Was kostet „kostenlose“ quelloffene Software tatsächlich?
Microsoft Presidio ist eine sehr gute, gut gepflegte quelloffene Programmbibliothek. Sie ist wirklich leistungsfähig, wirklich flexibel und als Software wirklich kostenlos. Die Kosten liegen nicht in der Lizenz. Sie entstehen durch die Entwicklungsarbeit, die nötig ist, um aus einer Python-Bibliothek einen zuverlässigen, rechtskonformen Dienst für den produktiven Einsatz zu machen.
Beim Betrieb von Presidio auf eigenen Servern fallen Kosten in drei Bereichen an:
- Phase 1: Ersteinrichtung – einmalige Kosten für den Aufbau des Dienstes
- Phase 2: Laufende Wartung – monatlich wiederkehrende Kosten für den Betrieb
- Infrastrukturkosten – wiederkehrende Kosten für Cloud-Infrastruktur oder eigene Hardware
Für die gesamte Analyse setzen wir 100 $ pro Entwicklungsstunde an. Das ist eine vorsichtige Schätzung für eine Backend-Entwicklungskraft mit mittlerer Berufserfahrung in Westeuropa oder Nordamerika. Passen Sie den Satz an Ihren Markt an.
Phase 1: Ersteinrichtung (2,4–5,2 Wochen Entwicklungszeit)
Für einen produktionsreifen Presidio-Dienst reicht pip install presidio-analyzer bei Weitem nicht aus:
| Aufgabe | Stunden (unterer Wert) | Stunden (oberer Wert) | Anmerkungen |
|---|---|---|---|
| Presidio einrichten und erstmals konfigurieren | 8 | 16 | spaCy-Modelle, eigene Erkenner |
| REST-API als Schnittstelle (FastAPI/Flask) | 16 | 32 | Endpunkte, Authentifizierung, Ratenbegrenzung, Fehlerbehandlung |
| Bereitstellung in Docker-Containern | 8 | 16 | Dockerfile, docker-compose, Zustandsprüfungen |
| Infrastruktur einrichten (K8s/ECS/VM) | 16 | 40 | Automatische Skalierung, Lastverteilung, Netzwerkanbindung |
| Überwachung und Benachrichtigungen | 8 | 16 | Anbindung von Prometheus, Grafana und PagerDuty |
| CI/CD-Ablauf | 8 | 16 | Erstellung, Tests und Bereitstellung automatisieren |
| Sicherheitsmaßnahmen | 8 | 24 | WAF, Verwaltung geheimer Zugangsdaten, TLS, rollenbasierte Zugriffskontrolle (RBAC) |
| Tests (Einheiten, Zusammenspiel, Last) | 16 | 32 | Genauigkeit mit gekennzeichneten Daten prüfen |
| Dokumentation und Betriebsanleitungen | 8 | 16 | API-Dokumentation, Anleitungen für den Betrieb |
| Stunden für die Einrichtung insgesamt | 96 | 208 | 2,4–5,2 Wochen bei 40 Stunden pro Woche |
| Kosten der Einrichtung (bei 100 $/Stunde) | 9.600 $ | 20.800 $ |
Phase 2: Laufende Wartung (20–46 Stunden pro Monat)
Ein Presidio-Dienst läuft nicht dauerhaft ohne Betreuung. Er erfordert fortlaufende Entwicklungsarbeit:
| Wartungsaufgabe | Stunden/Monat (unterer Wert) | Stunden/Monat (oberer Wert) |
|---|---|---|
| Presidio-Versionen aktualisieren und testen | 2 | 6 |
| spaCy- und Transformer-Modelle aktualisieren | 2 | 4 |
| Sicherheitsaktualisierungen (Betriebssystem, Python, Abhängigkeiten) | 2 | 4 |
| Falsch positive und falsch negative Ergebnisse verringern | 4 | 8 |
| Neue Arten personenbezogener Daten entwickeln | 4 | 8 |
| Auf Störungen reagieren und Fehler untersuchen | 2 | 8 |
| Kapazität planen und skalieren | 2 | 4 |
| Dokumentation aktualisieren | 2 | 4 |
| Monatliche Stunden insgesamt | 20 | 46 |
| Monatliche Kosten (bei 100 $/Stunde) | 2.000 $ | 4.600 $ |
Infrastrukturkosten
Presidio lädt spaCy- und/oder Transformer-Modelle in den Arbeitsspeicher. Für den produktiven Einsatz mit mehreren Sprachen und angemessenem Durchsatz benötigen Sie mehr als eine kleine virtuelle Maschine:
| Komponente | Monatliche Kosten (unterer Wert) | Monatliche Kosten (oberer Wert) |
|---|---|---|
| Rechenleistung (2–4 virtuelle Prozessorkerne, 8–16 GB Arbeitsspeicher, × 2 für Hochverfügbarkeit) | 120 $ | 480 $ |
| Lastverteiler | 18 $ | 50 $ |
| Speicher (Modelle, Protokolle, Sicherungskopien) | 20 $ | 80 $ |
| Überwachung und Protokollierung (Datadog, CloudWatch) | 50 $ | 200 $ |
| Verwaltung geheimer Zugangsdaten (AWS Secrets Manager, Vault) | 10 $ | 40 $ |
| Monatliche Infrastrukturkosten insgesamt | 218 $ | 850 $ |
Verdeckte Kosten: Aktualisierungen, Sicherheit und eigene Datenarten
Bei der anfänglichen Entscheidung zwischen Eigenentwicklung und Einkauf werden mehrere Kostenarten systematisch unterschätzt:
Neue Rechtsvorschriften umsetzen: Kommt eine neue Vorschrift hinzu, etwa Artikel 10 der EU-KI-Verordnung oder ein Datenschutzgesetz eines US-Bundesstaats, erfordert Ihr angepasster Presidio-Dienst Entwicklungsarbeit. Sie müssen die erforderlichen Arten personenbezogener Daten ergänzen, die Dokumentation aktualisieren und Berichte zur Einhaltung der Vorschriften erstellen. Jede solche Aktualisierung kostet 8–40 Entwicklungsstunden.
Weitere Sprachen unterstützen: Für eine neue Sprache müssen Sie neue spaCy-Modelle herunterladen und testen, die Genauigkeit anhand gekennzeichneter Daten prüfen und Ihren CI/CD-Ablauf aktualisieren. Pro Sprache sind das 8–24 Stunden.
Genauigkeit nach Aktualisierungen prüfen: Nach jeder Aktualisierung von Presidio oder spaCy müssen Sie Ihren gekennzeichneten Testdatensatz erneut durchlaufen lassen. So prüfen Sie, ob die Genauigkeit gesunken ist. Für Aufbau und Pflege dieses Datensatzes fallen anfangs 20–80 Stunden und je Aktualisierungszyklus weitere 4–8 Stunden an.
Kosten der Rufbereitschaft: Ein produktiver Dienst zur Erkennung personenbezogener Daten braucht Rufbereitschaft. Selbst wenn Störungen selten sind, kostet die Verfügbarkeit des Personals Geld. Bei einer Rotation mit 3 Personen und moderaten Bereitschaftssätzen sind das 300–1.500 $ pro Monat.
Die vollständige Gesamtkostenrechnung über 12 Monate
| Kostenart | Jahr 1 (unterer Wert) | Jahr 1 (oberer Wert) |
|---|---|---|
| Ersteinrichtung (Entwicklungsarbeit) | 9.600 $ | 20.800 $ |
| Monatliche Wartung (12 Monate) | 24.000 $ | 55.200 $ |
| Infrastruktur (12 Monate) | 2.616 $ | 10.200 $ |
| Aktualisierungen wegen neuer Rechtsvorschriften (geschätzt 1/Jahr) | 800 $ | 4.000 $ |
| Zusätzliche Sprachen (geschätzt 2/Jahr) | 1.600 $ | 4.800 $ |
| Rufbereitschaft | 3.600 $ | 18.000 $ |
| Gesamtkosten über 12 Monate | 42.216 $ | 113.000 $ |
Der Mittelwert von ungefähr 75.000 $ pro Jahr ergibt sich aus den Annahmen dieses Modells. Er ist kein gemessener Marktvergleichswert.
Wann der Betrieb auf eigenen Servern sinnvoll ist – und wann ein verwalteter Dienst
Presidio auf eigenen Servern zu betreiben ist sinnvoll, wenn:
- Ihr Anwendungsfall stark spezialisiert ist und tiefgreifende Anpassungen erfordert, die kein verwalteter Dienst unterstützt
- Sie so viele Daten verarbeiten, dass API-Preise pro Anfrage untragbar werden
- Sie in einer vollständig vom Internet getrennten Umgebung arbeiten
- Sie bereits Infrastruktur für maschinelles Lernen betreiben und ein bestehendes Team die Presidio-Arbeit übernehmen kann
- Sie eigene Modelle für die Verarbeitung natürlicher Sprache trainieren müssen, um fachspezifische Arten personenbezogener Daten zu erkennen
Ein verwalteter Dienst ist sinnvoll, wenn:
- Infrastruktur für die Verarbeitung natürlicher Sprache nicht Ihr Kerngeschäft ist
- Sie innerhalb von Tagen statt Wochen einsatzbereit sein müssen
- Ihr gemessenes Dokumentenvolumen, die Dokumentgrößen und die Personalkosten dazu führen, dass Preise pro Anfrage günstiger sind als der Eigenbetrieb (es gibt keine allgemein gültige Menge, ab der sich eine Variante rechnet)
- ein unterzeichneter Auftragsverarbeitungsvertrag (AVV) nach Artikel 28 und eine namentliche Liste der Unterauftragsverarbeiter für Ihre Prüfung ausreichen (das Rechenzentrum von Hetzner ist nach ISO 27001 zertifiziert, das Unternehmen selbst nicht; ein SOC-2-Bericht oder ein Prüfbericht unabhängiger Dritter liegt nicht vor)
- Ihrem Team vertiefte Kenntnisse in Python, der Verarbeitung natürlicher Sprache und dem Betrieb von Modellen für maschinelles Lernen fehlen
Von selbst betriebenem Presidio zu anonymize.solutions wechseln
Die gehostete Plattform anonym.legal baut auf Presidio-Komponenten auf. Daher bleiben die grundlegenden Konzepte erhalten. Ihre API-Routen, Authentifizierung, ihr Verzeichnis der Datenarten und ihre Voreinstellungen sind jedoch eigenständig. Bei einem Wechsel müssen Sie deshalb Datenarten und Voreinstellungen zuordnen und die Ergebnisse durch Wiederholungstests prüfen. Wir behaupten keine gleiche Erkennungsgenauigkeit, da für keine der beiden Einrichtungen ein Vergleichstest zur Genauigkeit vorliegt. Es ändert sich, wer die Infrastruktur betreibt.
So könnte ein Wechsel ablaufen. Die tatsächliche Dauer hängt von Ihren eigenen Erkennern, Anbindungen, Prüfanforderungen und dem Umfang des Parallelbetriebs ab. Schätzen Sie sie deshalb erst ein, nachdem Sie Ihre bestehende Bereitstellung geprüft haben:
- Tag 1–2: API-Schlüssel bereitstellen, Endpunkte konfigurieren, mit vorhandenen gekennzeichneten Daten testen
- Tag 3–5: Anbindungen bestehender API-Nutzer testen und prüfen, ob dieselben Datenarten wie in der bisherigen Konfiguration abgedeckt sind
- Woche 2: Eigene Erkennungsmuster in die Konfiguration eigener Voreinstellungen des verwalteten Dienstes übertragen
- Woche 3: Beide Systeme parallel betreiben und ihre Ergebnisse vergleichen
- Woche 4: Auf den neuen Dienst umstellen und die selbst betriebene Infrastruktur außer Betrieb nehmen
Grenzen und ehrliche Einschränkungen
Ein Modell für Gesamtkosten hat Grenzen. Die Zahlen hier sind repräsentative Spannen, kein Angebot. Ihre tatsächlichen Kosten hängen vom Datenvolumen, der Anzahl unterstützter Sprachen und dem Aufwand für eigene Erkenner ab. Für Teams mit freien Entwicklungskapazitäten für die Verarbeitung natürlicher Sprache, strengen Regeln gegen die Weitergabe von Daten an Dritte oder einem so kleinen Arbeitsvolumen, dass der Wartungsaufwand gering bleibt, ist Presidio auf eigenen Servern weiterhin die bessere Wahl. Die Kostenschwelle verschiebt sich mit jedem dieser Faktoren. Nutzen Sie die Zahlen daher als Grundlage für Ihre Rechnung, nicht als abschließendes Urteil.