Cloud Intelligence™Cloud Intelligence™
FinOps-Plattformen im Vergleich

Cloud Intelligence™ vs. Cloudability

Cloudability hat FinOps mit erfunden. In der Praxis muss die Umsetzung trotzdem noch immer jemand erledigen.

IBM Cloudability – das Flaggschiff von Apptio, 2023 von IBM übernommen – bringt echte Reputation mit: Apptio hat die FinOps Foundation gegründet, Business Mappings setzen den Maßstab für Enterprise-Chargeback, und Gartner führt IBM 2025 als Leader im Magic Quadrant für Cloud Financial Management. Für Allokation, Budgetierung und Finance-taugliches Reporting ist Cloudability ein Schwergewicht.

Cloud Intelligence™ geht einen Schritt weiter – hin zur Umsetzung. Eine Plattform, flache Preise. Composer sagt Ihnen, was zu beheben ist, CloudFlow behebt es, PerfectScale übernimmt das Right-Sizing für Kubernetes und Data Warehouses autonom, PerfectScale for Commitments staffelt Savings Plans und CUDs über AWS und GCP hinweg, und Runtime Attribution ordnet jeden Dollar dem Kunden zu, der ihn verursacht hat – ohne Tagging, ohne Ticket-Queue und ohne prozentuale Beteiligung an Ihren Ausgaben.

Der FinOps-Pionier trifft auf die Ära der Umsetzung.

Wo sich beide Plattformen wirklich unterscheiden – und wo Cloudability seinen Ruf zu Recht behält. Wir bemühen uns, in beiden Punkten präzise zu sein.

Business Mappings sind Regeln über Metadaten. Wir attribuieren auf Kernel-Ebene.

Cloudabilitys Business Mappings sind die ausgereifteste Allokations-Engine im Enterprise-FinOps: eine deklarative Regelsprache, die Kosten Business Units, Anwendungen und Cost Centern zuordnet – auf Wunsch aus ServiceNow-CMDB-Daten als Single Source of Truth. Für Finance-taugliches Chargeback in einer sauber governten Landschaft ist Cloudability nicht ohne Grund gesetzt. Eine Regel-Engine kann aber nur mit den Metadaten arbeiten, die sie bekommt. Ein Multi-Tenant-K8s-Cluster hat einen Satz Tags. Eine geteilte GPU, die fünfzig Kunden bedient, hat einen Satz Tags. Egress, NAT, Cross-AZ – nichts davon lässt sich überhaupt taggen. Gartner beziffert Unit-Level-Allokation über tag-basierte Ansätze auf rund 43 % der Cloud-Kosten. Die verbleibenden 57 % sind genau die Ausgaben, nach denen Finance immer wieder fragt. Runtime Attribution ist in Cloud Intelligence™ First-Class-Funktionalität. Ein leichtgewichtiger Sensor auf Kernel-Ebene (eBPF) beobachtet Traffic und Ressourcenverbrauch direkt auf dem Host und rekonstruiert, welcher Kunde welchen Inference-Endpoint getroffen hat, welcher Job welches Teams welche GPU-Stunde verbraucht hat und welcher Workload welche Egress-Bytes erzeugt hat.

Runtime-Kostenattribution – ohne Tagging

  • COGS pro KundeKunden-Identifier direkt im Request-Stream beobachten. Kosten ohne Tagging oder Mapping-Regeln zuordnen.
  • KI-Kosten pro FeatureWelches Feature aus dem letzten Monat treibt 44.000 $ an Zusatzkosten – aufgeschlüsselt nach Modell und Token-Typ.
  • Aufteilung geteilter RessourcenGPU-Nodes, geteilte Cluster, Datenbanken – auf Basis des beobachteten Runtime-Traffics statt deklarierter oder abgeleiteter Tags.
  • Netzwerk-AttributionEgress, NAT, Cross-AZ. Zugeordnet zum Workload, der die Bytes erzeugt hat.
  • Chargeback ab Tag einsKein Projekt zum Erstellen von Mapping-Regeln. Keine CMDB als Voraussetzung. Sensor ausrollen, Attribution steht.

Empfehlungen, aus denen Tickets werden – oder Findings, aus denen Änderungen werden

Cloudabilitys Optimierungs-Workflow ist ehrlich in seinem Ansatz: Die Rightsizing-Engine (mit Turbonomic-gestützten "Advanced"-Empfehlungen im Premium-Tier) speist Policies, die automatisch Jira-Issues oder ServiceNow-Requests öffnen. Eine Rightsizing-ROI-Ansicht zeigt, welche Tickets bearbeitet und welche Einsparungen tatsächlich realisiert wurden. Unter den Recommendation-to-Ticket-Pipelines ist das die am besten gebaute am Markt. Es bleibt trotzdem eine Ticket-Pipeline. Die Empfehlung landet in der Queue eines Engineers – und genau in dieser Queue verpuffen Cloud-Einsparungen erfahrungsgemäß. Automatisierte Ausführung gibt es an den Rändern – Terminierung verwaister Ressourcen, geplantes Parken von Instanzen –, aber der eigentliche Optimierungs-Loop endet im ITSM. CloudFlow ist eine Ausführungsschicht. Visuell, wo es sinnvoll ist, und code-erweiterbar, wo es sein muss – mit Rollback-Sicherheit und über 40 produktionsreifen Templates. Und die über 800 Composer-Rezepte kommen mit einem Policy-Editor: Sie schreiben eigene Policies gegen Ihre eigenen Daten, simulieren sie gegen historische Zeiträume und setzen sie dann in Produktion durch. Aus dem Finding wird die Aktion – nicht ein Ticket über die Aktion.

// Heute produktiv laufende CloudFlows

  • gp2 → gp3-Konvertierung inkl. Rollback
  • Sandbox-EC2-Cleanup
  • Durchsetzung 365-Tage-Log-Retention
  • Alert bei erstmaligen SKU-Kosten
  • GCE-Disk-Overprovisioning
  • Erkennung unterausgelasteter RIs

Commitments: AWS-RI-Automatisierung – oder Staffelung über AWS und GCP

Cloudabilitys Reporting und Planung rund um Commitments ist wirklich stark – Coverage, Utilization, Amortisierung und Kaufmodellierung, denen Finance-Teams vertrauen. Und das Savings-Automation-Modul (aus der Cloudwiry-Übernahme) automatisiert das Management von AWS Reserved Instances tatsächlich, inklusive laufzeitflexibler Reservierungsstrategien, an die manueller Einkauf nicht heranreicht. Der Haken liegt im Umfang: Die Automatisierung dreht sich um AWS-RIs. Für Savings Plans, Azure- und GCP-Commitments gibt es Empfehlungen und Planungstools – Kaufentscheidung und Umsetzung liegen bei Ihnen. PerfectScale for Commitments übernimmt die Kaufentscheidung cloud-übergreifend. Stündliche Nutzungsanalyse über rollierende Zeiträume. Gestaffelte Käufe von AWS Savings Plans, Database Savings Plans und GCP CUDs. Freigabeschwellen, Ausgabenlimits, Pacing-Kontrollen. Vollautonom oder mit Freigabegate – enthalten zu flachen Preisen.

// Der Commitment-Umfang

  • Cloudability-AutomatisierungAWS-RI-Management via Savings Automation (ex-Cloudwiry)
  • Cloudability sonstSP / Azure / GCP: nur Empfehlungen und Planung
  • PerfectScale-UmfangAWS + GCP. SPs, DBSPs, CUDs. Gestaffelt, risikobewusst, gegen stündliche Nutzung validiert
  • PerfectScale-PreisEnthalten. Flache Plattformpreise, 0 % der Einsparungen

Kubernetes: Kubecost-Add-on – oder autonomes Right-Sizing ab Werk

IBM hat Kubecost 2024 übernommen, und Cloudabilitys Advanced-Containers-Add-on läuft jetzt auf Kubecost: granulare Allokation nach Cluster, Namespace und Workload, Container-Rightsizing-Empfehlungen und Effizienz-Scoring. Solide Telemetrie mit starker Open-Source-Herkunft. Zwei Einschränkungen. Es ist ein Add-on – Container-Tiefe kostet extra, obendrauf auf eine Plattform, die ohnehin schon prozentual zu Ihren Ausgaben abgerechnet wird. Und der Loop endet weiterhin bei Empfehlungen, die als Tickets ausgeliefert werden; das dauerhafte Right-Sizing von Requests und Limits bleibt die wiederkehrende Pflichtaufgabe Ihrer Engineers. PerfectScale for Kubernetes schließt diesen Loop in der Basisplattform. Autonomes, workload-bewusstes Right-Sizing auf Pod- und Container-Ebene, GPU-Auslastung getrennt erfasst, stabilitätsorientierte Guardrails pro Umgebung. Kunden erzielen typischerweise 30–50 % geringere K8s-Kosten.

// K8s im Direktvergleich

  • BeideKostenallokation nach Namespace / Workload / Cluster
  • CloudabilityKubecost-gestütztes Add-on, Empfehlungen als Tickets
  • Nur Cloud Intelligence™Autonome Right-Sizing-Ausführung
  • Nur Cloud Intelligence™GPU-bewusste Policies + Stabilitäts-Guardrails
  • Typisches Ergebnis30–50 % weniger K8s-Kosten

KI- und Datenplattform-Kosten: Governance-Dashboards – oder Optimierungs-Engines

Mit Cloudability Governance (2025) kam Sichtbarkeit für KI- und GPU-Ausgaben hinzu – ein klares Zugeständnis, dass KI der am schnellsten wachsende Posten auf der Rechnung ist. Kombiniert mit Unit Economics und Business Mapping zeigt es Ihnen, was Ihre KI-Initiativen kosten. Was es nicht leistet: diese Zahl kleiner machen. Kein Audit von Inference-Pipelines, kein Modell- oder GPU-Right-Sizing, keine Attribution von KI-Ausgaben pro Kunde auf geteilter Infrastruktur. Bei Datenplattformen dasselbe Muster: Kostentransparenz ohne Optimierung auf Warehouse-Ebene. Cloud Intelligence™ behandelt beides als Optimierungsflächen. GenAI Intelligence trackt 9 KI-Anbieter und eigene Modelle – pro Kunde, pro Feature, pro Unit – während PerfectScale GenAI Inference-Pipelines auf Verschwendung prüft und Composer-Rezepte die Cache-Effektivität von Bedrock inklusive Remediation-Pfaden abdecken. PerfectScale for Snowflake automatisiert Warehouse-Right-Sizing, Idle-Suspension und Query-Effizienz – mit Kosten-Impact-Preview vor dem Commit.

// Was tatsächlich anders ist

  • BeideSichtbarkeit von KI- / GPU-Ausgaben
  • Nur Cloud Intelligence™Inference-Pipeline-Audit + GPU-Right-Sizing
  • Nur Cloud Intelligence™Snowflake: Warehouse + Query + Idle-Optimierung
  • Nur Cloud Intelligence™KI-COGS pro Kunde per Runtime Attribution

Eine Plattform – oder ein zusammengekauftes Portfolio

Wer genauer hinsieht, erkennt: Die Execution-Story von IBM ist aus Akquisitionen zusammengesetzt, jede mit eigener SKU: Cloudability für Sichtbarkeit, Turbonomic für Advanced-Rightsizing-Empfehlungen, Kubecost für Container, Cloudwiry für AWS-RI-Automatisierung und IBM-Consulting-Engagements, die das Ganze zu einem Workflow zusammenfügen. Jedes Teilstück für sich ist glaubwürdig. Das Gesamtwerk ist eine Lizenzierungs-Übung – Tier-Schranken (Essentials, Standard, Premium, Financial Planning), Add-ons und Overage-Gebühren pro Unit türmen sich auf die prozentuale Ausgabenbasis. Cloud Intelligence™ liefert Sichtbarkeit, Allokation, Anomalie-Erkennung, Composer-Empfehlungen, CloudFlow-Ausführung, PerfectScale-Workload-Optimierung und Commitment-Automatisierung als eine Plattform zu flachen Preisen. Und statt eines Consulting Statement of Work bringt DoiT Forward Deployed Engineers mit – Engineers, die Code in Ihrer Umgebung schreiben: Architektur-Reviews, K8s-Tuning, Inference-Audits, Bereitschaft, wenn Production kippt.

// Der Stack, den Sie tatsächlich lizenzieren

  • CloudabilityBasisplattform, 4 Tiers mit Feature-Schranken
  • + TurbonomicAdvanced-Rightsizing-Empfehlungen (Premium)
  • + KubecostAdvanced-Containers-Add-on
  • + IBM ConsultingImplementierung & Managed-FinOps-Engagements
  • Cloud Intelligence™Eine Plattform, FDEs inklusive

Wie die Rechnung aussieht, wenn Ihre Cloud wächst

Cloudability rechnet als Prozentsatz der verwalteten Ausgaben ab – rund 3,0 % bei 1 Mio. $ jährlicher Cloud-Ausgaben, absteigend auf etwa 2,2 % bei 6 Mio. $ laut den AWS-Marketplace-Tiers – auf Jahresverträgen, mit Overage-Gebühren pro Unit, sobald Sie Ihr vertragliches Spend-Cap überschreiten (1.650–4.410 $ pro Unit je nach Tier). Unabhängige Reviews stufen die Plattform unterhalb von rund 3 Mio. $ jährlicher Ausgaben nur selten als wirtschaftlich ein, und Referenzkunden berichten nach der IBM-Übernahme von Preissteigerungen bei Renewals von 15–35 %. Das strukturelle Problem ist keine einzelne Zahl. Es ist, dass die Gebühr an Ihre Rechnung gekoppelt ist, nicht an Ihr Ergebnis: Mehr Ausgaben bedeuten mehr Gebühren – unabhängig davon, ob die Einsparungen kommen. DoiT ist flach: Plattformpreise, die nicht mit Ihrer Rechnung skalieren, oder gebündelt mit Multi-Cloud-Procurement – DoiT vertreibt AWS, GCP und Azure ohne Aufschlag weiter, und die Konsolidierung finanziert die Plattform häufig komplett. Kein Prozentsatz auf Ausgaben. Kein Prozentsatz auf Einsparungen. Kein Overage-Zähler.

// Kommerzielles Modell

  • Cloudability~2,2–3 % der verwalteten Ausgaben, Jahresverträge, Overage-Gebühren pro Unit
  • Renewals15–35 % Steigerungen nach IBM-Übernahme berichtet
  • Cloud Intelligence™Flache Plattformpreise oder gebündelt mit weiterverkauftem Billing ohne Aufschlag
  • DoiT-ExpertenFDEs inklusive – kein Consulting-SOW

Eine Zeile pro Praktikerfrage.

Keine Marketing-Kategorien. Die Fragen, die FinOps-Praktiker bei der Bewertung wirklich stellen. Auf Basis öffentlicher Dokumentation beider Seiten.

CapabilityCloud Intelligence™Cloudability
// Attribution & Allokation
Kostenallokation über Multi-Cloud, K8s, Datenplattformen, KI
Nativ

Out of the box, mehrere Methoden: Usage %, Utilization, Shared-Cost-Spreads.

Business Mappings

Deklarative Regel-Engine mit ServiceNow-/CMDB-Integration; der Enterprise-Chargeback-Benchmark.

Tag-lose / Runtime-Kostenattribution
Nativ

Telemetrie auf Kernel-Ebene (eBPF). Kein Tagging und keine Mapping-Regeln nötig.

Nur regelbasiert

Business Mappings leiten aus Tags und Metadaten ab; Runtime-Traffic können sie nicht beobachten.

COGS pro Kunde ohne Tagging
Nativ

Runtime-Beobachtung von Kunden-Identifiern im Request-Stream.

Über Mappings + Unit Economics

Setzt eigene Regeln und identifizierbare Metadaten voraus.

Netzwerkkosten-Attribution (Egress, NAT, Cross-AZ) pro Workload
Nativ

Workload-Level-Attribution aus beobachtetem Runtime-Traffic.

Aggregiert / tag-abgeleitet
// Workload-Optimierung
K8s-Kostenallokation (Pod / Namespace / Cluster)
Nativ
Kubecost-gestützt

Advanced-Containers-Add-on (Aufpreis).

Autonomes K8s-Right-Sizing (Pod, Container, GPU)
PerfectScale

Workload-bewusst, stabilitätsorientiert, autonome Ausführung. Typische Reduktion 30–50 %.

Empfehlungen

Kubecost-Container-Sizing-Empfehlungen als Tickets; keine autonome Ausführung.

Snowflake-Optimierung (Warehouse + Query + Idle)
PerfectScale for Snowflake

Automatisiertes Right-Sizing, Idle-Suspension, Query-Effizienz.

Kostentransparenz

Kein Warehouse-Right-Sizing und kein Query-Tuning.

Databricks-Optimierung
Visibility, Insights & Optimization
Kostentransparenz
Sichtbarkeit von KI-/LLM-Kosten
9 KI-Anbieter & eigene Modelle

pro Kunde, pro Feature, pro Unit

Cloudability Governance

KI- & GPU-Ausgabensichtbarkeit (2025); keine Attribution pro Kunde.

Optimierung von KI-Workloads (Inference, GPU, Modellauswahl)
PerfectScale GenAI + Composer
Nur Sichtbarkeit
// Commitments & Rate-Optimierung
Autonomer Commitment-Einkauf – Cloud-Abdeckung
AWS + GCP

SPs, DBSPs und Compute Engine CUDs. Gestaffelt, gegen stündliche Nutzung validiert, autonom oder mit Freigabegate.

Nur AWS-RIs

Savings Automation (ex-Cloudwiry) automatisiert das AWS-RI-Management. Savings Plans, Azure, GCP: nur Empfehlungen und Planung.

Commitment-Modellierung & Amortisierungs-Reporting
Vereinheitlicht, Multi-Cloud
RI/SP-Planungssuite

Ausgereiftes Reporting zu Coverage, Utilization und Amortisierung.

Kosten der Commitment-Automatisierung
Enthalten

Flache Plattformpreise. 0 % der Einsparungen als Gebühr.

Über Tier/Add-on

Auf einer Plattform, die mit ~2,2–3 % der verwalteten Ausgaben plus Overages pro Unit bepreist ist.

// Intelligence & Automatisierung
Anomalie-Erkennung
Echtzeit, mit Topologie-Kontext
ML-basiert

Alerts per E-Mail und Slack.

Kuratierte Recommendation-Engine
Composer – über 800 Rezepte

Mit eigenem Policy-Editor + historischer Simulation.

Rightsizing-Engine

Basis + Turbonomic-gestützte Advanced-Empfehlungen (Premium-Tier).

Eigene Policies mit historischer Simulation schreiben
Nativ

Schreiben, gegen die Historie simulieren, dann durchsetzen.

Threshold-Policies → Tickets

Trigger auf Sparziele für Jira/ServiceNow; keine historische Simulation.

Agentischer KI-Assistent
FinOps AI
Nicht verfügbar
MCP-Server für LLM-Zugriff auf Kostendaten
Nativ
Nicht verfügbar
Automatisierung / Remediation auf Infrastrukturebene
CloudFlow

Führt Änderungen bereits heute aus. Visuell + Code, über 40 Templates, Rollback-Sicherheit.

Automatisierung am Rand

Terminierung verwaister Ressourcen, Ressourcen-Parken; Kernoptimierungen laufen als ITSM-Tickets.

Architektur- / Ressourcengraph mit Kosten-Overlay
Cloud Diagrams

Live-Topologie mit Kosten- + Performance-Overlays.

Nicht verfügbar
// Integrationen
Ingestion von Kosten- / Billing-Daten
Breite Abdeckung

AWS, GCP, Azure, K8s, Snowflake, Databricks, BigQuery, Datadog, MongoDB, OpenAI, Anthropic und weitere.

Breite Cloud-Abdeckung

AWS, Azure, GCP, OCI, IBM Cloud, K8s, On-Prem-Landschaften.

Ticketing- & Work-Tracking-Integrationen
Jira, Asana, GitHub Issues
Jira, ServiceNow

Tiefe policy-gesteuerte Ticket-Automatisierung mit ROI-Tracking.

Kommunikations-Integrationen
Slack, Teams, Discord, Gmail
Slack, E-Mail
Incident-Management-Integrationen
PagerDuty
Nicht verfügbar
Allgemeine Workflow-Automatisierung
Zapier (über 2.000 Apps) + Plattform-APIs
APIs

Kein Fan-out auf App-Ebene.

// Procurement, Preise & Experten
Multi-Cloud-Procurement / -Billing
Optionales Cloud-Procurement, ohne Aufschlag

AWS / GCP / Azure. Plattformzugang gebündelt.

Nur Plattform
Preismodell
Flach / gebündelt

Nirgendwo prozentuale Beteiligung an Ausgaben.

% der verwalteten Ausgaben

~2,2–3 % auf Jahresverträgen; Overage-Gebühren pro Unit (1.650–4.410 $) über dem vertraglichen Cap.

Enthaltene Expertise
Forward Deployed Engineers

Schreiben Code in Ihrer Umgebung. K8s-Tuning, Inference-Audits, Incident Response.

IBM Consulting

Implementierung und Managed FinOps als separate Engagements.

Zeit bis zu den ersten realisierten Einsparungen
Tage

Sofort einsatzbereite Rezepte greifen ab dem Connect; Execution-Engines setzen sie um.

Wochen bis Monate; Sie implementieren

Zuerst Mapping-/Report-Setup; Empfehlungen sind Engineering-Arbeit (außer AWS-RIs).

Native capabilityPartial / preview / via integrationNot available

What they say

Finlex

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

Hippo

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

Island

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

Claroty

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

Salt Security

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

PropertyGuru

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

Accrete AI

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

Akamai

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

Frequently asked
questions

Ist DoiT eine Alternative zu Cloudability?

Ja. IBM Cloudability ist eine Enterprise-FinOps-Plattform mit Fokus auf Sichtbarkeit, Allokation und Finanzplanung – Business Mappings für Chargeback, Budgets und Forecasts, Anomalie-Erkennung, Rightsizing-Empfehlungen und Commitment-Planung. DoiT Cloud Intelligence™ deckt dieses Terrain ab und geht dann weiter in die Umsetzung: Infrastruktur-Remediation (CloudFlow), autonome Workload-Optimierung (PerfectScale for Kubernetes und Snowflake), Commitment-Automatisierung über AWS und GCP (PerfectScale for Commitments), Runtime-Kostenattribution ohne Tagging und Forward Deployed Engineers, inklusive in der Plattform.

Was ist der größte Unterschied zwischen DoiT und Cloudability?

Wo der Loop endet. Cloudabilitys Optimierungs-Workflow endet in einem Ticket – die Policy-Engine öffnet aus Rightsizing-Empfehlungen Jira- oder ServiceNow-Requests, und Ihre Engineers setzen sie um. DoiT ist eng mit dem Engineering verzahnt und schließt den Ablauf innerhalb der Plattform: CloudFlow führt Infrastrukturänderungen aus, PerfectScale rightsized Workloads autonom, und Commitments werden über AWS und GCP hinweg automatisch gekauft. Bei der Preisgestaltung dieselbe Trennlinie: Cloudability berechnet einen Prozentsatz der verwalteten Ausgaben; DoiT ist flach.

Was ist mit Cloudability nach der IBM-Übernahme passiert?

Apptio (die Muttergesellschaft von Cloudability) wurde 2023 für rund 4,6 Mrd. $ von IBM übernommen, und IBM hat weiter investiert: Kubecost wurde 2024 übernommen und treibt heute das Advanced-Containers-Add-on an; 2025 kam Cloudability Governance für Sichtbarkeit von KI- und GPU-Ausgaben hinzu. IBM ist im Gartner Magic Quadrant 2025 für Cloud Financial Management Tools als Leader positioniert. Die Kehrseite laut Referenzkunden: Die Preisgestaltung bei Renewals hat sich nach der Übernahme verschärft, mit 15–35 % Steigerungen im Jahr 2025, und fortgeschrittene Funktionen sitzen zunehmend hinter Tier-Schranken und Add-on-SKUs.

Automatisiert Cloudability den Commitment-Einkauf?

Teilweise – mit Fokus auf AWS Reserved Instances. Das Savings-Automation-Modul (aus der Cloudwiry-Übernahme) automatisiert das AWS-RI-Management, inklusive laufzeitflexibler Reservierungsstrategien. Für Savings Plans, Azure- und GCP-Commitments gibt es Empfehlungen und Planungstools – die Umsetzung erfolgt manuell. PerfectScale for Commitments staffelt Savings Plans, Database Savings Plans und Compute Engine CUDs über AWS und GCP – autonom oder mit Freigabegate, kontinuierlich gegen die stündliche Nutzung validiert – enthalten zu flachen Preisen.

Wie steht das Cloudability-Preismodell im Vergleich zu DoiT?

Cloudability rechnet als Prozentsatz der verwalteten Cloud-Ausgaben auf Jahresverträgen ab: rund 30.000 $/Jahr für bis zu 1 Mio. $ Ausgaben (~3,0 %), absteigend auf ~2,2 % bei 6 Mio. $ laut den AWS-Marketplace-Tiers. Ein Überschreiten des vertraglichen Caps löst Overage-Gebühren pro Unit aus (1.650–4.410 $ je nach Tier); unabhängige Reviews legen nahe, dass die Plattform unterhalb von rund 3 Mio. $ jährlicher Cloud-Ausgaben selten wirtschaftlich ist. DoiT ist flach: Plattformpreise, die nicht mit Ihrer Rechnung skalieren, oder gebündelt mit Multi-Cloud-Procurement – DoiT vertreibt AWS, GCP und Azure ohne Aufschlag weiter, und viele Teams stellen fest, dass die Konsolidierung die Plattform faktisch bezahlt.

Optimiert Cloudability Kubernetes?

Cloudabilitys Container-Story läuft auf Kubecost (IBM hat Kubecost 2024 übernommen): Das Advanced-Containers-Add-on liefert granulare Allokation nach Cluster, Namespace und Workload sowie Container-Rightsizing-Empfehlungen. Es ist ein kostenpflichtiges Add-on, und Empfehlungen laufen als Tickets, statt ausgeführt zu werden. PerfectScale for Kubernetes führt autonomes, workload-bewusstes Right-Sizing auf Pod- und Container-Ebene aus, mit GPU-Tracking und stabilitätsorientierten Guardrails – in der Basisplattform. Kunden erzielen typischerweise 30–50 % geringere K8s-Kosten.

Führt Cloudability Infrastrukturänderungen aus?

Am Rand. Cloudability kann verwaiste Ressourcen automatisch terminieren und Instanzen zeitgesteuert parken; die Policy-Engine erstellt aus Rightsizing-Empfehlungen automatisch Jira-Issues oder ServiceNow-Requests – mit einer Rightsizing-ROI-Ansicht, die realisierte Einsparungen verfolgt. Der eigentliche Optimierungs-Loop endet trotzdem in einer Queue, die ein Mensch abarbeiten muss. DoiT CloudFlow ist eine vollständige Ausführungsschicht – visuell plus code-erweiterbar, über 40 produktionsreife Templates, Rollback-Sicherheit – und macht aus Composer-Findings ausgeführte Änderungen.

Bekomme ich Cloud-Kosten pro Kunde ohne Tagging?

Mit DoiT: ja. Runtime Cost Attribution in Cloud Intelligence™ nutzt Telemetrie auf Kernel-Ebene (eBPF), um tatsächlichen Traffic und Ressourcenverbrauch zu beobachten, und ordnet jeden Dollar dem Kunden, Feature, Team oder KI-Agenten zu, der ihn verursacht hat – ohne Tagging. Cloudabilitys Business Mappings sind die klassische Enterprise-Alternative: eine deklarative Regel-Engine über Tags, Metadaten und CMDB-Daten. Sie funktionieren dort hervorragend, wo Metadaten sauber gepflegt werden – aber geteilte Cluster, geteilte GPUs und Multi-Tenant-Endpoints bleiben undurchsichtig, weil die Antwort nicht in den Metadaten steckt.

Wie gehen die Plattformen mit KI- und GPU-Kosten um?

Cloudability Governance (2025) hat Sichtbarkeit für KI- und GPU-Ausgaben ergänzt und bettet KI-Kosten in das Allokations- und Unit-Economics-Framework ein – für das Reporting darüber, was KI-Initiativen kosten, wirklich nützlich. DoiT geht über Reporting hinaus: GenAI Intelligence trackt 9 KI-Anbieter und eigene Modelle – pro Kunde, pro Feature, pro Unit; PerfectScale GenAI prüft Inference-Pipelines auf Verschwendung (Token-Reduktion, Modellauswahl, GPU-Right-Sizing); und Runtime Attribution ordnet KI-Ausgaben auf geteilter Infrastruktur dem Kunden oder Feature zu, der sie verursacht hat – etwas, das tag- und regelbasierte Allokation schlicht nicht sieht.

Hat Cloudability einen KI-Assistenten oder MCP-Server?

Heute nicht als Produktfunktion – Cloudabilitys Investitionen 2025 flossen in KI-Ausgaben-Governance (Sichtbarkeit über Ihre KI-Kosten) statt in einen agentischen Assistenten über die eigenen Daten. DoiT liefert FinOps AI, einen agentischen Assistenten, plus einen MCP-Server, mit dem Sie Ihre Kostendaten aus Claude, ChatGPT oder einem beliebigen LLM-Client abfragen können – verdrahtet mit Execution-Engines, die die Behebung ausführen können, nicht nur beschreiben.

Wann ist Cloudability sinnvoller als DoiT?

Für Großunternehmen, deren Schwerpunkt im Financial Management liegt: ausgereiftes Chargeback über komplexe Organisationsstrukturen via Business Mappings, ServiceNow-/CMDB-gestützte Allokations-Governance, Cloud-Finanzplanung, die an breitere IBM-/Apptio-TBM-Praktiken (ApptioOne) angebunden ist, sowie Organisationen, die bereits stark in IBM-Consulting-Beziehungen investiert sind. Wenn Ihre FinOps-Praxis primär aus Allokation, Budgetierung und Finance-tauglichem Reporting besteht – und Engineering die Umsetzung über ITSM-Workflows verantwortet – ist Cloudability ein glaubwürdiger, von Gartner anerkannter Platzhirsch. Der Fit wird schwächer, sobald Sie autonome Ausführung, Multi-Cloud-Commitment-Automatisierung, Optimierung von Datenplattformen oder KI, Attribution pro Kunde auf geteilter Infrastruktur oder eine Preisgestaltung entkoppelt von Ihrer Cloud-Rechnung brauchen.