Ohne Agentic FinOps zahlst du vermutlich zu viel. Dein Azure Advisor sagt es dir nicht.

Über Agentic Ops habe ich bereits geschrieben: wie eine KI mit Zugriff auf Telemetrie, deployten Code und Daten einen Produktionsfehler in Minuten findet, und warum ein Agent mit reinen Leserechten weniger riskant ist als der Reflex dagegen. Einen Dienst upgraden, auf den neuesten Compute-Plan wechseln, eine Konfiguration nachziehen: Das sollte in jeder Firma längst Status quo sein. Wo der Sysadmin noch von Hand mit der Kommandozeile arbeitet, wird massiv Potenzial verschenkt. Aber das ist nicht das einzige verschenkte Potenzial.

Skalieren ist leicht, Sparen macht keiner

In den grossen Public Clouds ist es kinderleicht, Ressourcen bereitzustellen. Steigt die Nachfrage, skaliert man mit. Was ich dagegen selten erlebe: dass jemand FinOps etabliert, also die Cloud-Kosten genauso aktiv steuert wie die Leistung. Und noch seltener, dass jemand regelmässig nach Sparpotenzial sucht. Dabei gibt es davon reichlich. Es liegt nur selten auf der Hand, sondern meistens zwei oder drei Schritte entfernt.

Neuer ist billiger, aber nicht von selbst

Die neueren Compute-Pläne in Azure sind günstiger als die alten, und sie lassen sich reservieren. Ein Beispiel mit den Listenpreisen für die Region Schweiz Nord, in Franken pro Monat und Instanz:

Listenpreise aus der Azure Retail Prices API, Region Schweiz Nord, in Franken ohne MwSt., 730 Stunden pro Monat, Stand 5. Oktober 2026.

Das sind rund 1'620 Franken pro Jahr, für eine einzige Instanz. Bei zehn Instanzen bist du fünfstellig.

Der Haken: Premium v2 lässt sich nicht reservieren, das geht erst ab v3. Und nicht jede bestehende Umgebung unterstützt v3. Dann verlangt Microsoft einen neuen Plan in einer neuen Ressourcengruppe und ein erneutes Deployment der Anwendung. Erst danach kommt die Reservierung. Drei Schritte, und erst der dritte bringt die halbe Ersparnis.

Wo der Advisor aufhört

Azure hat für solche Fragen den Advisor. Er erkennt unterausgelastete Pläne und schlägt Reservierungen vor, für Ressourcen, die schon reservierbar sind. Was er laut seiner eigenen Empfehlungsliste nicht vorschlägt: den Wechsel auf einen neueren Plan, um dann reservieren zu können. Der Advisor rechnet einen Schritt weit. Die grosse Einsparung liegt dahinter.

Bei SQL-Datenbanken wird es noch deutlicher. Azure kennt zwei Preismodelle: DTU, ein Paket aus Rechenleistung, Speicher und Lizenz, und vCore, bei dem du die Bestandteile einzeln bezahlst. Auf den ersten Blick ist vCore teurer:

Umrechnung nach Microsofts Faustregel: pro 100 DTU im Standard-Tier mindestens 1 vCore. Gleiche Preisquelle wie oben.

DTU-Datenbanken lassen sich nicht reservieren, vCore-Datenbanken schon. Und bei vCore kannst du SQL-Server-Lizenzen anrechnen, die du ohnehin besitzt. Das heisst bei Microsoft Azure Hybrid Benefit. Ob sich der Wechsel lohnt, hängt also an drei Fragen: Wie lange brauchst du die Datenbank? Hast du Lizenzen? Wie viel Last trägt sie wirklich? Ohne Lizenzen ist die Ersparnis klein, mit Lizenzen halbieren sich die Kosten. Der Advisor stellt keine dieser Fragen. Er empfiehlt Reservierungen nur für Datenbanken, die schon auf vCore laufen.

Genau das macht die KI, wenn man sie lässt

Eine KI geht anders vor. Sie sieht sich jede Ressource an, rechnet alle Varianten durch, auch über zwei und drei Schritte hinweg, und nennt dir das Sparpotenzial auf den Rappen genau. Die beiden Tabellen oben von Hand zu erstellen ist Arbeit: Preise abfragen, Modelle umrechnen, Laufzeiten vergleichen. Für eine ganze Cloud-Umgebung macht das niemand regelmässig. Eine KI schon.

Dafür muss sie alle Ressourcen in der Cloud zumindest lesen dürfen. Richtig stark wird es, wenn sie zusätzlich mit dem Quellcode und der CI/CD-Pipeline verbunden ist. Dann erkennt sie Zusammenhänge, die in keiner Kostenübersicht stehen: welche Anwendung welche Datenbank wirklich nutzt, welche Umgebung seit Monaten niemand mehr deployt hat, welcher Plan nur für einen einzigen Nachtjob so gross ist. In den Umgebungen, die Claude zuletzt für mich analysiert hat, wurden regelmässig Einsparungen im vier- und fünfstelligen Bereich pro Jahr sichtbar. Die Analyse hat die KI gemacht, ich habe das Potenzial nur noch aufgezeigt.

Vom Vorschlag zur Umsetzung

Mit dem Vorschlag muss es nicht enden. Mit Schreibrechten und der klaren Anweisung, den laufenden Betrieb nicht zu gefährden, lassen sich viele dieser Schritte automatisieren, die sonst Stress oder manuelles Scripting bedeuten.

Ich habe das selbst ausprobiert. Claude verwaltet meine eigene Infrastruktur und meldet mir zuverlässig, wie lange eine Downtime gedauert hat. Beim letzten Upgrade waren es genau 9 Sekunden. In der Zeit hätte ich von Hand kaum entschieden, ob ich jetzt wirklich auf den Knopf drücke.

Auch bei der Sorgfalt muss ich der Maschine ein gutes Zeugnis ausstellen. Claude prüft jede Änderung zuerst mit dem What-if-Schalter von Azure. Der zeigt an, was eine Änderung bewirken würde, ohne etwas zu verändern. Erst wenn das Ergebnis stimmt, wird ausgeführt.

Die Maschine hat keinen Puls von 150

Wer das von Hand macht, braucht genau diese Disziplin. Nur fallen Deployments häufig ausserhalb der Bürozeiten, und genau dort werden Abkürzungen genommen, weil man müde ist und Feierabend haben will. Der Mensch arbeitet also unter den schlechtesten Bedingungen, die Maschine unter denselben wie am Morgen. Deshalb geht beim Menschen das eine oder andere schief. Dann steigt der Puls auf 150, und man repariert das Problem in Panik. Die Maschine repariert auch, aber ohne Puls von 150 und ohne die Müdigkeit im Nacken.

Aus genau diesem Grund macht bei mir die Maschine das Infrastruktur-Management.

Wie läuft das bei dir? Hast du über Sparpotenziale und Automatisierung noch gar nicht nachgedacht? Buch unten einen kostenlosen Termin, und wir finden heraus, wie ich dich unterstützen kann.