Skip to content
KI-Werkzeug

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
analyzeplatform
Datadog - AI tool

Warum es wichtig ist

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’s verdict on Datadog

Datadog vereint Full-Stack-Observability mit fortschrittlichen KI-Agenten, aber seine umfangreichen Funktionen sind für einfachere Überwachungsanforderungen übertrieben.

Datadog reviewed by Stork AI · stork.ai/de/datadog

Spezifikationen

API-Dokumentation

API verfügbar

Ja, öffentliche API

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.

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.

  • Infrastructure Monitoring: Verfolgt Leistungsmetriken für Server, VMs, Container (Docker, Kubernetes) und Cloud-Plattformen (AWS, Azure, GCP).
  • Application Performance Monitoring (APM): Analysiert die Anwendungsleistung mit Distributed Tracing und identifiziert Engpässe über Microservices hinweg.
  • Log Management: Zentralisiert, analysiert und korreliert Log-Daten aus verschiedenen Quellen für eine schnellere Fehlerbehebung.
  • Security Monitoring: Identifiziert Schwachstellen, erkennt Bedrohungen und gewährleistet die Compliance in Cloud-Umgebungen.
  • Real User Monitoring (RUM): Bietet Einblicke in reale Benutzerinteraktionen, erfasst Seitenladezeiten und Browser-Leistung.
  • Synthetic Monitoring: Simuliert Benutzerinteraktionen und API-Aufrufe, um die Verfügbarkeit von Anwendungen und APIs proaktiv zu testen.
  • CI Visibility: Bietet Einblicke in Continuous Integration Pipelines zur Optimierung von Entwicklungs-Workflows.
  • Bits 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).
  • LLM Observability: Überwacht AI-Workloads, verfolgt LLM-Ketten und bietet Tools zur Fehlerbehebung und Leistungsoptimierung von LLM-Anwendungen.
  • GPU 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.

  • DevOps Engineers: Für umfassendes Monitoring von Infrastruktur und Anwendungen, Optimierung von CI/CD-Pipelines und Beschleunigung der Incident-Response.
  • Site Reliability Engineers (SREs): Zur Sicherstellung der Systemzuverlässigkeit, Optimierung der Leistung und proaktiven Verwaltung von Incidents durch vereinheitlichte Metriken, Logs und Traces.
  • Security Analysts: Zum Identifizieren von Schwachstellen, Erkennen von Bedrohungen und Sicherstellen der Compliance in Cloud-Umgebungen mit Security Monitoring und Cloud SIEM-Funktionen.
  • CTOs 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.
  • AI/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.

  • Starter: Freemium, mit einem allgemeinen API-Ratenlimit von 50 Anfragen pro Minute.
  • Professional: Freemium, mit einem allgemeinen API-Ratenlimit von 100 Anfragen pro Minute.
  • Enterprise: Freemium, mit einem allgemeinen API-Ratenlimit von 200 Anfragen pro Minute.

Ähnliche Tools

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.

1

New Relic offers an all-in-one consumption-based pricing model and an application-centric approach, making it simpler to start with.

Compared to Datadog's complex SKU-based pricing, New Relic's pricing is based on users and data ingest, with all platform features included once data is ingested. While Datadog excels in granular controls, security features, and deep infrastructure monitoring, New Relic is often preferred for quick implementation and an application-centric focus.

2

Dynatrace provides an AI-powered observability platform with a strong emphasis on full automation, deep application performance insights, and causal AI for root-cause analysis.

Dynatrace offers more advanced and better-integrated AI-powered features, focusing on APM and automated problem resolution, whereas Datadog provides powerful tools for manual investigation and comprehensive security monitoring. Dynatrace's pricing can be more complex, often based on features and usage levels, including full-stack monitoring per host, while Datadog has a decentralized pricing model per product.

3

Splunk is renowned for its powerful log management and machine data analytics capabilities, excelling in searching, indexing, and visualizing large volumes of log data, particularly for security and compliance.

While Datadog offers a comprehensive observability solution with real-time monitoring across metrics, logs, and traces, Splunk's primary strength lies in enterprise-level log management and Security Information and Event Management (SIEM). Splunk's pricing is typically based on data ingestion, which can become very expensive for large data volumes, whereas Datadog's pricing is often host-based for infrastructure and APM, and data-volume based for logs.

4

The Elastic Stack is an open-source suite of tools (Elasticsearch, Kibana, Logstash, Beats) that provides flexibility and control for ingesting, storing, searching, and visualizing data at scale, with a strong foundation in search and log analytics.

Datadog is a SaaS-first, opinionated platform offering fast time-to-value with a polished UI and extensive integrations, while Elastic Stack provides building blocks for observability, allowing greater customization and control over data. Elastic Stack is generally considered more cost-effective at scale, especially with its open-source components, but requires more operational overhead compared to Datadog's fully managed service.

AI Reputation Report

Is Datadog yours?

ChatGPT, Perplexity, Gemini, Claude & Grok answer buyer questions about Datadog every day. See whether they name Datadog — or send buyers to a rival.