PicnicAI automatisiert 85–90 % der Kubernetes-Workloads – und gewinnt Zuverlässigkeit mit PerfectScale by DoiT

Vom manuellen Right-Sizing zur Automatisierung

PicnicAI begann die Zusammenarbeit mit DoiT im Rahmen einer umfassenderen Initiative zur Cloud-Kostenoptimierung. DoiT führte PerfectScale ein, damit das Team die Ressourcennutzung auf Workload-Ebene versteht und die Kubernetes-Optimierung automatisieren kann.

PerfectScale kombiniert granulare Kubernetes-Transparenz mit automatisiertem, Workload-spezifischem Right-Sizing und hilft Teams, CPU und Speicher zu optimieren, ohne auf ständiges manuelles Monitoring angewiesen zu sein.

Bei PicnicAI erfolgte die Einführung bewusst schrittweise. Zunächst konzentrierte sich das Team darauf, die Zuverlässigkeit zu verbessern und Vertrauen in die Empfehlungen aufzubauen, bevor die Automatisierung nach und nach ausgeweitet wurde.

Ineffiziente Konfigurationen aufspüren

Mit den InfraFit-Funktionen von PerfectScale konnte PicnicAI ineffiziente Infrastrukturkonfigurationen identifizieren und erkennen, wo Workloads nicht zu den bereitgestellten Ressourcen passten.

"Mit InfraFit von PerfectScale ist es viel einfacher zu sagen: Okay, hier verschwenden wir tatsächlich Ressourcen, weil der Zuschnitt nicht zu unseren Workloads passt", sagt Zarrabi. "Das gibt mir mehr Sicherheit, Änderungen vorzunehmen, auch wenn wir nicht immer den vollen Kontext zu den ursprünglichen Entscheidungen haben."

Automatisierung plus Experten-Support

Die Technologie war nur ein Teil der Lösung. Die Field-Engineering- und Customer-Success-Teams von DoiT arbeiteten eng mit PicnicAI zusammen, um dem Team das Verhalten von Kubernetes näherzubringen und zu bestimmen, wo Automatisierung sicher eingeführt werden konnte.

Dazu gehörten die Analyse des Zusammenspiels von HPA (Horizontal Pod Autoscaling) und Cluster Autoscaler, die Anpassung von Schwellenwerten und die Einführung kontrollierter Richtlinien für Ressourcenanforderungen.

Dank der Policy- und Guardrail-Funktionen von PerfectScale konnte PicnicAI steuern, wo und wie optimiert wird – statt die Automatisierung einfach pauschal für alle Workloads zu aktivieren.

Sensiblere Workloads wurden vorsichtig behandelt, während die Automatisierung schrittweise auf Produktions-, Staging- und Entwicklungsumgebungen ausgeweitet wurde.

Für Zarrabi war der laufende technische Support neben der Plattform ein wichtiger Bestandteil der Zusammenarbeit. "Es ist gut, wenn jemand mit draufschaut und mich in die Pflicht nimmt", sagt er. "Einfach sicherzustellen, dass wir das Maximum aus dem Produkt herausholen – das ist hilfreich."

85–90 % der Workloads jetzt automatisiert

Die größte operative Veränderung ist die Abkehr vom manuellen Ressourcenmanagement. Vor PerfectScale hatte PicnicAI kein automatisiertes Workload-Resizing im Einsatz. Heute deckt das automatisierte Resizing rund 85–90 % der Workloads in den Anwendungsclustern ab.

Ressourcenanforderungen können damit kontinuierlich optimiert werden, ohne dass Engineers einzelne Workloads manuell prüfen und anpassen müssen.

Höhere Zuverlässigkeit und weniger Ablenkung durch Infrastrukturthemen

Die Vorteile gehen über die Optimierung selbst hinaus. PicnicAI verzeichnet weniger speicherbedingte Probleme und weniger von den Betriebsstörungen, die früher mit falsch dimensionierten Workloads einhergingen.

"Es ist einfach eine lästige Sache weniger, um die man sich kümmern muss", sagt Zarrabi.

Für eine schlanke Engineering-Organisation ist dieser Wandel besonders bedeutsam. Durch die stärkere Automatisierung des Infrastrukturmanagements konnte PicnicAI die Kapazität des Teams erhöhen und mehr Projekte im gesamten Unternehmen vorantreiben – ohne zusätzlichen operativen Aufwand.

Statt immer wieder zu untersuchen, warum Jobs fehlschlagen, Warteschlangen entstehen oder Datenbanken unnötig belastet werden, können sich Engineers stärker strategischen Infrastruktur- und Produktinitiativen widmen.

Kosteneffizienz als zusätzlicher Vorteil

Zuverlässigkeit war das Hauptziel der Zusammenarbeit – aber nicht das einzige Ergebnis. Weil das Right-Sizing von PerfectScale Workload-spezifisch arbeitet, konnte PicnicAI auch die Überprovisionierung abbauen, die sich früher aufgebaut hatte, wenn Ressourcenlimits einmal geschätzt und nie wieder überprüft wurden – und so neben dem Zugewinn an Zuverlässigkeit auch unnötige Infrastrukturausgaben reduzieren.

"Der Zugewinn an Zuverlässigkeit war für uns wirklich wichtig, und die Kosteneinsparungen waren ein schöner zusätzlicher Vorteil", sagt Zarrabi.

Für ein schlankes Team, das ohnehin viele Prioritäten jongliert, ist Automatisierung damit eine Investition, die sich leicht rechtfertigen lässt: Sie erzwingt keinen Kompromiss zwischen einem straffen Infrastrukturbudget und zuverlässigen Systemen – sie liefert beides.

Mehr Engineering-Kapazität für wertschöpfende Aufgaben

Der geringere Aufwand für manuelles Kubernetes-Management gibt den Engineers von PicnicAI Raum für längerfristige Projekte – etwa die Ablösung von Jenkins für Continuous Integration und die Erkundung neuer KI-Initiativen.

Der Wert der Zusammenarbeit geht damit weit über das Zuverlässigkeitsproblem hinaus, für dessen Lösung sie ursprünglich gedacht war. Durch die Automatisierung einer Aufgabe, die zuvor Engineering-Urteilsvermögen und manuelles Eingreifen erforderte, hat PicnicAI zugleich die Infrastrukturkosten gesenkt, knappe technische Kapazitäten freigesetzt und den Engineers mehr Sicherheit im Umgang mit historischen Konfigurationen gegeben, die sie nicht selbst aufgesetzt haben.

"Man will seine Zeit mit Dingen verbringen, die nützlich sind", sagt Zarrabi. "Das Raten von Speicher- und CPU-Limits gehört nicht dazu."

PicnicAI plant, die Rolle von PerfectScale mit der Weiterentwicklung seiner Kubernetes-Umgebung weiter auszubauen – mit mehr Automatisierung für zusätzliche Workloads und der schrittweisen Einbeziehung sensiblerer Produktionsinfrastruktur.

Außerdem wird das Unternehmen weiterhin auf die umfassende Cloud-Expertise von DoiT zurückgreifen, während sich seine Plattform und seine KI-Initiativen weiterentwickeln. Für PicnicAI ist das Ziel klar: die Infrastrukturoptimierung überall dort automatisieren, wo es möglich ist, die Zuverlässigkeit für kritische Healthcare-Workloads sicherstellen – und den Engineers ermöglichen, weniger Zeit mit Kubernetes-Management und mehr Zeit mit Technologie zu verbringen, die die Behandlungsergebnisse von Patienten verbessern kann.

PicnicAI ist ein Health-Tech-Unternehmen, das Intelligenz entwickelt, um die menschliche Gesundheit voranzubringen. Seine Technologie verarbeitet und validiert große Mengen medizinischer Daten, hilft Pharmaforschenden, Beobachtungsstudien effizienter durchzuführen, und unterstützt Patienten dabei, ihre Behandlung besser zu steuern.

Die Cloud-Infrastruktur des Unternehmens spielt für diese Mission eine zentrale Rolle. PicnicAI betreibt acht bis neun Kubernetes-Cluster für automatisierte Workloads, deren CPU- und Speicheranforderungen je nach verarbeiteten Daten stark variieren können. Zuverlässige Infrastruktur bedeutet für PicnicAI letztlich, dass sich die Engineers auf Healthcare-Innovation konzentrieren können, statt ihre Zeit mit manuellem Kubernetes-Management zu verbringen.