Was sich einfach nicht taggen lässt:
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.
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.
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.
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.
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.
Egress, AZ-übergreifender Transfer, NAT-Gateways. Die Rechnung kommt, aber Billing-Exporte verraten nie, welcher Workload den Traffic verursacht hat.
das eigentliche Problem
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.
der Workloads zugeordnet
Sensor-Installation, ohne Code-Änderungen
bis zur Zuordnung – statt monatelangem Tagging
so funktioniert es
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
| 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 |
schon in Tags investiert?
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
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.
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.
Dann beginnt die Ursachensuche: Tage voller Tag-Archäologie, Dashboard-Wühlerei und Slack-Threads, um das "Warum" zu finden. Attribute™ überspringt diesen Schritt.
drei Dinge, die Sie endlich tun können –
All das wartet normalerweise auf ein Tagging-Programm, das nie fertig wird. Mit Attribute ist es ab Tag eins möglich.
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.
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.
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
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.
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.
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.
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.
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.
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.
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.
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.
Die private Verbindung zwischen IBM und AWS war der Punkt, den wir richtig hinbekommen mussten – und wir wollten dabei schneller vorankommen, als wir es allein geschafft hätten. DoiT hat die Optionen mit uns durchgearbeitet, die Subnetz-Überschneidung gefunden, die das Routing lahmlegte, und die Verbindung stabilisiert. Damit war der Weg für alles Weitere frei.
DevOps Lead, Software Projects
Die Plattform von Attribute™ ist wirklich einzigartig. Wir haben jetzt glasklare Transparenz über unsere Cloud-Ausgaben auf Workload- und Tenant-Ebene – und diese Einblicke haben bereits zu konkreten Einsparungen und wertvollen Erkenntnissen geführt, während wir unseren Service weiter skalieren.
Paul White, VP of Engineering, Shasta Cloud
Wir arbeiten seit vielen Jahren mit DoiT zusammen, und der Funktionsumfang von DoiT Cloud Intelligence ist stetig gewachsen. Funktionen wie Cloud Analytics und Reports haben wir fest in unsere eigenen FinOps-Prozesse integriert – sie sind zum Kern unserer Arbeit geworden.
Martin Lee, Director of Operations
DoiT hat uns die Sicherheit gegeben, vom Experiment in die Produktion zu gehen. Sie haben uns gezeigt, wie man KI für die reale Welt richtig baut.
Milad Rezazadeh, CTO
Die Cost-Grouping-Technologie von Attribute™ hat unsere Kostentransparenz und -allokation auf ein völlig neues Niveau gehoben. Unsere Teams verantworten ihre Budgets jetzt vollständig selbst – das hat unsere Cloud-Effizienz deutlich verbessert und hilft uns, unnötige Kosten zu vermeiden.
Eli Zilbershtein, Head of DevOps, Hippo
In einer Multi-Tenant-Umgebung lässt sich ein Kunde nicht einfach taggen. Attribute™ zeigt uns endlich, was jeder Kunde kostet – und was diese Kosten treibt.
Omri Cohen, Director of Engineering, Platform
Die Daten von Attribute™ sind wirklich unübertroffen. Keine andere Lösung am Markt konnte uns in einer derart komplexen Infrastruktur so präzise Kosten- und Nutzungsprofile pro Kunde liefern. Schon nach wenigen Wochen hatten die Daten von Attribute™ unser Verständnis der Kostenstrukturen grundlegend verändert – und zentrale strategische Entscheidungen in Preisgestaltung, Nachverhandlungen und Marktpositionierung beeinflusst.
Jonathan Langer, COO, Claroty
Attribute™ hat das Tracking von Kundenkosten in unseren Multi-Tenant-Umgebungen spürbar vereinfacht. Die Messung der Kundenkosten ist jetzt klar und standardisiert, und Finance bekommt den geschäftlichen Kontext, den das Team braucht. Die Integration war schnell erledigt – ganz ohne Anpassungen.
Kfir Lippmann, CFO, Salt Security
