Scale-to-Zero

Programme wie Webseiten oder Apps laufen meistens nicht auf dem eigenen Rechner, sondern auf gemieteten Computern in großen Rechenzentren. Für diese Miete zahlt man normalerweise pro Stunde, egal ob gerade jemand die Seite besucht oder nicht. Scale-to-Zero ist eine andere Betriebsart: Meldet sich eine bestimmte Zeit lang niemand, wird das Programm vollständig beendet und der gemietete Computer freigegeben. Die Zahl der laufenden Kopien sinkt also bis auf null, daher der Name. Kommt danach wieder eine Anfrage, wird das Programm automatisch neu gestartet und beantwortet sie. Für den Betreiber heißt das: keine Nutzung, keine Rechnung.

Warum Leerlauf so teuer ist

Die meisten Programme werden extrem ungleichmäßig benutzt. Eine Lern-App hat nachmittags viel Betrieb und nachts fast keinen. Ein internes Firmenwerkzeug steht am Wochenende komplett still. Wer klassisch pro Stunde zahlt, bezahlt trotzdem durchgehend für Maschinen, die nichts tun. Über ein Jahr gerechnet ist ein Großteil der Rechnung dann reine Leerlaufzeit.

Besonders deutlich wird das bei KI-Anwendungen. Sie laufen oft auf Grafikkarten, sogenannten GPUs, die auf das massenhafte Rechnen mit Zahlen spezialisiert sind. Eine solche Karte zu mieten kostet leicht mehrere Euro pro Stunde, also einen Betrag im vierstelligen Bereich pro Monat. Wenn ein Prototyp damit nur ein paar Minuten am Tag arbeitet, ist das Verhältnis absurd. Scale-to-Zero macht genau solche Projekte überhaupt erst bezahlbar.

Es gibt aber auch eine Kehrseite, die man kennen sollte. Wer Nutzer hat, die rund um die Uhr zugreifen, spart durch Scale-to-Zero gar nichts. Dort erzeugt das ständige Herunter- und Hochfahren nur zusätzliche Unruhe. Die Technik lohnt sich also vor allem bei stark schwankender oder seltener Nutzung.

Der Kaltstart und was er kostet

Damit das Abschalten funktioniert, überwacht die Plattform den eingehenden Verkehr. Passiert eine festgelegte Zeit lang nichts, etwa fünf Minuten, wird das Programm gestoppt. Eine kleine Vermittlungsstelle bleibt aber wach und hört weiter auf Anfragen. Trifft eine ein, hält sie diese kurz fest, startet das Programm neu und leitet die Anfrage dann weiter. Der Nutzer merkt davon nur, dass es etwas dauert.

Diese Verzögerung heißt Kaltstart. Sie entsteht, weil das Programm samt allen benötigten Dateien erst wieder geladen werden muss. Bei einer schlanken Webanwendung sind das oft unter zwei Sekunden. Bei einem KI-Modell kann es deutlich länger dauern, weil mehrere Gigabyte an gelernten Zahlenwerten in den Speicher der Grafikkarte kopiert werden müssen. Halbe Minuten sind hier keine Seltenheit.

Anbieter arbeiten mit verschiedenen Tricks dagegen. Manche halten die Modelldaten in einem schnellen Zwischenspeicher direkt neben der Maschine vor. Andere bieten an, dass immer mindestens eine Kopie warm bleibt. Das ist dann streng genommen kein Scale-to-Zero mehr, sondern ein Kompromiss zwischen Kosten und Tempo.

Wo das Prinzip im Alltag steckt

Am bekanntesten ist Scale-to-Zero unter dem Stichwort Serverless. Dienste wie AWS Lambda, Google Cloud Run oder Cloudflare Workers rechnen nur die tatsächlich verbrauchten Millisekunden ab. Auch viele Plattformen für KI-Modelle, etwa Replicate oder Hugging Face Spaces, fahren ungenutzte Anwendungen automatisch herunter. Wenn eine kleine KI-Demo im Netz beim ersten Klick ewig lädt und danach flott läuft, hast du gerade einen Kaltstart erlebt.

In Finanz- und Techmeldungen taucht der Begriff auf, wenn es um Cloud-Kosten geht. Firmen berichten dann, dass sie ihre Ausgaben für Testumgebungen um große Prozentsätze gesenkt haben. Für Anleger ist das ein Hinweis darauf, wie stark Cloud-Anbieter ihre Preismodelle inzwischen an die tatsächliche Nutzung koppeln.