Diese Seite ist auch in English, Español, Français, Italiano, 日本語 und Português verfügbar.

Arabesque AI verzehnfacht die Datenverarbeitung

DoiT begleitete die komplette Migration zu Google Cloud – mit GKE, Cloud Run und BigQuery. Das Ergebnis: 75 % weniger Serverkosten und Researcher, die sich nicht mehr um DevOps kümmern müssen.

The Challenge

Arabesque AI brauchte elastische Skalierung, um die rasant steigende Nachfrage nach KI-Lösungen für die Finanzmärkte bedienen zu können. Das hybride Infrastrukturmodell führte zu Kapazitäts- und Wartungsproblemen, die mit zunehmendem Wachstum immer mehr Ressourcen verschlungen hätten. Die Researcher verbrachten zudem einen erheblichen Teil ihrer Zeit mit DevOps-Aufgaben statt mit ihrer eigentlichen KI-Forschung.

The Solution

Arabesque AI migrierte seine gesamte Infrastruktur zu Google Cloud und setzt dabei auf Google Kubernetes Engine für die Orchestrierung, Cloud Run für Serverless Computing, BigQuery als skalierbares Data Warehouse sowie weitere Google-Cloud-Dienste. Die Plattform verarbeitet Daten aus unterschiedlichsten Quellen – darunter ESG-Kennzahlen und Marktdaten – und speist damit die proprietäre KI-Engine.

Results

Kapazität für Datenstreaming und -analyse verzehnfacht
Serverkosten um rund 75 % gesenkt – dank Preemptible Instances und Pay-per-Use-Diensten
Einarbeitungszeit neuer Mitarbeitender halbiert, während sich das Team in weniger als einem Jahr verdoppelte
Ressourcen größtenteils vom Betrieb auf Forschung und Entwicklung verlagert

Als wachsendes Unternehmen ist Forschung für uns ein zentrales Geschäftsziel. Mit Google Cloud fließen fast alle Ressourcen in die Forschung, nur ein minimaler Teil entfällt auf den Betrieb. Das ist das genaue Gegenteil von früher – und wir können unsere Plattform jetzt deutlich schneller weiterentwickeln.
Nikolaos Kaplis, CTO, Arabesque AI

Die Herausforderung

Arabesque AI stieß mit seinem hybriden Infrastrukturmodell an deutliche Skalierungsgrenzen. Das Wachstumstempo hätte bei den On-Premises-Servern unweigerlich zu Kapazitäts- und Wartungsproblemen geführt. Neue Server bereitzustellen und am Laufen zu halten, hätte schlicht zu viele Ressourcen gebunden. Die Researcher verbrachten viel Zeit mit DevOps-Aufgaben statt mit ihrer Kernaufgabe, der KI-Forschung. Das Zusammenspiel zwischen On-Premises- und Cloud-Komponenten war ausgesprochen mühsam und langfristig keine Option.

Die Lösung

Arabesque AI nahm am Programm Google Cloud for Startups teil und migrierte seine gesamte Infrastruktur zu Google Cloud. Die Plattform basiert auf Kubernetes, wird über die Google Kubernetes Engine orchestriert und nutzt Cloud Run, um den Infrastrukturaufwand zu reduzieren. Daten laufen über mehrere Pipelines mit Cloud Functions und Pub/Sub, Datensätze werden in Cloud Storage abgelegt. BigQuery dient als skalierbares Data Warehouse und ermöglicht schnelle Abfragen auf Petabytes von Daten – ganz ohne operativen Overhead.

KI-Engine und Datenverarbeitung

Die proprietäre KI-Engine von Arabesque AI läuft auf GKE-Nodes und skaliert beim Training neuer Modelle auf Tausende Cores hoch – und anschließend wieder herunter. Preemptible Node Pools machen diesen Prozess kosteneffizient und einfach handhabbar. Aus den in BigQuery gespeicherten Marktinformationen erzeugt die KI-Engine neue Signale und vervielfacht dabei das Datenvolumen oft um ein Vielfaches. Aus der Kombination aus proprietären Signalen und bestehenden Marktdaten entstehen neue Anlagestrategien.

Partnerschaft mit DoiT International

Nach der Migration arbeitete Arabesque AI mit dem Google Cloud Premier Partner DoiT International zusammen, um die Infrastruktur weiter zu optimieren. DoiT vereinfachte den Abrechnungsprozess und bot hervorragende Unterstützung bei der Migration zu BigQuery – das sparte zwei Arbeitstage. Über die Partnerschaft erhielt das Team bei Bedarf Zugang zu zusätzlichem Support und Engineering-Expertise.

Ergebnisse und Geschäftserfolg

Die Migration ermöglichte es Arabesque AI, den Fokus des Teams vom Betrieb auf die Forschungsziele zu verlagern. Die Kapazität für Datenstreaming und -analyse stieg um das Zehnfache, während die Serverkosten um rund 75 % sanken. Das Unternehmen hat sich in weniger als einem Jahr mehr als verdoppelt – bei gleichzeitig halbierter Einarbeitungszeit. Der Einsatz von Open-Source-Technologie auf Google Cloud erleichtert das Recruiting und Onboarding neuer Talente in einem entwicklerfreundlichen Umfeld.

Innovationen für die Zukunft

Arabesque AI entwickelt aktuell den Knowledge Graph – ein Projekt, das aus unstrukturierten Informationen wie Nachrichten und Social-Media-Feeds Erkenntnisse gewinnt. Das auf Dataflow laufende System extrahiert automatisch relevante Informationen aus Textquellen. Ziel ist es, aus unstrukturiertem Text Unternehmen, Beziehungen und Signale zu identifizieren, die für bessere Prognosen entscheidend sind – aufbauend auf Natural-Language-Processing-Algorithmen, um daraus Natural Language Understanding zu entwickeln.

So unterstützt DoiT Cloud-Teams bei der Kostenkontrolle

Entdecken Sie, wie DoiT Cloud Intelligence Teams dabei hilft, Transparenz, Governance und Unit Economics über Cloud-Umgebungen hinweg zu verbessern.

DoiT entdecken Mit unserem Team sprechen

What they say

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

SELECT has made important cost data readily accessible. I will often pull it up during engineering design reviews so we can quickly evaluate cost impact and projections and factor that into our design decisions.

Douglas Zickuhr, Senior Data Platform Engineer at Personio

I love clicking through SELECT to understand how our environment and workloads are evolving. I probably check it every day. It's coffee and SELECT for me every morning.

Ian Fahey, Senior Analytics Engineer at Loop

You guys have the best UI experience that I've had of any software. It's like you just read my mind where, like, oh, I wish I could click there. Oh, I can

Diana Koshy, Sr. Director of Data Engineering at Kargo

SELECT feels like exactly what Paul and I would have built if we had locked ourselves in a room for 18 months to create our ideal monitoring solution.

Devin McGee, Data Engineering Lead at Home Chef

SELECT dramatically lowers the cognitive load to understanding Snowflake costs. I'm able to sit there and easily understand what's driving the cost. Not to blow smoke up your ass, but it's just so easy to do in your platform

Blake Baggett, Head of Data Operations at Entain

One of the most helpful cost rituals we've setup from SELECT is the weekly spend digest sent to Slack. I can start high level and ensure things are in check. If not, I can very quickly drill down into specific workloads which may have driven the cost spike and remediate them before they become a bigger issue.

Michael Revelo, Manager of data and analytics engineering at ClickUp

Through SELECT's automated savings feature and deep cost visibility, we were able to instantly lower our Snowflake spend by over 40% and achieve a 20X ROI on our SELECT investment.

Skyler Chi, SVP, GTM Productivity & Excellence at Exiger

Our costs had jumped up 3X as we scaled, so we're talking about 60% savings in Snowflake spend after adopting SELECT.

Edward Mancey, GTM Lead at Synthesia

DoiT was a true partner, not a vendor. They helped us understand the problem, refine the vision, and build something production-ready far faster than we could have on our own. Their expertise, responsiveness, and commitment made all the difference.

Dr. Anish Kapur, Founder & CEO, Promptly

DoiT's Customer Success and Forward Deployed Engineering teams work very closely with us. The regular sessions with our CSM keep us focused on the right priorities, and the FDEs provide the deep technical guidance we need to validate decisions and optimize our environment. That combination has been genuinely valuable for us.

Alexander Lundberg Santos, Platform Engineer at Extenda Retail

Every customer has unique usage patterns. Manual resource optimization simply didn't scale—we needed automation to ensure every customer, regardless of size, had right-sized infrastructure without consuming our team's capacity.

Brad Quinn, Lead Platform Engineer, PlayHQ

SNCF

PerfectScale allowed us to grow capacity without growing cost. We effectively absorbed 30% more usage for free.

Thomas Comtet, Senior Staff Engineer, SNCF

Your cloud bill shouldn't be a mystery

Let us show you what ships this week.

Book a demo