Kubernetes Cost Optimization: 40–60 % Cloud-Kosten sparen

Kubernetes Cost Optimization: So sparen Sie 40–60 % bei der Cloud-Infrastruktur 2026¶

Bei CORE SYSTEMS betreiben wir Kubernetes-Cluster fur Kunden wie Packeta (500+ Microservices) und Ceska sporitelna — mit 99,9 % SLA und einem Team von uber 50 Experten. Aus uber 15 Jahren Erfahrung wissen wir, dass die Kosten fur Cloud-Infrastruktur schneller steigen als die Produktivitat. Die CNCF-Umfrage 2026 zeigt, dass die durchschnittliche Organisation 35–50 % zu viel fur Kubernetes-Infrastruktur bezahlt. Dieser Artikel ist ein praktischer Leitfaden zur Beseitigung dieser Verluste — basierend auf konkreten Optimierungen, die wir bei unseren Kunden durchgefuhrt haben.

Wo das Geld verschwindet — Anatomie der Kubernetes-Verschwendung¶

Over-Provisioning von Resource Requests¶

Die größte Quelle der Verschwendung. Entwickler setzen requests und limits konservativ, weil niemand will, dass seine Anwendung OOMkilled wird. Das Ergebnis: Die durchschnittliche CPU-Auslastung im Cluster liegt typischerweise bei 15–25 %, Speicher bei 40–60 %.

# Kubernetes Cost Optimization: So sparen Sie 40–60 % bei der Cloud-Infrastruktur 2026
resources:
  requests:
    cpu: "500m"    # Reálně aplikace používá 50m
    memory: "512Mi" # Reálně 120Mi
  limits:
    cpu: "2000m"
    memory: "2Gi"

Dieser Pod belegt einen Billing-Slot für 500m CPU und 512Mi RAM — obwohl 90 % davon nie genutzt werden.

Idle Namespaces und Zombie-Workloads¶

Development- und Staging-Umgebungen laufen 24/7, obwohl sie nur 8 Stunden am Tag aktiv sind. Vergessene Jobs, abgeschlossene CronJobs mit Historie, alte ReplicaSets — all das bezahlen Sie.

Suboptimale Instance-Typen¶

Einen speicherintensiven Workload auf einer compute-optimierten Instanz ausführen (oder umgekehrt) — Sie zahlen für Kapazität, die Sie nicht nutzen können.

Resource Optimization — konkrete Schritte¶

1. Goldilocks — automatische Resource-Request-Empfehlungen¶

Goldilocks analysiert die tatsächliche Nutzung über VPA und empfiehlt die richtigen Werte.

# Instalace
helm repo add fairwinds-stable https://charts.fairwinds.com/stable
helm install goldilocks fairwinds-stable/goldilocks \
  --namespace goldilocks \
  --create-namespace

# Označit namespace pro analýzu
kubectl label namespace production goldilocks.fairwinds.com/enabled=true

# Goldilocks dashboard
kubectl -n goldilocks port-forward svc/goldilocks-dashboard 8080:80

2. VPA im Empfehlungsmodus¶

3. HPA mit Custom Metriken¶

4. KEDA für Event-Driven Autoscaling¶

Scale-to-Zero ist entscheidend — ein Worker ohne Nachrichten = 0 Pods = 0 Kosten.

Node Optimization¶

Spot/Preemptible Instances mit Karpenter¶

Karpenter konsolidiert Nodes automatisch — wenn 3 Workloads auf 3 Nodes sitzen, packt es sie auf 1 Node um und fährt die übrigen 2 herunter.

FinOps — Kubecost und Kostentransparenz¶

Kubecost ermöglicht die Anzeige von Kosten pro Namespace, Deployment, Label oder Team — entscheidend für ein Chargeback-Modell.

Ergebnisse — reale Zahlen¶

Optimierung	Typische Einsparung
Right-Sizing Requests (Goldilocks)	20–30 %
Spot Instances (70 % der Workloads)	60–70 % auf Compute
Scale-to-Zero für Dev/Staging	40–60 % auf Nonprod
Karpenter Konsolidierung	10–20 %
Bereinigung ungenutzter Ressourcen	5–15 %
Gesamt	40–60 % der Gesamtkosten

Implementierungsplan¶

Woche 1–2: Transparenz — Kubecost oder OpenCost deployen, Cost Allocation Labels hinzufügen, Resource Utilization auditieren.

Woche 3–4: Quick Wins — Top 20 über-provisionierte Deployments right-sizen, Scale-to-Zero für Dev/Staging über Nacht aktivieren.

Monat 2: Automatisierung — Karpenter mit Spot Pool, HPA/KEDA für Schlüssel-Services.

Monat 3+: FinOps-Kultur — Chargeback-Reports pro Team, Kostenbudgets und Alerting, vierteljährliche Reviews.

Unsere Erfahrung: Logistik-Kunde mit 500+ Microservices¶

Bei einem Logistik-Kunden (500+ Microservices auf Kubernetes) haben wir die Cloud-Kosten in 3 Monaten um 42 % gesenkt:

• Right-Sizing (Goldilocks + VPA): 25 % Einsparung — die meisten Pods hatten 4-8x uberdimensionierte Requests
• Spot Instances (70 % der Stateless Workloads): 12 % Einsparung — Karpenter mit Fallback auf On-Demand
• Scale-to-Zero fur Dev/Staging: 5 % Einsparung — KEDA + CronJob nachtlicher Scale-Down
• Gesamt: 42 % Reduzierung der monatlichen Cloud-Kosten im ersten Quartal
• Optimierung ohne Auswirkung auf das 99,9 % SLA

Fazit¶

Kubernetes Cost Optimization ist keine einmalige Aktion — es ist ein kontinuierlicher Prozess. Beginnen Sie mit Transparenz (Kubecost), fahren Sie mit Right-Sizing fort (Goldilocks + VPA) und automatisieren Sie die Skalierung (HPA, KEDA, Karpenter). Das Ergebnis ist eine Infrastruktur, die mit Ihren Anforderungen wächst, nicht trotz ihnen.

CORE SYSTEMS hilft Enterprise-Organisationen bei der Implementierung von FinOps-Kultur und Kubernetes Cost Governance. Kontaktieren Sie uns für ein Audit Ihrer Infrastruktur.