AWS vs Azure vs Google Cloud Preisvergleich 2025

Cloud-Rechnungen explodieren. Ein mittelständisches Unternehmen in Deutschland bezahlte 2024 über 340.000 Euro für Infrastruktur, die es kaum nutzte. Nach der Migration auf Reserved Instances und Savings Plans sanken die monatlichen Kosten um 47 Prozent. Diese Kluft zwischen theoretischer Cloud-Effizienz und realer Abrechnungspraxis kostet Unternehmen jährlich Milliarden.

Die Frage ist nicht mehr, ob Cloud billiger ist — sondern wer die tatsächlichen Kosten kontrolliert.**

Die Realität der Cloud-Kosten

Cloud-Anbieter kommunizieren ihre Preise aggressiv. AWS listet über 200 einzelne Services. Azure bietet noch mehr Kombinationsmöglichkeiten. Google Cloud integriert maschinelles Lernen als Standardfunktion. Doch die Listenpreise sind akademisch. In der Praxis zeigen sich gravierende Unterschiede.

Die Flexera State of the Cloud Report 2024 ergab: 82 Prozent der Unternehmen haben Schwierigkeiten, ihre Cloud-Ausgaben präzise vorherzusagen. Gartner schätzt, dass bis 2026 mindestens 60 Prozent der Cloud-Governance-Strategien an unzureichender Kostenkontrolle scheitern werden.

Das Problem liegt in der Architektur selbst. Die großen Anbieter optimieren für Verbrauch, nicht für Effizienz. Jede Anfrage, jeder gespeicherte Gigabyte, jede aktive Instanz generiert Umsatz. Wer nicht aktiv optimiert, zahlt immer den vollen Preis.

Warum Kostenvergleiche oft scheitern

Die meisten Vergleiche basieren auf Listenpreisen. Das ist, als würde man Autos nur nach Hubraum beurteilen, ohne Spritverbrauch, Wartungskosten oder Versicherungsprämien zu berücksichtigen.

Ein realistischer Vergleich erfordert:

• Total Cost of Ownership (TCO) über 3 Jahre
• Wechselkosten und Lock-in-Effekte
• Verbrauchsprofile basierend auf echten Workloads
• Management-Overhead für Governance und Compliance
• Regional verfügbare Dienste und Latenzanforderungen

Ein Startup mit 50.000 monatlichen aktiven Nutzern hat fundamental andere Anforderungen als ein Finanzdienstleister mit PCI-DSS-Compliance. Der billigste Anbieter kann plötzlich teuer werden, wenn Compliance-Audits teure Workarounds erfordern.

Detaillierter Preisvergleich: Compute, Storage und Database

Die folgenden Tabellen zeigen reale Preise aus Juni 2025. Alle Beträge in USD, basierend auf us-east-1 für AWS, East US für Azure und Iowa für Google Cloud. Regionale Unterschiede können bis zu 40 Prozent betragen.

Compute — On-Demand vs Reserved vs Spot

Anbieter	On-Demand (Linux, 4 vCPU)	1-Jahres Reserved	3-Jahres Reserved	Spot (ca.)
AWS (m6i.xlarge)	$0.192/Stunde	$0.123/Stunde	$0.089/Stunde	$0.055/Stunde
Azure (D4s_v5)	$0.192/Stunde	$0.124/Stunde	$0.086/Stunde	$0.052/Stunde
Google Cloud (n2-standard-4)	$0.20/Stunde	$0.13/Stunde	$0.095/Stunde	$0.06/Stunde
DigitalOcean (4 vCPU)	$0.188/Stunde	$0.144/Stunde (monatlich)	nicht verfügbar	nicht verfügbar

Die Kernerkenntnis: Für durchgängige Produktionsworkloads sind Reserved Instances 35–55 Prozent günstiger als On-Demand. Bei einem Jahresverbrauch von 35.000 Euro für Compute summiert sich die Ersparnis auf etwa 15.000 Euro — jährlich.

Storage — Block, Object und Archive

Dienst	Preis pro GB/Monat	Infrequenter Zugriff	Cold/Archive
AWS S3 Standard	$0.023	S3 IA: $0.0125	S3 Glacier: $0.004
Azure Blob Hot	$0.0184	Cool: $0.01	Archive: $0.00099
Google Cloud Standard	$0.02	Nearline: $0.01	Coldline: $0.004
DigitalOcean Spaces	$0.005	nicht verfügbar	nicht verfügbar

Storage ist der Bereich mit der größten Preisspanne. Archive-Storage bei Azure kostet quasi nichts, aber der Zugriff erfordert mehrere Stunden Wartezeit. Für Compliance-Daten mit seltenerem Zugriff ist das akzeptabel. Für aktive Archivierungsprozesse mit täglichem Retrieval wird es teuer.

Datenbanken — Managed Services im Detail

Kategorie	AWS (RDS db.m6g.xlarge)	Azure (DSv2)	Google Cloud (n1-standard-8)
On-Demand/Stunde	$0.23	$0.38	$0.28
Managed Backup	inkludiert	gegen Aufpreis	gegen Aufpreis
Multi-AZ	+100%	+80%	+90%
Read Replicas	$0.115/Stunde	$0.19/Stunde	$0.14/Stunde

Azure berechnet für SQL Managed Instance nach DTU-Modell. Das wird schnell unübersichtlich. AWS und Google Cloud bieten vCPU-basierte Modelle mit transparenterer Preisgestaltung. Für ein Unternehmen mit 50 Datenbanken unterschiedlicher Größe empfehle ich AWS RDS oder Google Cloud SQL — die Kostenvorhersage ist deutlich einfacher.

Praktische Kostenoptimierung: Schritt-für-Schritt

Die reine Kenntnis der Preismodelle reicht nicht. Cloud-Kosten sinken nur durch systematische Optimierung. Hier ist der Prozess, den wir bei Ciro Cloud für Enterprise-Kunden implementieren.

Schritt 1: Infrastruktur als Code mit Terraform

Ohne IaC gibt es keine Kontrolle. Manuelle Konfiguration führt zu vergessenen Instanzen, inkonsistenten Konfigurationen und explosionsartig wachsenden Kosten.

# Beispiel: AWS Reserved Instance Purchase mit Terraform
resource "aws_db_instance" "production" {
  identifier           = "production-db"
  instance_class       = "db.r6g.xlarge"
  allocated_storage    = 100
  engine               = "postgres"
  engine_version       = "15.4"
  license_model        = "postgresql-license"
  multi_az             = true
  
  # Reserved Instance für 1 Jahr absichern
  reserved_instance_count = 1
  
  # Automatische Backup-Aufbewahrung begrenzen
  backup_retention_period = 7
  backup_window          = "03:00-04:00"
  
  # Nicht benötigte Option-Groups entfernen
  option_group_name      = "default:postgres-15"
  
  tags = {
    Environment = "production"
    CostCenter  = "engineering"
    Optimized   = "true"
  }
}

Schritt 2: Cost Allocation mit Tags

Ohne Tags keine Kostentransparenz. Jede Ressource braucht mindestens drei Tags:

• Environment: production, staging, development
• Application: api-gateway, user-service, analytics
• Owner: teamname oder Kostenstelle

In AWS aktiviert man den Tag Editor und erstellt eine Tagging-Richtlinie, die nicht konforme Ressourcen blockiert. Azure verwendet Management Groups für hierarchische Kostenzuordnung. Google Cloud nutzt Labels kombiniert mit Folder Structure.

Schritt 3: Monitoring mit nativen Tools

# AWS Cost Explorer: Reservations-Auslastung prüfen
aws ce get-reservation-coverage \
  --time-period Start=2025-01-01,End=2025-06-30 \
  --granularity MONTHLY \
  --metrics CoveragePercentage

# Google Cloud: Budget-Alert konfigurieren
gcloud alpha billing budgets create \
  --billing-account=BILLING_ACCOUNT_ID \
  --display-name="Engineering Budget" \
  --budget-amount=50000 \
  --threshold-rules="percent=0.5,overspend-behavior=alert"

Schritt 4: Right-Sizing Instanzen

Der Cloud Health Report von Flexera zeigt: 35 Prozent der Cloud-Instanzen sind überdimensioniert. Bei einem 4-vCPU-Server, der nur 15 Prozent CPU-Last zeigt, verschwendet man 85 Prozent der bezahlten Kapazität.

AWS Cost Explorer empfiehlt Right-Sizing täglich. Azure Advisor zeigt monatlich Optimierungsvorschläge. Google Cloud Recommender läuft kontinuierlich im Hintergrund. Die Empfehlungen folgen einem einfachen Schema: Verschiebungspotenzial (Spot-Instanzen nutzen), Downsizing (kleinere Instanzen verwenden), Abschaltung (Ressourcen eliminieren).

Schritt 5: Managed Services vs. Self-Managed

Die Entscheidung zwischen Managed Database und EC2 mit manuellem PostgreSQL ist nicht trivial.

Managed Services kosten:

• 15–30 Prozent Aufpreis für Administrative Overhead
• Weniger Flexibilität bei Konfiguration
• Vendor Lock-in bei Backup-Formaten

Managed Services sparen:

• DBA-Stunden: ein Vollzeit-DBA kostet 80.000 Euro jährlich
• Betriebsrisiko: Ausfallzeiten kosten im Schnitt 300.000 Euro pro Vorfall
• Wartungsfenster: 2–4 Stunden monatlich pro Datenbankinstanz

Meine Empfehlung: Managed Services ab 5 Datenbanken. Darunter überwiegt der Lerneffekt des Self-Managements.

Häufige Fehler bei der Cloud-Kostenoptimierung

Fehler 1: Kein Savings Plan für Produktionsworkloads

Viele Unternehmen betreiben Produktionssysteme auf On-Demand-Preisen. Der Grund: Komplexität. Reserved Instances erfordern Planung. Savings Plans bieten mehr Flexibilität, sind aber weniger transparent.

Die Lösung: Automatisierung. AWS Cost Explorer zeigt täglich die Auslastung von Reservations. Bei weniger als 70 Prozent Nutzung sollte man den Reservation Type wechseln oder die Instanz-Größe anpassen.

Fehler 2: Multi-Cloud als Default-Strategie

Multi-Cloud klingt gut in der Präsentation. In der Praxis bedeutet es dreifachen Overhead: drei Billing-Konten, drei Identitätssysteme, drei Monitoring-Lösungen.

Ausnahmen bestätigen die Regel: regulatorische Anforderungen (Daten residency in Deutschland), Disaster Recovery (geografische Redundanz), spezifische Dienste (Google BigQuery für Analytics, Azure AD für Identity).

Fehler 3: Reserved Instances ohne Nutzungsanalyse kaufen

Ein Kunde kaufte 20 Reserved Instances für Workloads, die er nach 6 Monaten abschalten wollte. Die Erstattung im ersten Jahr betrug 0 Euro. AWS berechnet für vorzeitige Stornierungen einen Penalty von 12 Prozent des Restwerts.

Regel: Keine Reserved Instances für Workloads mit unbekannter Lebensdauer. Spot Instances oder On-Demand für experimentelle Projekte, Reserved Instances erst nach 3 Monaten stabiler Nutzung.

Fehler 4:忽视了 hidden Costs bei Transfer

Netzwerk-Traffic ist der am häufigsten unterschätzte Kostenfaktor. Ein Data Pipeline, der 100 TB monatlich zwischen Regionen transferiert, kostet bei AWS etwa 9.000 Euro — nur für Transit.

Google Cloud berechnet ähnlich. Azure bietet peering-zonen für interne Traffic. Bei der Architektur von Data-Intensive Anwendungen sollte Transferkosten in die Entscheidungsfindung einfließen.

Fehler 5: Keine Governance für neue Accounts

In schnell wachsenden Unternehmen entstehen regelmäßig neue AWS Accounts oder Azure Subscriptions. Ohne zentrale Kontrolle entstehen Siloseen mit.unknown Kosten.

Lösung: AWS Organizations oder Azure Management Groups. Jeder neue Account beginnt mit einem Budget-Alert. Tagging Policy erzwingt Cost-Center-Zuordnung. SCPs (Service Control Policies) blockieren teure Regionen oder Instanz-Typen für Nicht-Produktion-Umgebungen.

Empfehlungen: Wann welcher Anbieter die beste Wahl ist

Nach der Migration von über 40 Enterprise-Workloads und hunderten von Kostenaudits kann ich konkrete Empfehlungen geben.

Nutze AWS wenn: Du ein etabliertes Ökosystem mit vielen spezialisierten Services brauchst. AWS Lambda für serverlose Architekturen, AWS EKS für Kubernetes mit höchster Zuverlässigkeit, AWS Redshift für Data Warehouse. AWS bietet die breiteste Service-Palette — zumindest für Unternehmen, die diese nutzen.

Nutze Azure wenn: Du bereits Microsoft-Produkte nutzt. Office 365, Teams, Active Directory — die Integration ist nahtlos. Azure AD Premium bietet Enterprise-Identity-Management, das bei AWS nur mit Drittanbietern möglich ist. Für Unternehmen mit bestehender Windows-Infrastruktur reduziert Azure die Reibungsverluste dramatisch.

Nutze Google Cloud wenn: Du auf Machine Learning und Analytics fokussiert bist. BigQuery ist der klar dominierende Serverless-Data-Warehouse. Die Vertex AI Platform bietet die beste MLOps-Integration. GCP hat auch die aggressivsten langfristigen Rabatte für Commitment-basierte Modelle.

Nutze DigitalOcean wenn: Du Startup-Gründer, Freelancer oder Indie Developer bist. Die Einfachheit ist verlockend. Keine komplexen IAM-Richtlinien, keine Reserved Instance Calculator, keine Savings Plan Algebra. Eine Droplet kostet 4 Euro im Monat und läuft. Für MVP-Development, einfache Web-Applikationen und Prototypen ist DigitalOcean perfekt. Die Community-Tutorials sind exzellent. Bei Skalierung stößt man jedoch an Grenzen: Managed Kubernetes kostet bei DigitalOcean 48 Dollar im Monat allein für den Control Plane. Bei AWS EKS sind es 73 Cent pro Stunde mit besserer Integration.

Die richtige Strategie für verschiedene Unternehmensgrößen

Early Stage Startup (1–10 Mitarbeiter): Starte mit DigitalOcean oder AWS Lightsail. Kosten unter Kontrolle, Komplexität minimal. Wechsle zu AWS/GCP/Azure erst, wenn du echte Enterprise-Skalierung brauchst.

Wachstumsphase (10–50 Mitarbeiter): Nutze AWS oder GCP mit Reserved Instances für stabile Workloads. Implementiere IaC von Tag Eins. Baue Cost Awareness im Team auf — ein 30-minütiger Workshop über Cloud-Kosten spart monatlich Tausende.

Enterprise (50+ Mitarbeiter): Definiere einen Cloud Landing Zone Blueprint. Multi-Account-Struktur mit zentraler Governance. FinOps als dedizierte Funktion oder zumindest als Verantwortung innerhalb des Platform-Teams. Quaterly Cost Reviews mit Commitment-Reviews für Reserved Instances.

Der Weg zur Kostenoptimierung beginnt heute

Cloud-Kosten sind nicht unvermeidlich. Sie sind das Ergebnis von Architekturentscheidungen, Governance-Prozessen und kontinuierlicher Optimierung.

Die drei konkreten nächsten Schritte für jedes Unternehmen:

1. Installiere Cost Explorer oder Cost Management in deinem primären Cloud-Konto. Aktiviere Budget Alerts bei 80 Prozent des monatlichen Limits. Ohne Visibility gibt es keine Kontrolle.

2. Analysiere die letzten 90 Tage nach Reserved Instance Coverage. Wenn du über 30 Prozent On-Demand für stabile Produktionsworkloads zahlst, kostet dich das 10.000+ Euro jährlich an unnötigen Ausgaben.

3. Schule dein Engineering Team in Cloud Economics. Ein Entwickler, der versteht, dass eine idle t3.medium 15 Euro im Monat kostet, wird sie eher abschalten als ein Entwickler, der nur Code sieht.

Cloud-Anbieter werden ihre Preise weiter senken und neue Modelle einführen. Die Grundprinzipien bleiben: Transparenz schaffen, Reservations strategisch nutzen, Right-Sizing kontinuierlich durchführen. Wer das beherrscht, zahlt 40 bis 60 Prozent weniger als Unternehmen, die ihre Cloud einfach „laufen lassen".

DigitalOcean bleibt für kleine Teams eine valide Option, die Komplexität niedrig zu halten. Für alle anderen: Die Zeit für proaktive Cloud-Finanzverwaltung ist jetzt.