Gestresste Apps und die Leichtigkeit mobilen Surfens

Letztlich entscheidet die fehlerfreie Abwicklung von Transaktionen über das Einkaufserlebnis und damit über Umsatz, Kundenzufriedenheit und Marktakzeptanz mobiler Angebote. Bei der Qualitätssicherung der Services sowie bei der Minimierung von Ausfall- und Umsatzrisiken kommen Last- und Stresstests ins Spiel. Sie können zwar nicht die teilweise schwankenden Leistungen der Mobilfunknetze verbessern – aber verhindern, dass fehlerhafte Apps das Surfen mit dem Smartphone unnötig verlangsamen. Lasttests helfen dabei, Webangebote auf verfügbare Datentransferraten, die Leistungsfähigkeit mobiler Browser und steigende Zugriffraten optimal abzustimmen. Die Lasthärte und Stresstoleranz einer App – also die ungehinderte Verfügbarkeit auch bei hohem Kundenaufkommen – ist als zentraler Erfolgsfaktor mitentscheidend für Absatzzahlen und das Image eines Online-Anbieters. Denn welcher Nutzer möchte sich schon bei der mobilen Buchung eines Zugtickets durch einen Stau auf der Datenautobahn ausbremsen lassen oder Zugriffsspitzen als Entschuldigung für schleppende Transaktionen beim terminkritischen Aktienhandel mit der Wertpapier-App gelten lassen?

Eine Studie aus dem Jahr 2012 belegt, dass selbst namhafte Webstores Smartphone-Kunden erst nach durchschnittlich zehn bis dreizehn Sekunden Einlass gewähren. Jeder siebte Aufruf scheitert ganz oder nimmt Ladezeiten von über einer Minute in Anspruch. Vor dem Hintergrund der bekannten Untersuchungsergebnisse von Amazon, die die direkte Abhängigkeit des Umsatzes von den Ladegeschwindigkeiten nachweisen, erklärt sich das starke Interesse der Onlinewirtschaft an der Performance-Optimierung ihrer Angebote. Bei der Lokalisierung der Ursachen für lange Wartezeiten spielen neben Funktions- vor allem Lasttests eine zentrale Rolle. Während Funktionstests das Verhalten von Anwendungen unter idealen Laborbedingungen für einen einzelnen Nutzer untersuchen, messen Lasttests die tatsächliche Performance der Applikation in realitätsnahen Szenarien, z.B. wenn viele Berufstätige in der Mittagszeit gleichzeitig auf ihre Aktiendepots zugreifen und Einkäufe erledigen. Eine beliebig skalierbare Anzahl virtueller Testkunden überprüft dann, ob die mobilen Wertpapier- und Shopanwendungen dem Andrang standhalten und ob die Antwortzeiten sich auch „unter Stress“ weiterhin im Zielkorridor bewegen.

Warum Last- und Stresstests?

Eine flüssige Navigation durch die virtuellen Abteilungen eines Online-Stores sind ein (Wohlfühl-) Service für Kunden, die lange Wartezeiten häufig mit dem Abbruch der Konversionshandlung quittieren. Gerade für das Saisongeschäft sollten Vertriebsplattformen fit gemacht werden, damit stark ansteigende Zugriffsraten das Angebot nicht ausgerechnet zum Kampagnenstart außer Gefecht setzen. Last- und Stresstests, wie sie etwa Neotys durchführt, sind vor dem Go-live eines App-Angebotes, aber auch parallel zum laufenden Produktivbetrieb ein wichtiges Mittel, Leistungsengpässe auszuschließen. Mithilfe künstlich erzeugter Nutzer wird z.B. ein Besucheransturm simuliert, um die Leistungsfähigkeit und -grenzen der Systeme auszumessen. Neben extremen Zugriffsszenarien steht auch der „ganz normale“ Alltag im Fokus: Die virtuelle Testkundschaft zeigt in jeweils unterschiedlicher Zusammensetzung und Anzahl, wie der reale Käufer die Web-Shop-Funktionen erlebt und ob wichtige Leistungsparameter – wie z.B. Antwortzeiten – vorher festgelegte Zielwerte erreichen. Dabei erlauben Lasttests eine frühe Identifikation von Schwachstellen, solange sie noch mit geringem Kosten- und Zeitaufwand zu beseitigen sind.

Das hohe Wachstumspotential im Mobile Business können Banken und Handel nur ausschöpfen, wenn sie Smartphone-Anwendern ähnlich hohe Serviceniveaus wie WLAN- und Ethernet-Nutzern bieten. Hier besteht gesonderter Lasttestbedarf, da die Bandbreite im Mobilfunknetz zumeist geringer ist als bei drahtlosen und festnetzgebundenen DSL-Verbindungen. Zudem sind Unternehmen mit dem Problem konfrontiert, dass die verfügbaren Datentransferraten deutschlandweit eine heterogene Verteilung aufweisen: Während UMTS in Städten und HSDPA in ausgewählten Ballungsräumen genutzt wird, sind ländliche Räume teilweise noch mit GSM, teilweise schon mit LTE versorgt. Zumindest bis LTE flächendeckend zur Verfügung steht, können Fehler im Handling von Browseranfragen wegen der geringeren Verbindungsgeschwindigkeiten schlechter kaschiert werden als z.B. bei ultraschnellen Glasfaserverbindungen. Zudem erschwert die Vielfalt der Tablet- und Smartphone-Betriebssysteme – die von iOS, Windows 8, Windows RT, Blackberry OS bis zu den zahlreichen Android-Varianten reichen – die Programmierung von (Web-) Apps, die jederzeit stabil und performant zur Verfügung stehen.

Wie funktionieren Lasttests generell?

Klassische Lasttests erfolgen im Dreischritt aus „Recording“, „Playback“ und „Auswertung“. In der ersten Phase werden relevante Zugriffsszenarien festgelegt. Bei modernen Lasttestlösungen navigiert der Testspezialist durch das Online-Angebot. Dabei werden die Browseranfragen direkt „aufgezeichnet“ und virtuellen Nutzerprofilen zugeordnet. Ein solches Profil entspricht einem Zugriffsverhalten, das sich durch bestimmte Klick-Frequenzen und Klick-Pfade auszeichnet. Hat z.B. Website Analytics ergeben, dass jeweils 1.000 Kunden während der Mittagszeit zeitgleich auf eine mobile Wertpapierplattform zugreifen und 300 davon traden, 700 sich lediglich informieren, können Kundenprofile wie Trader (mit Feindifferenzierung z.B. in Power- und Freizeit-Trader) und Info-Kunde (mit Feindifferenzierung z.B. in Chart-Surfer und Forum-Nutzer) realitätsnah definiert werden.

In der zweiten Phase werden die Zugriffsszenarien (z.B. gleichzeitig: 50 Power-Trader, 250 Freizeit-Trader; 600 Chart-Surfer, 100 Forum-Surfer) „abgespielt“. Das geschieht mit Lastgeneratoren (Servern), die auch die gewünschten Testnutzer (z.B. Power-Trader) bis zur benötigten Anzahl hochskalieren. Lasttests sollten dabei auch die Wahl der Browser wie Safari, Google Chrome oder Internet Explorer Mobile in einem realistischen Verhältnis widerspiegeln. Ebenfalls gilt es, die regionale Verteilung der Kunden zu berücksichtigen. Durch den gezielten Einsatz weltweit verteilter Server aus der Lasttest-Cloud können z.B. auch Store-Zugriffe aus dem Ausland simuliert werden.

Der dritte Schritt ist die Auswertung, die sich auf die Messung relevanter Kenngrößen stützt. Dazu zählen:

• Maximum der Nutzeranfragen, die der Server gleichzeitig verarbeiten kann.
• Zeit, die der Server benötigt, um nach Höchst-/Überlast wieder zur Standardleistung zurückzufinden.
• Verhältnis von Last zur Antwortzeit oder von Überlast („Stress“) zu Time-outs.

Die ermittelten Werte werden dann mit der für den Geschäftserfolg erforderlichen Zielperformance verglichen. Dabei wird geprüft, ob kritische Schwellenwerte überschritten sind, wie etwa maximale Antwortzeiten oder Fehlerraten, die Nutzer nach bisherigen Statistiken noch hinnehmen, ohne z.B. Bezahlvorgänge abzubrechen. Lasttests leisten so die Identifizierung von Engstellen, die Ermittlung der Ursachen sowie die Erstellung von Handlungsempfehlungen.

Die Besonderheiten mobiler Lasttests

Generell sollten Lasttests nicht ausschließlich unter idealen DSL-Umgebungen hinter der Unternehmensfirewall durchgeführt werden. Nur so kann die Nutzererfahrung in Regionen mit einem „langsameren Internet“ ermittelt werden. In einem besonderen Maß gilt das für Mobilfunknetze, die je nach Region, Tageszeit und Auslastung teilweise nur Transferraten im GSM- oder GPRS-Bereich bieten. Realitätsnahe Lasttests sollten diese Bandbreitenbeschränkungen simulieren. Denn Webanwendungen, die im Breitband-Ethernet als reaktionsschnell wahrgenommen werden, können vom mobilen Kunden als zu langsam abgelehnt werden, wenn die Kombination aus niedrigeren Transferraten und Schwachstellen Erinnerungen an gemächliche ISDN-Zeiten weckt. Zudem führen langsamere mobile Zugriffe zu mehr parallelem Traffic und bringen Webserver so eher an Leistungsgrenzen. Scheitert der Verbindungsaufbau zum Server aufgrund von Überlastung, werden die Browseranfragen vom Nutzer immer wieder erneuert, sodass sich der „Stress“ für den Server weiter verschärft. Die Simulation einer großen Zahl gleichzeitiger Zugriffe ist deshalb ein wichtiger Aspekt mobiler Lasttestläufe.

Die Exaktheit mobiler Lasttests hängt davon ab, virtuellen Nutzern jeweils individuelle Bandbreiten zuordnen zu können. Das verdeutlicht das Praxisbeispiel eines Lasttests mit 100 Smartphone-Kunden, die jeweils mit einem Datendurchsatz von 2 Mbps gleichzeitig auf eine Web-Shop-Funktion zugreifen. Gemessen werden soll, ob die Antwortzeiten das – z.B. von Verkaufspsychologen – definierte Serviceniveau erreichen. Die für den Test erforderliche Bandbreite wäre dann insgesamt 200 Mbps. Die Deckelung der im Testlabor verfügbaren 1 Gbps (oder mehr) auf diese 200 Mbps kann grundsätzlich mit einer WAN-Emulationssoftware geleistet werden. Allerdings limitieren WAN-Emulatoren die Bandbreite nur als Ganzes. Eine Lasttestsoftware mit integrierter Bandbreitensimulation ist besser geeignet, um jedem virtuellen Nutzer individuell bestimmte Datentransferraten zuzuweisen. Dadurch können heterogene Testgruppen erzeugt  werden, deren Mitglieder mit unterschiedlicher Geschwindigkeit auf Webanwendungen zugreifen. Bei einer realistischen Zuteilung von Datentransferraten entsteht so ein wirklichkeitsnahes und ausdifferenziertes Bild der Nutzerzufriedenheit mit der App.

Nicht komplett umdenken

Für den Lasttest von Apps müssen IT-Verantwortliche nicht komplett umdenken: Zielstellung, Methoden und Prüfkriterien bleiben nahezu gleich. Die Besonderheit mobiler Lasttests resultiert aus der aufwändigen Simulation schwankender Datentransferraten sowie aus der Vielzahl an Browserversionen und Betriebssystemen. Eine moderne Lasttestsoftware sollte IT-Spezialisten dabei unterstützen, die daraus resultierende Komplexität zu beherrschen und die Einhaltung erfolgskritischer Leistungskennzahlen effektiv zu überprüfen. Sollten kritische Schwellenwerte überschritten werden, geht es darum, die Ursachen zügig zu ermitteln. Sie sind die Basis für Lösungsstrategien, um Apps für mehr Kundenkomfort zu optimieren oder in ihrer Funktionsvielfalt so zu reduzieren, dass sie zu den Datentransferraten passen, mit denen sich Smartphone-Nutzer bis auf weiteres begnügen müssen.

Bildquelle: Shutterstock/Royalty Free