Amazon SageMaker – Preise

Arbeiten Sie zusammen und erstellen Sie Inhalte schneller mit vertrauten AWS-Tools für die Modellentwicklung, die Entwicklung von Anwendungen für generative KI, die Datenverarbeitung und SQL-Analysen, die durch Amazon Q Developer beschleunigt werden. Sie können einheitlich auf alle Ihre Daten zugreifen, unabhängig davon, ob sie in Data Lakes, Data Warehouses oder im Verbund genutzten Datenquellen gespeichert sind, und die integrierte Governance erfüllt die Sicherheitsanforderungen Ihres Unternehmens. Bei der Nutzung von Amazon SageMaker berechnet Ihnen AWS die Preise für jeden von Ihnen genutzten AWS-Service. Die Preise für die einzelnen Hauptfunktionen von SageMaker sind unten zusammengefasst.

SageMaker Unified Studio ist eine einzige Daten- und KI-Entwicklungsumgebung, die eine integrierte Erfahrung bietet, um all Ihre Daten und Tools für Analysen und KI zu nutzen. SageMaker Unified Studio verwendet Amazon SageMaker Catalog, der auf Amazon DataZone entwickelt ist, für durchgängige Governance und Zugriffskontrolle über Entitäten wie Domains, Projekte und Assets. Ihre Nutzung von SageMaker Catalog wird Ihnen in Rechnung gestellt. SageMaker Unified Studio bietet außerdem vollständig verwaltete Notebooks mit standardmäßig einem integrierten KI-Agenten für die Datenanalyse, der SQL-, Python- und natürliche Sprachinteraktionen in einer einzigen Umgebung unterstützt. Darüber hinaus gelten für AWS-Service, den Sie über das SageMaker Unified Studio nutzen, eigene Preise. Dazu gehören AWS-Speicher- und Rechendienste sowie alle Dienste von Drittanbietern, beispielsweise Git-Anbieter.

Um Ihre Kosten genau abzuschätzen, sehen Sie sich unten die individuellen Preise für die verschiedenen AWS-Services an, die in SageMaker Unified Studio verfügbar sind. Detaillierte Preisinformationen finden Sie auf den offiziellen AWS-Preisseiten für jeden AWS-Service, den Sie nutzen möchten.

Quick-Setup-Option

AWS bietet eine , die Ihnen den Einstieg in die Erstellung einer auf dem AWS IAM Identity Center (IdC) basierenden Domain erleichtert. Für alle Netzwerkressourcen, die AWS in Ihrem Namen einrichtet, fallen zusätzliche Gebühren an, wenn Sie die Schnellinstallationsoption für die IDC-basierte Domain-Erstellung wählen. Die genauen Kosten hängen von der Kontokonfiguration ab. Löschen Sie alle ungenutzten Ressourcen, um unnötige Kosten zu vermeiden. Um einen vollständigen Überblick über die Kosten während des IDC-basierten Domain-Erstellungsprozesses zu erhalten, folgen Sie der Option für die zur manuellen Einrichtung.

Das kostenlose Kontingent für SageMaker Unified Studio hilft Ihnen, schnell und kostenlos mit Innovationen im Bereich Daten und KI zu beginnen, indem es eine Auswahl an Funktionen anbietet, die immer kostenlos sind und Ihre aktuellen AWS-Kontingentzuweisungen oder Pay-per-Use-Vereinbarungen (PPAs) für AWS-Services, die Sie über das SageMaker Unified Studio nutzen, einhält.

Stets kostenlose Features

Kernanfragen im SageMaker Unified Studio, einschließlich der Ersteinrichtung durch manuelle Erstellung von IDC-basierten Domänen, Projektmanagement, Benutzerverwaltung und Verwaltung von Richtlinienzuschüssen, werden kostenlos bereitgestellt, um Sie bei der Einrichtung und Navigation Ihrer SageMaker Unified Studio-Umgebung zu unterstützen. Die vollständige Liste der kostenlosen Anfragen finden Sie unten auf dieser Preisseite.

Weitere Vorteile des kostenlosen AWS-Kontingents

AWS berücksichtigt und überträgt Ihre aktuellen Zuweisungen des kostenlosen AWS-Kontingents oder nutzungsbasierten Vereinbarungen (PPAs) für AWS-Services, die Sie über SageMaker Unified Studio nutzen, beispielsweise Amazon SageMaker AI und Amazon Redshift. Dies beinhaltet ein monatliches kostenloses AWS-Kontingent für SageMaker-Katalog, SageMaker-Notebooks, JupyterLab IDE, Amazon Q, Metadatenspeicher und API-Anfragen. Für Amazon SageMaker-Notebooks bietet AWS für die ersten 2 Monate ein kostenloses Nutzungskontingent von 250 Stunden der sc.t3.medium-Instance auf Notebook-Instances an. Bitte beachten Sie, dass die Vorteile des kostenlosen AWS-Kontingents mit Ihrem AWS-Konto verknüpft sind. Jede Nutzung über Servicekonsolen oder andere Schnittstellen verbraucht auch Ihr verfügbares Kontingent. Sie können die verbleibenden Vorteile des kostenlosen AWS-Kontingents weiterhin über SageMaker Unified Studio oder andere AWS-Schnittstellen nutzen, bis das gesamte Kontingent aufgebraucht ist oder der Zeitraum des kostenlosen AWS-Kontingents abläuft. Weitere Informationen finden Sie in den Preisdetails unten.

Amazon SageMaker-Notebooks bieten Daten- und KI-Teams eine leistungsstarke, serverlose Programmierumgebung für Analysen und maschinelles Lernen. Es kombiniert die Einfachheit einer interaktiven, browserbasierten Oberfläche mit der Skalierbarkeit von Amazon Athena für Apache Spark und ermöglicht es Dateningenieuren, Analysten und Datenwissenschaftlern, SQL-Abfragen durchzuführen, Python-Code auszuführen, umfangreiche Datenjobs zu verarbeiten und Visualisierungen zu erstellen — alles in einem einzigen Arbeitsbereich.

Der von Ihnen gewählte Instance-Typ und der Speicher werden Ihnen auf der Grundlage der Nutzungsdauer in Rechnung gestellt.

SageMaker Data Agent ist ein KI-Agent in SageMaker-Notebooks, der Datenabfragen, explorative Datenanalysen und Modellentwicklung für maschinelles Lernen beschleunigt. Der SageMaker Data Agent lässt sich in Ihren Datenkatalog integrieren, versteht den Notebook-Kontext und begründet dies anhand von Analyse- und ML-Anforderungen, um Code zu generieren, der Ihre Tabellen und Spalten korrekt referenziert. SageMaker Data Agent folgt einem Pay-as-you-go-Preismodell. Die Kosten richten sich nach der Anzahl der verbrauchten Datenagenten-Credits.

Eine Gutschrift ist eine Arbeitseinheit, die als Reaktion auf Ihre Eingabeaufforderungen berechnet wird.  Einfache Aufforderungen, z. B. das Bitten um Hilfe für eine einzelne Funktion oder das schnelle Durchsuchen von Daten, verbrauchen weniger als 1 Credit. Für komplexere Eingabeaufforderungen, z. B. das Generieren einer vollständigen Datentransformations-Pipeline oder das Erstellen eines ML-Modell-Training-Workflows, wird mehr als 1 Credit verbraucht. Credits werden bis zur zweiten Dezimalstelle abgerechnet, sodass der Mindestguthabenverbrauch für jede Anfrage 0,01 Credits beträgt. Diese flexible Preisgestaltung ermöglicht es Ihnen, proportional für den Wert der einzelnen Aufgaben zu zahlen.

Beispielsweise können Sie eine gesamte Datentransformations-Pipeline in 4 bis 8 Credits (insgesamt 15 bis 30 Cent) generieren, abhängig vom Notizbuchkontext und den im Katalog verfügbaren Datensätzen. Aufgaben, die normalerweise stundenlanges manuelles Codieren, Debuggen falscher Tabellenverweise und Iterationen an der Pipeline-Logik erfordern würden, können in wenigen Minuten zu minimalen Kosten erledigt werden. 

Die nächste Generation von Amazon SageMaker basiert auf einer offenen Lakehouse-Architektur, die all Ihre Daten aus Amazon Simple Storage Service (Amazon S3) Data Lakes und Amazon Redshift Data Warehouses vereinheitlicht, sodass Sie leistungsstarke Analyse- und KI/ML-Anwendungen auf einer einzigen Datenkopie erstellen können. Sie zahlen nur für die Ressourcen, die Sie nutzen, was eine kostengünstige Skalierung Ihrer Data Lake-Infrastruktur ermöglicht. Für Metadatenspeicher und API-Anfragen gelten die Preise für den AWS-Glue-Datenkatalog, einschließlich des kostenlosen AWS-Kontingents. Die Kosten für Datenspeicherung und Zugriff hängen von Ihrer Wahl zwischen Amazon S3 oder Amazon Redshift Managed Storage (RMS) ab, mit denen jeweils Speicher- und Rechenkosten verbunden sind. Für die automatische Erfassung von Statistiken und die Wartung der Apache-Iceberg-Tabellen fallen je nach Nutzung zusätzliche Gebühren an. Differenzierte Berechtigungen, die von AWS Lake Formation bereitgestellt werden, werden ohne zusätzliche Kosten zur Verfügung gestellt. Die genauesten und detailliertesten Preisinformationen finden Sie unter Lakehouse Pricing.

SageMaker AI folgt einem nutzungsabhängigen Preismodell ohne Vorabverpflichtungen oder Mindestgebühren. Zu den wichtigsten Preisdimensionen für SageMaker AI gehören Instance-Nutzung (Rechenressourcen, die für Training, Hosting und Notebook-Instances verwendet werden), Speicher (Amazon-SageMaker-Notebooks, Volumes von Amazon Elastic Block Store (Amazon EBS) und Amazon S3), Datenverarbeitungsjobs, Modellbereitstellung und MLOps (Amazon SageMaker Pipelines und Model Monitor). Für zusätzliche Komponenten wie die Tools SageMaker AI Feature Store und Data Wrangler gelten möglicherweise eigene Preisüberlegungen. Die tatsächlichen Kosten können abhängig von Faktoren wie der AWS-Region, den Instance-Typen, dem Speichervolume und bestimmten Nutzungsmustern variieren. Die genauesten und detailliertesten Preisinformationen finden Sie unter SageMaker AI - Preise.

Amazon Bedrock bietet ein flexibles, verbrauchsorientiertes Preismodell. Sie zahlen nur für die Amazon-Bedrock-Ressourcen, die Sie nutzen, ohne jegliche Mindestgebühren oder Vorabverpflichtungen. Die Preise richten sich nach Ihrer Nutzung von Amazon Bedrock, wie z. B. den Features Agents, Flows, Knowledge Bases, Functions und Guardrails, und den Modellen, die über Amazon Bedrock verfügbar sind. Die genauesten und detailliertesten Preisinformationen finden Sie unter Amazon Bedrock - Preise.

SQL mit Amazon Redshift bietet ein flexibles, verbrauchsorientiertes Preismodell. Sie zahlen nur für die Rechenressourcen, die Sie nutzen, ohne Mindestgebühren oder Vorabverpflichtungen. Die Preisgestaltung basiert auf der Anzahl der Knoten und der verwendeten Instance-Stunden, wobei die Kosten je nach Knotentyp variieren. Das Modell umfasst Optionen für On-Demand- und Reserved Instances, wobei letztere Kosteneinsparungen für langfristige Verpflichtungen bieten. Die genauesten und detailliertesten Preisinformationen finden Sie unter Amazon Redshift - Preise.

SageMaker Data Processing, das Funktionen von Amazon Athena, Amazon EMR, AWS Glue und Amazon Managed Workflows für Apache Airflow (Amazon MWAA) vereint, bietet ein flexibles nutzungsabhängiges Preismodell ohne Vorabverpflichtungen oder Mindestgebühren. Die Preisstruktur basiert auf der Nutzung verschiedener Komponenten, einschließlich Rechenressourcen, Speicher und spezifischer Tools innerhalb des Dienstes. Sie zahlen für die tatsächlich verbrauchten Ressourcen, die je nach Faktoren wie AWS-Region, Instance-Typen und Nutzungsmustern variieren können. Die genauesten und detailliertesten Preisinformationen finden Sie auf den Preisseiten von Athena, Amazon EMR, AWS Glue und Amazon MWAA.

Amazon Q Developer ist in SageMaker Unified Studio verfügbar, um Entwicklungsaufgaben wie Programmieren, Testen, Sicherheitsscannen, Ressourcenoptimierung und Datenintegration zu unterstützen. Amazon Q berechnet feste Kosten pro Benutzer und Monat. Die genauesten und detailliertesten Preisinformationen finden Sie unter Amazon Q Developer - Preise.

Die nächste Generation von SageMaker vereinfacht die Erkennung, Governance und Zusammenarbeit von Daten und KI in Ihrem Lakehouse, Ihren KI-Modellen und Anwendungen. Mit SageMaker Catalog, der auf Amazon DataZone basiert, können Sie Zugriffsrichtlinien konsistent definieren und durchsetzen, indem Sie ein einziges Berechtigungsmodell mit differenzierten Zugriffskontrollen verwenden.

SageMaker Catalog folgt einem nutzungsabhängigen Preismodell ohne Vorabverpflichtungen oder Mindestgebühren. Die Preisgestaltung basiert auf vier Hauptdimensionen: Anfragen, Metadatenspeicherung, Berechnung und KI-Empfehlungen für die Erstellung von Geschäftsbeschreibungen. Jedes Konto erhält pro Abrechnungsmonat etwas kostenlose Nutzung, einschließlich einer bestimmten Menge an Metadatenspeicher, API-Anfragen und Recheneinheiten. Gebühren fallen nur an, wenn die Nutzung diese kostenlosen Limits überschreitet. Der Dienst bietet Kern-APIs, die immer kostenlos sind und nicht auf das Anforderungslimit angerechnet werden. Die Preise für jede der Dimensionen und die zulässige kostenlose Nutzung werden unten beschrieben.

Amazon SageMaker Catalog bietet eine generative KI-basierte Funktion zur Verbesserung der Datenermittlung, des Datenverständnisses und der Datennutzung, indem der Geschäftsdatenkatalog erweitert wird. Mit einem einzigen Schritt können Datenproduzenten umfassende Beschreibungen und den Kontext von Geschäftsdaten erstellen, informative Spalten hervorheben und Empfehlungen zu analytischen Anwendungsfällen geben. Für die Generierung von Unternehmensnamen, Spaltenbeschreibungen, Asset-Beschreibungen und analytischen Anwendungsfällen in KI-Empfehlungen für Beschreibungen werden Ihnen Eingabe- und Ausgabetoken in Rechnung gestellt. Tokens sind eine grundlegende Einheit, die einige Textzeichen darstellt. Eingabe-Token bestehen aus den Asset-Metadaten und dem Prompt-Text, der zur Generierung von Empfehlungen verwendet wird, und werden mit 0,015 USD pro 1 000 Token berechnet. Ausgabe-Token bestehen aus dem Empfehlungstext, den Amazon SageMaker Catalog Ihnen zurückgibt, und werden mit 0,075 USD pro 1 000 Token berechnet.