CloudKeeper startet Full Stack FinOps for AI zur Kontrolle von LLM-Ausgaben

Ein Dashboard für verstreute KI-Kosten

Laut CloudKeeper verteilen sich die Ausgaben bei Unternehmen, die KI in unterschiedlichen Funktionen einsetzen, häufig auf mehrere Modellanbieter, Anwendungen, Teams und Infrastrukturumgebungen. Liegen Nutzung und Kosten in getrennten Systemen, ist es mitunter schwierig, die Gesamtkosten eines Einsatzes zu ermitteln.

Full Stack FinOps for AI soll hier Abhilfe schaffen und führt diese Kostenelemente in einem einheitlichen Dashboard zusammen. Die Ankündigung erfolgte am 29. Oktober 2026 in New York.

Was die Plattform abdeckt

CloudKeeper nennt sechs Bereiche, in denen die Plattform Transparenz schaffen soll:

• AI Inference and Model Costs: Ausgaben über KI-Modelle, Anbieter, Workloads und Anwendungen hinweg.
• AI License Costs: Softwarelizenzen, Anbieter, Teams und damit verbundene Ausgaben.
• AI Infrastructure Costs: die Cloud-Infrastrukturkosten, die mit KI-Workloads verbunden sind.
• Token Usage Analytics: Token-Verbrauch und Ausgabenmuster über KI-Modelle hinweg.
• GPU Cost and Utilization Analytics: GPU-Nutzung, Infrastrukturkosten und mögliche Unterauslastung.
• Multi-Cloud Dashboard: Kosten- und Nutzungsdaten, zusammengeführt über AWS, Microsoft Azure und Google Cloud.

Die Plattform unterstützt zudem das Model Context Protocol (MCP). Damit können Unternehmen ihre eigenen Large Language Models (LLMs) anbinden und innerhalb ihrer bestehenden KI-Workflows auf Kostenanalysen und Empfehlungen zugreifen.

Stimmen aus dem Unternehmen und Testphase

CloudKeeper-CEO Deepak Mittal sagte, Unternehmen bräuchten einen klaren Überblick über ihre KI-Ausgaben, um fundierte Entscheidungen über Einführung und Skalierung von KI zu treffen. Ziel sei es, „alle Kostenerkenntnisse in einer Ansicht zusammenzuführen“.

Sanjeev Mittal, CPTO bei CloudKeeper, erklärte, die Kosten für KI und LLMs gingen über Modell- und Token-Nutzung hinaus, denn auch Lizenzen, GPUs und die Cloud-Infrastruktur hinter KI-Workloads trügen zum Gesamtbetrag bei. Werden diese Elemente zusammengeführt, könnten Teams ihre KI-Ausgaben im Kontext betrachten, und dank MCP-Unterstützung hätten sie Zugriff auf Kostenerkenntnisse direkt in ihren bestehenden KI-Umgebungen.

Unternehmen können die Plattform 30 Tage lang kostenlos testen.

Über CloudKeeper und was das für Käufer bedeutet

CloudKeeper beschreibt sich selbst als ergebnisorientierten Partner für die Kostenoptimierung von KI und Cloud, der FinOps-Expertise, eigene Technologie und praktische Umsetzung verbindet. Das Unternehmen gibt an, über mehr als 15 Jahre Erfahrung in der Cloud-Kostenoptimierung zu verfügen und mehr als 400 globalen Unternehmen geholfen zu haben, ihre Cloud- und KI-Ausgaben auf AWS, Microsoft Azure und Google Cloud im Schnitt um 20 Prozent zu senken. Zudem erklärt es, sein ergebnisbasiertes Modell erzielte laufende Einsparungen ohne Vorabkosten oder langfristige Bindung. Bei diesen Zahlen handelt es sich um Eigenangaben von CloudKeeper.

Für Unternehmen, die KI bei mehr als einem Anbieter oder in mehreren Clouds betreiben, zielt der Start auf ein praktisches Problem: Kosten für Modelle, Lizenzen, Tokens und GPUs werden oft an verschiedenen Stellen ausgewiesen. Eine zentrale Ansicht und die kostenlose 30-Tage-Testphase bieten Teams die Möglichkeit zu prüfen, ob ihnen ein gebündeltes Tracking hilft, den Verbleib ihrer KI-Budgets nachzuvollziehen. Preise über die Testphase hinaus nennt die Quelle nicht, die Kosten danach sind daher nicht bekannt.