinnFactory-AI\u002Fcompany-ai-stack-skills","https:\u002F\u002Fgithub.com\u002FinnFactory-AI","https:\u002F\u002Finnfactory.ai","Engineering AI. Enabling Tomorrow.","2026-11-13 19:54:47",{"source":8,"skillName":5,"commands":33,"prompt":43,"zipAvailable":44},[34,37,40],{"tool":35,"command":36},"npx","npx skills add innFactory-AI\u002Fcompany-ai-stack-skills --skill deployment-prep-skill",{"tool":38,"command":39},"bunx","bunx skills add innFactory-AI\u002Fcompany-ai-stack-skills --skill deployment-prep-skill",{"tool":41,"command":42},"pnpm","pnpm dlx skills add innFactory-AI\u002Fcompany-ai-stack-skills --skill deployment-prep-skill","安装技能，技能地址：https:\u002F\u002Fgithub.com\u002FinnFactory-AI\u002Fcompany-ai-stack-skills\u002Fblob\u002Fmain\u002Fde\u002Fskills\u002Fengineering\u002Fdeployment-prep-skill\u002FSKILL.md",true,[],[47,54,61,68,75,82],{"skillNo":48,"name":49,"nameZh":6,"description":50,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":51,"categories":52,"keywords":53,"publishedAt":19},"01M7AF4HHK5B987T44HW7BZFVZ","sales-asset-skill","Produce tailored one-pagers, landing pages, case study drafts, and demo narratives personalised to a specific deal and buyer persona. Use when preparing collateral for a specific deal, building leave-behind materials, or customising standard assets for a prospect. Trigger with \"create a one-pager for\", \"sales deck for [deal]\", \"customise this asset for\".","https:\u002F\u002Fgithub.com\u002FinnFactory-AI\u002Fcompany-ai-stack-skills\u002Fblob\u002Fmain\u002Fen\u002Fskills\u002Fsales\u002Fsales-asset-skill\u002FSKILL.md",[],[],{"skillNo":55,"name":56,"nameZh":6,"description":57,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":58,"categories":59,"keywords":60,"publishedAt":19},"01M7AF4D32V0FJE0QGCBZSQ7BW","pipeline-review-skill","Analyse deal health, surface stale or at-risk opportunities, and produce a prioritised weekly action plan. Use when preparing for a pipeline review meeting, assessing forecast accuracy, or identifying stuck deals. Trigger with \"review my pipeline\", \"pipeline health check\", \"deal risk analysis\".","https:\u002F\u002Fgithub.com\u002FinnFactory-AI\u002Fcompany-ai-stack-skills\u002Fblob\u002Fmain\u002Fen\u002Fskills\u002Fsales\u002Fpipeline-review-skill\u002FSKILL.md",[],[],{"skillNo":62,"name":63,"nameZh":6,"description":64,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":65,"categories":66,"keywords":67,"publishedAt":19},"01M7AF48W7G8DMAHRAM125B192","outreach-skill","Research a prospect then draft personalised outreach with research-backed hooks, subject-line variants, and follow-up sequences. Use when cold-emailing a prospect, writing LinkedIn outreach, or building a multi-touch sequence. Trigger with \"draft outreach to [person\u002Fcompany]\", \"write cold email to\", \"outreach sequence for\".","https:\u002F\u002Fgithub.com\u002FinnFactory-AI\u002Fcompany-ai-stack-skills\u002Fblob\u002Fmain\u002Fen\u002Fskills\u002Fsales\u002Foutreach-skill\u002FSKILL.md",[],[],{"skillNo":69,"name":70,"nameZh":6,"description":71,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":72,"categories":73,"keywords":74,"publishedAt":19},"01M7AF43VKNPQ7G1NTQ4MRH40J","forecast-skill","Build a weighted revenue forecast with risk flags, commit recommendations, and gap-to-quota analysis. Use when preparing for a forecast call, evaluating end-of-quarter projections, or assessing pipeline coverage. Trigger with \"build forecast\", \"forecast for this quarter\", \"where do I stand against quota\".","https:\u002F\u002Fgithub.com\u002FinnFactory-AI\u002Fcompany-ai-stack-skills\u002Fblob\u002Fmain\u002Fen\u002Fskills\u002Fsales\u002Fforecast-skill\u002FSKILL.md",[],[],{"skillNo":76,"name":77,"nameZh":6,"description":78,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":79,"categories":80,"keywords":81,"publishedAt":19},"01M7AF3Z5N61VYSEJRYWXR4JP1","deal-strategy-skill","Map stakeholder power dynamics, surface deal risks, and recommend a step-by-step engagement strategy. Use when entering a complex deal, preparing for an executive sponsor meeting, or diagnosing a stuck opportunity. Trigger with \"plan deal strategy for\", \"stakeholder map\", \"how do I advance this deal\".","https:\u002F\u002Fgithub.com\u002FinnFactory-AI\u002Fcompany-ai-stack-skills\u002Fblob\u002Fmain\u002Fen\u002Fskills\u002Fsales\u002Fdeal-strategy-skill\u002FSKILL.md",[],[],{"skillNo":83,"name":84,"nameZh":6,"description":85,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":86,"categories":87,"keywords":88,"publishedAt":19},"01M7AF3VGG29AX0T2X9WQ5MWDN","call-summary-skill","Extract action items, key topics, and objections from call notes or transcripts and draft a customer-facing follow-up email. Use after a sales call, demo, or discovery session. Trigger with \"summarise this call\", \"call notes from\", \"write follow-up for this meeting\".","https:\u002F\u002Fgithub.com\u002FinnFactory-AI\u002Fcompany-ai-stack-skills\u002Fblob\u002Fmain\u002Fen\u002Fskills\u002Fsales\u002Fcall-summary-skill\u002FSKILL.md",[],[]]