Idle-Time-Optimierung bezeichnet alle Maßnahmen, die den Energie- und Ressourcenverbrauch in Phasen geringer oder fehlender Auslastung minimieren. Klassisch ist ein nicht ausgelasteter Server immer noch ein nicht-trivialer Stromverbraucher; Idle-Time-Optimierung versucht, dieses "Standby"-Niveau möglichst nahe an Null zu bringen.
In der Praxis werden hierzu Techniken wie CPU-Sleep-States (C-States), Dynamic Voltage and Frequency Scaling (DVFS), Suspend/Resume, Auto-Scaling, Scale-to-zero in serverlosen Umgebungen sowie das gezielte Herunterfahren ungenutzter Cluster und Datenbanken eingesetzt. Auf Anwendungsebene gehören Polling-Vermeidung, langlebige Verbindungen und ereignisgetriebene Architekturen dazu.
Einsatzzweck ist die Reduktion von "Geistereinsatz": Hardware oder Cloud-Ressourcen, die laufen, ohne dass sie tatsächlich Wert schaffen. Da sich Energie- und Cloud-Kosten linear mit der Laufzeit summieren, ist Idle-Time-Optimierung sowohl finanziell als auch ökologisch interessant.
Das Thema gewann in den 2010er Jahren mit dem Aufkommen von Cloud, Containern und Serverless an Bedeutung. Studien wie "The Energy Cost of Idle" der University of Michigan und Berichte von Anbietern wie ARM und AMD haben gezeigt, wie viel Sparpotenzial allein in moderner Stromverwaltung steckt.
Berühmt ist die Aussage von James Hamilton (AWS), dass "the cheapest server is the one you don't need to run" – sie bringt Idle-Time-Optimierung pointiert auf den Punkt: Effizienter als jede Optimierung der laufenden Last ist, dass sie überhaupt nicht läuft, wenn sie nicht gebraucht wird.