ktg-plugin-marketplace/plugins/ms-ai-architect/skills/ms-ai-infrastructure/references/bcdr/cost-analysis-dr-configurations.md

Cost Analysis and Optimization for DR Configurations

Last updated: 2026-04 Status: GA Category: Business Continuity & Disaster Recovery

---

Introduksjon

Kostnadsanalyse av BCDR-løsninger for AI-systemer er avgjørende for å sikre at organisasjonen investerer riktig i resiliens. DR-kostnader kan utgjøre alt fra 2% til 100% av primære driftskostnader, avhengig av valgt strategi. For AI-workloads er kostnadene spesielt høye fordi tjenester som Azure OpenAI (Provisioned Throughput), AI Search og GPU-compute er dyre.

Azure Well-Architected Framework anbefaler at DR-kostnad skal stå i proporsjonal sammenheng med forretningsverdien av systemet og konsekvensene av nedetid. Tier 0 (Mission Critical) systemer rettferdiggjør høye DR-kostnader, mens Tier 3 (Administrative) systemer bør minimere kostnadene.

For norsk offentlig sektor krever Utredningsinstruksen at alternative løsninger evalueres med kost/nytte-analyse. BCDR-valg bør dokumenteres med tydelig kostnadssammenligning og forretningsbegrunnelse.

Total Cost of Ownership-beregning

TCO-modell for AI BCDR

# TCO-kalkulator for AI DR-konfigurasjon
from dataclasses import dataclass
from typing import Dict

@dataclass
class AIDRCostModel:
    """Calculate Total Cost of Ownership for AI DR configuration."""

    # Primær region kostnader (monthly NOK)
    openai_primary_monthly: float = 0
    search_primary_monthly: float = 0
    cosmos_primary_monthly: float = 0
    app_service_primary_monthly: float = 0
    storage_primary_monthly: float = 0
    networking_primary_monthly: float = 0

    def calculate_dr_cost(self, strategy: str) -> Dict:
        """Calculate DR cost for given strategy."""
        primary_total = sum([
            self.openai_primary_monthly,
            self.search_primary_monthly,
            self.cosmos_primary_monthly,
            self.app_service_primary_monthly,
            self.storage_primary_monthly,
            self.networking_primary_monthly
        ])

        if strategy == "active-active":
            dr_costs = {
                "openai": self.openai_primary_monthly * 1.0,
                "search": self.search_primary_monthly * 1.0,
                "cosmos": self.cosmos_primary_monthly * 0.5,  # Multi-region included
                "app_service": self.app_service_primary_monthly * 1.0,
                "storage": self.storage_primary_monthly * 0.3,  # GRS overhead
                "networking": self.networking_primary_monthly * 0.5,  # Cross-region
                "bandwidth": primary_total * 0.02  # ~2% for replication
            }

        elif strategy == "warm-standby":
            dr_costs = {
                "openai": self.openai_primary_monthly * 0.3,  # Pay-per-token, lower usage
                "search": self.search_primary_monthly * 0.67,  # 2/3 replicas
                "cosmos": self.cosmos_primary_monthly * 0.3,   # Autoscale baseline
                "app_service": self.app_service_primary_monthly * 0.33,  # 1 instance
                "storage": self.storage_primary_monthly * 0.3,
                "networking": self.networking_primary_monthly * 0.2,
                "bandwidth": primary_total * 0.01
            }

        elif strategy == "cold-standby":
            dr_costs = {
                "openai": 0,  # Redeploy on demand
                "search": 0,  # Rebuild on demand
                "cosmos": self.cosmos_primary_monthly * 0.1,  # Backup only
                "app_service": 0,  # Deploy on demand
                "storage": self.storage_primary_monthly * 0.3,  # GRS for data
                "networking": self.networking_primary_monthly * 0.05,
                "bandwidth": primary_total * 0.005
            }

        elif strategy == "backup-restore":
            dr_costs = {
                "openai": 0,
                "search": 0,
                "cosmos": self.cosmos_primary_monthly * 0.05,
                "app_service": 0,
                "storage": self.storage_primary_monthly * 0.15,  # Backup storage
                "networking": 0,
                "bandwidth": 0
            }

        dr_total = sum(dr_costs.values())

        return {
            "strategy": strategy,
            "primary_monthly_nok": round(primary_total),
            "dr_monthly_nok": round(dr_total),
            "total_monthly_nok": round(primary_total + dr_total),
            "dr_percentage": round(dr_total / primary_total * 100, 1),
            "dr_annual_nok": round(dr_total * 12),
            "breakdown": {k: round(v) for k, v in dr_costs.items()}
        }

# Eksempel for typisk norsk offentlig AI-løsning
model = AIDRCostModel(
    openai_primary_monthly=25000,     # GPT-4o, ~500K tokens/dag
    search_primary_monthly=15000,      # Standard S1, 3 replicas
    cosmos_primary_monthly=8000,       # Multi-region, 10K RU/s
    app_service_primary_monthly=12000, # P3v3 x 3
    storage_primary_monthly=3000,      # 1 TB GZRS
    networking_primary_monthly=5000    # Front Door + VNet
)

for strategy in ["active-active", "warm-standby", "cold-standby", "backup-restore"]:
    result = model.calculate_dr_cost(strategy)
    print(f"\n{strategy.upper()}")
    print(f"  DR kostnad: {result['dr_monthly_nok']:,} NOK/mnd ({result['dr_percentage']}%)")
    print(f"  Total: {result['total_monthly_nok']:,} NOK/mnd")
    print(f"  Årlig DR: {result['dr_annual_nok']:,} NOK")

Kostnadsoversikt per strategi

Komponent	Primær	Active-Active	Warm Standby	Cold Standby	Backup Only
Azure OpenAI	25,000	25,000	7,500	0	0
AI Search	15,000	15,000	10,000	0	0
Cosmos DB	8,000	4,000	2,400	800	400
App Service	12,000	12,000	4,000	0	0
Storage	3,000	900	900	900	450
Networking	5,000	2,500	1,000	250	0
Bandwidth	—	1,360	680	340	0
DR total/mnd	—	60,760	26,480	2,290	850
% av primær	—	89%	39%	3%	1%
RTO	—	~0	5–15 min	30–60 min	Timer
RPO	—	~0	Minutter	Timer	24 timer

Alle beløp i NOK, estimat for typisk offentlig sektor AI-løsning.

RTO/RPO vs. kostnads trade-off analyse

Beslutningsmatrise

Kostnad (NOK/mnd)
  │
  │  Active-Active
  │  ■ (60K)
  │
  │                     Warm Standby
  │                     ■ (26K)
  │
  │
  │
  │                                        Cold Standby
  │                                        ■ (2.3K)
  │                                                   Backup/Restore
  │                                                   ■ (850)
  └─────────────────────────────────────────────────── RTO
    0      5min    15min    30min    1h     4h    24h

Break-even analyse

## Når er Active-Active verdt det?

Merkostnad Active-Active vs. Warm Standby:
  60,760 - 26,480 = 34,280 NOK/mnd = 411,360 NOK/år

For at Active-Active skal være verdt det, må kostnaden
av nedetid overstige denne merkostnaden:

  Nedetid-kostnad per hendelse = (RTO_warm - RTO_active) × Kostnad per minutt
  Forventet besparelse = Nedetid-kostnad × Antall hendelser per år

Eksempel:
  - RTO forskjell: 15 min vs. ~0 = 15 min
  - Kostnad per minutt nedetid: 5,000 NOK (tapt produktivitet, omdømme)
  - Antall hendelser per år: 2

  Besparelse = 15 min × 5,000 NOK × 2 = 150,000 NOK/år

  Merkostnad 411,360 > Besparelse 150,000 → Warm Standby er bedre valg

  Break-even: 411,360 / (15 × 5,000) = 5.5 hendelser/år
  → Trenger 6+ hendelser/år for at Active-Active lønner seg

Reserved Capacity vs. On-Demand prising

Besparelser med Reserved Instances

Tjeneste	On-Demand/mnd	1-år RI/mnd	3-år RI/mnd	Besparelse 1-år	Besparelse 3-år
App Service P3v3	12,000	7,800	5,400	35%	55%
AI Search S1 (3 rep)	15,000	9,750	6,750	35%	55%
Azure OpenAI PTU (50)	50,000	35,000	—	30%	—
Redis Premium P1	4,500	3,150	2,250	30%	50%

RI-strategi for DR

## Anbefalte reservasjoner for DR

### Active-Active DR
- RI for ALLE tjenester i begge regioner (full besparelse)
- Anbefaling: 1-år RI minimum, 3-år for stabile workloads

### Warm Standby DR
- RI for baseline-kapasitet i DR-region (lavere tier)
- On-demand for burst/scale-up kapasitet
- Anbefaling: 1-år RI for baseline, on-demand for topper

### Cold Standby DR
- INGEN RI for DR-region (ressurser kjører ikke)
- RI kun for primær region
- Anbefaling: Bruk Azure Savings Plans for fleksibilitet

### Savings Plans alternativ
Azure Savings Plans gir 1-år eller 3-år commitment
med fleksibilitet til å bruke kapasiteten i hvilken som helst
region — ideelt for DR der regionen kan endres.

Cross-region bandwidth-kostnader

Bandwidth-prising mellom Azure-regioner

Datatype	Volume/mnd	Pris/GB	Kostnad/mnd
Cosmos DB replikering	50 GB	Inkludert	0
Blob Storage GRS	100 GB	~0.70 NOK	70
AI Search index sync	10 GB	~0.70 NOK	7
Application data	200 GB	~0.70 NOK	140
Total bandwidth	360 GB	—	~217 NOK

Intra-Europa bandwidth er relativt rimelig. Kostnaden øker betydelig for cross-kontinent replikering.

Optimalisering av bandwidth-kostnader

## Bandwidth-optimaliseringsstrategier

1. **Komprimering**: Aktiver gzip/brotli for all cross-region trafikk
   - Typisk besparelse: 60–80% på tekstbasert data

2. **Delta-replikering**: Synkroniser kun endringer, ikke full kopi
   - Bruk Azure Blob Storage Change Feed
   - Event-driven sync i stedet for full re-indeksering

3. **Batch vs. real-time**: Batchvise oppdateringer reduserer overhead
   - Samle opp endringer og synkroniser hvert 5. minutt

4. **CDN for statisk innhold**: Bruk Azure CDN for dokumenter
   - Reduserer cross-region trafikk for hyppig leste filer

Kostnadsoptimalisering og Reserved Instances

Azure Cost Management dashboard

# Opprett kostnadsrapport for DR-ressurser
az costmanagement export create \
  --name "dr-cost-report" \
  --scope "/subscriptions/{sub}/resourceGroups/rg-ai-dr" \
  --type "ActualCost" \
  --timeframe "MonthToDate" \
  --storage-account "stacostmgmt" \
  --storage-container "cost-reports" \
  --recurrence "Monthly" \
  --recurrence-period '{"from": "2026-01-01", "to": "2026-12-31"}'

# Sett budsjett med varsler
az consumption budget create \
  --budget-name "ai-dr-budget-2026" \
  --amount 400000 \
  --category "Cost" \
  --time-grain "Annually" \
  --time-period '{"Start": "2026-01-01", "End": "2026-12-31"}' \
  --resource-groups "rg-ai-dr" \
  --notifications '{
    "Warning50": {"enabled": true, "operator": "GreaterThan", "threshold": 50,
      "contactEmails": ["platform@org.no"]},
    "Warning80": {"enabled": true, "operator": "GreaterThan", "threshold": 80,
      "contactEmails": ["platform@org.no", "management@org.no"]},
    "Critical100": {"enabled": true, "operator": "GreaterThan", "threshold": 100,
      "contactEmails": ["platform@org.no", "management@org.no", "cto@org.no"]}
  }'

Kvartalsvis kostnadsrapport-mal

## BCDR Kostnadsrapport — Q[X] 2026

### Oppsummering
| Kategori | Budsjett | Faktisk | Avvik |
|----------|---------|--------|-------|
| DR infrastruktur | X NOK | X NOK | X% |
| Bandwidth | X NOK | X NOK | X% |
| DR-testing | X NOK | X NOK | X% |
| **Total** | **X NOK** | **X NOK** | **X%** |

### DR-hendelser dette kvartalet
- Antall failover-initieringer: X
- Gjennomsnittlig RTO oppnådd: X min
- Estimert verdi av DR (unngått nedetid): X NOK

### Optimaliseringsmuligheter
1. [Identifisert mulighet med estimert besparelse]
2. [...]

### Anbefalinger
- [Anbefalte endringer med kostnadspåvirkning]

Referanser

• Optimize your recovery costs — WAF kostnadsoptimalisering for DR
• Azure Site Recovery pricing — Prising for Site Recovery
• Azure bandwidth pricing — Bandwidth-priser mellom regioner
• Azure pricing calculator — Generell priskalkulator
• Microsoft Cost Management — Kostnadsovervåking. Verified (MCP 2026-04).
• Azure Savings Plans — Flexible reservasjoner (compute savings plans). Verified (MCP 2026-04).

For Cosmo

• Bruk denne referansen når kunden trenger kostnadsestimat for BCDR-løsninger, eller når de skal sammenligne DR-strategier.
• Warm standby er sweet spot for de fleste offentlige AI-løsninger — 25–40% merkostnad for minutter RTO.
• Vis alltid break-even analyse: sammenlign DR-merkostnaden med estimert kostnad ved nedetid for å rettferdiggjøre investeringen. Verified (MCP 2026-04).
• Azure OpenAI: Pay-per-token i DR-region er nesten alltid bedre enn PTU fordi DR-trafikken er lav under normal drift.
• For Utredningsinstruksen: Presenter alltid minimum 3 alternativer (f.eks. cold/warm/active-active) med kost/nytte-vurdering.