# Top DevOps-Trends und aufkommende Technologien im Blick

> DevOps-Trends entlang des Technology Adoption Lifecycle: CI/CD und Containerisierung für die späte Mehrheit, DevSecOps und GitOps für die frühe Mehrheit, AIOps für die Early Adopters.

- Date: 2023-01-01
- Source: https://romanoroth.com/de/blogs/what-are-the-top-devops-trends-in-2021/
- Tags: DevOps, Trendanalyse, Aufkommende Technologien, Cloud Native, DevSecOps, AIOps, Infrastruktur, Containerisierung, Zukunft von DevOps


![Romano Roth nachdenklich, eine Gedankenblase listet DevOps-Trends 2023 wie Platform Engineering und Wertströme](/images/blog/what-are-the-top-devops-trends-in-2021-inline-1.webp)

DevOps-Trends 2023

<div style="position: relative; padding-bottom: 56.25%; height: 0; overflow: hidden;">
			<iframe allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share; fullscreen" loading="eager" referrerpolicy="strict-origin-when-cross-origin" src="https://www.youtube-nocookie.com/embed/BQ5C0xLCaWY?autoplay=0&amp;controls=1&amp;end=0&amp;loop=0&amp;mute=0&amp;start=0" style="position: absolute; top: 0; left: 0; width: 100%; height: 100%; border:0;" title="YouTube video"></iframe>
		</div>


Wir werfen einen kurzen Blick auf meine Prognosen für 2021 und 2022, bevor wir uns den Schwierigkeiten zuwenden, mit denen Unternehmen bereits konfrontiert sind. Aufgrund von Silo-Organisationen findet zwischen den verschiedenen Organisationsbereichen kaum Koordination statt, und Unternehmen planen weiterhin Jahresprojekte statt Produkte. Daher müssen Unternehmen einige DevOps-Methoden oder -Trends übernehmen. DevOps ist ein Mindset, eine Kultur mit technischen Praktiken, die alle Menschen entlang des Value Streams ausrichtet, um dem Kunden kontinuierlich Wert zu liefern. Zu den Top-DevOps-Trends für 2023 gehören das Bauen von Produkten, der Betrieb des Produkts, die Sicherstellung der Produktqualität, die Überwachung des Produkts, die Organisation entlang des Value Streams, das Ermöglichen von DevOps in Produktteams und die Industrialisierung der gesamten Produktentwicklung.

DevOps-Trends 2022

<div style="position: relative; padding-bottom: 56.25%; height: 0; overflow: hidden;">
			<iframe allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share; fullscreen" loading="eager" referrerpolicy="strict-origin-when-cross-origin" src="https://www.youtube-nocookie.com/embed/Dn9sQ9GpmOc?autoplay=0&amp;controls=1&amp;end=0&amp;loop=0&amp;mute=0&amp;start=0" style="position: absolute; top: 0; left: 0; width: 100%; height: 100%; border:0;" title="YouTube video"></iframe>
		</div>


Wir besprechen die Top-DevOps-Trends für 2022 anhand des Technology Adoption Lifecycle. Die späte Mehrheit wird die DevOps-Adoption fortsetzen und sich auf Continuous Integration, Monitoring, Logging, Infrastructure as Code, Containerisierung, Orchestrierung und Cloud konzentrieren. In der frühen Mehrheit ist DevSecOps aufgrund der gestiegenen Anzahl von Cyberangriffen ein grosses Thema. Observability, GitOps, Enterprise Continuous Delivery Pipelines, FinOps und Continuous Testing sind ebenfalls heisse Themen. Early Adopters investieren in AIOps.

DevOps-Trends 2021

<div style="position: relative; padding-bottom: 56.25%; height: 0; overflow: hidden;">
			<iframe allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share; fullscreen" loading="eager" referrerpolicy="strict-origin-when-cross-origin" src="https://www.youtube-nocookie.com/embed/9jPmGqWOlWQ?autoplay=0&amp;controls=1&amp;end=0&amp;loop=0&amp;mute=0&amp;start=0" style="position: absolute; top: 0; left: 0; width: 100%; height: 100%; border:0;" title="YouTube video"></iframe>
		</div>


Wir besprechen die Top-DevOps-Trends für 2021. Dazu gehören eine starke Adoption von DevOps und agile Transformation, eine Verschiebung hin zu DevSecOps für Sicherheit, ein Fokus auf Continuous Delivery Pipelines und Cloud Computing sowie das Aufkommen von AIOps als jungem, aber vielversprechendem Bereich für Automatisierung mit KI und Machine Learning.