Starchive senkt AWS-Cloud-Kosten um 32 %

DoiT führte eine umfassende, strukturierte Optimierungsanalyse der AWS-Workloads von Starchive durch – über Accounts, Ressourcentypen und Kostenkategorien hinweg. Auf Basis von Amazon CloudWatch- und AWS Compute Optimizer-Daten identifizierte DoiT unterausgelastete Ressourcen, die sich verkleinern oder abschalten ließen. DoiT implementierte Flexsave for Compute und etablierte eine umfassende Tagging-Strategie für Reporting auf Allocations-Niveau und belastbare Unit Economics. Das Team erweiterte den Infrastructure-as-Code um Tags für dynamisch erzeugte Ressourcen und setzte Tag-Richtlinien auf Organisationsebene durch.

Starchive ist eine Digital-Asset-Management-Plattform für die Kreativen von heute. Die Mission: Kreativen den Zugriff auf ihre Arbeit, deren Nutzung und Weiterentwicklung so einfach wie möglich machen. Mit über einem Jahrzehnt Erfahrung – darunter die Archivierung von Bob Dylans Katalog – bietet Starchive ein System, das der Denkweise von Künstlerinnen und Künstlern folgt und digitale Assets nahtlos speichert und ordnet. Zu den zentralen Funktionen zählen erweiterte Suche, Zugriffskontrolle, Versionsverwaltung und Web3-Integration – ein unverzichtbares Werkzeug für kommerzielle, kulturelle und Community-Kreative.

Mit der wachsenden Nutzerbasis von Starchive stiegen auch die Cloud-Ausgaben – und damit der Druck, sie klar an Wertschöpfung und Unit Economics zu koppeln. Beim Digital-Media-Unternehmen liefen die Cloud-Kosten den bestehenden Budgetgrenzen davon. KI-gestützte Funktionen und Bilderkennung verschärften diesen Anstieg und schraubten zugleich die Anforderungen an Performance und Governance nach oben. Ohne klare Strategie zur Steuerung dieser Kosten kämpfte Starchive mit erheblichen operativen Ineffizienzen – durch fehlende Zuordnungen, Leitplanken und nahezu echtzeitnahe Sichtbarkeit. Der fehlende Überblick über die Cloud-Ausgaben machte Budgetierung und Forecasts zunehmend schwierig, verschleierte die Unit Economics und untergrub das Vertrauen, auf AWS zu skalieren.

DoiT startete die Zusammenarbeit mit Starchive mit einer umfassenden, strukturierten Optimierungsanalyse der AWS-Workloads. Diese Analyse umfasste mehrere Dimensionen – Accounts, Ressourcentypen und Kostenkategorien. Auf Basis der Daten aus Amazon CloudWatch und AWS Compute Optimizer identifizierte DoiT unterausgelastete Ressourcen, die sich verkleinern oder abschalten ließen – und senkte so unmittelbar die Kosten. Für zusätzliche Einsparungen implementierte DoiT Flexsave for Compute, das die Cloud-Ressourcenkosten automatisch optimiert. Um die Kostenverfolgung nachhaltig zu verbessern, führte DoiT außerdem eine umfassende Tagging-Strategie ein, die Reporting auf Allocations-Niveau und belastbare Unit Economics ermöglicht.

Im Rahmen der neuen Tagging-Strategie wurde der Infrastructure-as-Code (IaC) von Starchive so erweitert, dass auch dynamisch erstellte Ressourcen wie AWS Lambda und Tasks im Amazon Elastic Container Service (ECS) automatisch Tags erhalten. Die Teams von DoiT und Starchive taggten statische Ressourcen manuell über den AWS Tag Editor und schlossen so verbleibende Lücken für eine vollständige Abdeckung. Abschließend setzte Starchive Tag-Richtlinien auf Organisationsebene durch, um eine durchgängig konsistente Nutzung sicherzustellen und zu verhindern, dass ungetaggte Ausgaben in die Produktion gelangen. Auf dieser Grundlage konnte Starchive detaillierte Kostenanalysen durchführen und daraus zentrale Unit-Economics-Kennzahlen ableiten.

Nach der Umsetzung der DoiT-Lösungen verzeichnete Starchive deutliche finanzielle und operative Vorteile. Durch Kostenoptimierung und den Einsatz von Flexsave for Compute spart Starchive jährlich 32 % bei den Cloud-Ausgaben. Noch wichtiger: Das von DoiTs Expertinnen und Experten eingeführte detaillierte Tagging und die Kostenanalyse versetzen Starchive in die Lage, die eigenen Geschäftsmargen präzise zu modellieren – mit klarem Blick auf Produktions- und Servicekosten. Diese neu gewonnene Klarheit erleichtert Budgetierung und strategische Planung, sorgt für eine bessere Ressourcenallokation und gezielte Investitionen – und stärkt das Vertrauen, KI-Features auf AWS zu skalieren.