Skip to main content
Software Engineering Metrics
GitHub
Home
Contents
Examples
Contributing
Project
Help
Links
Home
Book source on GitHub
Website source on GitHub
Report an issue
Index for AI agents (llms.txt)
DORA metrics
The SPACE framework (ACM Queue)
Goodhart's law (Wikipedia)
Search
⏎
Theme
Light
Dark
Language
English (US)
English (UK, Oxford spelling)
English (UK)
English (international)
العربية
বাংলা
Cymraeg
Cymraeg (Prydain Fawr)
Deutsch
Español
Français
हिन्दी
Bahasa Indonesia
日本語
한국어
Nederlands
Português
Русский
Svenska
اردو
中文
中文 (中国)
Text size
Largest
Larger
Large
Normal
Small
Smaller
Smallest
Share
Email
Mastodon
Copy link
1
Foundations of Measurement
1.0
Einführung zu Teil 1: Grundlagen der Messung
1.1
Warum Softwareentwicklung überhaupt messen
1.2
Goodharts Gesetz und die Psychologie der Metriken
1.3
Ergebnisse vor Output: die Wahl, was gemessen wird
1.4
Metrik-Governance und Eigentümerschaft
1.5
Datenquellen und Instrumentierung
1.6
Statistische Kompetenz für Engineering-Metriken
2
Flow Metrics
2.0
Einführung zu Teil 2: Flow-Metriken
2.1
Das Flow Framework
2.2
Flow-Items: Features, Defekte, Risiken und Schulden
2.3
Flow-Velocity und Flow-Verteilung
2.4
Flow-Zeit und Flow-Last
2.5
Flow-Effizienz und Work in Process
2.6
Zykluszeit und ihre Bestandteile
2.7
Warteschlangentheorie
2.8
Lean-Wertstrom-Metriken
2.9
Pull-Request- und Code-Review-Metriken
2.10
Das DORA-Metriken-Framework
3
Developer Experience and the SPACE Framework
3.0
Einführung zu Teil 3: Entwicklererfahrung und das SPACE-Framework
3.1
Das SPACE-Framework
3.2
Zufriedenheit und Wohlbefinden-Metriken
3.3
Leistungsmetriken und Ergebnis-Stellvertreter
3.4
Aktivitätsmetriken und ihre Grenzen
3.5
Kommunikations- und Zusammenarbeits-Metriken
3.6
Effizienz und Fluss: konzentrierte Arbeit und Unterbrechungen
3.7
Entwicklererfahrungs-Umfragen und DevEx-Metriken
4
Code and Quality Metrics
4.0
Einführung zu Teil 4: Code- und Qualitätsmetriken
4.1
Code-Komplexitätsmetriken
4.2
Testabdeckung und Testwirksamkeit
4.3
Code-Fluktuation und Hotspot-Analyse
4.4
Statische Analyse und Code-Smell-Metriken
4.5
Messung technischer Schuld
4.6
Dokumentations- und Wissensmetriken
5
Product and Business Metrics
5.0
Einführung zu Teil 5: Produkt- und Geschäftsmetriken
5.1
Entwichene Fehlerrate und Qualitätsentkommen
5.2
Feature-Akzeptanz und Nutzungsmetriken
5.3
Kunden- und Geschäftsergebnismetriken
5.4
Kosten und Einheitswirtschaftlichkeit des Engineerings
5.5
Kapitalrendite für Engineering-Initiativen
6
Reliability, Operations, and Security Metrics
6.0
Einführung zu Teil 6: Zuverlässigkeits-, Betriebs-, und Sicherheitsmetriken
6.1
Service-Level-Indikatoren, -Ziele, und Fehlerbudgets
6.2
Vorfallmetriken: Erkennung, Reaktion, und Wiederherstellung
6.3
Bereitschaftsdienst-, Kapazitäts-, und Betriebslastmetriken
6.4
Sicherheits- und Schwachstellenmanagement-Metriken
7
Metrics in the Age of AI
7.0
Einführung zu Teil 7: Metriken im Zeitalter der KI
7.1
Der Paradigmenwechsel der generativen KI
7.2
KI-unterstützte Softwareentwicklung messen
7.3
Metrikinflation und Qualitätsverwässerungsrisiken
7.4
Ergebnis-Telemetrie als der neue Nordstern
8
Building a Metrics Program
8.0
Einführung zu Teil 8: Ein Metrikprogramm aufbauen
8.1
Ein Engineering-Metrik-Dashboard gestalten
8.2
Tooling-Landschaft: Bauen gegen Kaufen
8.3
Metriken einführen, ohne Furcht zu züchten
8.4
Reifegradmodell für Engineering-Metrikprogramme
8.5
Eine inkrementelle Einführungs-Roadmap
9
Appendices
9.0
Anhänge
9.1
Glossar
9.2
Metrikdefinitionen- und Formelreferenz
9.3
Checklisten
9.4
Vorlagen
9.5
Reifegrad-Selbstbewertung
9.6
Quellen und weiterführende Literatur
9.7
Index
Front matter
Start here: what the book is, who it is for, and the full contents.
Einleitung
Inhaltsverzeichnis
Was sind Software-Engineering-Metriken?