Felddaten und Labormessung.
Felddaten zeigen die Performance, die echte Nutzer erleben; die Labormessung zeigt die in einer kontrollierten Umgebung simulierte Performance.
Das teuerste Missverständnis der Performance-Debatten ist das Überspringen dieser Unterscheidung. Ein Team erzielt im Prüfwerkzeug fünfundneunzig, erklärt „wir sind schnell“, und echte Nutzer erleben dieselbe Seite weiter als langsam. Beides ist wahr, denn beide messen Verschiedenes.
Die Labormessung nimmt ein festes Gerät, ein festes Netz und ein einzelnes Laden an. Felddaten sind die Verteilung echter Geräte, echter Netze und echter Nutzungsmuster. Das Zweite fällt immer schlechter aus, und das ist normal.
Welche Frage mit welchem Werkzeug
- „Was ist bei uns langsam?“ — Labor. Wiederholbar, detailliert, zeigt Ursache und Wirkung.
- „Hat die Änderung gewirkt?“ — Labor. Vorher und Nachher lassen sich unter gleichen Bedingungen vergleichen.
- „Was erleben unsere Nutzer?“ — Feld. Die einzige ehrliche Antwort lebt hier.
- „Wie sieht Google uns?“ — Feld. Das sind die im Ranking verwendeten Daten.
- „Wie ist unser INP?“ — Feld. Im Labor nicht verlässlich messbar.
Die letzte Zeile zählt besonders: Die Metrik der Interaktionsreaktivität betrachtet per Definition echte Nutzerinteraktionen, und ein Prüfwerkzeug interagiert nicht mit der Seite. Werkzeuge erzeugen eine Schätzung, aber die repräsentiert nicht die echte Nutzung.
Die Grenzen der Felddaten
Auch Felddaten sind nicht makellos, und ihre Grenzen muss man kennen. Erstens: Sie hinken nach. Die berichteten Werte stammen aus einem Fenster von achtundzwanzig Tagen; die Wirkung einer heutigen Korrektur zeigt sich Wochen später.
Zweitens: Sie verlangen eine Schwelle. Für Websites ohne ausreichenden Verkehr werden keine Daten gesammelt, und der Bericht bleibt leer. Eine neue oder verkehrsarme Website hat womöglich gar keine Felddaten.
Drittens: Sie sind aggregiert. Berichtet wird womöglich für Gruppen ähnlicher Seiten, nicht je Seite. Welche Seite das Problem ist, verlangt zusätzliche Messung.
Auf dieser Website werden die Felddaten in eine Cache-Datei gezogen und auf dem Bildschirm gezeigt — aber gibt es keine Daten, wird das Feld GAR NICHT GERENDERT. Die Prüfsuite misst beide Richtungen: Liegt ein Wert vor, muss die Zahl im Streifen exakt dem Cache entsprechen; liegt keiner vor, darf das Wort „gemessen“ nie erscheinen.
Gibt es keine Daten, bleibt das Feld leer; ein erfundener Beleg wird nicht geschrieben.
Die eigene Messung einrichten
Es gibt einen dritten Weg, und er füllt den Raum zwischen den zwei Welten: echte Nutzerdaten mit einem kleinen Messcode auf der eigenen Seite sammeln. Der Browser meldet der Seite alle drei Metriken, und diese Werte lassen sich an das eigene System senden.
Der Vorteil ist das Detail: Sie sehen, welche Metrik auf welcher Seite, in welcher Geräteklasse und an welchem Element schlecht ist. Ein Sammelbericht gibt Ihnen eine Zahl; die eigene Messung sagt, woher sie kommt. Und es gibt keine Verzögerung — die Daten kommen sofort.
Auf der Datenschutzseite lässt es sich sauber bauen: Die Messung braucht keine Cookies und sammelt keine personenbezogenen Daten; aufgezeichnet werden nur Dauerwerte und der Selektor des berührten Elements. Auf dieser Website sagt der Datenschutztext, dass keine Cookies verwendet werden, und die Suite misst das — eine hinzukommende Messung kann diese Aussage nicht brechen; tut sie es, leuchtet der Test rot.
Der Score selbst ist eine Falle
Der einzahlige Score der Prüfwerkzeuge ist praktisch für die Kommunikation und gefährlich für Entscheidungen. Der Score ist ein gewichteter Durchschnitt mehrerer Metriken, und die Gewichte ändern sich mit der Zeit — dieselbe Seite kann ohne jede Codeänderung verschieden abschneiden.
Wichtiger: Wird der Score zum Ziel, beginnt das Team, den Score zu heben, nicht die Performance. Beide bewegen sich meist gemeinsam, aber wo sie sich trennen, gewinnt der Score — und dann steht die Messung der Verbesserung im Weg.
Die gesunde Verwendung: Schauen Sie nicht auf den Score, sondern auf die Untermetriken, finden Sie die gebrochene und richten Sie sie. Der Score soll als Folge steigen; als Ziel wird er nicht gesetzt.
Und der letzte Schiedsrichter sind immer die Felddaten. Eine Seite mit Labor-Score fünfundneunzig kann bei echten Nutzern schlecht sein; eine mit siebzig gut. Sind beide gemessen, ist unstrittig, welches stimmt.
Die zwei Messungen zusammen lesen
Die wertvollste Information entsteht dort, wo die beiden AUSEINANDERGEHEN, und diese Abweichung taugt als Diagnosewerkzeug. Labor gut, Feld schlecht: Die Ursache ist meist die Geräte- und Netzverteilung — Ihre Nutzer laufen auf schwächerer Hardware, als Sie testen. Die Behandlung: JavaScript kürzen und den Hauptthread freimachen.
Der umgekehrte Fall ist seltener, aber aufschlussreich: Labor schlecht, Feld gut heißt vermutlich, dass die Messeinstellungen härter sind als die echte Nutzerverteilung. Kein schlechter Zustand — er zeigt nur, dass die Laboreinstellungen zu pessimistisch sind.
Beide schlecht ist der klarste Zustand, und die Diagnose kommt aus der Labormessung. Beide gut ist der einzige echte Erfolgsindikator — und dann dient die Messung nicht mehr der Verbesserung, sondern der Regressionswache.
Der praktische Rhythmus: Die Felddaten werden monatlich gelesen, für die Gesamtgesundheit; die Labormessung läuft bei jedem Deployment und fängt Regressionen. Die zwei laufen in verschiedenen Takten, weil sie verschiedene Fragen beantworten.
Eine letzte praktische Notiz: Stellen Sie beim Vergleich sicher, dass Sie dieselbe Seite vergleichen. Felddaten können in Seitengruppen berichtet werden, und die Gruppe kann andere Seiten enthalten als die getestete. Den Labor-Score der Startseite mit den Felddaten der ganzen Website zu vergleichen heißt zwei verschiedene Dinge zu vergleichen — und führt zu falschen Schlüssen.
Eine praktische Checkliste
Übersetzt man diese Seite in einen Prüfschritt, ist über die zwei Messschichten Folgendes zu prüfen. Die Liste bleibt kurz, denn lange Listen werden nicht abgeschritten; sechs Punkte passen in eine Sitzung.
- Gibt es Felddaten — wenn nicht, liegen Sie unter der Verkehrsschwelle.
- Welche Metrik ist gebrochen — die drei einzeln ansehen, nicht den Score.
- Gehen Labor und Feld auseinander — die Richtung der Abweichung liefert die Diagnose.
- Werden Mobil und Desktop getrennt gelesen?
- Steht die eigene Messung — das Detail lebt nur dort.
- Ist der Messrhythmus gesetzt — Feld monatlich, Labor bei jedem Deployment.
Der fünfte Punkt wird am meisten übersprungen: Ein Sammelbericht gibt Ihnen eine Zahl; die eigene Messung sagt, von welcher Seite und welchem Element sie kommt.