Aktualisierungen des Datenmodells für ausgabenbasierte Rabatte für zugesicherte Nutzung

Im Rahmen der Erweiterung des Programms für Rabatte für zugesicherte Nutzung (CUDs) aktualisieren wir das ausgabenbasierte CUD-Modell und stellen Tools zur Verfügung, mit denen Sie sich auf die Änderungen vorbereiten können. Dazu gehören:

• BigQuery-Beispieldatenexport: Ein Beispiel-Dataset, das zeigt, wie sich die Aktivierung auf die Darstellung Ihrer ausgabenbasierten CUD-Datenexporte in BigQuery auswirkt.
• Beispielabfragen für CUD-KPIs: Beispielabfragen, die Sie mit dem BigQuery-Beispieldatenexport verwenden können, um wichtige CUD-KPIs zu berechnen.
• Neue CUD-Details: Beschreibungen neuer CUD-Felder und der Datenmigration, z. B. neue CUD-Gebühren-SKU-IDs, Angebotsnamen und IDs für das Verbrauchsmodell.

BigQuery-Beispieldatenexport

Mit dem BigQuery-Beispieldatenexport können Sie Ihre internen Systeme auf die Änderungen vorbereiten, die in Ihren ausgabenbasierten CUD-Daten auftreten. Der Prozess für die Verwendung des Beispieldatenexports umfasst die folgenden Hauptschritte:

1. Voraussetzungen prüfen
2. Beispieldatenexport aktivieren
3. Warten Sie, bis sich die neuen Daten angesammelt haben.
4. Neues Datenmodell und neue Abfragen untersuchen
5. Aktualisieren Sie Ihre internen Systeme und Workflows entsprechend.

Vorbereitung

Für die Verwendung des Beispieldatenexports müssen folgende Voraussetzungen erfüllt sein:

• Für Ihr Cloud-Rechnungskonto muss ein detaillierter oder Standard-Abrechnungsdatenexport konfiguriert sein. Weitere Informationen finden Sie unter Cloud Billing-Datenexport nach BigQuery einrichten.

• Sie benötigen Berechtigungen für das Projekt, zu dem der Export gehört, und Berechtigungen für das Cloud-Rechnungskonto, in dem Sie den Export aktivieren. Beispiel:

  • Die Berechtigung bigquery.datasets.create für das Projekt, das das Dataset enthält.
  • Berechtigung billing.accounts.getUsageExportSpec für das Cloud-Rechnungskonto.

  Vordefinierte Cloud Billing-Rollen, die diese Berechtigungen enthalten, z. B. „Rechnungskontobetrachter“, „Kostenverwalter für Rechnungskonto“ oder „Rechnungskontoadministrator“, finden Sie unter Cloud Billing-Zugriffssteuerung und -Berechtigungen. Weitere Informationen zu BigQuery-spezifischen Berechtigungen finden Sie unter BigQuery-IAM-Rollen und -Berechtigungen.

• Wenn Sie ein neues Cloud-Rechnungskonto erstellen, wird die proportionale Zuordnung für ausgabenbasierte Zusicherungen standardmäßig aktiviert. Andernfalls müssen Sie die Funktion aktiviert haben, um diesen Export zu verwenden. Hier finden Sie eine Anleitung dazu.

• Wenn Sie VPC für BigQuery-Ressourcen in Ihrem Projekt oder Ihrer Organisation aktiviert haben, müssen Sie Regeln für eingehenden und ausgehenden Traffic erstellen, um dies richtig zu aktivieren:

  • Erstellen Sie eine Regel für eingehenden Traffic, die der Person Zugriff zum Erstellen des Exports gewährt:

  - ingressFrom:
      identities:
      - PRINCIPAL_ID_FOR_PERSON_ENABLING_SUBSCRIPTION
      sources:
      - accessLevel: "*"
  ingressTo:
      roles:
      - roles/bigquery.dataOwner
      resources:
      - projects/YOUR_PROJECT_ID_TO_HOST_SAMPLE_DATA
  title: 'Sample Export Ingress'
  

  • Erstellen Sie eine Ausgangsregel, damit Google Cloud das verknüpfte BigQuery-Dataset in der VPC erstellen kann:

  - egressTo:
      roles:
      - roles/bigquery.dataOwner
      resources:
      - projects/710382390241
  egressFrom:
      identityType: ANY_IDENTITY
      sources:
      - accessLevel: "*"
      sourceRestriction: RESTRICTION_STATUS
  title: 'Sample Export Egress'
  

Beispieldatenexport aktivieren

So aktivieren Sie den Export von Beispieldaten:

1. Öffnen Sie in der Google Cloud Console den Bereich „Rechnungsexport“.

   Zum Abrechnungsexport

2. Wählen Sie im Dialogfeld Abrechnungsexport das Cloud-Rechnungskonto aus, für das Sie den Export von Beispieldaten aktivieren möchten, wie im folgenden Screenshot dargestellt.

3. Der Datenexport wird gestartet und dauert etwa einen Tag. Bis dahin wird die folgende Meldung angezeigt: Nachdem Sie den Beispieldatenexport aktiviert haben, werden Cloud Billing-Daten erhoben. Bis Januar 2026 werden kontinuierlich neue Daten hinzugefügt. Warten Sie, bis genügend Daten im Export vorhanden sind, bevor Sie Ihre Systeme an das neue Datenmodell anpassen.

4. Wenn der Export abgeschlossen ist, sehen Sie im Bereich „Abrechnung“ der Google Cloud -Konsole die folgende Benachrichtigung:

   Der Datenexport wird als verknüpftes Dataset im selben BigQuery-Dataset erstellt, das Ihren detaillierten oder standardmäßigen Abrechnungsdatenexport enthält. Da es sich um ein verknüpftes Dataset handelt, fallen für den Beispiel-Export keine zusätzlichen Gebühren an. Weitere Informationen finden Sie unter Einführung in die BigQuery-Freigabe.

5. Klicken Sie auf Beispieldataset ansehen, um BigQuery in derGoogle Cloud -Konsole zu öffnen. Dort können Sie Abfragen ausführen, um Ihre wichtigen CUD-KPIs zu analysieren.

Einschränkungen beim Exportieren von Beispielen

Der Beispiel-Datenexport ist ein nützliches Tool, um sich auf die Änderungen am Datenmodell vorzubereiten. Er unterscheidet sich jedoch in folgenden wichtigen Punkten von echten Datenexporten:

• Nach der Migration: Verwenden Sie die Beispiel-Exports nicht mehr, nachdem Sie das neue Datenmodell aktiviert haben, da sie dann nicht mehr korrekt sind.
• Ausgabegröße: Aufgrund von Unterschieden bei der Datenaggregation kann die Größe des Beispielexports vom tatsächlichen Export abweichen, der nach der Aktivierung dieser Änderungen angezeigt wird.
• Rundungsmethoden: Aufgrund von Unterschieden bei den Rundungsmethoden kann es bei sehr kleinen Beträgen oder bei Währungen, die nicht USD sind, zu geringfügigen Abweichungen kommen.
• Anteilsmäßige Gebühren: Beim Beispiel-Export werden die Kosten für die erste und letzte Stunde eines CUD-Kaufs möglicherweise überschätzt, da die anteilsmäßigen Gebühren für die Verpflichtung nicht auf dieselbe Weise berücksichtigt werden. Beim Kauf eines ausgabenbasierten CUD wird die Gebühr für die erste Stunde anteilig berechnet.

Beispiel für den Datenexport vor und nach dem neuen Modell für Rabatte für zugesicherte Nutzung

Das neue ausgabenbasierte Modell für Rabatte für zugesicherte Nutzung erfordert, dass Sie Ihre internen Systeme, die möglicherweise Cloud Billing-Daten nutzen, planen und anpassen. Daher stellen wir die folgenden Szenarien zur Verfügung, um zu zeigen, wie sich das Datenexportschema und die Daten vor und nach dem neuen Modell für Rabatte für zugesicherte Nutzung ändern. Wir unterteilen diese Szenarien weiter in Situationen, in denen Sie Ihre vertraulichen Einheiten über- und unterbeanspruchen, um die Auswirkungen auf den Datenexport zu veranschaulichen.

In beiden Szenarien haben Sie eine E2-Standard-8-VM in US Central 1 erworben, die aus zwei SKUs für RAM und Core besteht. Für diese Artikelnummern werden die fiktiven IDs RAM SKU bzw. Core SKU verwendet.

Anschließend kaufen Sie eine 1 Year GCE Flex CUD für 0,1 $/Stunde für das Szenario mit Überbeanspruchung und 0,3 $/Stunde für das Szenario mit Unterbeanspruchung. In den Daten werden sie als fiktive ID Fee SKU dargestellt.

Szenario mit übergenutztem Rabatt für zugesicherte Nutzung

Im Szenario mit übermäßiger Nutzung haben Sie die oben genannten Käufe getätigt und die CUDs übermäßig genutzt.

Daten vor dem

Vor dem neuen CUD-Modell sahen Ihr Cloud Billing-Exportschema und Ihre Datenwerte so aus:

^{1. Diese Spalte enthält den Wert des Labels goog-originating-sku-id.}

Daten nach

Nach dem neuen CUD-Modell sehen Ihr Cloud Billing-Exportschema und Ihre Datenwerte wie in der folgenden Tabelle aus.

^{1. Diese Spalte enthält den Wert des Labels goog-originating-sku-id.}

Beachten Sie im neuen CUD-Modell Folgendes:

• Für jede CUD gibt es zwei Zeilen statt einer.
• Es gibt eine neue Spalte consumption_model.description, in der die zusätzlichen CUD-Einträge getrennt werden. Dabei gilt:
  • Der Wert Compute Flexible CUDs 1 Year gibt an, dass Sie den erwarteten Rabatt für zugesicherte Nutzung erhalten haben.
  • Der Wert Default gibt an, dass Sie den CUD übermäßig genutzt haben und die Kosten für den überschüssigen Betrag auf die Standardpreise zurückgesetzt wurden. Das wird auch dadurch angezeigt, dass subscription.instance_id keinen Wert hat.
  • Die Zeilen mit den Gebühren für zugesicherte Nutzung haben ebenfalls den Wert Default, da keine Rabatte auf sie angewendet werden. Stattdessen wird im Feld credits angegeben, dass ein negativer Offset angewendet wurde, um die Gebühr zu negieren.

Szenario für Rabatt für zugesicherte Nutzung mit geringer Auslastung

Für dieses Szenario mit unzureichender Nutzung gehen wir davon aus, dass Sie die oben genannten Käufe getätigt und die Rabatte für zugesicherte Nutzung nicht ausreichend genutzt haben.

Daten vor dem

Vor dem neuen CUD-Modell sahen Ihr Cloud Billing-Exportschema und Ihre Datenwerte so aus:

^{1. Diese Spalte enthält den Wert des Labels goog-originating-sku-id.}

Daten nach

Nach dem neuen CUD-Modell sehen Ihr Cloud Billing-Exportschema und Ihre Datenwerte wie in der folgenden Tabelle aus.

^{1. Diese Spalte enthält den Wert des Labels goog-originating-sku-id.}

Beachten Sie im neuen CUD-Modell Folgendes:

• Für jede CUD gibt es zwei Zeilen statt einer.
• Es gibt eine neue Spalte consumption_model.description, in der die zusätzlichen CUD-Einträge getrennt werden. Dabei gilt:
  • Der Wert Compute Flexible CUDs 1 Year gibt an, dass Sie den erwarteten Rabatt für zugesicherte Nutzung erhalten haben.
  • Der Wert Default gibt die Zeilen mit Gebühren für zugesicherte Nutzung an, da Rabatte nicht auf sie angewendet werden. Stattdessen wird im Feld credits angegeben, dass ein negativer Offset angewendet wurde, um die Gebühren zu negieren, die in der ersten Zeile zusammengefasst wurden.
• In der ersten Zeile sehen Sie die Summe der CUD-Gebühren.

Beispielabfragen für wichtige CUD-KPIs

Mithilfe dieser wichtigen KPI-Messwerte können Sie prüfen, ob Ihre Systeme mit dem neuen Datenmodell gut funktionieren:

1. Einsparungen durch Zusicherungen ($): Die Einsparungen, die sich aus Ihren Zusicherungen ergeben haben. Für den Messwert wird die Formel (Cost of resources at on-demand rates - cost of resources with commitment discounts) verwendet.
2. Einsparungen durch Zusicherungen (%): Der Prozentsatz der Einsparungen, die sich aus Ihren Zusicherungen ergeben haben. Für den Messwert wird die Formel (Commitment savings / costs of resources at on-demand rates)*100 verwendet.
3. Zusicherungsnutzung (%): Gibt an, wie effektiv Sie Ihre Zusicherungen nutzen, ausgedrückt als Prozentsatz. Für den Messwert wird die Formel (Commitment applied to eligible spend / total commitment) verwendet.

4. Effektive Einsparungsrate (%): Gibt den Return on Investment (ROI) für Rabatte für Zusagen an. Für den Messwert wird die Formel (Commitment Savings / On-Demand Equivalent Spend) verwendet.

   Die folgenden BigQuery-Beispielabfragen zeigen, wie Sie nützliche Informationen für die folgenden KPIs abrufen können, um Ihre Kostendaten besser zu analysieren.

Die richtige Beispielabfrage auswählen

Damit Sie Ihre Abfragen an die Änderungen am Datenmodell anpassen können, stellen wir zwei Versionen der KPI-Beispielabfragen zur Verfügung. Wählen Sie eine der folgenden Optionen aus:

• Beispielabfragen für KPIs mit dem alten Datenmodell
• Beispielabfragen für KPIs mit dem neuen Datenmodell

Beispiel-KPI-Abfragen mit dem alten Datenmodell

Verwenden Sie diese Beispielabfragen, wenn Sie das neue Datenmodell nicht verwenden.

Diese Abfragen gelten nur für flexible CUDs für Compute. Wenn Sie andere ausgabenbasierte CUD-Produkte abfragen möchten, müssen Sie die folgenden Werte ändern:

• cud_product
• sku.description
• credit.type

CUD-Kosten plus CUD-Einsparungen

WITH
 cost_data AS (
   SELECT *
   FROM project.dataset.gcp_billing_export_resource_v1_NNNNNN_NNNNNN_NNNNNN
   WHERE invoice.month = 'month'
 ),
 cud_product_data AS (
   SELECT * FROM UNNEST(
     [
       STRUCT(
         'Compute Engine Flexible CUDs' AS cud_product,
         'Commitment - dollar based v1: GCE' AS cud_fee_regex,
         'GCE Commitments' AS cud_credit_regex)])
 ),
 cud_costs AS (
   SELECT
     invoice.month AS invoice_month,
     cud_product_data.cud_product,
     IFNULL(
       (
         SELECT l.value
         FROM UNNEST(labels) l
         WHERE l.key = 'goog-originating-service-id'
       ),
       service.id) AS service,
     SUM(cost) AS cost
   FROM
     cost_data
   JOIN cud_product_data
     ON
       REGEXP_CONTAINS(
         sku.description, cud_fee_regex)
   GROUP BY 1, 2, 3
 ),
 cud_credits AS (
   SELECT
     invoice.month AS invoice_month,
     cud_product,
     service.id AS service,
     SUM(credit.amount) AS spend_cud_credits
   FROM
     cost_data, UNNEST(credits) AS credit
   JOIN cud_product_data
     ON
       REGEXP_CONTAINS(
         credit.full_name, cud_credit_regex)
   WHERE
     credit.type = 'COMMITTED_USAGE_DISCOUNT_DOLLAR_BASE'
   GROUP BY 1, 2, 3
 )
SELECT
 invoice_month,
 cud_product,
 cost As commitment_cost,
 -1 * (cost + IFNULL(spend_cud_credits, 0)) AS commitment_savings
FROM cud_costs
LEFT JOIN cud_credits
 USING (invoice_month, cud_product, service);

• month ist das aktuelle Jahr und der aktuelle Monat im Format YYYYMM, z. B. „202504“.

Zusicherungsnutzung

WITH
 cost_data AS (
   SELECT *
   FROM project.dataset.gcp_billing_export_resource_v1_NNNNNN_NNNNNN_NNNNNN
   WHERE invoice.month = 'month'
 ),
 cud_product_data AS (
   SELECT * FROM UNNEST(
     [
       STRUCT(
         'Compute Engine Flexible CUDs' AS cud_product,
         'Commitment - dollar based v1: GCE' AS cud_fee_regex,
         'GCE Commitments' AS cud_credit_regex)])
),
 cud_commitment_amount AS (
   SELECT
     invoice.month AS invoice_month,
     cud_product_data.cud_product,
     SUM(usage.amount_in_pricing_units / 100) AS commitment_amount,
   FROM
     cost_data
   JOIN cud_product_data
     ON
       REGEXP_CONTAINS(
         sku.description, cud_fee_regex)
   GROUP BY 1, 2
 ),
 cud_utilized_commitment_amount AS (
   SELECT
     invoice.month AS invoice_month,
     cud_product,
     ABS(SUM(credit.amount / currency_conversion_rate))
       AS utilized_commitment_amount
   FROM
     cost_data, UNNEST(credits) AS credit
   JOIN cud_product_data
     ON
       REGEXP_CONTAINS(
         credit.full_name, cud_credit_regex)
   WHERE
     credit.type = 'COMMITTED_USAGE_DISCOUNT_DOLLAR_BASE'
   GROUP BY 1, 2
 )
SELECT
 invoice_month,
 cud_product,
 utilized_commitment_amount / commitment_amount *100 AS commitment_utilization
FROM cud_commitment_amount
LEFT JOIN cud_utilized_commitment_amount
 USING (invoice_month, cud_product);

• month ist das aktuelle Jahr und der aktuelle Monat im Format YYYYMM, z. B. „202504“.

Effektiver Sparzinssatz

WITH
 cost_data AS (
   SELECT *
   FROM project.dataset.gcp_billing_export_resource_v1_NNNNNN_NNNNNN_NNNNNN
   WHERE invoice.month = 'month'
 ),
 cud_product_data AS (
   SELECT * FROM UNNEST(
     [
       STRUCT(
         'Compute Engine Flexible CUDs' AS cud_product,
         'Commitment - dollar based v1: GCE' AS cud_fee_regex,
         'GCE Commitments' AS cud_credit_regex)])
 ),
 eligible_cud_skus AS (
   SELECT sku_id
   FROM example_project.dataset.flex_cud_skus
 ),
 eligible_cud_spend AS (
   SELECT
     invoice.month AS invoice_month,
     SUM(cost) AS cost,
     SUM(
       IFNULL(
         (
           SELECT SUM(credit.amount)
           FROM UNNEST(credits) AS credit
           WHERE
             credit.type IN (
               'COMMITTED_USAGE_DISCOUNT',
               'COMMITTED_USAGE_DISCOUNT_DOLLAR_BASE',
               'DISCOUNT',
               'FREE_TIER')
         ),
         0)) AS costs_ineligible_for_cud,
   FROM cost_data
   JOIN eligible_cud_skus
     ON sku.id = sku_id
   GROUP BY 1
 ),
 cud_costs AS (
   SELECT
     invoice.month AS invoice_month,
     cud_product_data.cud_product,
     IFNULL(
       (
         SELECT l.value
         FROM UNNEST(labels) l
         WHERE l.key = 'goog-originating-service-id'
       ),
       service.id) AS service,
     SUM(cost) AS cost
   FROM
     cost_data
   JOIN cud_product_data
     ON
       REGEXP_CONTAINS(
         sku.description, cud_fee_regex)
   GROUP BY 1, 2, 3
 ),
 cud_credits AS (
   SELECT
     invoice.month AS invoice_month,
     SUM(credit.amount) AS spend_cud_credits
   FROM
     cost_data, UNNEST(credits) AS credit
   WHERE
     credit.type = 'COMMITTED_USAGE_DISCOUNT_DOLLAR_BASE'
     AND REGEXP_CONTAINS(credit.full_name, 'GCE Commitments')
   GROUP BY 1
 ),
cud_savings AS (
  SELECT
   invoice_month,
   Cud_product,
   spend_cud_credits as spend_cud_credits,
   -1 * (cost + IFNULL(spend_cud_credits, 0)) AS commitment_savings
FROM cud_costs
LEFT JOIN cud_credits
 USING (invoice_month)
)
SELECT
 Invoice_month,
 commitment_savings * 100
   / (cost + costs_ineligible_for_cud - IFNULL(spend_cud_credits, 0))
   AS effective_savings_rate
FROM eligible_cud_spend
LEFT JOIN cud_savings
 USING (invoice_month);

• month ist das aktuelle Jahr und der aktuelle Monat im Format YYYYMM, z. B. „202504“.

Beispiel-KPI-Abfragen mit dem neuen Datenmodell

Verwenden Sie diese Beispielabfrage, wenn Sie das neue Datenmodell eingeführt haben.

Diese Abfragen gelten nur für flexible CUDs für Compute. Wenn Sie andere ausgabenbasierte CUD-Produkte abfragen möchten, müssen Sie die folgenden Werte ändern:

• cud_fee_skus
• consumption_model.id

SET bigquery_billing_project = billing-project-id;

WITH
  cost_data AS (
    SELECT *
    FROM
      project.dataset.gcp_billing_export_resource_v1_NNNNNN_NNNNNN_NNNNNN
    WHERE invoice.month = 'month'
  ),
  cud_fee_skus AS (
    SELECT * FROM UNNEST(
      [
        '5515-81A8-03A2',
        'B22F-51BE-D599'])
      fee_sku_id
  ),
  cud_costs AS (
    SELECT
      invoice.month AS invoice_month,
      subscription.instance_id AS subscription_instance_id,
      IFNULL(
        (
          SELECT l.value
          FROM UNNEST(labels) l
          WHERE l.key = 'goog-originating-service-id'
        ),
        service.id) AS service,
      SUM(cost) AS commitment_cost,
      SUM(
        (
          SELECT SUM(credit.amount)
          FROM UNNEST(credits) credit
          WHERE credit.type = 'FEE_UTILIZATION_OFFSET'
        )) AS fee_utilization_offset
    FROM
      cost_data
    JOIN cud_fee_skus
      ON fee_sku_id = sku.id
    GROUP BY 1, 2, 3
  ),
  cud_savings AS (
    SELECT
      invoice.month AS invoice_month,
      subscription.instance_id,
      service.id AS service,
      SUM(cost - cost_at_effective_price_default) AS cud_savings_amount,
      SUM(cost_at_effective_price_default) AS on_demand_costs
    FROM
      cost_data
    WHERE
      consumption_model.id IS NOT NULL
      AND consumption_model.id IN ('D97B-0795-975B','70D7-D1AB-12A4')
    GROUP BY 1, 2, 3
  )
SELECT
  invoice_month,
  subscription_instance_id,
  service,
  commitment_cost,
  commitment_cost + fee_utilization_offset + IFNULL(cud_savings_amount, 0)
    AS commitment_savings,
  ABS(fee_utilization_offset) / commitment_cost * 100 AS cud_utilization_percent,
  (commitment_cost + fee_utilization_offset + IFNULL(cud_savings_amount, 0))
    / IFNULL(on_demand_costs, 1) * 100 AS effective_savings_rate
FROM cud_costs
LEFT JOIN cud_savings
  USING (invoice_month, subscription_instance_id, service);

• month ist das aktuelle Jahr und der aktuelle Monat im Format YYYYMM, z. B. „202504“.

Cloud Billing-Export nach BigQuery

Beim Cloud Billing-Export nach BigQuery werden die folgenden Felder für den Standard-, detaillierten und Rückabrechnungsdatenexport (nur Reseller) hinzugefügt oder geändert:

Änderungen beim Preisexport

Beim Cloud Billing-Export nach BigQuery werden die folgenden Felder für Preisinformationen hinzugefügt oder geändert:

Neue Produktinformationen zu Rabatten für zugesicherte Nutzung

Die neuen SKU-IDs für CUD-Gebühren ersetzen die vorhandenen SKU-IDs für CUD-Gebühren. Die neuen Angebots-IDs und Verbrauchsmodell-IDs gelten für alle CUDs, die in den Anwendungsbereich fallen. Anhand der folgenden Details können Sie Ihre Abfragen und Dashboards anpassen.

Migration von Angeboten und IDs von Nutzungsmodellen

In der folgenden Tabelle sehen Sie die Angebots- und Verbrauchsmodell-IDs, die vom alten zum neuen Datenmodell migriert werden.

Migration der SKU-ID für die Gebühr für zugesicherte Nutzung

In den folgenden Tabellen sind die SKU-IDs für CUD-Gebühren aufgeführt, die für die einzelnen Produkte vom alten zum neuen Datenmodell migriert werden.

Cloud Run

Bigtable

Dataflow

Memorystore for Redis

Cloud Spanner

Kubernetes Engine

AlloyDB for PostgreSQL

Cloud SQL

Compute Flexible

Managed Service for Apache Kafka

BigQuery

Cloud Firestore

Backup und DR für Oracle

Weitere Informationen

• Weitere Informationen zu Verbesserungen am Programm für ausgabenbasierte CUDs