DevOps Engineer Mock-Interview — üben mit AI

DevOps-Interviews sind täuschend breit. Hiring Manager wollen einen Generalisten, der in der einen Hand ein Terraform-Modul und in der anderen ein Runbook halten kann — und sie werden genau die Momente abklopfen, in denen Infrastruktur an der Realität zerbricht. Die meisten Kandidaten verlieren Punkte nicht bei Tool-Trivia, sondern bei den Fragen zweiter Ordnung: „Das Apply hat einen Timeout — was ist Ihr nächster Schritt?“ Dieser Leitfaden zeigt, wie Sie AI Mock Interviews nutzen, um die Gespräche zu proben, die über DevOps-Angebote entscheiden.

Typische Interview-Runden für DevOps Engineers

Ein typischer DevOps-Loop läuft über vier oder fünf Runden. Recruiter-Screen zur Eignung, dann ein technisches Screening (45–60 Minuten) zu CI/CD, Infrastructure as Code, Container-Grundlagen und einem Cloud-Provider-Deep-Dive. Danach folgt eine Szenario- oder Incident-Runde — Sie gehen einen echten Ausfall durch und schildern, wie Sie ihn debuggen würden. Dann eine Coding- oder Scripting-Runde (Bash, Python oder Go — meist Logs parsen, ein kleines CLI schreiben oder einen kaputten Pipeline-Schritt reparieren) und eine Behavioral-plus-Systems-Runde, in der man Ihnen eine halb-kaputte Architektur vorlegt und Sie bittet, sie abzusichern.

Die Szenario-Runde ist die, in der sich AI-Mocks am meisten auszahlen. Echte Interviewer improvisieren — sie erfinden den Ausfall, drängen auf Ihre Argumentation und ködern Sie zu voreiligen Schlüssen. Der AI-Mock reproduziert dieses Muster getreu: offener Prompt, eskalierende Rückfragen, Bewertung danach, wie Sie die Ursachen eingrenzen. Die Coding-Runde wird besser durch praktisches Scripting bedient, aber verbale Durchläufe von Pipeline-Ausfällen passen perfekt in einen AI-Mock.

Wichtigste technische Themen

Infrastructure as Code

Terraform dominiert den Pool der Stellenanzeigen. Seien Sie bereit, über State-File-Management (Remote Backends, Locking, Aufteilen des States nach Umgebung), Modul-Design (wann komponieren, wann inline), den Unterschied zwischen count und for_each und das Refactoring eines monolithischen Root-Moduls ohne Production-Bruch zu sprechen. Pulumi und CDK tauchen in 15–20 % der Ausschreibungen auf — kennen Sie den Tradeoff (echte Sprache vs. deklaratives HCL), auch wenn Sie es nicht täglich schreiben. Ansible-Fragen erscheinen weiterhin bei Config-Management-Rollen; rechnen Sie mit Playbook-Idempotenz und Dynamic Inventory.

Kubernetes

Die Messlatte ist gestiegen. „Ich habe kubectl genutzt“ reicht nicht mehr. Erwarten Sie: wie ein Pod gescheduled wird, was passiert, wenn ein Node NotReady wird, warum Ihr Service 502 zurückgibt (Hinweis: Endpoint nicht im Endpoints-Objekt), der Unterschied zwischen Requests und Limits und was einen Pod evictet, wann Sie ein DaemonSet statt eines Deployments verwenden, wie Rolling Updates mit PodDisruptionBudgets zusammenspielen. Senior-Loops ergänzen Operatoren, Custom Controller und Admission Webhooks. Wenn Sie die Control Plane auf einer Serviette skizzieren und erklären können, was etcd hält, sind Sie vorne.

CI/CD-Pipelines

GitHub Actions, GitLab CI und Jenkins sind die drei häufigsten. Erwarten Sie Fragen zu Caching-Strategien, paralleler Testausführung, Secret-Management innerhalb von Pipelines und wie man bei einem 20-minütigen Build schnell scheitert (fail fast). Ein beliebtes Szenario: „Der Deploy-Job läuft durch, aber die neuen Pods landen im CrashLoop — führen Sie mich durch das Debugging.“ Starke Antworten verketten Logs, Exit-Codes, Image-SHAs und Rollback-Strategie, ohne Schritte zu überspringen.

Observability

Prometheus + Grafana + Loki + ein Tracing-System (Tempo, Jaeger) ist der kanonische Open-Source-Stack. Datadog und New Relic dominieren die kostenpflichtigen Angebote. Seien Sie bereit, SLOs, Error Budgets und das Aussehen eines guten Alerts (Symptom, nicht Ursache) zu definieren. Erwarten Sie: „Ihr Dashboard ist grün, aber Kunden beschweren sich — was stimmt nicht?“ Antworten, die Sampling-Bias, Aggregationsfenster sowie synthetisches vs. Real-User-Monitoring erwähnen, schneiden gut ab.

Cloud-spezifische Tiefe

Wählen Sie AWS, GCP oder Azure anhand der Stellenbeschreibung. AWS-Fragen drehen sich um IAM (häufigste Ursache für „warum funktioniert das nicht“), VPC-Routing, EKS-Eigenheiten und S3-Konsistenz. GCP-Loops bevorzugen IAM und Projekthierarchie, GKE und BigQuery-Kostenstruktur. Azure fokussiert auf AAD, AKS und Azure DevOps Pipelines. Eine Cloud in der Tiefe ist besser als drei Clouds oberflächlich.

Häufige Szenario-Fragen

• „Das Terraform-Apply hatte gerade nach 40 Minuten einen Timeout. Was prüfen Sie als Erstes?“ (Die Antwort sollte State-Lock, Provider-Rate-Limits und Dependency-Graphen nennen.)
• „Production-Pods werden jeden Montag um 9 Uhr OOMKilled. Führen Sie mich durch Ihre Untersuchung.“ (Erwartet: Traffic-Muster, Memory-Limits, GC-Verhalten, jüngste Deploys, Korrelation mit Autoscaling-Verzögerung.)
• „Sie erben eine Deploy-Pipeline, die 45 Minuten dauert. Was ändern Sie zuerst?“ (Caching-Schichten, paralleles Test-Sharding, bedingte Jobs, dann größere architektonische Umstellungen.)
• „Ein Team will sein eigenes EKS-Cluster betreiben. Erklären Sie mir, ob das eine gute Idee ist.“ (Kosten, Blast Radius, Expertise, Tradeoff zwischen Shared Services und Isolation.)
• „Die Hälfte der Alerts in PagerDuty ist Rauschen. Wie beheben Sie das, ohne echte Incidents zu verpassen?“ (Symptombasiertes Alerting, SLO-getriebene Schwellenwerte, Runbook-Qualität, Alert-Korrelation.)

Behavioral-Schwerpunkte — worauf Hiring Manager achten

DevOps-Hiring-Manager achten über die technische Tiefe hinaus auf drei Signale. Erstens Ownership bei Fehlern — können Sie eine Incident-Geschichte erzählen, ohne das Dev-Team, den vorherigen DevOps-Lead oder den Cloud-Provider zu beschuldigen? Starke Geschichten folgen Zeitleiste → falsche Annahme → Entdeckung → Fix → Prävention, und sie stehen zum Moment „das hätte ich im Code Review erkennen müssen“, ohne zu zögern. Zweitens Kommunikation über organisatorische Ebenen hinweg — DevOps sitzt zwischen Entwicklern und Leitung, also rechnen Sie mit Prompts zum Erklären von Infrastrukturkosten gegenüber einem CFO oder zum Widersprechen bei einer engen Deadline. Drittens Pragmatismus vs. Reinheit — Interviewer wollen jemanden, der um 2 Uhr nachts einen unschönen, aber überwachten Fix ausliefert, nicht jemanden, der auf der perfekten Architektur besteht, bevor er das Team entblockt.

Wie Sie AI-Mock-Übungen für diese Rolle nutzen

Stellen Sie den Interview-Typ auf „Tech Screening“ und fügen Sie die echte Stellenbeschreibung ein, falls vorhanden. Die AI extrahiert den Tool-Stack (Terraform vs. Pulumi, AWS vs. GCP) und gewichtet die Fragen entsprechend. Ohne Stellenbeschreibung wählen Sie standardmäßig „AWS + Terraform + Kubernetes, mittlere Seniorität, 10 Fragen“ — dieses Profil deckt etwa 60 % der DevOps-Ausschreibungen ab.

Für Incident-Response-Übungen wechseln Sie in den „Scenario“-Modus und bitten die AI, einen sich entfaltenden Ausfall zu treiben. Die Session läuft 15–20 Minuten weiter, während Sie triagieren. Die Bewertung belohnt, wie Sie den Suchraum eingrenzen, nicht, ob Sie die „richtige“ Root Cause finden — denn echte Incidents haben selten nur eine.

Ein zu wenig genutzter Drill: „Ich möchte fünf aufeinanderfolgende Terraform-Refactor-Fragen.“ Die AI erstellt Szenarien, in denen Sie ein Root-Modul aufteilen, State migrieren oder Drift beseitigen. Fünf Wiederholungen in einer Session, und das Vokabular fühlt sich nicht mehr fremd an.

Häufig gestellte Fragen