Optimierung der Betriebskosten

1) Ziele und Grundsätze

Das Ziel: die Kosten pro Geschäftswerteinheit zu senken und gleichzeitig SLO und Produktqualität zu erhalten.
Grundsätze: Messen → Optimieren → Automatisieren; Priorisierung des ROI; „SLO-first“ (Einsparungen beeinträchtigen nicht die Benutzererfahrung); Kostentransparenz (Showback/Charjback).

2) Kostentaxonomie (was genau wir optimieren)

Infrastruktur: Compute (CPU/GPU), Storage (SSD/obj), Network/Egress, CDN/WAF, Backups, Logging/Observability.
Daten und Streaming: Broker (Kafka), DWH/OLAP (ClickHouse/BigQuery), Caches (Redis/Mem), ETL/Orchestrationen.
Zahlungskette: Processing, KYC/AML, Scoring, Fraud, Chargeback-Fonds.
Produkt/Marketing: Boni, Freispiele, Affiliates (CPA/RevShare), Traffic-Beschaffung, Promo-Events.
Betrieb/Personen: Sapport, Risikoanalyse, Compliance, manuelle Workflows.
Lizenzen/Partner: Spiele-Engines, Live-Casino-Anbieter, SaaS-Dienste.

3) Metriken und Einheitsökonomie

• $/RPS, $/Transaktion (Einzahlung/Wette/Auszahlung), $/aktiver Spieler/Monat, $/GB-ingest Logs, $/TB-Speicher/Monat, $/ML-Inferenz.
• Zusammenfassung KPI: Kosten pro Segment (Geo/Device/Channel).

• $/RPS = (OPEX_infra + OPEX_data + OPEX_3rd + OPEX_ops) / avg_RPS
• $/Transaktion = (OPEX_platform + fees_payment + antifraud + support )/ N_tx
• LTV: CAC: CTS ist das Schlüsselverhältnis (Lifetime Value: Customer Acquisition Cost: Cost to Serve).

4) FinOps-Schaltung und „SLO-aware“ Einsparungen

Showback/Charjback: Verteilung der Kosten auf Produkte/Teams/Services.
Budgets und Alerts: Monatliche Limits und Warnungen vor Abweichungen.
SLO-first: Optimierungen werden geprüft: SLI normal? p95/p99, Fehlerrate, Verfügbarkeit.
Experimente: A/B-Einsparungen (inklusive Kompression, reduzierte Log-Retention - verschlechterte sich der SLI nicht?).

5) Compute: Right-Sizing und Auto-Scaling

Right-sizing: Wir profilieren die CPU/mem, reduzieren die Größe des Pod/VM, entfernen den „Bestand für Bestand“.
Autoscaling: HPA/KEDA nach Lastmetriken/Warteschlangen; Nacht/regionale Rezessionen - aggressives Scale-in.
Preismodelle: Reserved/Savings-Pläne, Spot/Preemptible für Batch/ETL, ein Hybrid aus Regionen.
Rantime-Updates: Moderne Versionen von JVM/Go/Node können − 10-30% der CPU liefern.

6) Speicherung und Daten

Speicherklassen: Hot SSD für OLTP, Cold/Archive für History und Logs.
TTL/retention: Regeln nach Indizes/Logs/Traces (z.B. 7-14 Tage p99-Teile, Aggregate - länger).
Komprimierung und Format: Parkett/ORC für See, ZSTD für Protokolle, Deduplizierung.
DWH/OLAP: materialisierte View/Aggregate, Entladen von „teuren“ Anfragen; Ad-hoc-Beschränkung.
Streaming: Kompakte Oberteile, Batch-Size/Acks optimal durch $/msg, Fan-Out-Steuerung.

7) Netzwerk, egress und CDN

Minimieren egress: Caching am Rand, Pining Verkehr innerhalb der Region/Fest.
CDN-Ökonomie: Wachstum des Cache-Treffers durch Versionierung, vernünftige TTLs, Image-Resize am Rand.
Kompression und Protokolle: HTTP/2/3, gzip/br, WebP/AVIF für Medien.
API-Chattity: Aggregation/Batching, gRPC-Protokolle für Chats/Streaming.

8) DB und Cache: $/Anforderung

Profiling: Top N langsame und häufige Anfragen; Indizes, die Abfragen abdecken.
CQRS/Leser-Repliken: OLTP-Entladung durch Read-Replica und Denormalisierung.
Cache-Strategien: Cache von Schlüsselverzeichnissen, Session/Token, Hot Rank-Listen; Wir beobachten Hit-Ratio und Eviction.
Transaktionslimits: Kurze Transaktionen, Paginierungslimits und N + 1-Anfragen.
Architektur: async/queues anstelle von synchronen Ketten, idempotency und retry-jitter.

9) Beobachtungsfähigkeit und Protokolle

Sampling-Traces: dynamisch, mit Vorfällen - wir erhöhen.
Logs nach Profil: strukturiert, ohne übermäßige DEBUG-Ebene auf dem Produkt.
Ingest-Filterung: Wir schneiden das Rauschen ab (Gesundheitschecks - nein), Aggregationen von Metriken anstelle von rohen Protokollen.
SLO-Dashboards: Weniger verstreute Panels → weniger Metriken → weniger Ingest.

10) Zahlungen und Betrugsbekämpfung (externe Gebühren)

Anbietermix: Routing zur niedrigsten Provision unter Berücksichtigung von Conversion/Risk Scoring.
Fehlerreduzierung: Korrekte 3-D Secure/Re-Versuche → weniger Re-Load und Provisionen.
Anti-Fraud-Regeln: Risiko-Targeting, nicht „alles“, um nicht zu viel für Inspektionen zu bezahlen.
Chargeback-Kontrolle: präventive Auslöser für Wetten und Schlussfolgerungen Anomalien.

11) Boni, Freispiele und Marketingausgaben

Limits und Trichter: Die Personalisierung von LTV/Risk-Scoring-Boni → weniger „Überfütterung“.
Anti-Missbrauch: Dedup-Konten, Velocity-Regeln, Caps auf dem Rückzug für Promo.
Verkehr: SmartLink und Post-Click-Filter, Ablehnung von Quellen mit niedriger Qualität, Post-View-Attribution mit Fenstern.
Turnierökonomie: Preispool ↔ erwartete ARPPU/Retention Uplift; Wir verfolgen den ROI.

12) Operationen und Menschen

Automatisierung der Routine: Playbooks, Ranbooks, automatische Erkennung von Vorfällen.
Sapport: Makros, Bots der ersten Ebene, VIP-Priorisierung; Self-Service im persönlichen Bereich.
QS und Umgebungen: ephemeral-env per PR, Testdaten als Service, stillstehende Stände abschalten.

13) Governance und Prozesse

Policy-as-Code: Ressourcenlimits, Verbot teurer Instances ohne Begründung.
Change Management: Kanarische Releases - weniger Pullbacks und Änderungen.
Kostenkatalog: einheitliche Tags/Labels für alle Ressourcen; Bericht „wer zahlt wofür“.
Wöchentliche Revue: Die Top 10 der „Budgetfresser“, der Aktionsplan und die Eigentümer.

14) Umsetzungsfahrplan (12 Wochen)

Wochen 1-2: Kosteninventar, Tags/Labels, $/RPS Composite Dashboard, Sparziele.
3-4: Right-Sizing, HPA/KEDA, Log Cleaning/TTL, Trace Sampling.
5-6: DB/Cache: Indizes, Hot Keys, Denormalisierung, Paginierungslimits.
7-8: CDN/egress: Cache-Richtlinien, Kompression, Medienoptimierung.
9-10: Zahlungen/Betrugsbekämpfung: Routing durch Anbieter, Reduzierung von Ausfällen.
11-12: Boni und Traffic: Personalisierung, Anti-Missbrauch, Abschluss von Low-ROI-Kampagnen.
Nach der 12. Woche - Autopilot: Showback/Charjback, vierteljährliches Ziel $/Werteinheit.

15) Dashboards

Exec: OPEX nach Kategorien, $/RPS, $/Transaktion, ROI-Kampagnen, Einsparungen vs Basiszeitraum.
Dazu gehören: CPU/Memory/IO Recycling, Autoscaling Events, Cache-Hit, p95/p99, ingest logs/day, egress GB/day.
Daten: Kosten für Abfragen/Scans, Retention, Größe der Tops/Tabellen, Kosten pro Abfrage.
Zahlungen: Umwandlung von Berechtigungen, durchschnittliche Provision, Chargeback-Anteil, KYC-Zeit.
Boni: CPA/RevShare/ARPPU Uplift, Missbrauchsanteil, Netto-Effekt auf GGR.

16) Artefaktmuster

Kosten Playbook (pro Service): aktueller Wert, Treiber, Maßnahmen (Auswirkungen $/Komplexität), Eigentümer, Laufzeit.
Kapazität & Kosten Blatt: Kopfraum, $/RPS vor und nach Maßnahmen, Wirkung auf SLO.
Policy Catalog: gültige Instance-Klassen, Limits, Ausnahmen und Abfrageprozess.
Runbook „Night/Weekend“: Aggressive Scale-In/TTL-Regeln, Pause unkritischer Jobs.

17) Die 20 schnellsten Maßnahmen („quick wins“)

1. Aktivieren Sie Autoscaling und reduzieren Sie „überdimensionierte“ Pods.
2. Schneiden Sie die Retention von Logs und Traces auf das Geschäftsnotwendige zurück.
3. Sampling Traces + Aggregationen statt Rohereignisse.
4. Übersetzen Sie schwere Berichte in nächtliche Batch-Fenster/Matvya.
5. Erhöhen Sie den Cache-Hit CDN auf Kosten der Version/TTL.
6. WebP/AVIF und lazy-loading Bilder.
7. Komprimieren Sie egress durch Pining-Regionen und Kompression.
8. Indizes zu den Top 10 langsamen Abfragen, Paginierungsgrenzen.
9. Zwischenspeichern von heißen Daten/Listen.
10. Unbenutzte Fiches/Endpoints deaktivieren.
11. Reservierte/Sparpläne für Dauerbelastung.
12. Spot/Preemptible für ETL/ML-Behandlungen.
13. Entfernen Sie doppelte ingest der gleichen Art von Metriken.
14. Reduzieren Sie die Häufigkeit von nutzlosen Kronen/Pulling.
15. Leiten Sie Zahlungen an Anbieter mit der besten „Provision × Konversion“ weiter.
16. Personalisieren Sie die Boni (Cap auf Kosten pro Spieler).
17. Freeze „low-ROI“ Traffic-Einkaufskanäle.
18. Ephemere Testumgebungen auf Anfrage.
19. Automatische Schließung von Leerlauf-Ressourcen (VMs/Stände).
20. Politiker für „teure“ Instanzen und Logvolumina.

18) Antipatterns

Sparen Sie „blind“ ohne Metriken und SLOs → versteckte Umsatzverluste.
Massive Ablehnung von Protokollen/Traces → Verschlechterung der MTTR und Zunahme von Vorfällen.
Universal Caps ohne Segmentierung → einen Rückgang der Zahlungsumwandlung/Boni.
Ignoriere egress/CDN → „unsichtbare“ Konten wachsen schneller als compute.

19) Rollen und Verantwortung (RACI)

Responsible: SRE/Platform, Data/FinOps, Billing/Payments, Risk.
Accountable: Head of Ops/CTO.
Consulted: Product, Marketing, Security/Compliance.
Informed: Support, Finance.

20) Kontrolle und Verbesserung

Wöchentliche Spar-Stand-ups: Fortschritte durch Playbook, Blocker, Metriken.
Monatlich: $/unit Revision, Vergleich mit Benchmark, Neumontage der Top 10 Maßnahmen.
Vierteljährlich: Überarbeitung von Verträgen mit Anbietern, Migration von Speicherklassen/Instanzen.

Summe

OPEX-Optimierung ist keine einmalige „Rechnungsbereinigung“, sondern ein kontinuierliches System: Kostentransparenz → Priorisierung von ROI-Maßnahmen → Techoptimierung ohne SLO-Schaden → Automatisierung und Governance. Mit diesem Ansatz sinken $/RPS und $/Transaktion stetig und die Servicequalität und Veröffentlichungsrate steigt.