1
Sentry
Shares tags: analyze, platform
KI-WerkzeugDead Man Walking
Datadog Bewertung
Datadog ist eine umfassende Monitoring- und Analyseplattform, die Einblicke in Infrastruktur, Anwendungen und Logs über eine SaaS-basierte Datenanalyseplattform bietet.
shipped 27. Mai 2026analyzefreemium
1Datadog vereinheitlicht Metriken, Logs und Traces in einer einzigen Oberfläche für durchgängige Observability.
2Die Plattform bietet über 750 Integrationen für diverse Technologie-Stacks und verbessert die Sichtbarkeit in Cloud- und Hybrid-Umgebungen.
3Datadog führte 2025 die Bits AI Suite ein, die Agenten wie Bits AI SRE und Bits AI Security Analyst für autonome Incident-Resolution und Bedrohungsabwehr umfasst.
4LLM Observability wurde 2025 allgemein verfügbar und bietet Funktionen zur Überwachung von AI-Workloads, zum Tracing von LLM-Ketten und zur Fehlerbehebung bei Ausgaben.
Stork Quadrant
Dead Man Walking· 38/100
An LLM can do most of what this tool's UI promises. No moat, no agent presence.
Confidencehigh(3 runs · ±0)
“Datadog's core value is not the UI — it's the agent that sits inside every customer's infrastructure, ingesting proprietary telemetry that no LLM can see without it. The coordination moat is real: Datadog stitches together hundreds of integrations, auth layers, and cross-service traces that an LLM alone cannot replicate. The brand is sticky in enterprise engineering orgs where switching costs are measured in months of re-instrumentation. Bits AI is the right move — become the reasoning layer on top of data only you have.”
Defensibility · 49/100
- Physical-world coupling
- Regulatory moat
- Network liquidity
- Proprietary refreshing data
- High-trust catastrophic workflows
- Multi-party coordination
- Brand / community / taste
An LLM alone could replace
- Explain what a log error means or suggest root cause from a pasted stack trace
- Write a dashboard query or alerting rule from a natural-language description
- Summarize an incident timeline given copy-pasted metrics and logs
- Generate runbooks or remediation steps for common infrastructure failures
Agent-Readiness · 25/100
- Verified MCP— Stork MCP listing: datadog-mcp (untested)
- Listed on agent surfaces— anthropic_directory, cursor + Stork:datadog-mcp
- Usage-based pricing
- Headless agent auth
- Public OpenAPI
- Active changelog
- llms.txt— https://www.datadoghq.com/llms.txt
How to defend
Double down on the agent-as-data-collector moat: make Datadog the mandatory pipe that feeds any AI ops workflow, so LLMs call Datadog's APIs rather than replace them. Own the liability surface for production incident response — SLA-backed anomaly detection with audit trails is where trust compounds.
- Ship an MCP server and list it on Stork — biggest single point gain (+25).
- Add a usage-based or per-call tier; per-seat-only pricing dies when agents replace seats (+15).
- Expose API-key auth with a self-serve sandbox tier; remove sales-call gates (+15).
- Publish an OpenAPI spec at /openapi.json or /.well-known/openapi (+10).
- Publish a public changelog and ship in the last 90 days — silence reads as abandonment (+10).
Ähnliche Tools
Alternativen vergleichen
Andere Tools, die Sie in Betracht ziehen könnten
Auf Stork ansehen→
2
ThoughtSpot Sage
Shares tags: analyze
3
Google Cloud OCR
Shares tags: analyze
4
Pigment AI
Shares tags: analyze
</>Embed "Featured on Stork" Badge▼
<a href="https://www.stork.ai/en/datadog" target="_blank" rel="noopener noreferrer"><img src="https://www.stork.ai/api/badge/datadog?style=dark" alt="Datadog - Featured on Stork.ai" height="36" /></a>
[](https://www.stork.ai/en/datadog)
overview
Was ist Datadog?
Datadog ist eine Observability- und Sicherheitsplattform, entwickelt von Datadog (Unternehmen), die DevOps Engineers, Site Reliability Engineers (SREs), Security Analysts, CTOs und Platform Engineers befähigt, ihre Infrastruktur, Anwendungen und Services zu überwachen, Fehler zu beheben und zu optimieren. Sie vereinheitlicht Metriken, Logs und Traces in einer einzigen Oberfläche und bietet Echtzeit-Einblicke über den gesamten Technologie-Stack einer Organisation. Die Plattform ist für Cloud-Scale-Anwendungen konzipiert und bietet eine umfassende Überwachung von Servern, Datenbanken, Tools und Services über eine SaaS-basierte Datenanalyseplattform. Jüngste Entwicklungen umfassen erhebliche Investitionen in AI und LLM Observability, mit der Einführung der Bits AI Suite im Jahr 2025, die intelligente AI-Agenten für autonome Incident-Resolution und Sicherheitsanalyse umfasst. Datadog erweiterte auch seine Fähigkeiten zur Überwachung von AI-Workloads mit LLM Observability, allgemein verfügbar im Jahr 2025, und GPU Monitoring, ebenfalls 2025 eingeführt, um die AI-Infrastruktur zu optimieren.
quick facts
Kurze Fakten
| Attribut | Wert |
|---|---|
| Entwickler | Datadog |
| Geschäftsmodell | Freemium / Hybrid (Abonnement mit nutzungsbasierten Komponenten) |
| Preismodell | Freemium, Starter, Professional, Enterprise Stufen |
| Plattformen | Web, API |
| API verfügbar | Ja |
| Integrationen | Über 750 |
| API Dokumentations-URL | https://docs.datadoghq.com/api/ |
features
Hauptfunktionen von Datadog
Datadog bietet eine umfassende Suite von Funktionen, die darauf ausgelegt sind, durchgängige Sichtbarkeit und umsetzbare Einblicke über moderne Technologie-Stacks hinweg zu bieten. Diese Funktionen werden über eine einheitliche Plattform bereitgestellt, die es Teams ermöglicht, ihre Cloud-nativen und hybriden Umgebungen proaktiv zu überwachen, Fehler zu beheben und zu sichern.
- 1Infrastructure Monitoring: Verfolgt Leistungsmetriken für Server, VMs, Container (Docker, Kubernetes) und Cloud-Plattformen (AWS, Azure, GCP).
- 2Application Performance Monitoring (APM): Analysiert die Anwendungsleistung mit Distributed Tracing und identifiziert Engpässe über Microservices hinweg.
- 3Log Management: Zentralisiert, analysiert und korreliert Log-Daten aus verschiedenen Quellen für eine schnellere Fehlerbehebung.
- 4Security Monitoring: Identifiziert Schwachstellen, erkennt Bedrohungen und gewährleistet die Compliance in Cloud-Umgebungen.
- 5Real User Monitoring (RUM): Bietet Einblicke in reale Benutzerinteraktionen, erfasst Seitenladezeiten und Browser-Leistung.
- 6Synthetic Monitoring: Simuliert Benutzerinteraktionen und API-Aufrufe, um die Verfügbarkeit von Anwendungen und APIs proaktiv zu testen.
- 7CI Visibility: Bietet Einblicke in Continuous Integration Pipelines zur Optimierung von Entwicklungs-Workflows.
- 8Bits AI: Eine Suite von AI-Agenten für die Untersuchung in natürlicher Sprache, autonome Incident-Resolution (Bits AI SRE) und automatisierte Sicherheitsanalyse (Bits AI Security Analyst).
- 9LLM Observability: Überwacht AI-Workloads, verfolgt LLM-Ketten und bietet Tools zur Fehlerbehebung und Leistungsoptimierung von LLM-Anwendungen.
- 10GPU Monitoring: Bietet tiefe Einblicke in den Zustand, die Auslastung und die Zuweisung von GPU-Flotten zur Optimierung der AI-Infrastruktur.
use cases
Wer sollte Datadog nutzen?
Datadog wird hauptsächlich von technischen Fachkräften und Führungskräften in Organisationen genutzt, die komplexe, Cloud-Scale- oder hybride IT-Umgebungen betreiben. Die einheitliche Observability-Plattform erfüllt die Anforderungen von Teams, die sich auf die Aufrechterhaltung der Systemzuverlässigkeit, die Optimierung der Anwendungsleistung und die Sicherstellung robuster Sicherheitslagen konzentrieren.
- 1DevOps Engineers: Für umfassendes Monitoring von Infrastruktur und Anwendungen, Optimierung von CI/CD-Pipelines und Beschleunigung der Incident-Response.
- 2Site Reliability Engineers (SREs): Zur Sicherstellung der Systemzuverlässigkeit, Optimierung der Leistung und proaktiven Verwaltung von Incidents durch vereinheitlichte Metriken, Logs und Traces.
- 3Security Analysts: Zum Identifizieren von Schwachstellen, Erkennen von Bedrohungen und Sicherstellen der Compliance in Cloud-Umgebungen mit Security Monitoring und Cloud SIEM-Funktionen.
- 4CTOs und Platform Engineers: Um ganzheitliche Einblicke in den gesamten Technologie-Stack zu erhalten, fundierte architektonische Entscheidungen zu treffen und die Cloud-Ressourcennutzung und -Kosten zu optimieren.
- 5AI/ML Teams: Nutzen LLM Observability und GPU Monitoring, um AI-Workloads und die zugrunde liegende GPU-Infrastruktur zu verfolgen, Fehler zu beheben und zu optimieren.
pricing
Datadog Preise & Pläne
Datadog arbeitet nach einem Freemium-Modell und bietet verschiedene Pläne an, die auf unterschiedliche organisatorische Bedürfnisse zugeschnitten sind, darunter Starter-, Professional- und Enterprise-Stufen. Obwohl spezifische Dollarbeträge für jede Stufe in den bereitgestellten Daten nicht öffentlich detailliert sind, ist die Preisgestaltung der Plattform modular und nutzungsbasiert, was dazu führen kann, dass die Kosten mit zunehmendem Datenvolumen, Host-Anzahl und Funktionsnutzung steigen. API-Ratenlimits werden durchgesetzt und variieren erheblich je nach Plan und spezifischem Endpunkt, was die operative Skalierung für verschiedene Organisationen beeinflusst. Zum Beispiel betragen die allgemeinen API-Ratenlimits 50 Anfragen pro Minute für den Starter-Plan, 100 Anfragen pro Minute für Professional und 200 Anfragen pro Minute für Enterprise-Pläne. Spezifische API-Endpunkte haben ihre eigenen Limits, wie der Metrikabruf mit 100 Anfragen pro Stunde pro Organisation, die Ereignisübermittlung mit 250.000 Ereignissen pro Minute pro Organisation und die Log Configuration API mit 6.000 Anfragen pro Minute pro Organisation. Die Graph a Snapshot API ist auf 60 Anfragen pro Stunde pro Organisation begrenzt. Die Übermittlung von Datenpunkten/Metriken und das Senden von Logs unterliegen im Allgemeinen nicht denselben Ratenlimits wie andere API-Aufrufe.
- 1Starter: Freemium, mit einem allgemeinen API-Ratenlimit von 50 Anfragen pro Minute.
- 2Professional: Freemium, mit einem allgemeinen API-Ratenlimit von 100 Anfragen pro Minute.
- 3Enterprise: Freemium, mit einem allgemeinen API-Ratenlimit von 200 Anfragen pro Minute.
competitors
Datadog vs. Wettbewerber
Datadog agiert in einem wettbewerbsintensiven Umfeld von Observability- und Monitoring-Plattformen, die jeweils unterschiedliche Ansätze und Stärken bieten. Zu den Hauptwettbewerbern gehören New Relic, Dynatrace, Splunk Observability Cloud und Grafana Cloud.
- 1Datadog vs. New Relic: Datadog bietet ein ähnlich vereinheitlichtes Observability-Erlebnis, aber New Relic betont Datenfreiheit und ein Preismodell, das auf der aufgenommenen Datenmenge basiert, anstatt pro Host oder Produktfunktionen, um mehr Vorhersehbarkeit zu erzielen.
- 2Datadog vs. Dynatrace: Datadog bietet umfassendes Monitoring, während Dynatrace oft für seine fortschrittliche AI-gestützte Automatisierung (Davis AI) und vereinheitlichte Architektur mit einem Data Lakehouse (Grail) für präzise Ursachenanalyse und autonome Operationen gewählt wird.
- 3Datadog vs. Splunk Observability Cloud: Während Datadog sich durch Benutzerfreundlichkeit und APM-Funktionen auszeichnet, ist Splunk Observability Cloud bekannt für seinen 100% OpenTelemetry-nativen Ansatz, leistungsstarkes Log Management und Datenanalyse auf Enterprise-Niveau, insbesondere für große Datensätze und sicherheitsorientierte Umgebungen.
- 4Datadog vs. Grafana Cloud: Datadog bietet einen breiten Funktionsumfang, aber Grafana Cloud bietet eine vollständig verwaltete Observability-Plattform, die auf offenen Standards (Prometheus, Loki, Tempo) basiert, oft zu einem deutlich günstigeren verbrauchsabhängigen Preismodell, was Teams anspricht, die Kostenkontrolle und offene Standards priorisieren.
❓
Häufig gestellte Fragen
+Was ist Datadog?
Datadog ist eine Observability- und Sicherheitsplattform, entwickelt von Datadog (Unternehmen), die DevOps Engineers, Site Reliability Engineers (SREs), Security Analysts, CTOs und Platform Engineers befähigt, ihre Infrastruktur, Anwendungen und Services zu überwachen, Fehler zu beheben und zu optimieren. Sie vereinheitlicht Metriken, Logs und Traces in einer einzigen Oberfläche und bietet Echtzeit-Einblicke über den gesamten Technologie-Stack einer Organisation.
+Ist Datadog kostenlos?
Datadog arbeitet nach einem Freemium-Modell und bietet verschiedene Pläne an, darunter Starter-, Professional- und Enterprise-Stufen. Während es eine Freemium-Komponente gibt, ist die spezifische Preisgestaltung für kostenpflichtige Stufen modular und nutzungsbasiert, was bedeutet, dass die Kosten je nach Datenvolumen, Host-Anzahl und genutzten Funktionen variieren können. API-Ratenlimits variieren ebenfalls je nach Plan.
+Was sind die Hauptfunktionen von Datadog?
Zu den Hauptfunktionen von Datadog gehören Infrastructure Monitoring, Application Performance Monitoring (APM), Log Management, Security Monitoring, Real User Monitoring (RUM), Synthetic Monitoring und CI Visibility. Jüngste Ergänzungen umfassen die Bits AI Suite für die Untersuchung in natürlicher Sprache und autonome Operationen, LLM Observability für AI-Workloads und GPU Monitoring.
+Wer sollte Datadog nutzen?
Datadog ist primär für DevOps Engineers, Site Reliability Engineers (SREs), Security Analysts, CTOs und Platform Engineers konzipiert. Es eignet sich für Organisationen, die komplexe Cloud-native oder hybride Umgebungen verwalten und eine vereinheitlichte Sichtbarkeit, proaktives Monitoring und effiziente Fehlerbehebung über ihren gesamten Technologie-Stack hinweg benötigen.
+Wie schneidet Datadog im Vergleich zu Alternativen ab?
Datadog konkurriert mit Plattformen wie New Relic, Dynatrace, Splunk Observability Cloud und Grafana Cloud. Datadog bietet ein vereinheitlichtes Observability-Erlebnis mit starkem Fokus auf Benutzerfreundlichkeit und Integrationen. New Relic betont eine datenaufnahmegestützte Preisgestaltung, Dynatrace bietet fortschrittliche AI-gestützte Automatisierung für die Ursachenanalyse, Splunk Observability Cloud ist bekannt für seinen OpenTelemetry-nativen Ansatz und leistungsstarkes Log Management, und Grafana Cloud bietet kostengünstige, auf offenen Standards basierende Observability.
For builders
This page is doing a job for someone else’s tool.
AI agents read it. Buyers find it. Backlinks accrue. Your tool can have one too — live in 24 hours, indexed by Claude, ChatGPT, and Perplexity, queryable via MCP.