AKS vs. EKS vs. GKE [2026]: AKS am günstigsten (5.070€)

Ein 15-Node-Produktionscluster in Frankfurt kostet bei Azure Kubernetes Service (AKS), Amazon Elastic Kubernetes Service (EKS) und Google Kubernetes Engine (GKE) zwischen 5.070 € und 5.370 € pro Monat zu Listenpreisen. Das zeigt ein aktueller Vergleich von kubernetes-administration.de aus Juli 2026. Wer bei der Wahl der Managed-Kubernetes-Plattform nur auf den Namen des Hyperscalers schaut, verschenkt bares Geld: Je nach Commitment-Modell, Storage-Klasse und Egress-Volumen schwanken die tatsächlichen Kosten um mehrere hundert Euro im Monat. Dieser Vergleich rechnet AKS, EKS und GKE Zeile für Zeile gegeneinander und stellt zusätzlich deutsche Alternativen wie STACKIT, centron und ScaleUp Technologies gegenüber, die Managed Kubernetes teilweise ab 29,99 € im Monat anbieten.

Für IT-Teams in der DACH-Region ist die Frage nicht mehr, ob Kubernetes eingesetzt wird, sondern bei wem und zu welchem Preis. Dieser Artikel liefert die Zahlen, die Entscheidungsträger für ein belastbares TCO-Modell brauchen: Control-Plane-Gebühren, Worker-Node-Preise, Storage- und Egress-Kosten, Rabattmodelle sowie reale Einsatzszenarien aus der Praxis.

Anders als bei einem einmaligen Hardware-Kauf summieren sich kleine Prozentpunkte bei Cloud-Infrastruktur über Monate und Jahre zu echtem Geld. Ein Unterschied von 5 Prozent bei den Worker-Node-Kosten wirkt auf der Monatsrechnung unscheinbar, macht aber bei einem Jahresbudget von 60.000 € für Kubernetes-Infrastruktur schnell 3.000 € aus, die an anderer Stelle im Engineering-Team fehlen. Genau deshalb lohnt sich ein Blick, der über die reinen Marketingversprechen der drei Hyperscaler hinausgeht und stattdessen bei den veröffentlichten Listenpreisen, realen TCO-Rechnungen und den Erfahrungswerten von Unternehmen ansetzt, die bereits produktiv auf AKS, EKS oder GKE setzen.

Google · Bevorzugte Quellen

Verpasse keine neuen Tech-Storys auf Google

Füge TrendinTech Deutschland einmal in der Google-App hinzu und unsere Artikel erscheinen in deinen Vorschlägen.

Jetzt hinzufügen

Managed Kubernetes 2026: Warum der Kostenvergleich jetzt entscheidend ist

Kubernetes hat sich in den letzten Jahren vom Nischenwerkzeug zum Standard für containerisierte Workloads entwickelt. Fast jedes SaaS-Unternehmen mit mehr als zehn Mitarbeitenden betreibt heute mindestens einen Cluster, meist bei einem der drei großen Hyperscaler. Das Problem: Die Rechnung wächst in vielen Fällen schneller als der Umsatz. Ein Grund dafür ist, dass Teams die Kosten für Worker-Nodes genau im Blick haben, aber Storage-Klassen, Egress-Gebühren und Control-Plane-Aufschläge regelmäßig unterschätzen.

Der Vergleich AKS vs. EKS vs. GKE ist deshalb keine akademische Übung, sondern eine Frage mit direktem Einfluss auf das IT-Budget. Laut Gartner liegen die Preisunterschiede zwischen den Hyperscalern für vergleichbare Dienste bei 15 bis 25 Prozent. Bei einem mittelständischen DACH-Unternehmen mit monatlichen Cloud-Kosten zwischen 5.000 € und 35.000 € kann die Wahl der richtigen Plattform und des richtigen Commitment-Modells über mehrere zehntausend Euro im Jahr entscheiden.

Gleichzeitig wächst der Druck durch europäische Alternativen. Anbieter wie die STACKIT Kubernetes Engine, centron oder ScaleUp Technologies werben mit Preisen deutlich unter den Hyperscaler-Listenpreisen und zusätzlich mit Rechenzentren, die ausschließlich in Deutschland stehen. Für Unternehmen mit strengen Datenschutz- oder Compliance-Anforderungen ist das ein Argument, das reine Preisvergleiche ergänzt.

AKS, EKS und GKE im Überblick: Was Managed Kubernetes wirklich abnimmt

Managed Kubernetes bedeutet, dass der Cloud-Anbieter die Control Plane betreibt, patcht und hochverfügbar hält, während das Kunden-Team sich auf die Worker-Nodes und die darauf laufenden Workloads konzentriert. Das klingt bei allen drei Anbietern ähnlich, unterscheidet sich aber im Detail erheblich.

Azure Kubernetes Service (AKS)

AKS bietet eine echte kostenlose Stufe, bei der nur die zugrunde liegenden Compute-Ressourcen berechnet werden. Wer eine garantierte Verfügbarkeits-SLA für den API-Server benötigt, zahlt im Standard-Tier rund 73 US-Dollar pro Cluster und Monat. Für Workloads mit langem Support-Zeitraum gibt es zusätzlich ein Premium-Tier für etwa 438 US-Dollar pro Cluster und Monat, das vor allem für Unternehmen mit verlängerten Patch- und Update-Zyklen gedacht ist.

Amazon Elastic Kubernetes Service (EKS)

EKS berechnet für jeden Cluster eine Control-Plane-Gebühr von rund 0,10 US-Dollar pro Stunde, was auf etwa 70 US-Dollar im Monat hinausläuft. Diese Gebühr fällt unabhängig von der Cluster-Größe an und kommt zu den Kosten für die Worker-Nodes hinzu, die bei EKS klassischerweise über EC2-Instanzen oder Fargate abgerechnet werden.

Google Kubernetes Engine (GKE)

GKE verlangt in der Standard-Betriebsart ebenfalls eine Control-Plane-Gebühr in ähnlicher Größenordnung wie EKS. Google positioniert GKE zusätzlich mit dem Autopilot-Modus, bei dem Nutzer nicht mehr einzelne Nodes verwalten, sondern direkt nach verbrauchten Pod-Ressourcen abgerechnet werden. Das senkt den operativen Aufwand, kann bei unregelmäßigen Lastspitzen aber zu höheren Kosten führen als klassisches Node-basiertes Billing.

Preisvergleich 2026: AKS vs. EKS vs. GKE in der Detailtabelle

Die folgende Tabelle fasst die zentralen technischen und preislichen Merkmale der drei Plattformen zusammen, Stand Oktober 2026. Alle Preisangaben basieren auf veröffentlichten Listenpreisen der Anbieter sowie aktuellen Kostenanalysen aus dem DACH-Raum.

Merkmal	AKS (Azure)	EKS (AWS)	GKE (Google Cloud)
Control-Plane-Gebühr (Standard)	~73 USD/Cluster/Monat	~0,10 USD/Cluster-Stunde (~70 USD/Monat)	~0,10 USD/Cluster-Stunde (vergleichbar)
Kostenlose Einstiegsstufe	Ja, nur Compute-Kosten	Nein, Gebühr ab erstem Cluster	Ein Zonen-Cluster pro Projekt kostenlos
Premium/Langzeit-Support-Tier	~438 USD/Cluster/Monat	Extended Support separat abrechenbar	Enterprise-Tier über GKE Enterprise
Serverless-Betriebsmodus	Virtual Nodes (Preview-Funktionen)	AWS Fargate für EKS	GKE Autopilot
Node-Konfiguration im Testszenario	8 vCPU / 32 GB RAM, 15 Nodes	8 vCPU / 32 GB RAM, 15 Nodes	8 vCPU / 32 GB RAM, 15 Nodes
Worker-Node-Kosten (Listenpreis)	~4.300 €/Monat	~4.650 €/Monat	~4.400 €/Monat
Block-Storage, 2 TB	~270 € (Premium SSD)	~180 € (gp3)	~200 € (Persistent Disk balanced)
Egress, 5 TB/Monat	~380 €	~410 €	~400 €
Gesamtkosten im Beispiel (Listenpreis)	~5.070 €/Monat	~5.370 €/Monat	~5.120 €/Monat
Gesamtkosten mit 1-Jahres-Commitment	~3.780 €/Monat	~3.970 €/Monat	~3.800 €/Monat
Maximales Rabattpotenzial (3 Jahre)	bis 57-65 % (Reserved VM Instances)	bis 66 % (Compute Savings Plans)	bis 57 % (Committed Use Discounts)
Deutsche/EU-Rechenzentrumsregion	Germany West Central (Frankfurt)	eu-central-1 (Frankfurt)	europe-west3 (Frankfurt)

Auffällig ist, dass sich die drei Plattformen beim reinen Listenpreis nur um etwa 300 € pro Monat unterscheiden. Der große Hebel liegt nicht in der Wahl des Anbieters, sondern im Commitment-Modell. Wer sich für ein Jahr bindet, drückt die Kosten im Beispielcluster um rund 1.300 € im Monat, unabhängig davon, ob AKS, EKS oder GKE zum Einsatz kommt.

Control-Plane-Gebühren: Der kleine Posten mit großer Wirkung bei vielen Clustern

Auf den ersten Blick wirken 70 bis 73 US-Dollar pro Cluster und Monat vernachlässigbar. Die Rechnung ändert sich, sobald ein Unternehmen nicht einen, sondern zehn oder zwanzig Cluster betreibt, etwa für Staging, Produktion, QA und einzelne Kundenumgebungen im Multi-Tenant-Betrieb. Bei 20 Clustern summiert sich allein die Control-Plane-Gebühr auf 1.400 bis 1.460 US-Dollar im Monat, ganz ohne Worker-Nodes.

Eine Analyse von kubernetes-administration.de beziffert die jährlichen Control-Plane-Kosten für ein Standard-Tier-Setup bei allen drei Hyperscalern auf rund 850 € pro Cluster und Jahr. Für Firmen, die konsequent auf Cluster-Konsolidierung setzen und mehrere Teams über Namespaces statt über getrennte Cluster isolieren, lässt sich dieser Posten deutlich senken. AKS erlaubt zusätzlich den kostenlosen Einstieg ganz ohne Control-Plane-Gebühr, solange keine SLA für die API-Verfügbarkeit benötigt wird, was besonders für Entwicklungs- und Testcluster relevant ist.

Worker-Node-Kosten und Instance-Pricing im Detail

Der größte Kostenblock bei jedem Managed-Kubernetes-Setup bleibt die Rechenleistung der Worker-Nodes. Im Referenzszenario mit 15 Nodes à 8 vCPU und 32 GB RAM liegt dieser Posten je nach Anbieter zwischen 4.300 € und 4.650 € im Monat, also deutlich vor Storage und Egress zusammen.

Ein Vergleich von Opsio aus April 2026 zeigt für eine Standard-VM mit 4 vCPU und 16 GB RAM in Frankfurt folgende Stundenpreise: AWS m7i.xlarge kostet etwa 0,22 US-Dollar pro Stunde, Azure D4s v5 liegt mit rund 0,21 US-Dollar pro Stunde knapp darunter. Google Cloud positioniert vergleichbare n2-Instanzen in einer ähnlichen Preisspanne, auch wenn der exakte Tarif je nach gewählter Maschinenfamilie und Region leicht variiert. Diese kleinen Unterschiede pro Stunde summieren sich bei 15 Nodes über einen Monat schnell auf mehrere hundert Euro Differenz.

Wichtig für die Praxis: Wer Spot- oder Preemptible-Instanzen für fehlertolerante Batch-Workloads einsetzt, kann die Worker-Node-Kosten bei allen drei Anbietern um 60 bis 90 Prozent gegenüber dem On-Demand-Preis senken. Das funktioniert allerdings nur für Workloads, die Unterbrechungen vertragen, etwa CI/CD-Runner, Machine-Learning-Trainingsjobs oder Batch-Verarbeitung, nicht für zustandsbehaftete Produktions-Datenbanken.

Storage- und Egress-Kosten: Das unterschätzte Preisschild

Storage und Egress wirken in den Preisrechnern der Hyperscaler oft wie Nebensächlichkeiten, machen im Beispielcluster aber zusammen bereits 550 bis 680 € im Monat aus, also mehr als 10 Prozent der Gesamtkosten.

Bei Block-Storage mit 2 TB Kapazität zeigt sich der größte relative Unterschied zwischen den Anbietern: AWS gp3 kostet im Beispiel rund 180 €, Google Persistent Disk balanced etwa 200 €, während Azure Premium SSD mit rund 270 € am teuersten abschneidet. Wer auf günstigere Storage-Klassen wie Standard-HDD oder Cold-Storage für selten genutzte Daten wechselt, kann diesen Posten oft um ein Drittel senken, muss dafür aber höhere Latenzen in Kauf nehmen.

Bei Egress-Kosten für 5 TB pro Monat liegen alle drei Anbieter mit 380 € bis 410 € enger zusammen. Entscheidend ist hier weniger der Anbieter als die Architektur: Wer Traffic zwischen Services innerhalb derselben Verfügbarkeitszone hält und Content-Delivery-Networks für öffentlich zugängliche Inhalte nutzt, reduziert den kostenpflichtigen Egress oft um die Hälfte, unabhängig von der gewählten Kubernetes-Plattform.

TCO-Beispiel: Das 15-Node-Produktionscluster in Frankfurt im Detail

Um die Gesamtbetriebskosten greifbar zu machen, lohnt sich ein Blick auf ein konkretes Rechenbeispiel für ein SaaS-Unternehmen mit 10 bis 100 Mitarbeitenden, das einen produktiven 15-Node-Cluster in der Region Frankfurt betreibt.

Kostenposition	AKS	EKS	GKE
Control-Plane	~67 €/Monat	~67 €/Monat	~67 €/Monat
Worker-Nodes (15x, Listenpreis)	~4.300 €	~4.650 €	~4.400 €
Storage (2 TB)	~270 €	~180 €	~200 €
Egress (5 TB)	~380 €	~410 €	~400 €
Summe Listenpreis	~5.070 €	~5.370 €	~5.120 €
Summe mit 1-Jahres-Commitment	~3.780 €	~3.970 €	~3.800 €
Ersparnis durch Commitment	~1.290 €/Monat	~1.400 €/Monat	~1.320 €/Monat

Auf das Jahr gerechnet bedeutet das: Ein Unternehmen, das konsequent auf ein 1-Jahres-Commitment setzt, zahlt für dieselbe Infrastruktur rund 15.500 € bis 16.800 € weniger als bei reiner Pay-as-you-go-Abrechnung. Bei größeren Clustern mit 50 oder 100 Nodes skaliert dieser Effekt proportional mit und kann schnell sechsstellige Beträge pro Jahr ausmachen.

Reserved Instances und Committed Use: Bis zu 66 Prozent sparen

Alle drei Hyperscaler bieten Rabattmodelle für vorhersehbare Workloads an, die sich in Mechanik und maximaler Ersparnis unterscheiden.

AWS Compute Savings Plans: bis zu rund 66 Prozent Rabatt bei dreijähriger Laufzeit mit voller Vorauszahlung, flexibel über verschiedene Instance-Familien hinweg einsetzbar.
Azure Reserved VM Instances: bis zu 57-65 Prozent Rabatt bei dreijähriger Bindung, ergänzt durch den flexibleren Azure Savings Plan für Workloads mit schwankendem Bedarf.
Google Committed Use Discounts: bis zu 57 Prozent Rabatt bei dreijähriger Bindung, alternativ Flexible CUDs ohne feste Bindung an eine Instance-Familie, dafür mit etwas niedrigerem Rabattsatz.

Für Teams, die noch unsicher über ihr langfristiges Wachstum sind, empfehlen sich die flexibleren Varianten wie der Azure Savings Plan oder Flexible CUDs bei Google. Wer dagegen eine stabile Baseline-Last über Jahre hinweg plant, etwa für eine etablierte Produktionsumgebung, fährt mit den starren Drei-Jahres-Commitments von AWS finanziell am besten.

Typische Fallstricke bei der Kostenkalkulation

Viele Teams kalkulieren ihre Managed-Kubernetes-Kosten zunächst nur anhand der Worker-Node-Preise und übersehen dabei mehrere wiederkehrende Posten, die sich über ein Jahr zu einem erheblichen Betrag summieren können.

Load Balancer pro Service: Wer für jeden Microservice einen eigenen Cloud-Load-Balancer anlegt statt einen Ingress-Controller zu bündeln, zahlt bei allen drei Hyperscalern mehrfach die stündliche Load-Balancer-Gebühr, die sich bei zehn Services schnell auf 150 bis 300 € im Monat summiert.
Ungenutzte Reservierungen: Reserved Instances und Committed Use Discounts sind an eine bestimmte Instance-Familie und Region gebunden. Wächst der tatsächliche Bedarf in eine andere Richtung, etwa von Compute-optimierten zu Memory-optimierten Nodes, verfällt ein Teil der eingekauften Kapazität ungenutzt.
Entwicklungs- und Testcluster im Dauerbetrieb: Staging-Umgebungen, die rund um die Uhr laufen, obwohl sie nur während der Arbeitszeit gebraucht werden, verursachen bei einem typischen 5-Node-Testcluster unnötige Zusatzkosten von mehreren hundert Euro im Monat. Ein automatisiertes Herunterskalieren auf null Nodes außerhalb der Geschäftszeiten über Werkzeuge wie KEDA oder einfache CronJobs schließt diese Lücke.
Cross-Availability-Zone-Traffic: Kommunikation zwischen Pods in unterschiedlichen Verfügbarkeitszonen wird bei AWS und Google Cloud separat abgerechnet und bleibt in vielen Kostenschätzungen unberücksichtigt, obwohl sie bei chatty Microservice-Architekturen spürbar zu Buche schlagen kann.

Ein belastbares TCO-Modell berücksichtigt deshalb nicht nur die in der Preistabelle oben aufgeführten Posten, sondern auch diese vier wiederkehrenden Nebenkosten. Erfahrungsgemäß liegt die tatsächliche Rechnung am Ende eines Jahres zwischen 15 und 30 Prozent über der ursprünglichen Schätzung, wenn diese Punkte in der Planungsphase nicht explizit eingepreist wurden.

Deutsche und europäische Alternativen zu AKS, EKS und GKE

Neben den drei Hyperscalern hat sich in Deutschland eine Reihe spezialisierter Anbieter für Managed Kubernetes etabliert, die mit niedrigeren Einstiegspreisen und Rechenzentren ausschließlich in der EU werben.

Anbieter	Einstiegspreis	Control-Plane	Worker-Abrechnung
centron (cStack)	ab 29,99 €/Monat (6 vCPU, 12 GB RAM)	im Starter-Preis enthalten	Pauschaltarife je Plan
ScaleUp Technologies	ab 50 €/Monat (Single-Node Control Plane)	50 € Single-Node / 150 € HA	0,02 €/CPU-Core/Std., 0,005 €/GB RAM/Std., 0,12 €/GB SSD/Monat
STACKIT Kubernetes Engine	nutzungsbasiert, kein Fixpreis	stündliche Gebühr je Cluster	separate Compute-Engine-Instanzen
INGATE (München)	ab Cluster-Management-Gebühr 99,99 €/Monat	HA Control Plane ohne Aufpreis	14,99 € pro Worker-vCPU, 0,30 €/GB NVMe-Storage

Der größte Unterschied zu AKS, EKS und GKE liegt nicht nur beim Preis, sondern bei der Infrastruktur selbst. Anbieter wie STACKIT, centron, ScaleUp und INGATE betreiben ihre Rechenzentren vollständig in Deutschland, was für Unternehmen mit Anforderungen nach DSGVO, BSI-Grundschutz oder branchenspezifischen Compliance-Vorgaben ein entscheidendes Argument sein kann. Der Kompromiss: Das globale Netzwerk an Regionen, verwalteten Zusatzdiensten wie Machine-Learning-Plattformen oder Serverless-Integrationen fehlt bei den deutschen Anbietern meist, da sie sich bewusst auf Kubernetes-Hosting konzentrieren statt auf ein komplettes Cloud-Ökosystem.

Benchmarks: Performance, Skalierung und Verfügbarkeit im Vergleich

Preis ist nur die halbe Wahrheit. Für den produktiven Einsatz zählen auch Skalierungsgeschwindigkeit, Verfügbarkeit der Control Plane und die Qualität der Autoscaling-Mechanismen.

Eine Analyse von alekseialeinikov.com zu den Kostenoptimierungsstrategien 2026 hebt hervor, dass AKS bei der Free-Tier-Variante bewusst auf eine SLA verzichtet, was für Entwicklungsumgebungen ausreichend Stabilität bietet, für produktionskritische Systeme aber ein Risiko darstellt, wenn kein Upgrade auf den Standard- oder Premium-Tier erfolgt. Die Analyse von cmt.de zum Vergleich zwischen verwaltetem Cluster und Eigenbetrieb kommt zum Schluss, dass sich die reine Control-Plane-Gebühr von rund 0,10 US-Dollar pro Stunde bei allen drei Hyperscalern kaum unterscheidet, die eigentlichen Unterschiede aber in den operativen Kosten für Patch-Management und Incident-Response im Eigenbetrieb liegen.

Der TCO-Vergleich von kubernetes-administration.de für SaaS-Unternehmen mit 10 bis 100 Mitarbeitenden bestätigt zudem, dass sich bei allen drei Hyperscalern ähnliche Skalierungsmuster zeigen: Horizontal Pod Autoscaling reagiert bei AKS, EKS und GKE innerhalb von wenigen Minuten auf Lastspitzen, während Cluster Autoscaling für neue Nodes je nach Instance-Typ und Region zwischen zwei und sieben Minuten benötigt. Für Workloads mit sehr kurzen, heftigen Lastspitzen, etwa Flash-Sale-Szenarien im E-Commerce, empfiehlt sich deshalb eine Kombination aus Autoscaling und einem festen Puffer an Reserve-Nodes, unabhängig vom gewählten Anbieter.

Bei der Verfügbarkeit der Control Plane selbst unterscheiden sich die SLA-Zusagen nur in Nuancen: Alle drei Hyperscaler sichern im jeweiligen Standard- beziehungsweise Premium-Tier eine Verfügbarkeit von 99,9 bis 99,95 Prozent im Monat zu, sofern die Cluster über mehrere Verfügbarkeitszonen verteilt sind. Fällt die Zonen-Verteilung weg, etwa bei einem bewusst auf eine einzelne Zone beschränkten Testcluster, sinkt die effektive Verfügbarkeit in der Praxis deutlich, unabhängig vom vertraglich zugesicherten Wert. Für produktionskritische Systeme ist die Verteilung über mindestens drei Zonen deshalb wichtiger als die Frage, welcher der drei Hyperscaler im Einsatz ist.

Sicherheit und Compliance: RBAC, Netzwerk-Policies und Zertifizierungen

Neben dem Preis entscheidet die Sicherheitsarchitektur mit darüber, welche Plattform für ein Unternehmen in Frage kommt. Alle drei Hyperscaler unterstützen rollenbasierte Zugriffskontrolle (RBAC) sowie Netzwerk-Policies auf Basis des Kubernetes-Standards, setzen diese aber unterschiedlich tief in ihre jeweilige Identity-Infrastruktur ein. AKS verzahnt RBAC direkt mit Azure Active Directory, sodass bestehende Unternehmens-Logins ohne zusätzliche Synchronisation für den Cluster-Zugriff genutzt werden können. EKS verlässt sich auf AWS IAM-Rollen, die über das sogenannte aws-auth-ConfigMap oder die neuere EKS-Access-Entries-API mit Kubernetes-RBAC verknüpft werden. GKE bindet Cluster-Zugriffe an Google Cloud IAM und bietet mit Workload Identity eine Möglichkeit, Pods ohne statische Schlüssel an GCP-Dienste zu authentifizieren.

Bei Zertifizierungen liegen die drei Hyperscaler nah beieinander: ISO 27001, SOC 2 und eine Reihe branchenspezifischer Nachweise sind bei AKS, EKS und GKE gleichermaßen vorhanden. Der Unterschied entsteht erst bei der Frage, wo die Daten physisch liegen und wer theoretisch Zugriff auf die Infrastruktur hat. Für Unternehmen im Finanz- oder Gesundheitssektor, die nach BSI-Grundschutz oder branchenspezifischen DACH-Vorgaben arbeiten, ist die Antwort oft einfacher, wenn der gesamte Stack bei einem deutschen Anbieter wie STACKIT, centron oder INGATE liegt, da sich Datenstandort und Betreiberverantwortung ohne internationale Vertragskonstruktionen klären lassen.

Netzwerk-Policies, also die Regeln dafür, welcher Pod mit welchem anderen Pod kommunizieren darf, funktionieren bei allen Plattformen über Standard-Kubernetes-APIs, benötigen aber je nach Cloud einen passenden CNI-Plugin-Unterbau. AKS nutzt standardmäßig Azure CNI oder Kubenet, EKS setzt auf das Amazon VPC CNI Plugin, GKE verwendet eine eigene Dataplane-V2-Implementierung auf Basis von Cilium. Für Teams, die Netzwerk-Policies intensiv einsetzen, etwa zur Isolierung von Mandanten in einer Multi-Tenant-Architektur, lohnt sich ein genauer Blick auf die jeweilige CNI-Performance, da sich hier spürbare Unterschiede bei Latenz und Durchsatz zeigen können.

Observability und Logging: Die versteckten Zusatzkosten

Ein Kostenposten, der in vielen ersten Kalkulationen fehlt, ist Observability. Logs, Metriken und Traces aus einem 15-Node-Cluster erzeugen schnell mehrere Gigabyte an Daten pro Tag, und alle drei Hyperscaler berechnen die Aufnahme und Speicherung dieser Daten separat von den reinen Kubernetes-Kosten.

Bei Azure Monitor für Container Insights fällt eine Gebühr pro aufgenommenem Gigabyte an Log-Daten an, die bei einem mittelgroßen Cluster schnell dreistellige Eurobeträge pro Monat erreichen kann, sobald Debug-Level-Logging dauerhaft aktiv bleibt. Amazon CloudWatch Container Insights funktioniert nach einem ähnlichen Prinzip, berechnet zusätzlich aber auch die Anzahl der erfassten benutzerdefinierten Metriken. Google Cloud Operations (vormals Stackdriver) bietet für GKE ein kostenloses Kontingent, das für kleinere Cluster oft ausreicht, bei dem die Kosten aber ab einem bestimmten Datenvolumen ebenfalls linear ansteigen.

In der Praxis setzen viele Teams deshalb auf eine Kombination aus den nativen Cloud-Tools für Basis-Monitoring und einer separaten Open-Source-Lösung wie Prometheus und Grafana für detailliertes Debugging, um die laufenden Kosten zu begrenzen. Wichtig ist, Log-Retention-Zeiten bewusst zu konfigurieren: Wer Debug-Logs nach sieben Tagen automatisch löscht statt sie dreißig Tage vorzuhalten, kann die Observability-Kosten oft um 40 bis 50 Prozent senken, ohne bei der Fehlersuche spürbar an Informationstiefe zu verlieren.

5 Praxisbeispiele: So setzen Unternehmen Managed Kubernetes ein

Die folgenden Szenarien basieren auf typischen Einsatzmustern, wie sie in den ausgewerteten Kostenanalysen für den DACH-Raum beschrieben werden, und zeigen, wie unterschiedlich die Anforderungen je nach Unternehmensgröße und Branche ausfallen.

Beispiel 1: SaaS-Startup mit 15 Mitarbeitenden

Ein junges SaaS-Unternehmen mit 15 Mitarbeitenden betreibt zunächst ein kleines Staging-Cluster über den kostenlosen AKS-Einstiegstarif, bei dem nur die zugrunde liegenden Compute-Ressourcen berechnet werden. Für die Produktionsumgebung folgt ein separates Cluster im Standard-Tier mit SLA, aber bewusst mit wenigen, dafür etwas größeren Nodes, um die Anzahl der zu verwaltenden Control-Plane-Instanzen gering zu halten. Die monatlichen Gesamtkosten bewegen sich im niedrigen vierstelligen Eurobereich, der Fokus liegt klar auf geringem operativem Aufwand und nicht auf maximaler Kostenoptimierung, da das kleine Team keine Kapazität für tiefgehendes Cost-Engineering hat.

Beispiel 2: Mittelständischer Softwarehersteller (50 bis 100 Mitarbeitende)

Ein etablierter Softwarehersteller betreibt ein 15-Node-Produktionscluster, das exakt dem Referenzszenario dieses Vergleichs entspricht. Nach einer ersten Betriebsphase von sechs Monaten mit reinem On-Demand-Betrieb wechselt das Team zu einem 1-Jahres-Commitment, sobald die durchschnittliche Auslastung stabil genug ist, um die Bindung zu rechtfertigen. Die monatlichen Kosten sinken dadurch von rund 5.100 € auf etwa 3.800 €, eine Ersparnis von mehr als 15.000 € im Jahr, die direkt ins Engineering-Budget zurückfließt.

Beispiel 3: E-Commerce-Plattform mit saisonalen Lastspitzen

Ein Online-Händler deckt die Grundlast über reservierte Instanzen ab und fängt Lastspitzen zu Aktionszeiten wie dem Jahresendgeschäft über zusätzliche On-Demand-Nodes und aggressives Cluster-Autoscaling ab. Diese Mischstrategie sorgt dafür, dass die Infrastruktur an 350 Tagen im Jahr kosteneffizient läuft, an den verkaufsstärksten 15 Tagen aber ausreichend Kapazität bereitsteht, ohne dass das Unternehmen Kapazität für Spitzenlasten dauerhaft vorhalten und bezahlen muss.

Beispiel 4: Behörde oder Versicherung mit Datenschutzauflagen

Eine Versicherung mit strengen Auflagen zur Datenresidenz entscheidet sich gegen einen der drei internationalen Hyperscaler und wechselt zu einem deutschen Anbieter wie STACKIT oder INGATE. Ausschlaggebend ist nicht allein der Preis, sondern die Möglichkeit, gegenüber Aufsichtsbehörden und internen Revisionsteams lückenlos nachzuweisen, dass sämtliche Daten ausschließlich in deutschen Rechenzentren verarbeitet werden. Der Migrationsaufwand amortisiert sich laut Erfahrungswerten aus vergleichbaren Projekten innerhalb von zwölf bis achtzehn Monaten durch geringeren Audit-Aufwand.

Beispiel 5: Machine-Learning-Team mit Batch-Trainingsjobs

Ein Machine-Learning-Team trennt seine Workloads bewusst in zwei Kategorien: Trainingsjobs, die stunden- oder tagelang laufen und Unterbrechungen vertragen, und Inference-Services, die durchgehend verfügbar sein müssen. Für die Trainingsjobs kommen Spot- beziehungsweise Preemptible-Nodes zum Einsatz, wodurch sich die Rechenkosten gegenüber dem On-Demand-Preis um bis zu 90 Prozent senken lassen. Die produktiven Inference-Services laufen dagegen weiterhin über reservierte, garantiert verfügbare Kapazität, um Nutzeranfragen ohne Verzögerung durch neu gestartete Instanzen zu beantworten.

Für wen eignet sich welche Plattform? Use-Case-Empfehlungen

Die Wahl zwischen AKS, EKS, GKE und deutschen Alternativen hängt stark vom bereits vorhandenen Technologie-Stack und den Compliance-Anforderungen ab.

Unternehmen mit bestehender Microsoft-365- und Active-Directory-Landschaft: AKS reduziert den Integrationsaufwand bei Identity- und Access-Management erheblich und profitiert vom kostenlosen Einstiegstarif für Testumgebungen. Teams, die bereits Azure DevOps für ihre CI/CD-Pipelines einsetzen, sparen sich zusätzlich eine separate Authentifizierungsschicht zwischen Build-System und Cluster.
Teams mit tiefem AWS-Ökosystem (Lambda, RDS, S3): EKS bleibt trotz etwas höherer Control-Plane- und Worker-Kosten die konsistentere Wahl, weil sich IAM-Rollen und Netzwerkintegration nahtlos fortsetzen lassen. Wer bereits Services wie Amazon RDS oder SQS im Einsatz hat, vermeidet mit EKS zusätzliche Cross-Cloud-Latenz und doppelte Abrechnungsmodelle.
Datenintensive und ML-getriebene Workloads: GKE Autopilot und die enge Integration mit Vertex AI sprechen für Google Cloud, besonders wenn BigQuery oder andere GCP-Datendienste bereits im Einsatz sind. Die automatische Knotenverwaltung von Autopilot nimmt Data-Science-Teams zudem die Infrastrukturarbeit ab, die sie sonst neben der eigentlichen Modellentwicklung leisten müssten.
Öffentliche Verwaltung, Gesundheitswesen, Finanzsektor in Deutschland: Deutsche Anbieter wie STACKIT, centron oder INGATE bieten durch Rechenzentren im Inland oft die einfachere Antwort auf Compliance-Fragen als internationale Hyperscaler. Das verkürzt in der Regel auch die internen Freigabeprozesse mit Datenschutzbeauftragten und Rechtsabteilung, da keine Diskussion über Drittlandtransfers nötig wird.
Kleine Teams ohne dedizierte Platform-Engineering-Ressourcen: Pauschaltarife wie bei centron ab 29,99 € im Monat oder ScaleUp Technologies reduzieren die Komplexität gegenüber der granularen, aber unübersichtlichen Abrechnung der Hyperscaler. Das erleichtert zudem die Budgetplanung, da die monatliche Rechnung kaum von versteckten Zusatzposten wie Egress oder API-Calls abhängt.
Multi-Cloud-Strategien zur Vermeidung von Lock-in: Eine Kombination aus einem Hyperscaler für Kernworkloads und einem europäischen Anbieter als Fallback oder für sensible Daten minimiert das Abhängigkeitsrisiko. Werkzeuge wie Cluster API oder Crossplane helfen dabei, die Verwaltung mehrerer Cluster über verschiedene Anbieter hinweg zu vereinheitlichen, statt für jede Plattform ein eigenes Tooling zu pflegen.

Unabhängig von der konkreten Empfehlung gilt: Die Entscheidung für AKS, EKS, GKE oder einen deutschen Anbieter lässt sich selten allein anhand der monatlichen Rechnung treffen. Bestehendes Team-Know-how, vorhandene Vertragsbeziehungen und die Frage, wie viele weitere Cloud-Dienste neben Kubernetes benötigt werden, wiegen in der Praxis oft schwerer als ein Preisunterschied von wenigen hundert Euro im Monat.

Migrations-Guide: Von Eigenbetrieb oder zwischen Cloud-Anbietern wechseln

Ein Wechsel der Kubernetes-Plattform, etwa von einem selbst betriebenen Cluster zu AKS, EKS oder GKE, oder zwischen zwei Hyperscalern, lässt sich in sieben Schritten strukturieren.

Bestandsaufnahme aller Workloads, Ressourcenanforderungen (CPU, RAM, Storage) und Abhängigkeiten zu Managed Services wie Datenbanken oder Message Queues.
Export aller Kubernetes-Manifeste und Helm-Charts in ein versioniertes Git-Repository, um die Konfiguration anbieterunabhängig vorzuhalten.
Aufbau des Zielclusters parallel zum bestehenden System, inklusive Netzwerk-Policies, RBAC-Rollen und Storage-Klassen.
Migration zustandsloser Services zuerst, da sie sich ohne Datenverlustrisiko zwischen Clustern verschieben lassen.
Migration zustandsbehafteter Services über Datenbank-Replikation oder Snapshot-Restore, mit einem definierten Wartungsfenster.
Umstellung des DNS- und Load-Balancer-Routings auf den neuen Cluster, idealerweise über ein schrittweises Canary-Verfahren mit steigendem Traffic-Anteil.
Stilllegung des alten Clusters erst nach einer Beobachtungsphase von mindestens zwei Wochen ohne Fehlerhäufung.

Für den technischen Export eignet sich ein einfacher Befehl, um alle Ressourcen eines Namespace zu sichern, bevor die Migration beginnt:

kubectl get all,configmap,secret,pvc -n produktion -o yaml > backup-produktion.yaml

# Zielcluster-Kontext setzen und Ressourcen einspielen
kubectl config use-context ziel-cluster
kubectl apply -f backup-produktion.yaml

Werkzeuge wie Velero automatisieren Backup und Restore inklusive persistenter Volumes und eignen sich besonders, wenn der Zielcluster bei einem anderen Anbieter liegt als der Quellcluster, da sich Storage-Formate zwischen AKS, EKS und GKE unterscheiden können.

Ein häufig unterschätzter Teil der Migration ist die Anpassung der Storage-Klassen. Persistent Volumes, die auf Azure Premium SSD formatiert wurden, lassen sich nicht direkt auf AWS gp3 oder Google Persistent Disk übertragen, sondern müssen über einen Snapshot-Export und -Import oder eine Replikationslösung auf Anwendungsebene migriert werden. Teams sollten dafür ein eigenes Zeitfenster von mehreren Tagen einplanen, insbesondere bei Datenbanken im zweistelligen Terabyte-Bereich.

Auch die Kostenkontrolle während der Migration verdient Aufmerksamkeit: Für die Übergangszeit laufen Quell- und Zielcluster parallel, was die monatliche Rechnung vorübergehend nahezu verdoppeln kann. Wer die Migration auf einen festen Zeitraum von zwei bis vier Wochen begrenzt und den alten Cluster danach konsequent abschaltet, hält diesen Effekt überschaubar. Ohne klaren Enddatum für die Stilllegung bleiben alte Cluster in der Praxis erfahrungsgemäß deutlich länger aktiv als geplant und verursachen unnötige Doppelkosten.

Vor- und Nachteile von AKS, EKS und GKE im Überblick

AKS: Vorteile und Nachteile

Vorteil: Echter kostenloser Einstieg ohne Control-Plane-Gebühr für nicht-produktive Umgebungen.
Vorteil: Starke Integration in bestehende Microsoft-Umgebungen und Active Directory.
Nachteil: Mit rund 270 € im Monat die teuerste Storage-Option im Vergleich der drei Plattformen.

EKS: Vorteile und Nachteile

Vorteil: Größtes Ökosystem an Drittanbieter-Tools und die tiefste Integration in den Rest von AWS.
Vorteil: Höchstes Rabattpotenzial bei Drei-Jahres-Commitment mit bis zu 66 Prozent über Compute Savings Plans.
Nachteil: Im Referenzszenario mit rund 5.370 € im Monat die teuerste Gesamtlösung zu Listenpreisen.

GKE: Vorteile und Nachteile

Vorteil: Autopilot-Modus reduziert den operativen Aufwand für Teams ohne dedizierte Platform-Engineering-Kapazitäten.
Vorteil: Ausgewogene Kosten bei Storage und Egress im Mittelfeld zwischen AKS und EKS.
Nachteil: Autopilot-Preismodell kann bei stark schwankenden Workloads teurer ausfallen als klassisches Node-basiertes Billing.

Deutsche Alternativen: Vorteile und Nachteile

Vorteil: Einstiegspreise ab 29,99 € im Monat, deutlich unter den Hyperscaler-Listenpreisen.
Vorteil: Rechenzentren ausschließlich in Deutschland, was Compliance-Nachweise vereinfacht.
Nachteil: Kleineres Ökosystem an Managed Services jenseits von Kubernetes selbst.

Fazit: Das sagt die Datenlage zu AKS vs. EKS vs. GKE

Die Zahlen aus dem Oktober 2026 zeichnen ein klares Bild: Beim reinen Listenpreis liegen AKS, EKS und GKE für ein vergleichbares 15-Node-Produktionscluster in Frankfurt mit 5.070 € bis 5.370 € im Monat nah beieinander. Der Unterschied zwischen dem günstigsten und dem teuersten Angebot beträgt rund 300 € im Monat, also etwa 6 Prozent. Wer sich ausschließlich am Listenpreis orientiert, trifft damit keine falsche, aber auch keine besonders folgenreiche Entscheidung.

Der eigentliche Hebel liegt im Commitment-Modell: Ein 1-Jahres-Vertrag senkt die Kosten bei allen drei Anbietern um 1.300 € bis 1.400 € im Monat, also mehr als 25 Prozent. Das ist ein deutlich größerer Effekt als die Wahl zwischen den Hyperscalern selbst. Für Unternehmen mit stabilem Workload-Volumen ist ein Commitment deshalb die wichtigste Einzelmaßnahme zur Kostenoptimierung, noch vor der Wahl der Plattform.

Für Unternehmen mit Compliance-Anforderungen oder begrenztem Budget lohnt sich zusätzlich der Blick auf deutsche Anbieter wie STACKIT, centron oder ScaleUp Technologies, die mit Einstiegspreisen ab 29,99 € im Monat deutlich unter den Hyperscaler-Tarifen liegen, dafür aber ein kleineres Service-Ökosystem bieten. Die pragmatischste Strategie für die meisten DACH-Unternehmen bleibt eine Kombination: Hyperscaler für Kernworkloads mit hohem Integrationsbedarf, ergänzt durch ein Commitment-Modell und, wo nötig, eine europäische Alternative für besonders sensible Daten.

Am Ende lässt sich die Entscheidung auf drei Leitfragen verdichten: Wie stabil ist die erwartete Last über die nächsten zwölf bis 36 Monate, welche Managed Services jenseits von Kubernetes werden tatsächlich gebraucht, und welche Anforderungen stellen Datenschutz oder Branchenregulierung an den Standort der Infrastruktur. Wer diese drei Fragen klar beantworten kann, trifft die Wahl zwischen AKS, EKS, GKE und den deutschen Alternativen in der Regel schneller und mit weniger nachträglichen Kostenüberraschungen, als es ein reiner Preisvergleich auf den ersten Blick vermuten lässt.

Weiterführende technische Details zur Kubernetes-Architektur liefert die offizielle Kubernetes-Dokumentation. Aktuelle Preisangaben lassen sich direkt bei Azure, AWS und Google Cloud einsehen. Eine vertiefende Einordnung der Control-Plane-Kosten bietet die Analyse von cmt.de zum Vergleich zwischen Managed Service und Eigenbetrieb.

Häufig gestellte Fragen zu AKS, EKS und GKE

Welcher Managed-Kubernetes-Dienst ist 2026 am günstigsten?

Im Referenzszenario mit 15 Nodes in Frankfurt ist AKS mit rund 5.070 € im Monat zu Listenpreisen knapp am günstigsten, vor GKE mit etwa 5.120 € und EKS mit etwa 5.370 €. Der Unterschied von rund 300 € ist jedoch kleiner als die Ersparnis, die ein 1-Jahres-Commitment bei jedem der drei Anbieter bringt.

Was kostet die Control Plane bei AKS, EKS und GKE?

EKS und GKE verlangen im Standard-Betrieb rund 0,10 US-Dollar pro Cluster-Stunde, was etwa 70 US-Dollar im Monat entspricht. AKS bietet zusätzlich eine kostenlose Einstiegsstufe ohne SLA sowie ein Standard-Tier für rund 73 US-Dollar im Monat und ein Premium-Tier für rund 438 US-Dollar im Monat für Workloads mit langem Support-Zeitraum.

Lohnt sich ein deutscher Anbieter wie STACKIT oder centron gegenüber den Hyperscalern?

Für Unternehmen mit strengen Datenschutzanforderungen oder begrenztem Budget kann sich das lohnen. centron bietet Managed Kubernetes bereits ab 29,99 € im Monat an, deutlich unter den Hyperscaler-Preisen. Der Kompromiss ist ein kleineres Ökosystem an Zusatzdiensten verglichen mit AWS, Azure oder Google Cloud.

Wie viel spart ein 1-Jahres-Commitment bei Managed Kubernetes?

Im Referenzbeispiel sinken die monatlichen Gesamtkosten durch ein 1-Jahres-Commitment von rund 5.070 € bis 5.370 € auf etwa 3.780 € bis 3.970 €, abhängig vom Anbieter. Das entspricht einer Ersparnis von rund 25 bis 27 Prozent gegenüber dem Listenpreis.

Welche Rolle spielen Storage-Kosten beim Gesamtbudget?

Bei 2 TB Block-Storage liegen die Kosten zwischen 180 € bei AWS gp3 und 270 € bei Azure Premium SSD. Zusammen mit den Egress-Kosten machen Storage und Datentransfer im Referenzszenario rund 10 bis 13 Prozent der Gesamtkosten aus und werden in vielen Budgetplanungen unterschätzt.

Was ist GKE Autopilot und wann lohnt sich der Einsatz?

GKE Autopilot ist ein Betriebsmodus von Google Kubernetes Engine, bei dem nicht einzelne Nodes, sondern verbrauchte Pod-Ressourcen abgerechnet werden. Das senkt den operativen Verwaltungsaufwand, kann aber bei stark schwankenden Lasten teurer werden als klassisches Node-basiertes Billing mit manuellem oder Cluster-Autoscaling.

Wie migriere ich einen Kubernetes-Cluster ohne Ausfallzeit?

Der sicherste Weg führt über den parallelen Aufbau des Zielclusters, die Migration zustandsloser Services zuerst, ein Canary-Routing mit steigendem Traffic-Anteil auf den neuen Cluster und eine Beobachtungsphase von mindestens zwei Wochen, bevor der alte Cluster abgeschaltet wird. Werkzeuge wie Velero helfen beim Sichern und Wiederherstellen von persistenten Volumes während der Migration.

Welche Spot-Instanz-Ersparnis ist bei Kubernetes-Workloads realistisch?

Für fehlertolerante Workloads wie CI/CD-Runner, Batch-Verarbeitung oder Machine-Learning-Training lassen sich mit Spot- beziehungsweise Preemptible-Instanzen bei allen drei Hyperscalern Einsparungen von 60 bis 90 Prozent gegenüber dem On-Demand-Preis erzielen. Für zustandsbehaftete Produktionsdienste sind Spot-Instanzen wegen des Unterbrechungsrisikos ungeeignet.

Was kosten Logging und Monitoring zusätzlich zum reinen Kubernetes-Betrieb?

Azure Monitor, Amazon CloudWatch Container Insights und Google Cloud Operations berechnen die Aufnahme und Speicherung von Logs und Metriken getrennt von den Kubernetes-Kosten, meist pro aufgenommenem Gigabyte. Bei einem mittelgroßen Cluster mit dauerhaft aktivem Debug-Logging kann dieser Posten einen dreistelligen Eurobetrag im Monat erreichen. Eine bewusste Begrenzung der Log-Retention auf sieben bis vierzehn Tage senkt diese Kosten in der Praxis häufig um 40 bis 50 Prozent.

AKS vs. EKS vs. GKE: 6.500€ Kubernetes-Vergleich [2026]