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
Was sich einfach nicht taggen lässt:
FinOps ohne Tagging
Ihr Tagging-Programm wird nie fertig. Attribute™ ordnet 100 % der Cloud-Ausgaben zur Laufzeit zu – ohne Tags, ohne Code-Änderungen, mit vollständiger Zuordnung bis nächste Woche.
Tagging hat FinOps ein Jahrzehnt lang getragen.
Moderne Infrastruktur hat es ausgehebelt.
Selbst ausgereifte Programme erfassen nur 43 % der Cloud-Kosten auf Unit-Ebene (Gartner, 2025). Die Lücke wächst weiter, denn die am schnellsten wachsenden Kostenkategorien lassen sich gar nicht taggen.
Gemeinsam genutzte Infrastruktur hat keinen eindeutigen Owner
Kubernetes-Cluster, Kafka, Datenbanken und Queues bedienen viele Teams gleichzeitig. Ein Tag weist genau einen Owner zu. Es kann nicht aufteilen, was nie trennbar war.
Kunden lassen sich nicht taggen
Tags erfassen Infrastruktur. Kunden bewegen sich durch sie hindurch. In einer mandantenfähigen Architektur gibt es keine Ressource zum Taggen – die Cost-to-Serve bleibt Handarbeit.
KI bietet keinen Ansatzpunkt fürs Tagging
LLM-Gateways, gemeinsam genutzte GPU-Cluster und KI-Agenten erzeugen einen einzigen Posten auf der Rechnung. Auf der Billing-Ebene sieht jeder Inference-Call identisch aus.
Netzwerkkosten haben keine Quelldaten
Egress, AZ-übergreifender Transfer, NAT-Gateways. Die Rechnung kommt, aber Billing-Exporte verraten nie, welcher Workload den Traffic verursacht hat.
das eigentliche Problem
Jedes Tag-basierte Tool liest die falsche Datenquelle.
Tag-basierte Tools lesen Billing-Exporte. Billing-Exporte beschreiben Ressourcen, nicht deren Nutzung. Sie sagen Ihnen, dass eine EC2-Instanz 40.000 $ gekostet hat – aber nie, welches Team, welcher Kunde oder welches Feature sie verbraucht hat.
Attribute™ setzt einen leichtgewichtigen eBPF-Sensor ein, der den Netzwerk-Traffic zur Laufzeit liest. Er sieht, welcher Workload welche Ressource aufgerufen hat, welche Kunden-ID im Request mitkam und welches Modell den Inference-Call beantwortet hat. Jeder Dollar wird dem Verursacher zugeordnet – auf Basis dessen, was tatsächlich passiert ist, statt anhand von Labels, an die zufällig jemand gedacht hat.
100%
der Workloads zugeordnet
15Min.
Sensor-Installation, ohne Code-Änderungen
1 Tag
bis zur Zuordnung – statt monatelangem Tagging
so funktioniert es
So funktioniert FinOps ohne Tags
01. In 15 Minuten installiert. Ein leichtgewichtiger eBPF-Sensor wird per Helm im Cluster deployt, dazu eine Terraform-Billing-Integration. Keine Code- oder Konfigurationsänderungen.
02. Der Sensor liest Laufzeitdaten. eBPF beobachtet den Traffic zu jeder Cloud-Ressource: Compute, Datenbanken, Storage, Kafka, GPUs und LLM-Endpunkte. Deep Packet Inspection extrahiert Identifikatoren wie JWT-Tokens, HTTP-Header und Client-IDs direkt aus dem Traffic.
03. Kosten landen dort, wo sie hingehören. Jeder Dollar wird dem Kunden, Team, Feature oder KI-Agenten zugeordnet, der ihn verursacht hat. Gemeinsam genutzte Ressourcen werden nach tatsächlichem Verbrauch aufgeteilt – nicht pauschal oder per Schätzung.
Tagging war nie die Antwort auf FinOps
Tagging-Programm vs. Runtime-Attribution
| Capability | Attribute™ | Tagging-Programm |
|---|---|---|
| Attribution & Zuordnung | ||
| Zeit bis zu aussagekräftigen Daten | Ab Tag eins, sobald der Sensor Traffic beobachtet | Wochen bis Monate an Tagging-Arbeit |
| Abdeckung | 100 % der Workloads zugeordnet | 43 % der Kosten auf Unit-Ebene erfasst (Branchendurchschnitt) |
| Gemeinsam genutzte Ressourcen | Zuordnung nach tatsächlichem Verbrauch | Pauschale Aufteilung, anteilig oder grob geschätzt |
| Kosten pro Kunde | Automatisch aus dem Runtime-Traffic erkannt | Kein Kundenkonzept vorhanden |
| KI- und LLM-Ausgaben | Zuordnung auf Token-Ebene pro Kunde, Feature oder Team | Nur Gesamtausgaben |
| Selbst verwaltete Infrastruktur (Kafka, Elasticsearch auf EC2) | Der Sensor sieht in den Workload hinein | In Billing-Exporten unsichtbar |
| Netzwerkkosten | Bis zum Workload zurückverfolgt, der den Traffic verursacht hat | Nicht zuordenbar |
| Laufender Wartungsaufwand | Keiner. Die Attribution folgt dem Traffic | Policy-Durchsetzung, Nachfassen bei Engineers, vierteljährliches Aufräumen |
Native capabilityPartial / preview / via integrationNot available
schon in Tags investiert?
Behalten Sie Ihre Tags.
Teams, die Jahre ins Tagging investiert haben, fürchten um ihre Investition. Zu Unrecht: Alles, was sie aufgebaut haben, funktioniert weiter.
Attribute™ nutzt bestehende Tags als ein zusätzliches Signal. Der Unterschied: Die Attribution hängt nicht mehr von ihnen ab. Die 57 % der Ausgaben, die Ihre Tags nie erreicht haben, werden trotzdem zugeordnet – und der Tagging-Backlog blockiert nicht länger Showback, Chargeback und Margen pro Kunde.
Attribute™ ersetzt monatelange Tagging-Programme durch einen leichtgewichtigen Runtime-Sensor
FinOps ohne Tagging
Andere FinOps-Tools lesen Ihre Billing-Exporte. Attribute™ liest Laufzeitdaten und ordnet Kosten dem Workload zu, der sie verursacht hat. Ordnen Sie KI-, Netzwerk-, Datenbank- und andere gemeinsam genutzte Ausgaben sofort Kunden, Workloads und Features zu.
Tiefer einsteigen ins Thema Tagless – mit den Menschen, die es gebaut haben
Zum Engineering-BlogZertifiziert und produktionssicher
Der Sensor ist read-only und läuft in einer Sandbox im Kernel. Attribute™ ist nach SOC 2 Type 2 und ISO 27001 zertifiziert und eine FinOps Certified Platform.
AICPA
SOC 2
AICPA
ISO 27001
FinOps
Platform
Jeder Kostenanstieg hat einen Owner und eine Erklärung.
Jedes FinOps-Tool kann Ihnen sagen, dass die EC2-Ausgaben über Nacht um 17 % gestiegen sind
Dann beginnt die Ursachensuche: Tage voller Tag-Archäologie, Dashboard-Wühlerei und Slack-Threads, um das "Warum" zu finden. Attribute™ überspringt diesen Schritt.
- Die Ursache steht direkt im Alert: "ACME Corp liegt 44.000 $ höher, verursacht durch das vor 45 Minuten gelaunchte Feature /api/checkout."
- Verfolgen Sie die komplette Kette vom Kostenanstieg über den Workload und die dahinterliegende Ressource bis zum Kunden oder Team, das ihn verursacht hat.
- Fangen Sie ausufernde Kosten ab, bevor sie auf die Marge durchschlagen.
- Jede Anomalie wird automatisch an ihren Owner geroutet – das zuständige Team ist ja bereits bekannt.
drei Dinge, die Sie endlich tun können –
ganz ohne Tagging-Programm
All das wartet normalerweise auf ein Tagging-Programm, das nie fertig wird. Mit Attribute ist es ab Tag eins möglich.
Showback/Chargeback ab Tag eins
Verteilen Sie gemeinsam genutzte Infrastruktur nach tatsächlicher Nutzung auf Teams. Alle Beteiligten, von Engineering bis Finance, arbeiten mit denselben Zahlen – Kostenberichte werden nicht mehr angezweifelt.
Echte Kosten pro Kunde
COGS und Marge pro Account, automatisch aus dem Traffic erkannt. Ein Kunde fand über 360 Accounts, bei denen die Kosten den Umsatz überstiegen – mehr als 1,3 Mio. $ an Verlusten, die vorher unsichtbar waren.
AI Cost Intelligence
Attribution auf Token-Ebene pro Kunde, Feature und Team über OpenAI, Anthropic, Bedrock und Vertex AI hinweg. Funktioniert mit gemanagten und selbst gehosteten LLM-Gateways.
“”
Wir mussten nicht mehr Tausende von Ressourcen taggen. Attribute hat uns volle Kostentransparenz verschafft – ganz ohne Tags.
Ziv Sivan, VP of Engineering at Akamai
FinOps ohne Tagging
Schluss mit dem Tagging-Backlog.
In 30 Minuten installiert – und schon nächste Woche sehen Sie die Zuordnung pro Kunde, Feature und Team. Behalten Sie Ihre Tags, und machen Sie sich unabhängig von ihnen.
Frequently asked
questions
Geht FinOps auch ohne Tagging?
Ja. Tagging ist eine Methode der Kostenzuordnung, keine Voraussetzung für FinOps. Runtime-Attribution liest den Live-Traffic, um zu bestimmen, welches Team, welcher Kunde oder welches Feature eine Ressource verbraucht hat – und ordnet damit auch zu, was Tags nie erreichen: gemeinsam genutzte Infrastruktur, KI-Workloads, Netzwerk-Traffic und Kundenkosten in mandantenfähigen Umgebungen.
Was spricht gegen Tagging für die Cloud-Kostenzuordnung?
Tagging hat drei strukturelle Probleme. Die Abdeckung verfällt, weil Tags dauerhaften menschlichen Aufwand erfordern. Gemeinsam genutzte Infrastruktur lässt sich nicht präzise aufteilen, weil ein Tag pro Ressource nur einen Owner zulässt. Und die am schnellsten wachsenden Kostenkategorien – KI und Netzwerk – lassen sich überhaupt nicht taggen. Branchendaten zeigen, dass nur 43 % der Cloud-Kosten auf Unit-Ebene erfasst werden.
Muss ich meine bestehenden Tags entfernen, um Attribute™ zu nutzen?
Nein. Bestehende Tags funktionieren weiter, und Attribute nutzt sie als zusätzliches Signal. Die Attribution hängt aber nicht mehr von ihnen ab – ungetaggte und nicht taggbare Ausgaben werden trotzdem zugeordnet.
Wie funktioniert Kostenattribution zur Laufzeit?
Ein leichtgewichtiger eBPF-Sensor beobachtet den Netzwerk-Traffic zur Laufzeit. Deep Packet Inspection erkennt Workloads, Kunden-Identifikatoren und Modellaufrufe direkt im Traffic und korreliert sie mit den Billing-Daten, um jeden Dollar nach tatsächlichem Verbrauch zuzuordnen. Code- oder Konfigurationsänderungen sind nicht erforderlich.
Wie lange dauert es, bis ich zugeordnete Kosten sehe?
Die meisten Kunden sehen zugeordnete Daten noch am selben Tag. Der Sensor ist in rund 15 Minuten installiert, und die Attribution beginnt, sobald er Traffic beobachtet.
Werden auch KI- und LLM-Kosten abgedeckt?
Ja. Der Sensor liest den Traffic zu und von LLM-Gateways und API-Endpunkten über OpenAI, Anthropic, Bedrock, Azure OpenAI und Vertex AI hinweg und ordnet den Token-Verbrauch dem Kunden, Feature oder Team zu, das den jeweiligen Aufruf ausgelöst hat.
Ist der eBPF-Sensor sicher für den Produktionsbetrieb?
Ja. eBPF läuft in einer Sandbox im Kernel und ist dieselbe Technologie, die auch gängigen Observability- und Security-Tools zugrunde liegt. Der Sensor ist read-only, erfordert keine Änderungen an Ihren Anwendungen, und Attribute ist nach SOC 2 Type 2 und ISO 27001 zertifiziert.
What they say
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