7 Min. Lesezeit

Zwei Signale aus der Cloud-Native-Welt zeigen in dieselbe Richtung: Die CNCF hat Knative in den Graduated-Status erhoben, und Kubernetes 1.34 macht das Scheduling von KI- und ML-Hardware produktionsreif. Beides klingt nach Detailarbeit für Plattform-Teams. In Summe bedeutet es etwas Größeres: Serverless und KI-Workloads laufen jetzt auf reifer, herstellerunabhängiger Infrastruktur. Für DACH-Teams verschiebt das die Frage von ob auf wie.

Verwandt:VMware VCF 9.1 und die Souveränitäts-Frage  /  FinOps und die Cloud-Verschwendung

Was die Graduation von Knative bedeutet

Was ist Knative? Knative ist eine Open-Source-Schicht auf Kubernetes, die serverlose, ereignisgesteuerte Anwendungen ermöglicht. Sie übernimmt das Skalieren, das Routing und die Ereignisverarbeitung, sodass Entwickler sich nicht um die darunterliegende Infrastruktur kümmern müssen. Code skaliert bei Bedarf bis auf null herunter und bei Last automatisch hoch.

Der Graduated-Status der CNCF ist keine Marketing-Auszeichnung, sondern ein Reifesignal. Er bedeutet, dass ein Projekt eine breite Anwenderbasis, eine stabile Governance und nachgewiesene Produktionstauglichkeit hat. Für ein Plattform-Team, das eine Technologie evaluiert, ist das der Unterschied zwischen einem Experiment und einer belastbaren Grundlage. Knative serverlos zu betreiben ist damit keine Wette mehr.

Der praktische Reiz liegt in der Unabhängigkeit. Serverless gab es bisher vor allem als Hyperscaler-Dienst, mit der bekannten Kehrseite: Wer seine Funktionen dort baut, bindet sich an einen Anbieter und dessen Preismodell. Knative bringt dasselbe Bedienkonzept in den eigenen Kubernetes-Cluster. Die Anwendung skaliert auf null, wenn nichts los ist, und der Betrieb bleibt im eigenen Haus. Gerade für regulierte DACH-Branchen ist das ein relevanter Unterschied.

Warum Kubernetes 1.34 für KI-Workloads zählt

Lange war Kubernetes für GPU-lastige KI-Arbeit nur bedingt geeignet. Das Scheduling von Spezial-Hardware war umständlich, die Zuteilung grob. Version 1.34 ändert das mit produktionsreifer dynamischer Ressourcenzuteilung. Übersetzt: Der Cluster kann GPUs und andere Beschleuniger jetzt fein und verlässlich an die Workloads verteilen, die sie brauchen. Das ist die Voraussetzung, KI-Training und Inferenz wirtschaftlich auf der eigenen Plattform zu fahren.

Dazu kommt die gehärtete Supply-Chain-Sicherheit. In einer Zeit, in der Angriffe über manipulierte Pakete und Images zunehmen, ist das kein Nebenschauplatz. Ein Cluster, der signierte Artefakte erzwingt und die Herkunft seiner Komponenten prüft, schließt genau das Einfallstor, das viele aktuelle Vorfälle nutzen. Reife heißt hier nicht nur mehr Funktionen, sondern weniger Angriffsfläche.

Was DACH-Teams daraus machen

Die ehrliche Einordnung: Reife senkt das Risiko, sie nimmt die Arbeit nicht ab. Ein Team, das Knative und KI-Scheduling im eigenen Cluster betreiben will, braucht Plattform-Kompetenz. Wer diese Kompetenz nicht hat oder aufbauen will, ist mit einem Managed-Dienst womöglich weiter besser bedient. Die Graduation macht den Eigenbetrieb tragfähig, sie macht ihn nicht voraussetzungslos.

Für wen lohnt es sich also? Vor allem für Organisationen mit zwei Eigenschaften: einem ernsthaften Bedarf an Datenhoheit und einem Team, das Kubernetes ohnehin betreibt. Für die war die Hürde bisher, dass Serverless und KI-Scheduling auf der eigenen Plattform unausgereift wirkten. Diese Hürde ist gefallen. Die Entscheidung verschiebt sich von der Frage, ob die Technik trägt, zur Frage, ob das Team sie tragen will.

Eine graduierte Technologie ist kein Versprechen, dass es einfach wird. Sie ist die Zusage, dass die Grundlage trägt. Den Rest macht das Team.

Was bleibt, ist ein klares Bild. Cloud-native ist an einem Punkt angekommen, an dem ernsthafte KI- und Serverless-Workloads nicht mehr zwingend in die Public Cloud müssen. Das ist für DACH eine gute Nachricht, weil es Datenhoheit und Wirtschaftlichkeit zusammenbringt. Es ist zugleich eine Aufforderung, ehrlich über die eigene Plattform-Kompetenz nachzudenken. Die Technik ist bereit. Die Frage ist, ob die Organisation es ist.

Häufige Fragen

Was heißt Graduated-Status bei der CNCF?

Es ist die höchste Reifestufe der Cloud Native Computing Foundation. Sie setzt eine breite Anwenderbasis, stabile Governance und nachgewiesene Produktionstauglichkeit voraus. Für Evaluierungen ist das der Übergang vom Experiment zur belastbaren Grundlage.

Was bringt Knative gegenüber Hyperscaler-Serverless?

Dasselbe Bedienkonzept, aber im eigenen Kubernetes-Cluster und ohne Bindung an einen Anbieter. Anwendungen skalieren auf null herunter, der Betrieb bleibt im Haus. Das ist besonders für Branchen mit Datenhoheits-Anforderungen relevant.

Warum ist Kubernetes 1.34 für KI wichtig?

Die produktionsreife dynamische Ressourcenzuteilung erlaubt es, GPUs und Beschleuniger fein und verlässlich an Workloads zu verteilen. Das ist die Voraussetzung, KI-Training und Inferenz wirtschaftlich auf der eigenen Plattform zu betreiben.

Ist der Eigenbetrieb jetzt einfacher?

Tragfähiger, nicht voraussetzungslos. Reife senkt das Risiko, verlangt aber weiterhin Plattform-Kompetenz. Teams ohne diese Kompetenz fahren mit einem Managed-Dienst womöglich besser.

Für wen lohnt sich der Schritt?

Für Organisationen mit ernsthaftem Datenhoheits-Bedarf und einem Team, das Kubernetes ohnehin betreibt. Für sie ist die frühere Hürde der Unreife gefallen, die Entscheidung wird zur Frage der eigenen Kapazität.

Bildquelle: KI-generiert (Mai 2026), C2PA-Zertifikat im Bild hinterlegt