TL;DR
Datadog rechnet über mehrere unabhängige Dimensionen ab: pro Host für Infrastruktur (15–23 USD/Monat) und APM (31–40 USD/Monat), pro GB für die Log-Ingestion (0,10 USD), pro Million für die Log-Indexierung (1,70 USD bei 15 Tagen Retention) sowie pro Metric für Custom Metrics, die über das Host-Kontingent hinausgehen. Das High-Water-Mark-Modell rechnet den gesamten Monat auf Basis der Spitze der unteren 99 % der stündlichen Host-Zahlen ab – nicht auf Basis eines Durchschnitts. Sobald Logs, APM und Custom Metrics zusammenkommen, fällt die tatsächliche Rechnung bei den meisten Teams zwei- bis dreimal höher aus als ursprünglich angenommen. Wer die Kosten in den Griff bekommen will, braucht Transparenz bis auf Query-Ebene, automatisierte Guardrails und eine gemeinsame Verantwortung von Engineering und Finance.
Datadogs nutzungsbasiertes Pricing wird schnell unberechenbar. Ein Team startet mit ein paar Hosts und einem Dashboard. Dann greift Auto-Scaling, Engineers fügen Custom Metrics hinzu, um ein Produktionsproblem zu debuggen, das Log-Volumen wächst, weil Anwendungen immer mehr Ausgaben produzieren, und jemand aktiviert Synthetic Tests in fünf Regionen ohne Plan fürs Aufräumen. Jedes Modul wird unabhängig abgerechnet, und die Beträge potenzieren sich über fünf oder mehr Dimensionen gleichzeitig.
Der Observability-Markt wächst laut Gartner bis 2027 mit einer jährlichen Wachstumsrate von 12 %. Der Bericht State of FinOps 2026 der FinOps Foundation nennt Observability- und Security-Tools als die SaaS-Kategorien, die von FinOps-Teams am aktivsten gesteuert werden – 90 % der Praktiker steuern inzwischen SaaS-Ausgaben (gegenüber 65 % im Vorjahr). Datadogs Kostenstruktur zu verstehen, ist daher mehr als Budgetierung. Es ist eine FinOps-Disziplin.
Wie sind Pricing-Pläne und Kostenstruktur von Datadog aufgebaut?
Datadog bepreist jedes Produkt separat. Infrastructure Monitoring, APM, Log Management, Synthetic Monitoring, RUM, Database Monitoring und Security haben jeweils eigene Zähler. Dieser modulare Aufbau erlaubt es Teams, nur das einzuführen, was sie wirklich brauchen – bedeutet aber auch, dass sich Kosten über Abrechnungsdimensionen aufsummieren, die in den meisten nativen Dashboards erst dann sichtbar werden, wenn die Rechnung eintrifft.
Wie funktioniert das Pricing von Infrastructure Monitoring und APM?
Infrastructure Monitoring wird pro Host und Monat abgerechnet. Der Pro-Plan kostet bei jährlicher Abrechnung 15 USD/Host/Monat (18 USD On-Demand). Enterprise liegt bei 23 USD/Host/Monat im Jahresabo (27 USD On-Demand). Jeder Pro-Host umfasst 100 Custom Metrics und Monitoring für 5 Container; Enterprise enthält 200 Custom Metrics und 10 Container. Jeder weitere Container kostet 0,002 USD pro Stunde.
Datadog nutzt ein High-Water-Mark-Abrechnungsmodell. Laut offizieller Billing-Dokumentation misst Datadog die Host-Anzahl stündlich, lässt das oberste 1 % der Stunden außen vor (~7 Stunden in einem 720-Stunden-Monat) und rechnet den gesamten Monat zur Spitze der verbleibenden 99 % ab. Ein fünftägiger Traffic-Peak, der Ihre Host-Anzahl verdoppelt, bestimmt damit Ihre Rechnung für den vollen Monat. In Kubernetes ist die Abrechnungseinheit der Node, nicht der Pod. Ein einziger fehlkonfigurierter Agent, der als Sidecar statt als DaemonSet läuft, kann dazu führen, dass jeder Pod als eigener Host gezählt wird.
APM legt eine weitere Pro-Host-Ebene über die Infrastruktur. APM kostet 31 USD/Host/Monat (jährlich), APM Pro 35 USD und APM Enterprise 40 USD. Jeder APM-Host enthält 150 GB ingestierte Spans und 1 Million indexierte Spans pro Monat bei 15 Tagen Retention. Überschreitungen bei indexierten Spans kosten 1,70 USD pro Million Events. Bei Microservices mit hohem Durchsatz sind diese Limits schon in der ersten Woche erreicht.
Preise Stand Mai 2026. Aktuelle Tarife unter datadoghq.com/pricing.
Was kosten Log Management und Datenaufbewahrung wirklich?
Log Management nutzt ein zweistufiges Pricing-Modell, das die meisten Teams auf dem falschen Fuß erwischt. Die Ingestion kostet 0,10 USD pro GB für jedes Byte, das an Datadog gesendet wird – unabhängig davon, ob Sie es indexieren oder nicht. Die Indexierung schlägt mit 1,70 USD pro Million Log-Events pro Monat bei 15 Tagen Standard-Retention zu Buche (2,55 USD On-Demand). Sie zahlen also einmal für das Sammeln der Daten und ein zweites Mal zu einem deutlich höheren Tarif, damit sie durchsuchbar werden.
Ein Team, das 100 GB Logs pro Tag ingestiert, gibt allein für die Ingestion rund 300 USD/Monat aus. Wer alles bei 15 Tagen Retention indexiert, zahlt je nach Event-Dichte mehrere Tausend USD obendrauf. Viele Teams reagieren, indem sie nur 10–20 % der Logs indexieren – das senkt die Kosten, lässt aber den Großteil der Daten während eines Incidents im Dunkeln.
Flex Logs sind ein Mittelweg für historische Analysen: 0,05 USD pro Million Events pro Monat bei mindestens 30 Tagen Retention. Das Weiterleiten in S3-, GCS- oder Azure-Blob-Archive verursacht keine Zusatzkosten über die Ingestion-Gebühr von 0,10 USD/GB hinaus. Das Weiterleiten an externe SIEMs oder BI-Tools schlägt mit 0,25 USD/GB pro Ziel zu Buche. Das Optimierungsmuster: alles ingestieren, geräuschintensive Logs von der Indexierung ausschließen, alles archivieren und bei Bedarf gezielt rehydrieren.
Wie kalkulieren und prognostizieren Sie Ihre monatliche Datadog-Rechnung?
Was bestimmt die Auswirkungen von Host- gegenüber Container-basiertem Pricing?
Zählen Sie jede Entität, die Datadog überwacht: VMs, Kubernetes-Nodes, Azure-App-Service-Plan-Instanzen und Fargate-Tasks gelten alle als abrechnungsrelevante Hosts. Fargate-Tasks folgen einem anderen Modell als Hosts. Statt High-Water-Mark werden Fargate-Tasks im 5-Minuten-Intervall gesampelt und nach durchschnittlicher Concurrency über den Monat abgerechnet – zu 1 USD/Task/Monat (Infrastruktur) oder 2,60 USD/Task/Monat (APM).
Genau hier zeigt sich die Lücke zwischen Engineering- und Finance-Entscheidungen. Ein Engineer, der eine Auto-Scaling-Group hochfährt, denkt nicht an Monitoring-Kosten. Ein FinOps-Team, das die Monatsrechnung prüft, kann nicht nachvollziehen, welches Scaling-Event den Ausschlag gegeben hat. Diese Lücke zu schließen, erfordert Kostenzuordnung nach Team und Service, die Infrastrukturentscheidungen nahezu in Echtzeit mit finanziellen Ergebnissen verknüpft.
Wie wirken sich Datenvolumen und Retention-Policies auf die Kosten aus?
Modellieren Sie Ihre Kosten in drei Kategorien: Infrastruktur (Hosts × Pro-Host-Tarif × aktivierte Module), Daten (Log-GB/Tag × 30 × Ingestion- und Indexierungstarife) und Custom Metrics (Gesamtzahl eindeutiger Tag-Wert-Kombinationen × Überschreitungstarif).
Custom Metrics verdienen besondere Aufmerksamkeit. Laut Datadogs Billing-Dokumentation zur AWS-Integration sammelt die AWS-Integration CloudWatch-Metriken automatisch ein, und Custom-CloudWatch-Metriken werden auf Ihr Datadog-Custom-Metric-Kontingent angerechnet. OpenTelemetry-Metriken zählen ebenfalls als Custom Metrics, da sie außerhalb der offiziellen Integrationsliste von Datadog liegen. Eine einzige Prometheus-Metric, die per User-ID über eine Million User getaggt ist, erzeugt aus einem einzigen Metric-Namen eine Million abrechnungsrelevanter Custom Metrics. Teams, die ihre Kardinalität nicht quartalsweise auditieren, sehen diese Position schneller wachsen als jede andere.
Welche Strategien zur Datadog-Kostenoptimierung funktionieren wirklich?
Wie schneiden Sie Ihr Monitoring per Right-Sizing passgenau zu?
Starten Sie mit einem Audit: Was überwachen Sie – und was nutzen Sie tatsächlich? Viele Teams rollen den Datadog-Agent über alle Umgebungen hinweg aus, ohne die Monitoring-Tiefe zu differenzieren. Produktion braucht vollständiges APM und Log-Indexierung. Staging kommt mit reinem Infrastructure Monitoring aus. Dev-Umgebungen brauchen oft nicht mehr als grundlegende Health Checks.
Für Kubernetes warnt die Datadog-Dokumentation ausdrücklich: Wer den Agent direkt in jedem Container installiert, lässt jeden Container abrechnungstechnisch als Host zählen. Lassen Sie den Agent als DaemonSet (einer pro Node) über den Datadog Operator oder Helm laufen. Prüfen Sie das Auto-Scaling-Verhalten und setzen Sie Monitore auf geschätzte Nutzungsmetriken, um Alarm zu schlagen, bevor Hosts Abrechnungsschwellen überschreiten. Diese geschätzten Nutzungsmetriken haben gegenüber der finalen abrechnungsrelevanten Nutzung eine Fehlertoleranz von 10–20 % – planen Sie also einen Puffer ein. Nachhaltige Kostenkontrolle erfordert Automatisierung und Guardrails, die Best Practices in Echtzeit durchsetzen – und keine Menschen, die nach Eintreffen der Rechnung Alerts hinterherjagen.
Wie steuern Sie die Daten-Ingestion, um die Ausgaben im Griff zu behalten?
Logs sind der größte Treiber für Kostenüberschreitungen. Setzen Sie Exclusion-Filter auf Index-Ebene ein, um Health Checks, Heartbeat-Meldungen und Debug-Level-Logs vor der Indexierung herauszufiltern. Ausgeschlossene Logs fließen weiterhin in Live Tail, Archive und Log-to-Metric-Generierung – Sie verlieren also keine Daten. Setzen Sie pro Index tägliche Quotas, um indexierte Events pro Tag hart zu deckeln.
Für Custom Metrics empfiehlt Datadogs Governance-Guide, in Plan and Usage die Tabelle Top Custom Metrics zu nutzen, um Kostentreiber zu identifizieren, und anschließend mit Metrics Without Limits gezielt nur die abgefragten Tag-Kombinationen auf eine Allowlist zu setzen. Deaktivieren Sie das Standardverhalten "alles sammeln" bei Cloud-Integrationen und nehmen Sie ausdrücklich nur die Metriken auf, die Ihre Dashboards und Alerts tatsächlich verwenden.
Wie schneidet Datadog beim Pricing im Wettbewerb ab?
Datadog, New Relic, Splunk und Elastic nutzen grundlegend unterschiedliche Abrechnungsmodelle. Vergleiche auf Basis von Listenpreisen sind deshalb irreführend, solange nicht nach Workloads und Teamgröße normalisiert wird.
Datadog rechnet pro Host plus pro GB/pro Event für Logs, Traces und Custom Metrics ab. New Relic rechnet pro User ab (99–349 USD/Monat für vollen Plattformzugang) zuzüglich pro GB ingestierter Daten (0,40 USD/GB Original Data, 0,60 USD/GB Data Plus) – nach einem kostenlosen Kontingent von 100 GB/Monat. Splunk Observability Cloud bündelt Infrastructure Monitoring zwischen 15 USD/Host/Monat (Starter) und 75 USD/Host/Monat (Enterprise); in den höheren Tiers sind APM, RUM und Synthetics enthalten. Elastic bietet selbst gehostete Open-Source-Komponenten zu reinen Infrastrukturkosten oder Serverless Observability ab 0,07 USD/GB ingestierter Daten zuzüglich Retention-Gebühren.
Vergleich der Observability-Pricing-Modelle. Preise Stand Mai 2026.
| Plattform | Abrechnungsmodell | Einstiegskosten | Wichtigster Kostentreiber |
|---|---|---|---|
| Datadog | Pro Host + pro GB/Event | 15 USD/Host/Monat (Infra Pro) | Custom Metrics, Log-Indexierung |
| New Relic | Pro User + pro GB ingestiert | Kostenlos (100 GB + 1 User) | User-Seats für volle Plattform |
| Splunk Observability | Pro Host (gebündelte Tiers) | 15 USD/Host/Monat (Starter) | Tier-Wahl, 9 % jährliche Preissteigerung |
| Elastic | Ressourcenbasiert oder selbst gehostet | Kostenlos (Self-hosted OSS) | Infrastruktur- und Ops-Aufwand |
Die Total Cost of Ownership hängt von Teamgröße, Datenvolumen und Retention-Bedarf ab. Datadog ist bei kleinen Deployments mit wenigen Usern tendenziell günstiger, skaliert die Kosten aber stark, sobald Host-Zahlen und Datenmengen wachsen. New Relic benachteiligt große Teams durch das Per-User-Pricing, fängt das Datenvolumen dafür mit einem großzügigen Free-Tier ab. DoiT unterstützt Unternehmen dabei, Monitoring-Tools im breiteren Kontext der Cloud-Kostenoptimierung zu bewerten und Observability-Kosten mit der gesamten Infrastruktureffizienz zu verknüpfen.
Wie starten Sie mit Datadog – Pricing und Trial-Optionen im Überblick
Der Free-Tier von Datadog deckt bis zu 5 Hosts mit 1 Tag Metric-Retention, Core-Dashboards, unbegrenzten Alerts und unbegrenzten Usern ab. Für eine erste Evaluierung reicht das, doch das kurze Retention-Fenster begrenzt den produktiven Einsatz. Der 14-tägige Pro-Trial liefert ein realistischeres Bild der Kosten im Betrieb.
Verfolgen Sie während des Trials täglich drei Kennzahlen: Host-Anzahl (inklusive Container und Fargate-Tasks), Log-Ingestion-Volumen in GB und Anzahl der Custom Metrics. Diese drei Größen bestimmen den Löwenanteil der meisten Datadog-Rechnungen. Rechnen Sie die 90-Tage-Kosten auf Basis der aktuellen Wachstumsraten hoch, bevor Sie sich auf einen Jahresvertrag festlegen. Jährliche Abrechnung spart gegenüber On-Demand-Tarifen rund 17–20 % – doch der Lock-in bedeutet: Überprovisionierung schmerzt über die gesamte Vertragslaufzeit.
Häufige Fragen zum Datadog-Pricing
Bietet Datadog Jahresrabatte oder Enterprise-Pricing?
Ja. Die jährliche Abrechnung senkt Infrastructure Pro von 18 auf 15 USD/Host/Monat und Enterprise von 27 auf 23 USD/Host/Monat. APM sinkt bei Jahresverträgen von 48 auf 31 USD/Host/Monat. Größere Deployments qualifizieren sich über individuelle Enterprise-Agreements für Mengenrabatte, typischerweise gekoppelt an Commitments über 1–3 Jahre. Verhandeln Sie auf Basis des gesamten Committed Spend über alle Datadog-Produkte hinweg – nicht über einzelne SKUs. Datadog hat außerdem neues Pricing für LLM Observability angekündigt, gültig ab 1. Mai 2026 – prüfen Sie die aktuellen Tarife also vor der Unterschrift.
Was passiert, wenn ich meine Datadog-Nutzungslimits überschreite?
Datadog schaltet den Service nicht ab. Überschreitungen werden zu On-Demand-Tarifen abgerechnet, die je nach Produkt 30–50 % über den jährlichen Committed-Tarifen liegen. Custom Metrics jenseits Ihres Host-Kontingents, indexierte Spans oberhalb des Limits von 1 Million pro Host und Log-Events, die über das vereinbarte Volumen hinaus indexiert werden, lösen alle automatische Überschreitungsgebühren aus. Setzen Sie Budget Monitors auf geschätzte Nutzungsmetriken, um Überschreitungen zu erkennen, bevor sie sich über einen kompletten Abrechnungszyklus aufsummieren.
Lassen sich Kubernetes-Cluster überwachen, ohne pro Container zu zahlen?
Jede Host-Lizenz beinhaltet 5 Container (Pro) bzw. 10 Container (Enterprise) ohne Aufpreis. Darüber hinaus kostet jeder weitere Container 0,002 USD/Stunde oder vorausbezahlt 1 USD/Monat. Entscheidend ist die Konfiguration: Lassen Sie den Datadog-Agent als Kubernetes-DaemonSet laufen (ein Agent pro Node) – nicht als Sidecar in jedem Pod. Die Datadog-Dokumentation selbst warnt: Ein Per-Container-Agent-Deployment lässt jeden Container als eigenständigen, abrechnungsrelevanten Host zählen – das kann Ihre Rechnung um das Verhältnis von Pods zu Nodes in Ihrem Cluster vervielfachen.
Wie machen Sie Datadog-Kosten planbar und belastbar?
Monitoring-Kosten sollten Geschäftsergebnisse stützen – und keine Budgetüberraschungen erzeugen. Eine McKinsey-Studie vom Juni 2025 hat gezeigt, dass in vielen Unternehmen 28 % der Cloud-Ausgaben verschwendet werden. Observability-Tools tragen zu dieser Verschwendung bei, wenn Teams breite Monitoring-Defaults ausrollen, ohne sie am gelieferten Mehrwert zu messen.
Der Weg zu Planbarkeit beginnt mit drei Praktiken: jede Ressource taggen, damit sich Kosten Teams und Services zuordnen lassen; Enforcement automatisieren, damit Guardrails Kostenspitzen verhindern, bevor sie entstehen; und die Nutzung monatlich reviewen, damit Optimierung kontinuierlich bleibt und nicht reaktiv wird. Datadog Intelligence macht aus Kostentransparenz automatisierte Optimierung – Teams behalten volle Observability, während Ausgaben planbar und am Wachstum ausgerichtet bleiben.
Sprechen Sie mit DoiT, um Datadog-Kostentransparenz in automatisierte, durchsetzbare Optimierung zu verwandeln – für leistungsstarke Observability und planbare Cloud-Ausgaben.