Mit der Entwicklung von immer mehr neuen IT-Produkten entsteht gleichzeitig eine immer größer werdende Menge an Quellcode. Da während der Entwicklung selten der Fokus auf eine gute Wartbarkeit gelegt wird, sondern auf andere Qualitätsattribute und die schnelle Fertigstellung des Projekts, wird ein Großteil der Entwicklungskosten für die Wartung benötigt. Selbst wenn die Wartbarkeit eine Anforderung während der Entwicklung darstellt, ist sie schwer umzusetzen und noch schwerer zu messen. Traditionelle Ansätze basieren auf statischen oder dynamischen Analysen, beispielsweise Quellcode-Analysen, um Erkenntnisse über die Wartbarkeit zu gewinnen. Mit dem Aufkommen neuer Architekturen, wie Service- und Microservice-basierten Systemen, lässt sich die Wartbarkeit noch schlechter bis gar nicht mehr bestimmen. Diese Systeme verfolgen einen verteilten, heterogenen und teils dezentralen Ansatz, worauf die bisherigen Methoden nicht anwendbar sind. Um die Wartbarkeit dieser Systeme zu bestimmen reicht außerdem nicht die Sicht einer einzelnen Komponente des Systems aus, sondern es müssen alle beteiligten Komponenten gleichzeitig betrachtet werden, um die benötigten Informationen zu gewinnen. Da sich statische Analysen durch die starke Verteiltheit und hohe Heterogenität nicht anwenden lassen, bedarf es eines neuen Ansatzes, um die Wartbarkeit zu bestimmen. Diese Arbeit beschäftigt sich deshalb mit der Nutzung von Laufzeitdaten zur Bestimmung der Wartbarkeit von Service- und Microservice-basierten Systemen. Es wird geprüft, ob sich Laufzeitdaten für diesen Anwendungsbereich eignen und wo die Vor- und Nachteile dieses Ansatzes liegen. Um die Eignung zu prüfen, wird eine Übersicht über vorhandene Wartbarkeitsmetriken sowie Werkzeuge zum Sammeln von Laufzeitdaten erstellt. Es wird weiterhin ein Framework entworfen und implementiert, welches mithilfe der gefundenen Metriken und Werkzeuge Erkenntnisse über die Wartbarkeit eines Systems berechnen kann. Letztendlich wird das Framework anhand eines Beispielsystems demonstriert und die gewonnenen Erkenntnisse werden ausgewertet und diskutiert.