Ihre Pinecone-Rechnung lag letztes Quartal bei 52 $. Dieses Quartal sind es 1.300 $, und Sie haben nichts geändert außer Erfolg zu haben. Mehr Nutzer, mehr Dokumente, mehr Abfragen — genau das Wachstum, das Sie wollten — und jede Einheit davon wird mit 16 bis 18 $ pro Million Read Units zusätzlich zum Speicher abgerechnet. Das ist der Moment, in dem Self-Hosting aufhört, ein Engineering-Hobby zu sein, und zu einer Finanzfrage wird: Ab welchem Punkt ist eine feste Box mit Qdrant oder Milvus günstiger als der Pro-Query-Zähler, und wie beweisen Sie das, bevor Sie migrieren?
Dieser Beitrag erläutert, wie Pinecone Serverless tatsächlich abrechnet, was ein selbst gehostetes Qdrant- oder Milvus-Deployment wirklich kostet, wenn man die Engineering-Zeit mitrechnet, die Break-even-Rechnung, die Ihren Kipppunkt lokalisiert, und wie beide Seiten in Ihrer Buchhaltung landen — denn ein Server, den Sie besitzen, und eine Rechnung, die Sie bezahlen, sind nicht dieselbe Art von Geld.
Wie Pinecone Serverless tatsächlich abrechnet
Die Serverless-Preise von Pinecone haben vier Stellschrauben, und nur eine davon verhält sich wie ein Abonnement. Der Standard-Plan hat ein monatliches Minimum von 50 $ — das zahlen Sie auch in einem ruhigen Monat — und darüber zahlen Sie nutzungsabhängig auf drei Nutzungsdimensionen plus Egress.
Speicher ist die kleinste Stellschraube: 0,33 $ pro GB pro Monat. Ein Index mit 10 Millionen Vektoren aus 1536-dimensionalen Embeddings umfasst etwa 60 GB, also rund 20 $ im Monat. Niemand migriert wegen des Speichers.
Read Units sind die Stellschraube, die die Rechnung bewegt. Standard berechnet 16 bis 18 $ pro Million Read Units, wobei die Sätze je nach Cloud-Region variieren, und jede Abfrage verbraucht Read Units ungefähr proportional dazu, wie viel des Index sie scannt. Write Units sind mit 4 bis 4,50 $ pro Million günstiger, was bei der Massenaufnahme und beim Re-Embedding zählt, aber bei einer leseintensiven RAG-Workload in den Hintergrund tritt. Seit September 2026 wird Egress über die enthaltenen 100 GB pro Monat hinaus mit 0,10 $ pro GB abgerechnet — eine Position, die es vor einem Jahr kaum gab und die heute eine eigene Zeile in Ihrer Tabelle verdient.
Der kostenlose Starter-Tarif (2 GB Speicher, 1 Million Read Units und 2 Millionen Write Units pro Monat) deckt Prototypen wunderbar ab, und genau deshalb kommt die Rechnung als Überraschung: Der kostenlose Tarif endet genau dann, wenn die Nutzung zu wachsen beginnt. Kostenvergleiche von Drittanbietern beziffern eine Produktions-Workload mit 10 Millionen Vektoren auf Pinecone Serverless mit 1.300 $ oder mehr pro Monat und 50 Millionen 768-dimensionale Vektoren mit 300 bis 800 $ je nach Abfragevolumen. Bei 100 Millionen Vektoren wurden pod-basierte Pinecone-Deployments auf 5.000 bis 15.000 $ pro Monat geschätzt. Verifizieren Sie die aktuellen Listenpreise, bevor Sie budgetieren — jeder Anbieter ändert die Abrechnung mindestens einmal im Jahr —, aber die Form der Kurve ist stabil: Die Kosten von Pinecone skalieren mit Ihrem Erfolg, linear und für immer.
Was selbst gehostetes Qdrant und Milvus wirklich kosten
Self-Hosting ersetzt einen Zähler durch eine flache Linie: feste Infrastruktur plus Engineering-Zeit. Die beiden führenden Open-Source-Engines, beide unter Apache 2.0 lizenziert, ziehen diese flache Linie auf unterschiedlicher Höhe.
Qdrant ist der leichtere Weg. Es ist eine einzelne Rust-Binary mit bescheidenem Speicherbedarf, starker Payload-Filterung und aggressiver Quantisierung — sein 4-Bit-TurboQuant kann den RAM für dichte Vektoren um etwa das Achtfache reduzieren, und einfache int8-Quantisierung etwa um die Hälfte. Eine Sammlung mit 10 Millionen Vektoren, die bei voller Präzision 60 GB benötigt, passt quantisiert in unter 10 GB — das ist der Unterschied zwischen einer 150-$-Box und einer 600-$-Box. Eine bekannte Migrations-Fallstudie bezifferte selbst gehostetes Qdrant auf Kubernetes mit etwa 850 $ pro Monat an Infrastruktur für eine Workload, die auf Pinecone 8.400 $ pro Monat kostete. Kleinere Setups laufen weit günstiger: Ein einzelner dedizierter Server mit 64 GB RAM kostet etwa 100 bis 300 $ Miete im Monat und hält bequem zig Millionen quantisierter Vektoren.
Milvus ist der schwerere Weg mit der höheren Obergrenze. Es ist ein verteiltes, cloud-natives System — separate Komponenten für Koordination, Data Nodes, Query Nodes und Storage —, was bedeutet, dass es über eine Milliarde Vektoren hinaus skaliert, aber auch, dass Sie einen Cluster betreiben, keine Binary. Schätzungen von Drittanbietern beziffern selbst gehostetes Milvus mit 600 bis 1.200 $ pro Monat an Infrastruktur für eine Workload mit 50 Millionen Vektoren und mit 2.000 bis 5.000 $ bei 100 Millionen Vektoren. In diesem Maßstab unterbietet es gemanagte Alternativen noch immer um die Hälfte oder mehr, aber die Lücke zwischen Qdrant-einfach und Milvus-komplex ist echtes Engineering-Personal.
Dieses Personal ist die Zeile, die jeder unterschätzt. Dieselbe Fallstudie, die die Infrastruktur von selbst gehostetem Qdrant mit 850 $ pro Monat bezifferte, rechnete eine Viertelstelle eines Engineers hinzu — voll belastet rund 5.000 $ pro Monat — für den Betrieb. Versions-Upgrades, Index-Tuning, Backup-Restores, Anrufe um 3 Uhr nachts: Der Zähler, den Sie Pinecone nicht mehr zahlen, wandelt sich teilweise in Gehalt um. Ein fairer Vergleich fügt diese Zeile immer hinzu. Wenn Sie bereits Kubernetes betreiben und bereits jemanden für Alarmierungsdienste haben, können die Grenzkosten nahe null liegen; wenn Sie Ihren ersten Plattform-Engineer einstellen würden, um einen Cluster zu betreuen, ist Self-Hosting gerade um 150.000 $ pro Jahr teurer geworden.
Es gibt auch einen Mittelweg, der eine Preisbewertung verdient: gemanagtes Open Source. Qdrant Cloud rechnet nach tatsächlichen Cluster-Ressourcen ohne festes Minimum ab, bezahlte Cluster beginnen bei etwa 25 $ pro Monat, und es gibt einen wirklich kostenlosen 1-GB-Cluster für kleine Workloads. Zilliz Cloud, das gemanagte Milvus des ursprünglichen Teams, berechnet die Serverless-Nutzung mit etwa 4 $ pro Million vCUs bei einem kostenlosen Tarif von 5 GB und 2,5 Millionen vCUs pro Monat. Beide liegen preislich typischerweise zwischen Pinecone und Self-Hosting und halten den operativen Aufwand nahe null — die richtige Antwort, wenn Ihr Abfragevolumen den kostenlosen Tarif von Pinecone überwachsen hat, aber nicht Ihre Toleranz gegenüber Bereitschaftsdienst.
Die Kipppunkt-Rechnung: Ihren Break-even-Punkt finden
Die Break-even-Formel passt auf eine Karteikarte. Self-Hosting gewinnt in dem Monat, in dem:
Feste Infrastruktur + Engineering-Zeit schlägt Speicher + (Read Units × Abfragen) + Writes + Egress
Rechnen Sie mit Ihren eigenen Rechnungen der letzten drei Monate, nicht mit Anbieter-Rechnern, denn Ihr Verhältnis von Read Units pro Abfrage ist die eine Zahl, die kein Vergleichsartikel Ihnen liefern kann. Ziehen Sie die Rechnungspositionen heraus, teilen Sie Read Units durch bediente Abfragen, und Sie haben Ihre Stückkosten. Dann bepreisen Sie die feste Seite: eine dedizierte Box oder Cloud-VM, dimensioniert auf Ihren quantisierten Index, plus den ehrlichen Anteil eines Engineers.
Ein durchgerechnetes Beispiel macht die Form konkret. Nehmen Sie ein RAG-Produkt mit 10 Millionen 1536-dimensionalen Vektoren und 5 Millionen Abfragen pro Monat, das monatlich um 20 Prozent wächst. Auf Pinecone Serverless platzieren Schätzungen von Drittanbietern diese Workload heute bei rund 1.300 $ pro Monat — und bei 20 Prozent monatlichem Abfragewachstum verdoppelt sie sich etwa alle vier Monate. Selbst gehostetes Qdrant, auf int8 quantisiert, passt mit dem Index in etwa 30 GB RAM: ein dedizierter 64-GB-Server zu sagen wir 200 $ pro Monat plus eine Viertel-Engineering-Stelle zu 5.000 $ voll belastet ergibt rund 5.200 $. Das sieht nach einem Verlust aus — bis Sie die Linien verlängern. Die Pinecone-Linie verdoppelt sich alle vier Monate (1.300 $, dann 2.600 $, dann 5.200 $), während die Self-Hosting-Linie flach bleibt. Der Kipppunkt liegt etwa im achten Monat, und jeder Monat danach vergrößert die Lücke zu Ihren Gunsten. Schnelleres Wachstum rückt den Kipppunkt näher; flache Nutzung erreicht ihn vielleicht nie.
Aus den veröffentlichten Vergleichen ergeben sich drei grobe Zonen. Unter etwa einer Million Vektoren mit mäßigen Abfragen gewinnt Serverless klar — der kostenlose Tarif von Pinecone oder das 50-$-Minimum schlägt die Zeit jedes Engineers. Zwischen etwa 10 und 50 Millionen Vektoren mit stetem Abfragevolumen liegt die Kippzone, in der die Antwort von Ihrer Wachstumsrate abhängt und davon, ob Sie bereits Plattform-Engineering haben. Jenseits von 100 Millionen Vektoren mit ernsthafter Abfragelast gewinnt selbst gehostetes Qdrant oder Milvus fast immer allein auf Basis der Infrastruktur, oft um 50 bis 75 Prozent.
Eine Warnung: Modellieren Sie Ihr Wachstum, nicht Ihre Gegenwart. Teams, die die Entscheidung an der heutigen Rechnung ausrichten und eine monatliche Wachstumskurve von 20 Prozent ignorieren, führen diese gesamte Analyse sechs Monate später unter Termindruck erneut durch — die teuerstmögliche Art zu migrieren.
CapEx oder OpEx? Wie beide Seiten in Ihrer Buchhaltung landen
Hier hören die beiden Optionen auf, austauschbar zu sein, denn ein Server, den Sie besitzen, und eine Rechnung, die Sie bezahlen, sind verschiedene Arten von Geld mit unterschiedlichem steuerlichem Timing.
Rechnungen von Pinecone, Qdrant Cloud und Zilliz Cloud sind Betriebsausgaben, abzugsfähig im Jahr der Zahlung. Die einzige Ermessensfrage ist die Zuordnung: Wenn die Vektordatenbank direkt Abfragen für ein Produkt bedient, für das Kunden bezahlen, gehört ihre Kosten in die Herstellungskosten (Cost of Goods Sold) neben Ihre übrige Hosting-Infrastruktur, wo sie die Bruttomarge ehrlich reduziert. Wenn sie ein internes Tool antreibt — eine Support-Doku-Suche für Ihr eigenes Team —, sitzt sie in den allgemeinen Betriebsausgaben beim Rest Ihres SaaS-Stacks. Teilen Sie die Rechnung nach Verwendung auf, wenn ein Index beides bedient; das Diligence-Team Ihres künftigen Erwerbers wird Ihr Hauptbuch ohnehin auf eine standardisierte SaaS-COGS-Definition abbilden, also klassifizieren Sie es jetzt korrekt.
Gemietete Self-Hosting-Infrastruktur — Cloud-VMs, dedizierte Server von einem Hosting-Anbieter — ist ebenfalls Betriebsausgabe: monatliches Hosting, kein Asset, kein Abschreibungsplan. Das überrascht Teams, die „self-hosted" automatisch als Investitionsausgabe betrachten. Eine Box zu mieten ist Miete, so bare-metal das Blech auch sein mag.
Eigene Hardware ist der eigentliche CapEx-Fall. Kaufen Sie den Server direkt, aktivieren Sie ihn als Anlagevermögen und schreiben ihn dann ab — Computerausrüstung fällt in der Regel unter 5-Jahres-MACRS-Eigentum, und Section-179-Aufwand oder Bonusabschreibung kann Ihnen erlauben, im ersten Jahr weit mehr abzuziehen, vorbehaltlich der aktuellen Grenzen, die Ihr Steuerberater bestätigen sollte. Das steuerliche Timing kann einen 6.000-$-Server in Barwertbegriffen günstiger machen als 150 $ Miete im Monat, selbst vor den Hosting-Einsparungen. Aber eigene Hardware bedeutet auch, dass Sie das Anlagerisiko tragen: Eine tote Festplatte um 2 Uhr nachts ist Ihre Festplatte, und eine Workload, die die Box überwächst, bindet das Kapital fest.
Migrationskosten — das Re-Embedding Ihres Korpus, der Parallelbetrieb beider Systeme, die Engineering-Wochen — werden in nahezu jedem Kleinunternehmensfall sofort als Aufwand verbucht. Budgetieren Sie sie als einmaligen Schlag gegen die Amortisationsdauer, nicht als Asset. Wenn die Migration 4.000 $ pro Monat spart und 15.000 $ an Engineering-Zeit und Re-Embedding-Compute kostet, liegt die Amortisation unter vier Monaten; treffen Sie die Entscheidung anhand dieser Uhr.
In einem Plain-Text-Hauptbuch sehen die beiden Regime so aus — die nutzungsabhängige Rechnung als monatlicher Aufwand gegen die Umsatzkosten, die gemietete Box als Hosting, und der eigene Server, der jeden Monat ein wenig abschreibt (siehe die Beancount-Dokumentation für die Buchungsmechanik):
2026-01-01 open Assets:Checking USD
2026-01-01 open Expenses:COGS:VectorDB USD
2026-01-01 open Expenses:Infra:Hosting USD
2026-01-01 open Assets:Servers:VectorDB USD
2026-01-01 open Assets:Servers:Accumulated-Depreciation USD
2026-01-01 open Expenses:Depreciation:Servers USD
2026-11-01 * "Pinecone" "Oktober-Rechnung, 4,1 Mio. Read Units und 62 GB Speicher"
Expenses:COGS:VectorDB 312.44 USD
Assets:Checking
2026-11-01 * "Hosting-Anbieter" "November-Miete, 64-GB-Server für Qdrant"
Expenses:Infra:Hosting 199.00 USD
Assets:Checking
2026-11-30 * "Monatsende" "Abschreibung, eigener Vector-Search-Server, Monat 3 von 60"
Expenses:Depreciation:Servers 100.00 USD
Assets:Servers:Accumulated-Depreciation -100.00 USDHalten Sie die nutzungsabhängigen und die festen Positionen auch während einer Parallelbetrieb-Migration in getrennten Konten. Wenn beide Systeme ein oder zwei Monate lang in Produktion dienen, verbergen vermischte Konten genau den Vergleich, den die Migration beweisen sollte.
Die Kosten, die jeder vergisst
Vier Kosten entgehen der Tabelle routinemäßig und überfallen die Migration danach.
Erstens Egress und Re-Ingestion. 100 Millionen Vektoren zu bewegen ist auf keiner Seite kostenlos: Egress auf der Pinecone-Seite über die enthaltene Freimenge hinaus, plus der Compute für das Re-Embedding, wenn Sie gleichzeitig Embedding-Modelle oder Chunking ändern. Veröffentlichte Schätzungen beziffern ein vollständiges Re-Embedding mit 50 bis 5.000 $ an Compute je nach Korpusgröße, plus 4 bis 12 Wochen Engineering für die Migration selbst. Bepreisen Sie die Migration, nicht nur das Ziel.
Zweitens eine Verschlechterung der Retrieval-Qualität. Ein anderer ANN-Index mit anderer Quantisierung liefert andere Nachbarn, und „anders" bedeutet für Ihre spezifischen Abfragen manchmal schlechter. Teams, die allein nach Kosten migrieren und eine Side-by-Side-Relevanzbewertung überspringen, entdecken die Regression durch Nutzerbeschwerden. Halten Sie eine Abfragestichprobe zurück, bewerten Sie beide Systeme, und verlangen Sie Parität vor dem Cutover — die Bewertungswoche gehört zum Migrationsbudget.
Drittens Latenz, die Sie bezahlen, aber nicht nutzen können. Ein Vergleich maß Pinecone bei etwa 22 ms P95 gegenüber 150 ms für eine Postgres-basierte Alternative — eine Lücke, die in 95 Prozent der B2B-RAG-Szenarien kein Mensch bemerkt, wo das Sprachmodell selbst Sekunden braucht. Wenn der Engpass Ihres Chatbots die Token-Generierung ist, dann kaufen Sie mit einer Retrieval-Latenz im einstelligen Millisekundenbereich Geschwindigkeit, die Ihre Nutzer nie spüren werden. Gleichen Sie das Latenz-SLO am Produkt aus, bevor Sie den Anbieter am SLO ausgleichen.
Viertens die Asymmetrie der Ausstiegskosten. Die Migration von Pinecone zu Qdrant bedeutet, Vektoren zu exportieren und einen Index neu aufzubauen — lästig, aber begrenzt. Die Migration zwischen selbst gehosteten Engines oder später zurück zu gemanagt trägt dieselbe Re-Embedding- und Neu-Tuning-Rechnung erneut. Bevorzugen Sie Engines mit Standard-Exportpfaden und offenen Datenformaten, damit die nächste Migration, in welche Richtung auch immer, von einem Export-Button aus startet und nicht von einem Forensik-Projekt.
Mit sechs Fragen entscheiden
Übernehmen Sie den Entscheidungsrahmen, auf den die besten Vergleiche zulaufen, und beantworten Sie ihn mit Ihren eigenen Zahlen:
- Wie groß ist der Korpus heute, und wo steht er in zwölf Monaten? Unter einer Million Vektoren hören Sie hier auf und bleiben serverless.
- Wie hoch sind Ihre voll belasteten Kosten pro Million Abfragen auf der aktuellen Rechnung? Teilen Sie drei Monate Rechnungen durch die bedienten Abfragen.
- Betreiben Sie bereits zustandsbehaftete Infrastruktur? Ein bestehender Kubernetes-Cluster mit Bereitschaftsrotation macht Self-Hosting an der Marge nahezu kostenlos; seine Abwesenheit macht daraus einen Einstellungsplan.
- Welche Latenz braucht das Produkt tatsächlich? Wenn die Antwort „schneller als das LLM" lautet, qualifiziert sich fast jede Option.
- Brauchen Sie Hybridsuche — Stichwort plus Vektor in einer Abfrage? Qdrant, Milvus und Weaviate liefern sie nativ; Pinecone und Postgres-basierte Setups erfordern manuellen Zusammenbau, was ebenfalls Engineering-Zeit auf der nutzungsabhängigen Seite des Hauptbuchs ist.
- Was macht die Wachstumskurve mit dem Kippdatum? Eine flache Workload, die nie über die Schwelle kommt, ist eine Entscheidung zu bleiben — bewusst getroffen statt aus Trägheit.
Ziehen Sie diese Woche Ihre letzten drei Pinecone-Rechnungen heraus, berechnen Sie die Kosten pro Million Abfragen, und bepreisen Sie eine dedizierte Box, dimensioniert auf Ihren quantisierten Index. Wenn sich die Linien innerhalb eines Jahres kreuzen, beginnen Sie jetzt mit der Relevanzbewertung — die Migration dauert Wochen, die Rechnung einen Nachmittag, und das teuerste Ergebnis ist, beides in sechs Monaten unter Termindruck erneut durchzuführen.
