Wie ein schnell wachsendes KI-Startup ausufernde Snowflake-Kosten um 60 % bändigte

SELECT lieferte sofortige Kostentransparenz – das Setup war in unter einer Stunde erledigt. Das Insights-Feature deckte überdimensionierte Warehouses und ineffiziente dbt-Modelle auf, während Automated Savings vom ersten Tag an schnelle Erfolge brachte. Die detaillierte Kostenaufschlüsselung von SELECT ermöglichte gezielte Optimierungen in der gesamten, komplexen Dateninfrastruktur.

Synthesia betreibt einen modernen Data Stack mit Snowflake als zentralem Data Warehouse und insgesamt über 300 Nutzern. 80 davon arbeiten direkt mit Snowflake, weitere 250+ greifen über Omni auf Analytics und Dashboards zu. Die Dateninfrastruktur folgt einem mehrschichtigen Kimball-Ansatz mit dbt für Transformationen, Fivetran für die Ingestion und Segment für Event-Daten. Als schnell wachsendes KI-Unternehmen sah Synthesia, wie sich die Snowflake-Ausgaben dramatisch entwickelten – eine Verzehnfachung innerhalb von zwei Jahren, parallel zum Ausbau von Plattform und Nutzerbasis. Kritisch wurde es, als klar wurde, dass die jährlich gekauften Credits bereits nach der Hälfte der Vertragslaufzeit aufgebraucht wären – die Kostenoptimierung musste sofort starten.

Vor SELECT verließ sich Synthesia primär auf das integrierte Cost-Management von Snowflake – für die komplexe Infrastruktur war das schlicht nicht ausreichend. Die zentrale Herausforderung: keine Sicht darauf, welche workloads die Plattform tatsächlich auslasteten. Die Standard-UI von Snowflake war sehr rudimentär und reichte für eine granulare Analyse nicht aus. Erschwerend kam hinzu, dass das Snowflake-Setup ursprünglich von nicht-technischen Teammitgliedern aufgesetzt worden war – der erste Admin war ein VP of Product. Damit fehlte dem Team die technische Basis für ein anspruchsvolles Cost-Monitoring und gezielte Optimierungen.

Mit ausufernden Kosten und schneller als erwartet schwindenden Credits brauchte Synthesia umgehend Einblick in die eigenen Snowflake-Ausgaben. Die Einführung verlief bemerkenswert schnell: Während die IT-Freigabe rund eine Woche dauerte, war das eigentliche SELECT-Setup nach der Berechtigungsvergabe in unter einer Stunde abgeschlossen. Das Team aktivierte sofort Automated Savings von SELECT und profitierte vom ersten Tag an von direkten Kosteneinsparungen.

Schon im ersten Monat konnte Synthesia mit SELECT die größten Kostentreiber identifizieren und gezielt angehen – mit eindrucksvollem Ergebnis. Nach der Aktivierung von Automated Savings ging das Team zu gezielten Eingriffen über, die über die Visibility- und Insights-Features von SELECT sichtbar wurden. SELECT zeigte sofort konkrete Stellschrauben auf: dbt-Modelle, die inkrementell laufen sollten, und Warehouses, die für ihre workloads massiv überdimensioniert waren. Eine besonders große Erkenntnis: Manche Warehouses liefen drei Größenklassen über dem, was nötig gewesen wäre. Die Auslastungs-Metriken von SELECT gaben die Sicherheit, sie sofort per Right-Sizing anzupassen. Außerdem identifizierte das Team ineffiziente Census-Jobs, die Daten nach Salesforce synchronisierten – nach Rücksprache mit den Stakeholdern aus dem Business konnten diese refaktoriert oder ganz abgeschaltet werden.

SELECT hat das Cost-Management bei Synthesia vom reaktiven Krisenmodus in ein proaktives Monitoring überführt. Etabliert wurde eine feste Routine: drei bis vier individuell gespeicherte Ansichten jeden Montagmorgen prüfen. Das wöchentliche Monitoring umfasst Warehouse-Kosten auf Wochen- und Monatsbasis, lang laufende Queries (zugeschnitten auf die jeweiligen Use Cases), ungenutzte Assets sowie neu hinzugekommene workloads. Dieser schlanke Ansatz nimmt nur wenige Minuten in Anspruch, liefert aber umfassende Transparenz über die gesamte Snowflake-Umgebung – und damit Frühwarnsignale für Kostenspitzen oder neue, ineffiziente workloads. Über die Einsparungen hinaus brachten die Optimierungen auch Performance-Gewinne in den dbt-Pipelines – ein zusätzlicher Mehrwert der Investition in SELECT.

Synthesia plant, SELECT zur zentralen Anlaufstelle für sämtliches Snowflake-Cost-Reporting und alle Analysen zu machen. Das Team prüft den Einsatz von dbt-Meta-Keys über die dbt-Integration von SELECT, um Ausgaben nach Abteilung zuzuordnen und so eine feingranulare Kostenattribution im gesamten Unternehmen zu ermöglichen. Für ein kostenbewusstes Unternehmen ist das entscheidend, um die disziplinierte Ausgabensteuerung auch beim weiteren Wachstum der KI-Plattform beizubehalten. Die kommende Omni-Integration von SELECT wird zusätzlichen Einblick in Dashboard-Kosten und Lineage liefern, während Partition Monitors eine granulare Anomalie-Erkennung auf Ebene einzelner dbt-Modelle ermöglichen.