The Challenge
Die bestehende BI- und Data-Warehouse-Lösung von Apester stieß beim rasanten Wachstum an ihre Grenzen. Das geschlossene System wurde zunehmend teuer und beschnitt die Analytics-Möglichkeiten. Bei stetig steigenden Nutzerzahlen und einer kleinen Entwicklermannschaft brauchte das Unternehmen ein leicht skalierbares System, das auf Open-Source-Technologien setzt.
The Solution
Apester baute eine durchgängige Google-Cloud-Lösung auf: Kubernetes Engine als Rückgrat, Cloud Pub/Sub für Messaging, BigQuery für Analytics und Stackdriver für das Monitoring. Die Migration führte von einer VM-basierten Architektur zu containerisierten workloads und vereinheitlichte die Infrastruktur teamübergreifend.
Results
- Kundenstamm verdreifacht und 2017 über 3,5 Milliarden Story-Erlebnisse ausgeliefert
- Infrastrukturkosten durch die Kubernetes-Migration um 50 % gesenkt
- Deployment-Zeit von 4 Stunden auf unter 1 Minute verkürzt
- Latenz mit dem Premium Tier des Google Cloud Network halbiert
- Verarbeitet Millionen Events pro Stunde über die BigQuery-Analytics-Plattform
Infrastruktur ist nicht unser Kerngeschäft. Wir wollen uns auf die Anforderungen von Apester konzentrieren und unsere Anwendung weiterentwickeln. Wenn die Deployment-Zeit von Stunden auf Sekunden sinkt, können wir uns voll auf unseren eigenen Erfolg konzentrieren.
Or Elimelech, Site Reliability Engineer
Das ist Apester
Apester mit Sitz in New York und Tel Aviv unterstützt Verlage, Werbetreibende und Unternehmen dabei, fesselnde Online-Stories zu erzählen – mobiloptimiert, nahtlos in die eigenen Websites eingebettet und beliebig skalierbar. Von Quizzes und Umfragen bis hin zu innovativen Visual Stories: Apester hilft Kunden, ihre Botschaft wirkungsvoll zu vermitteln. Das Angebot richtet sich an Storyteller jeder Couleur – von großen Marken wie Meredith, BBC Worldwide und Virgin bis hin zu einzelnen Bloggern. Seit dem Launch 2014 ziehen die umfassenden Creation-Tools von Apester rund 100 Millionen Unique User pro Monat an.
Die Herausforderung
Apester arbeitete mit einem stark geschlossenen System zur Datenverarbeitung, das immer teurer wurde und die Analytics-Möglichkeiten einschränkte. Bei schnell wachsenden Nutzerzahlen und einer begrenzten Zahl an Entwicklern brauchte das Unternehmen ein leicht skalierbares System. Die Entwickler und Data Scientists von Apester wollten auf Open-Source-Technologien setzen, um nicht in die Abhängigkeit eines einzelnen Anbieters zu geraten. Nur Google Cloud bot die passende Kombination aus Open-Source-Kompatibilität und robuster, einfach handhabbarer Skalierbarkeit.
Die Lösung
Zunächst baute Apester seine Datenlösung rund um Cloud Dataflow, Cloud Dataproc und Cloud Bigtable mit Apache Beam auf und entschied sich schließlich für BigQuery als zentrale Analytics-Lösung. Anschließend folgte die vollständige Migration zu Google Cloud – weg von einer VM-basierten Architektur, hin zu Kubernetes. Kubernetes Engine bildet seither das Rückgrat, Cloud Pub/Sub den Message Bus, und Stackdriver übernimmt Logging und Monitoring. Mit Cloud IAM lässt sich die Rechteverwaltung schnell und ohne Sicherheitsabstriche steuern.
Die Ergebnisse
Seit der Migration zu Google Cloud hat Apester den Kundenstamm verdreifacht und 2017 über 3,5 Milliarden Story-Erlebnisse ausgeliefert. Die Infrastrukturkosten haben sich durch den Umstieg auf Kubernetes halbiert, da keine ungenutzten Server mehr vorgehalten werden müssen. Die Deployment-Zeit sank von vier Stunden auf unter eine Minute. Mit dem Premium Tier des Google Cloud Network wurde die Latenz halbiert. Die BigQuery-basierte Dateninfrastruktur verarbeitet mühelos Millionen Events pro Stunde und liefert aussagekräftige Insights in jeder Größenordnung.
Wie es weitergeht
Apester entwickelt seine Produkte kontinuierlich weiter und nutzt die Cloud Natural Language APIs, um die Personalisierung zu verfeinern. In Kombination mit BigQuery-Daten erschließt das Unternehmen neue Machine-Learning-Möglichkeiten und investiert intensiv in ML mit TensorFlow für seine Pipeline. So kann Apester noch gezielter auf Kundenbedürfnisse eingehen, während die Zielgruppe weiter wächst. Die Migration hat die Herausforderungen bei Verfügbarkeit, Skalierbarkeit und Entwicklungseffizienz gelöst – und sichert dem Unternehmen den Vorsprung im Wettbewerb.
So unterstützt DoiT Cloud-Teams bei der Kostenkontrolle
Erfahren Sie, wie Cloud Intelligence™ Teams hilft, Transparenz, Governance und Unit Economics in Cloud-Umgebungen zu verbessern.
More customer stories
Finlex halbiert Cloud-Kosten und bringt KI mit DoiT in Produktion
- Over 65%
- Weniger Cloud-Infrastrukturkosten von 2024 bis heute
- 40%
- Kosteneinsparungen durch bessere Transparenz und eine effiziente KI-Architektur
Cloud-Kosten werden bei Hippo zum Hebel für die Teams
- Minutes
- Integrationsdauer von Attribute™ in AWS
- Business unit
- Erreichter Grad an Kostenverantwortung
Island sieht die echten Kosten pro Kunde – ganz ohne Tagging
- $5B
- Unternehmensbewertung
- Days
- Zeit bis zu den ersten Insights
- 0
- Benötigte Tags
Claroty ordnet Kosten dank Attribute™ präzise einzelnen Kunden zu
- 1,000+
- Geschützte Kunden weltweit
- Days
- Zeit bis zu den ersten granularen Kosten-Reports
- Zero
- Beeinträchtigung des Betriebs beim Deployment
Wertbasiertes AI-Pricing dank Kostenattribution auf Kundenebene
- $1.3M
- Umsatz mit negativer Marge aufgedeckt
- ~360
- unprofitable Accounts identifiziert
- $1.3M
- aggregierte Verluste aufgedeckt
Salt Security standardisiert die COGS-Messung für bessere Margen und Preisgestaltung
- 1
- Single Source of Truth für COGS
- 1
- Standardisierte Single Source of Truth für COGS bei CFO und DevOps
- 0
- Code- oder Tagging-Änderungen für die Integration von Attribute™
PropertyGuru macht aus dem Cloud-Kostenchaos echte Engineering-Verantwortung
- Minutes
- um Shared-Service-Rechnungen zu entschlüsseln (zuvor Stunden)
- 32M+
- Monatlich betreute Immobiliensuchende
- 2 weeks
- Vom Rollout bis zu umsetzbaren Erkenntnissen
What they say
We have worked with DoiT for many years, and there has been an increasing number of capabilities and features in DoiT Cloud Intelligence. We've embedded features such as Cloud Analytics and Reports in our own FinOps processes, it's become core to what we do.
Martin Lee, Director of Operations
DoiT gave us the confidence to move from experimentation to production. They helped us understand the right way to build AI for the real world.
Milad Rezazadeh, CTO
Attribute™'s cost grouping technology took our cost visibility and allocation to a whole new level. Now, our teams are fully accountable for their budgets, significantly improving our cloud efficiency and helping us minimize unnecessary costs.
Eli Zilbershtein, Head of DevOps, Hippo
You can't tag a customer in a multi-tenant environment. Attribute™ finally shows us what each customer costs and what's driving those costs.
Omri Cohen, Director of Engineering, Platform
Attribute™'s data is truly unmatched. No other solution on the market could deliver the precise customer cost and usage profiles we needed in such a complex infrastructure. Within weeks, the data from Attribute™ transformed our understanding of cost structures, influencing key strategic decisions in pricing, renegotiations, and market positioning.
Jonathan Langer, COO, Claroty
Attribute™ simplified tracking customer costs in our multi-tenant environments. Customer cost measurement is now clear and standardized, and finance gets the business context they need. Integration was quick and required no changes.
Kfir Lippmann, CFO, Salt Security
Attribute™ translates complex cloud bills into actionable, business-centric insights that empower our engineering teams to take true ownership of their costs.
Balamurugan Mohandossgandhi, Head of IT and Infrastructure, PropertyGuru
This has let us get a better idea of what our cost of goods sold really is. It's not every day you come across something that delivers value as quickly as yours did for us. I was seeing useful insights inside the POC, and we had only deployed it to a couple of real clusters.
Jason Moore, Principal DevOps Engineer, Accrete AI
Eliminating the need to tag thousands of resources has freed up my team and we've invested our efforts in enhancing our platform significantly.
Ziv Sivan, VP of Engineering
PerfectScale by DoiT has become an important part of how we optimize Kubernetes at scale at OneFootball. It gives our platform team the visibility, automation, resiliency insights, and confidence we need to balance cost efficiency with production readiness, especially as we prepare for major global football moments like the 2026 FIFA World Cup.
Andrea Benfatto, Platform/Cloud Runtime Engineering Manager
Cloudflow's new RDS End of Life alerts have allowed us to be more proactive on keeping our database instances up-to-date. The new solution gives us internal visibility ahead of time so that we can prepare for upgrades, instead of having to upgrade under pressure while incurring extended support costs.
Jon Fairbanks, Site Reliability Engineering Manager
PerfectScale cut 40% off our total EKS spend, and the automations handle what used to take our team 20 hours a month. Now we spend that time on reliability and performance instead of chasing cost metrics.
Caio Cristo, Director of Infrastructure/SRE
What I really like about DoiT's approach is that you're very hands-on and proactive. Satyam would ping me a few times a sprint, letting me know about the most current features, checking in on how things are going. When we are going through a peak time, that proactiveness makes a real difference. Satyam always comes through whenever we need support and helps us leverage the right experts to get us where we need to be.
Chiamaka Ibeme, Engineering Manager, Platform
Your cloud bill shouldn't be a mystery
Let us show you what ships this week.

