Monitoring-Rechner: was dein Telemetry-Stack wirklich kostet

Datadog ist nicht teuer — du nutzt nur 30 %

Wenn jemand sagt „Datadog kostet uns 8.000 Dollar im Monat", lügt die Aussage nicht — aber sie ist unvollständig. Datadog ist eine Telemetry-Plattform, die ungefähr 18 Module verkauft: Infrastructure Monitoring, APM, Log Management, Real-User-Monitoring, Synthetic Tests, CI Visibility, Database Monitoring, Continuous Profiler, Cloud SIEM, Cloud Security, Network Performance Monitoring, Serverless Monitoring, Workflow Automation und einige mehr. Die meisten Teams nutzen davon tatsächlich drei bis fünf — und zahlen trotzdem den vollen Setup-Preis.

Die häufigste Verschwendung sehen wir bei APM auf jedem Host. Wenn du eine Microservice-Architektur mit 80 Containern hast und APM überall aktiviert lässt, sind das 80 × 31 = 2.480 USD allein für APM. Du brauchst APM aber nur auf den Services, die User-Latency-Pfade durchlaufen — typischerweise 15-25 Services. Auf den restlichen reicht Infrastructure Monitoring ($15/Host) plus Logs. Das halbiert den APM-Cost-Anteil ohne Beobachtbarkeitsverlust.

Die zweite häufige Verschwendung: Logs ohne Filter. Datadog rechnet $1.27 pro Million ingested und nochmal $1.70 pro Million scanned. Wenn dein API jeden Health-Check, jede heartbeat-Nachricht und jedes Datenbank-Connection-Open im DEBUG-Level loggt und alles durchläuft, zahlst du für Daten, die niemand abfragt. Lösung: am Agent filtern (Pipeline Rules), bevor sie überhaupt zu Datadog gehen — und nur INFO+ ingestieren.

Bevor du Datadog rauswirfst, lohnt sich also der Selbst-Audit: welche Module nutzt du wirklich, welche kannst du deaktivieren, wo loggst du zu viel? In 80 % der Fälle reduzierst du den Bill um 40-60 % ohne Tool- Wechsel. Wenn du es nach diesem Audit immer noch zu teuer findest, wechsel zu einem modularen Stack.

Grafana Cloud — das Free-Tier-Wunder mit Limits

Grafana Cloud Free ist eines der großzügigsten Free-Tiers auf dem Markt: 10.000 aktive Time-Series, 50 GB Logs pro Monat, 50.000 RUM-Sessions, 50 Millionen Trace-Events. Für eine Indie-App oder ein frühes Startup reicht das oft komplett — du läufst monatelang ohne jegliche Monitoring-Rechnung. Sobald du wächst, springst du auf Pro mit $8 pro Host plus Usage-Charges.

Die Limits, die du beachten musst: Cardinality. Grafana misst „active time-series", und wenn deine Metriken zu viele Labels haben (jede User-ID, jede Request-ID, jede Country-Code-Kombination), explodieren die Series. Bei >50k Series springt der Bill von $0 auf $30-50 pro Monat. Bei >1M Series wird's vierstellig. Best Practice: Labels sparsam, hochkardinale Daten in Logs nicht in Metrics.

Was Grafana richtig macht: OpenTelemetry-First. Während Datadog auf ihren eigenen Agent setzt (mit eigenem Format und eigener Config), schluckt Grafana nativ OTLP. Wenn du je den Stack wechseln willst, ist OTEL deine Versicherung — Source-Code unverändert lassen, nur das Backend tauschen. Datadog ist es egal, ob du OTEL nutzt — aber ihre native Tracer-Library ist schneller integriert.

Axiom vs Loki — wann der eine besser

Loki ist Grafana Labs' Logs-Lösung und kommt aus der Prometheus-Welt: indexiere Labels, nicht Inhalt, kompakter Storage auf S3. Loki ist genial, wenn deine Logs strukturiert sind und du wenige, aber wichtige Labels hast. Loki ist hingegen frustrierend, wenn deine Logs unstrukturiert sind und du Full-Text-Suchen über alles machen willst — dann wird jede Suche zum Full-Scan.

Axiom ist umgekehrt: schluckt Logs als JSON, indexiert implizit, läuft auf Apache Parquet auf S3. Queries sind APL (Axiom Processing Language, ähnlich KQL), und Full-Text-Suchen sind nativ. Pricing ist linear: $25/Monat für 100 GB, danach $0,25/GB extra. Bei 300 GB Logs pro Monat zahlst du also $75 — bei Datadog wären das ungefähr $1.500.

Die Schwäche von Axiom: weniger Out-of-the-Box-Integrationen. CloudWatch-Logs, Vercel-Logs, Vector-Pipelines — alles möglich, aber du musst es selbst verkabeln. Wenn du DevOps-Resourcen hast und Logs zentralisieren willst, ist Axiom ein massiver Kostenvorteil. Wenn du ein UI willst, das einfach läuft, nimm Better Stack oder Datadog.

Stack-Diversifizierung vs Single-Vendor

Die Frage „Single-Vendor oder Multi-Vendor" ist die wichtigste Tooling-Entscheidung in Monitoring. Single-Vendor (Datadog, New Relic): ein Dashboard, ein Pricing, ein Auth-System, ein Support-Channel. Multi-Vendor (Sentry + Grafana + Axiom): jeweils das Beste in der Kategorie, oft deutlich günstiger, dafür drei UIs.

Unsere Faustregel:

• < 5 Engineers, < 20 Hosts: Multi-Vendor ist meistens günstiger und gut machbar. Sentry für Errors, Grafana Free für Metrics/Traces, Better Stack für Uptime + ein bisschen Logs. ~$50 pro Monat als untere Schwelle.
• 5-25 Engineers, 20-100 Hosts: Hier wird die Entscheidung schwer. Multi-Vendor spart 60-70 %, kostet aber 1 Person ca. 2h pro Woche für Tool-Pflege. Bei einem 25-Personen-Team sind das 50h entgangene Engineering-Zeit pro Monat — vielleicht 10.000 EUR. Wenn deine Datadog-Bill bei 5.000 EUR liegt, lohnt sich Multi-Vendor nicht mehr.
• > 25 Engineers: Single-Vendor wieder klar überlegen. Datadog ist auf großen Stacks effizient bedient, und die On-Call-Tooling- Integration ist gold wert, wenn 3+ Teams 24/7 rotieren.

Wer in der mittleren Kategorie steckt: rechne durch, was Tool-Pflege dich tatsächlich kostet, und nimm das gegen die Listenpreis-Ersparnis. Pi-mal-Daumen lohnt sich Multi-Vendor, wenn deine Single-Vendor-Bill über 3-4× dem Multi-Vendor-Preis liegt.

Häufige Fragen