Vom Blindflug bei Cloud-Kosten zur klaren Sicht auf Produktmargen

Accrete setzt Attribute™ ein, um das reale Laufzeitverhalten per eBPF zu beobachten und Kosten anhand der tatsächlichen Systemaktivität zuzuordnen – statt anhand von Tags oder Schätzungen. Die Einführung erforderte keinerlei Änderungen an bestehenden Workloads, Tagging-Strategien oder Pipelines. Innerhalb weniger Tage verfügte das Plattform-Team über Kostentransparenz auf Workload- und Service-Ebene, Einblicke in die kostentreibenden Traffic-Muster, die Möglichkeit, KI-Nutzung mit konkreten Services zu verknüpfen, sowie eine einheitliche Sicht auf Infrastruktur- und KI-bezogene Kosten.

Accrete betreibt eine geteilte, mandantenfähige AWS-Plattform, die auf hohe Auslastung über viele Workloads hinweg optimiert ist. Während Gesamtausgaben und Allokation transparent waren, versagte die Attribution innerhalb der geteilten Kubernetes-Compute-Ressourcen. Kosten ließen sich nicht zuverlässig einzelnen Workloads, Services oder Kunden zurechnen. Die Untersuchung von Kostenanomalien erforderte manuelle Korrelationen über mehrere Systeme hinweg, und die KI-Nutzung ließ sich den verbrauchenden Services nicht ohne Weiteres zuordnen. Tags und Billing-Tools lieferten Einblicke auf oberster Ebene, spiegelten aber nicht wider, wie Ressourcen zur Laufzeit tatsächlich verbraucht wurden.

Accrete setzt Attribute™ ein, um das reale Laufzeitverhalten per eBPF zu beobachten. Jason Moore, Principal DevOps Engineer bei Accrete, bringt es auf den Punkt: "Es ist wie ein Netzwerkmonitor für Ihr Budget." Die Einführung erforderte keinerlei Änderungen an bestehenden Workloads, Tagging-Strategien oder Pipelines. Innerhalb weniger Tage verfügte das Plattform-Team über Kostentransparenz auf Workload- und Service-Ebene, Einblicke in die Traffic-Muster hinter den Infrastrukturkosten, die Möglichkeit, KI-Nutzung konkreten Services zuzuordnen, sowie eine einheitliche Sicht auf Infrastruktur- und KI-bezogene Kosten.

Attribute™ deckte ein bislang unsichtbares Netzwerk-Traffic-Muster auf, das erhebliche Infrastrukturkosten verursachte. Ein Service mit hohem Durchsatz leitete große Datenmengen über einen ineffizienten Netzwerkpfad. Nach der Identifikation setzte das Team einen gezielten Fix um, um das Routing zu optimieren. Die monatlichen Kosten des Service sanken von 63.000 $ auf 17.000 $ – rund 46.000 $ pro Monat an unnötigen Ausgaben weniger. Ohne Transparenz auf Laufzeitebene hätte die Identifikation dieses Problems erhebliche manuelle Analysen erfordert und wäre womöglich unbemerkt geblieben.

Die Runtime Attribution brachte zudem Inkonsistenzen in der API-Key-Nutzung über verschiedene Umgebungen hinweg ans Licht. Das Team konnte Richtlinienabweichungen identifizieren, Nutzungsmuster korrigieren und operative sowie Compliance-Risiken reduzieren. Erstmals verfügt Accrete über eine konsistente Sicht auf die Kosten in Engineering und Finance. Kosten lassen sich nun pro Workload und Service nachvollziehen, Engineering-Entscheidungen an ihren finanziellen Auswirkungen ausrichten – und der Weg führt weg von geschätzter Allokation hin zum tatsächlichen Verbrauch.

Auf Basis der Runtime Attribution erweitert Accrete sein Modell nun um kundenbezogene Kennungen. So werden präzise Kosten pro Kunde, Margenanalysen auf Account-Ebene sowie datengetriebene Packaging- und Pricing-Entscheidungen auf Basis des tatsächlichen Verbrauchs möglich. Accrete baut diesen Use Case konsequent aus – von der Transparenz der Infrastrukturkosten hin zur Analyse der Produktmargen und zur Pricing-Strategie. Mit dem echten Cost-to-Serve auf Account-Ebene haben Pricing- und Produkt-Teams nun die Datengrundlage, um Preise festzulegen, die widerspiegeln, wie die Plattform tatsächlich genutzt wird.

Mit dem Wechsel von tag-basierter Schätzung zu laufzeitbasierter Attribution hat Accrete sichtbar gemacht, wie Ressourcen innerhalb der geteilten Infrastruktur wirklich verbraucht werden. Das ermöglichte eine sofortige Kostenoptimierung und legte das Fundament, den Plattformbetrieb skalierbar an den geschäftlichen Realitäten auszurichten. Während Accrete den Use Case auf Produktmargenanalyse und Pricing ausweitet, liefert die Runtime Attribution den Teams eine zentrale Quelle der Wahrheit: nicht nur, was die Plattform kostet, sondern was es kostet, jeden einzelnen Kunden zu bedienen – und was das für die Preisgestaltung bedeuten sollte.