# Telemetrie-Datenqualität

> Messdaten als überprüfbare Evidenz behandeln: Semantik, Zeit, Lücken und Kardinalität kontrollieren.

Track: [Monitoring, Troubleshooting & Incident Operations](https://opsmith.app/learn/monitoring-incident-operations)  
Kanonische Fassung: https://opsmith.app/learn/monitoring-incident-operations/telemetry-data-quality  
Stand: 2026-07-30  
Interaktiver Teil: 3 Checks (nur im Browser)

## Kann dieses Signal eine Entscheidung tragen?

### Die Betriebsfrage

Ein Diagramm kann präzise aussehen und dennoch die falsche Population, Zeitzone oder Dimension abbilden. Vor einer Eskalation muss klar sein, was das Signal tatsächlich misst.

> **Lernziel:** Du kannst eine auffällige Metrik auf Semantik, Zeitbezug und Abdeckung prüfen, bevor du sie als Incident-Evidenz nutzt.

### Evidenzvertrag

Messobjekt und Einheit benennen → Population und Ausschlüsse prüfen → Zeitstempel, Sampling und Lücken prüfen → Dimensionen auf sichere Kardinalität begrenzen

### Typische Täuschung

Ein Durchschnitt verdeckt häufig eine betroffene Nutzergruppe. Ein fehlender Zeitbereich ist kein Nullwert. Eine dynamische Kennung als Label kann den Telemetrie-Backend überlasten und die Diagnose gerade im Incident verschlechtern.

### Im Check

Die folgenden Aufgaben trennen Messfehler von Servicefehlern. Erst wenn der Evidenzvertrag passt, darf ein Signal einen Eingriff begründen.

## Quellen

- opentelemetry.io/docs/concepts/signals — https://opentelemetry.io/docs/concepts/signals/
- opentelemetry.io/docs/concepts/resources — https://opentelemetry.io/docs/concepts/resources/
- opentelemetry.io/docs/concepts/signals/metrics — https://opentelemetry.io/docs/concepts/signals/metrics/