UiPath Document Understanding: Kostet ein deploytes Modell auch, wenn es niemand nutzt?

Kurz gesagt: Ja, es kann. Ein als AI-Center-ML-Skill bereitgestelltes Dokumentenmodell verbraucht bei UiPath weiter AI Units, solange es im Status „Available“ oder „Updating“ läuft, ganz gleich, ob eine Automatisierung es überhaupt aufruft. Wer ein Modell nach dem Test einfach bereitgestellt lässt, zahlt für puren Leerlauf. Genau das fragte kürzlich ein Nutzer im UiPath Community Forum.

Warum verursacht ein ungenutztes UiPath-Modell überhaupt Kosten?

Der Grund liegt in der Abrechnung nach Betriebszeit, nicht nach Nutzung. Sobald ein ML Skill im AI Center bereitgestellt und verfügbar ist, reserviert UiPath dafür Rechenleistung und stellt diese stundenweise in Rechnung. Laut UiPath-Dokumentation kostet eine CPU-Bereitstellung rund 2 AI Units pro Replica und Stunde, eine GPU-Bereitstellung rund 20 AI Units pro Replica und Stunde. Die Standard-GPU-Konfiguration erreicht dabei etwa 40 AI Units pro Stunde, was bei durchgehendem Betrieb auf ungefähr 30.000 AI Units im Monat hinausläuft. Abgerechnet wird jede angefangene Stunde, in der das Modell „Available“ oder „Updating“ ist, unabhängig von der Zahl der verarbeiteten Dokumente.

Wichtig ist der Unterschied zu den modernen, verwalteten Document-Understanding-Modellen: Diese kosten im Leerlauf nichts, hier fallen AI Units nur pro verarbeiteter Seite an. Die Kostenfalle betrifft die klassischen, selbst trainierten Modelle, die als ML Skill dauerhaft im AI Center laufen. Viele Betriebe kalkulieren die UiPath-Lizenzkosten im Mittelstand, übersehen aber die laufenden AI-Units aus solchen Bereitstellungen.

Was Sie gegen die versteckte Kostenfalle tun können

Die wirksamste Maßnahme ist banal: Stoppen oder entfernen Sie ein Modell, das gerade nicht gebraucht wird. UiPath empfiehlt ausdrücklich, ML Skills bei Nichtgebrauch zu stoppen oder komplett zu undeployen, um Hardware-Kosten zu sparen. Drei Schritte helfen im Alltag:

• Bestand prüfen: Kontrollieren Sie regelmäßig im AI Center, welche ML Skills auf „Available“ stehen, und schalten Sie Karteileichen aus Testphasen ab.
• Bedarfsgerecht bereitstellen: Modelle, die nur zu bestimmten Zeiten laufen müssen, lassen sich über die AI-Center-API automatisiert vor dem Lauf deployen und danach wieder stoppen.
• Verbrauch beobachten: Nutzen Sie die AI-Units-Dashboards, um Leerlauf früh zu erkennen, bevor er sich über Monate summiert.

In unseren Automatisierungsprojekten setzen wir genau hier an: Ein Dokumentenmodell, das etwa Rechnungen automatisch verarbeitet, wird nur bereitgestellt, wenn ein Prozess es wirklich anfragt, und danach wieder heruntergefahren. Das senkt die laufenden AI-Units-Kosten spürbar, ohne dass die Automatisierung an Zuverlässigkeit verliert.

Häufige Fragen

Kostet ein deploytes UiPath-Modell auch ohne Dokumente Geld?

Ja. Ein als ML Skill bereitgestelltes Modell wird stundenweise abgerechnet, solange es „Available“ oder „Updating“ ist, unabhängig von der Zahl verarbeiteter Dokumente. Nur „Stop“ oder „Undeploy“ beendet die Abrechnung.

Wie hoch sind die laufenden Kosten eines bereitgestellten Modells?

Eine CPU-Bereitstellung liegt bei rund 2 AI Units pro Replica und Stunde, eine GPU-Bereitstellung bei rund 20. Die Standard-GPU-Konfiguration summiert sich bei Dauerbetrieb auf etwa 30.000 AI Units im Monat.

Verursachen auch die modernen Document-Understanding-Modelle Leerlaufkosten?

Nein. Bei den verwalteten modernen Modellen fallen AI Units nur pro verarbeiteter Seite an, im Leerlauf entstehen keine Kosten. Die Falle betrifft klassische, selbst gehostete ML Skills.