FinOps meets GenAI: So lassen sich Cloud-Kosten reduzieren

Jetzt stehen viele Organisationen vor der Herausforderung, ihre eskalierenden Cloud-Ausgaben in den Griff zu bekommen: Nach einer Untersuchung der FinOps Foundation belaufen sich die durchschnittlichen jährlichen Cloud-Investitionen pro Unternehmen auf 44 Millionen Dollar. Zusätzlich sind die IT-Kosten laut dem KPMG Cloud Monitor 2023 in 11 % der Unternehmen durch die Cloud-Nutzung gestiegen.  

Verfügbarkeit, Performance und Kosten in Balance 

Ein Beispiel ist die Automobilindustrie, die Technologien adaptiert, wie sie auch von Netflix eingesetzt werden. Jedoch können Unternehmen wie der Streaminggigant die Kosten durch Skaleneffekte effizient managen, während andere sich schwerer tun, die perfekte Balance zwischen Verfügbarkeit, Kosten und Leistung zu finden.  

Dabei ist es gerade der Wunsch nach einer hohen Datenverfügbarkeit, der besonders kostspielig ist. Das Archivieren von Daten ist zwar günstiger, erhöht jedoch auch die Zugriffszeiten. Und letztendlich hängt die Optimierung der eigenen Cloud-Kosten immer von den individuellen Qualitätsansprüchen und geschäftlichen Anforderungen ab.  

Umso wichtiger ist es, Erfahrungswerte und gezielte Methoden zur Optimierung der Cloud-Nutzung und Reduktion von Verschwendung zu etablieren, wie sie in der fertigenden Industrie oder im Kontext „klassischer“ IT längst existieren. 

Wie FinOps die Cloud-Kosten senken kann 

Mit FinOps gibt es eine Bewegung, die sich genau darauf fokussiert: Die Kombination der Wörter „Finance“ und „Operations“ bezeichnet eine Reihe von Praktiken, die darauf abzielen, die finanzielle Kontrolle über die Cloud-Ausgaben zu maximieren und gleichzeitig den Geschäftswert zu optimieren.  

So geht es bei FinOps immer darum, eine höhere Transparenz in den Cloud-Kosten und Nutzungspraktiken zu schaffen, um eine präzise Abrechnung, Budgetierung und Prognose zu ermöglichen. Dabei handelt es sich um einen operativen Rahmen und kulturellen Wandel, der Technologie, Finanzen und Unternehmen zusammenbringt. In einer kollaborativen Arbeitsweise wird das  Kostenbewusstsein über alle Ebenen geschärft und sichergestellt, dass jeder ausgegebene „Cloud-Dollar“ den größtmöglichen Nutzen liefert. 

So sieht unser FinOps-Maturity Ansatz aus:  

Transparenz schaffen: FinOps Engineers prüfen die Kosten im Projekt und schaffen eine umfassende Transparenz über die Cloud-Kosten pro Projektteam.  

Kosten zuordnen: Die bei der Cloud-Nutzung entstehenden Kosten müssen klar zugeordnet werden. Dafür sollten FinOps-Daten stets zugänglich und aktuell sein. 

Budgets verwalten: Auf Basis der tatsächlichen Cloud-Nutzung, den geschäftlichen Anforderungen und einer KI-gestützten Echtzeit-Entscheidungsfindung werden die Budgets verwaltet. 

Ops mit Kosteneffienz: Hierzu zählen ebenfalls KI-gestützte Optimierung von Cloud-Tarifen und -Nutzung sowie Erzeugung von Vorschlägen für Maßnahmen auf Basis nichtfunktionaler Anforderungen. 

Kontinuierliche Optimierung: Eine regelmäßige Überprüfung und Anpassung der Ressourcennutzung ist nötig, um eine Überprovisionierung zu vermeiden und gleichzeitig die geforderte Leistung zu gewährleisten. 

GenAI als Supercharger für Cloud-Native Excellence 

Auch wenn FinOps die Cloud-Kosten senken kann – die detaillierte Analyse der Ressourcennutzung, das Refactoring für Cloud-Native-Architekturen oder die Anpassung von Deployment-Strategien sind nur einige der aufwendigen, manuellen und komplexen Tätigkeiten, die regelmäßig anfallen.   

GenAI kann hier als „Supercharger“ wirken, um noch mehr Kosten zu sparen und gleichzeitig Cloud-Native Excellence zu erreichen. Dabei geht es vor allem darum, spezielle FinOps-Tätigkeiten zu automatisieren. Und darum, das Cloud-Verhalten mit Datenbanken zu überwachen (DBtune), das Rightsizing der Ressourcen zu prüfen und zu bewerten, Anomalien zu erkennen und auf Basis von nichtfunktionalen Anforderungen Verbesserungsvorschläge zu erstellen.

6 Aufgaben, bei denen GenAI FinOps unterstützen kann 

1. Analyse und Berichte 

GenAI ist ideal, um große Mengen an Daten aus Cloud-Nutzungsberichten zu analysieren und daraus Berichte zu generieren. Die Erkenntnisse können FinOps-Teams dann dabei helfen, Trends zu erkennen, wie die Ressourcennutzung und anfallenden Kosten über die Zeit verlaufen. 

2. Optimierungsvorschläge 

Durch das Training auf historischen Daten kann eine KI-Plattform Muster erkennen, die zu unnötig hohen Kosten führen. Darauf basierend kann die KI z. B. empfehlen, Instanzen herunterzustufen oder zu löschen, wenn sie selten genutzt werden. 

3. Automatisierte Skalierung 

GenAI lässt sich auch zur Automatisierung von Skalierungsentscheidungen verwenden, indem sie basierend auf erwarteten Lastprofilen vorhersagt, wann Ressourcen erhöht oder verringert werden sollten.  

4. Budgetierung und Forecasting 

Auf Basis historischer Ausgabemuster und geplanter Änderungen können KI-Modelle zukünftige Ausgaben vorhersagen. Solche Prognosen unterstützen FinOps dabei, präzisere Budgets zu erstellen und Kostenabweichungen frühzeitig zu identifizieren. 

5. Vertragsmanagement 

Eine generative KI kann durch die Analyse von Vertragsbedingungen und der Identifikation von Möglichkeiten zur Kostenoptimierung auch beim Management von Cloud-Verträgen helfen. Etwa indem sie erkennt, dass bestimmte Verträge oder Rabatte nicht vollständig ausgenutzt werden. 

6. Anomalie-Erkennung 

GenAI kann ungewöhnliche Ausgabenmuster oder Ausreißer in den Cloud-Kosten identifizieren, die auf Fehlkonfigurationen, Sicherheitsprobleme oder auch Missbrauch hindeuten. 

FinOps und GenAI für effizientes Kostenmanagement 

Du merkst: Wenn die Cloud-Kosten aus dem Ruder laufen, kann FinOps dein Schlüssel zur Senkung und Kontrolle eben dieser sein. Dabei verbindet das Cloud-Finanzmanagement eine verbesserte Kosteneffizienz mit einem kulturellen Wandel, der den Betrieb vieler IT-Landschaften nachhaltiger und günstiger gestalten kann.  

So konnten wir durch FinOps eine durchschnittliche Kostensenkung von 30 % bei unseren Kund:innen im kurz- bis mittelfristigen Zeitraum erreichen. Kommt dann noch das von uns praktizierte Teamplay mit GenAI ins Spiel, wird der Mehrwert umso größer sein. Denn die dauerhafte und KI-unterstützte Analyse auf Basis der nichtfunktionalen Anforderungen der Projektteams und der Telemetriedaten der Cloud-Umgebung spart noch mehr Kosten ein.