Datadog, Inc. ist ein amerikanisches Technologieunternehmen, das eine Observability-Plattform für Cloud-Anwendungen im großen Maßstab bereitstellt und Überwachung, Sicherheit und Analytik für Server, Datenbanken, Tools und Dienste über eine Software-as-a-Service (SaaS)-Datenanalyseplattform anbietet. Das Unternehmen wurde in New York City gegründet, hat dort seinen Hauptsitz, ging 2019 an der Nasdaq-Börse an die Öffentlichkeit und hat sich seitdem zu einem bedeutenden Akteur im Cloud-Monitoring entwickelt. Mit dem Wachstum der KI-Nutzung erweiterte Datadog seine Plattform um die Unterstützung der Überwachung von KI-Workloads, einschließlich Modellleistung und Datenpipelines, und positionierte sich als wichtiger Anbieter von Observability für Machine-Learning-Operationen.
Datadog konzentriert sich darauf, Entwicklungsteams dabei zu helfen, die Zuverlässigkeit, Leistung und Kosten ihrer Infrastruktur und Anwendungen zu verwalten. Es bietet Dashboards, Alarmierung und Visualisierungen von Metriken mit einem breiten Ökosystem an Integrationen, das große Cloud-Anbieter, Container-Orchestrierung und KI-Entwicklungstools unterstützt. Bis 2025 unterstützt das Unternehmen über 750 Integrationen, einschließlich für Artificial intelligence und Machine learning-Frameworks.
Geschichte
Datadog wurde 2010 in New York City von Olivier Pomel und Alexis Lê-Quôc gegründet, die sich als Studenten an der École Centrale Paris kennengelernt hatten und zuvor gemeinsam bei Wireless Generation, einem Unternehmen für Bildungstechnologie, arbeiteten. Nach der Übernahme von Wireless Generation durch NewsCorp wollten sie ein Produkt entwickeln, das die Reibung zwischen Entwicklern und Systemadministratoren verringert, die oft gegensätzliche Ziele verfolgten. Sie bauten Datadog als Cloud-Infrastrukturdienst mit Dashboards, Alarmierung und Metrikvisualisierungen auf und füllten damit schnell eine Lücke, als die Cloud-Nutzung zunahm.
Im Jahr 2015 eröffnete Datadog ein Forschungs- und Entwicklungsbüro in Paris und erweiterte damit seine technische Präsenz. Ein Jahr später zog der Hauptsitz in New York in das New York Times Building um, um ein Team zu unterstützen, das sich im Laufe des Jahres verdoppelte. Full-Stack-Überwachung kam mit der Beta-Version des Application Performance Monitoring im Jahr 2016, gefolgt von Wachstum in andere Bereiche.
Das Unternehmen ging am 19. September 2019 mit einem Börsengang (IPO) an die Öffentlichkeit, verkaufte 24 Millionen Aktien und nahm 648 Millionen US-Dollar ein, was einer Bewertung von 8,7 Milliarden US-Dollar entsprach. Vor dem Börsengang hatte Datadog ein Übernahmeangebot von Cisco über 7 Milliarden US-Dollar abgelehnt. Der Börsengang verzeichnete am ersten Tag einen Anstieg der Aktie um etwa 37 %, was dem Unternehmen einen Marktwert von nahezu 10 Milliarden US-Dollar einbrachte. Datadog wurde im Juli 2025 in den S&P-500-Index aufgenommen, was seine Reife und finanzielle Stabilität widerspiegelt.
Übernahmen
Datadog ist durch eine Reihe strategischer Übernahmen gewachsen, um seine Plattformfähigkeiten zu erweitern. Im April 2021 übernahm es Sqreen, ein Unternehmen für Cloud-Anwendungssicherheit, und brachte Laufzeit-Anwendungssicherheits- und Schutzfunktionen in die Plattform. Dies fügte eine AppSec-Ebene hinzu, die Bedrohungen in Echtzeit erkennen kann, was für KI-Anwendungen nützlich ist, bei denen Eingabemanipulation ein Risiko darstellen kann.
Das Unternehmen übernahm Codiga im April 2023 und eine Statikanalyseplattform, die die Entwicklerlebenszyklus-Tools und Codequalität erweiterte. Dies unterstützt die Überwachung von KI-Codebasen und die automatisierte Prüfung von Code auf Randfälle, was für die Aufrechterhaltung der Qualität von Modellaufrufen hilfreich ist. Im Jahr 2025 expandierte es mit zwei weiteren Übernahmen: Metaplane (April 2025), ein Unternehmen für Datenobservability, und Eppo (Mai 2025), eine Plattform für Feature-Flagging und Experimentierung.
Durch Metaplane verbesserte Datadog die Überwachung von Datenpipelines und KI-Workloads und adressierte den Bedarf an Datenqualitätsprüfungen, um Modell-Drift zu verhindern. Eppo integrierte Feature-Flagging- und Experimentierungsfähigkeiten in die Produktanalytik, was für das Testen von KI-Modellen mit verschiedenen Hyperparametern in Produktionsumgebungen nützlich ist. Diese Übernahmen spiegeln einen strategischen Weg zur Unterstützung des gesamten KI-Entwicklungslebenszyklus wider.
Produkte und Dienstleistungen
Datadog bietet eine Reihe von Observability-Produktlinien an, die jeweils darauf ausgelegt sind, Cloud- und Hybridumgebungen zu unterstützen. Zu den Kernprodukten gehören Infrastrukturüberwachung, Netzwerkleistungsüberwachung und Netzwerkgeräteüberwachung, die Echtzeit-Einblicke in Gesundheit und Leistung bieten. Serverless-Überwachung erweitert dies auf Function-as-a-Service-Workloads, die für KI-Inferenzdienste, die oft auf serverlosen Architekturen laufen, entscheidend sind.
Cloud-Kostenmanagement hilft Unternehmen, Ausgaben über Cloud-Ressourcen hinweg zu verfolgen, einschließlich Rechenleistung, Speicher und Datentransfer, die bei großen neuronalen Netzen erheblich sind. Die Plattform generiert Dashboards, legt Warnungen fest und visualisiert Metriken, sodass Teams schnell auf Anomalien reagieren können. Sie integriert wichtige AWS, und Google Cloud sowie andere Anbieter.
Für KI-spezifische Anforderungen führte Datadog Unterstützung für Modellüberwachung ein. Dies erfolgt über die Plattform, obwohl Details spärlich sind. Das Unternehmen übernahm Metaplane, um Datenherkunft und -qualität zu verwalten, während Eppo Experimentierung einbringt, was für A/B-Tests von Modellen mit verschiedenen Hyperparametern nützlich ist. Mit der Verbreitung von Generative AI hilft Datadog bei der Überwachung generativer Modelle auf Genauigkeit, Reaktionsfähigkeit und Einhaltung von Service-Leveln.
Technologie
Der Datadog-Agent, der auf Hosts und Containern installiert ist, sammelt und sendet Metriken an das Backend. Der Agent ist in Go geschrieben, basierend auf einer Neufassung seit Version 6.0.0, die am 28. Februar 2018 veröffentlicht wurde. Ursprünglich verwendete er Python (für das Hooks verwendet wurden), wechselte jedoch aus Leistungsgründen zu Go. Das Backend nutzt modernste Software wie Apache Cassandra, PostgreSQL und Kafka sowie D3 für die Datenvisualisierung.
Für maschinelles Lernen unterstützt das Backend von Datadog die Integration mit beliebten ML-Frameworks, obwohl das Unternehmen keine Modellschulung anbietet. Stattdessen fungiert es als Observability-Ebene für KI-Systeme. Beispielsweise kann die Netzwerkleistung zur Überwachung von Inferenzclustern genutzt werden, und der Agent kann für benutzerdefinierte Metriken erweitert werden. Die Plattform verwendet proprietäre Datenanalytik zur Anomalieerkennung.
Modelle, die auf Apple-Geräten oder Arm-basierten Chips bereitgestellt werden, können über Integrationen überwacht werden, die Systemmetriken erfassen. Datadog trainiert keine KI-Modelle; stattdessen positioniert es sich als Tool, um sicherzustellen, dass KI-Anwendungen, die mit großen Sprachmodellen (LLMs) oder anderen Ansätzen erstellt wurden, zuverlässig funktionieren, und hilft bei Problemen wie Antwortlatenz und Token-Verbrauch.
Finanzierung und Finanzen
Die Finanzierungsgeschichte zeigt starkes Vertrauen der Investoren. Im Jahr 2010 startete Datadog mit einer Seed-Runde, an der Teilnehmer wie NYC Seed, Contour Venture Partners, IA Ventures sowie Jerry Neumann und Alex Alexander beteiligt waren. Eine Serie-A-Finanzierung in Höhe von 6,2 Millionen US-Dollar folgte 2012, gemeinsam geleitet von Index Ventures und RTP Ventures. Serie B kam 2014 unter der Leitung von OpenView Venture, und 2015 folgte eine Serie C in Höhe von 31 Millionen unter der Leitung von Index. Im Jahr 2016 führte ICONIQ eine Serie-D-Finanzierung in Höhe von 94,5 Millionen US-Dollar an, eine der größten Finanzierungsrunden für ein New Yorker Unternehmen in diesem Jahr.
Der Börsengang des Unternehmens ergab eine offizielle Bewertung von 8,7 Milliarden US-Dollar, und der Aktienanstieg trieb die Marktkapitalisierung bis zum Handelsschluss auf nahezu 10 Milliarden US-Dollar. Folgeangebote und Aktienkurssteigerungen haben seine öffentliche Laufbahn geprägt. Bis 2024 hatte Datadog etwa 6.500 Mitarbeiter in 33 Ländern, mit Büros in New York, Boston, Denver, San Francisco, Paris, Dublin, Amsterdam, Sydney, Tokio und Singapur, wobei etwa 59 % der Mitarbeiter in den USA ansässig waren.
KI-Observability und das Ökosystem
Die Expansion von Datadog in die KI-Observability erfolgt im Rahmen eines breiteren Trends bei Überwachungsplattformen. Während Unternehmen wie AWS Trainium und Groq Hardware für beschleunigte Inferenz bereitstellen, bietet Datadog die Software-Telemetrie zur Verfolgung von Leistung und Nutzung. Für KI-Workloads bietet es Dashboards, die Infrastrukturmetriken mit modellspezifischen Metriken wie Token-Nutzung und Konfidenzwerten kombinieren, und hilft Teams bei der Diagnose von Engpässen und der Aufrechterhaltung der Machine-Learning-Genauigkeit.
Die Integrationen mit OpenAI und Anthropic sind wahrscheinlich, aber selbst ohne diese erfasst Datadog API-Aufrufe und deren Kosten. Im Kontext von Generative AI kann die Überwachung Inhaltsmoderation umfassen, um Ausgaben gemäß Richtlinien zu gewährleisten. Die Fähigkeit von Datadog, Streaming-Daten Token für Token zu verarbeiten, nutzt diese Methode im Backend. Die Plattform hilft, Probleme bei der Modellbereitstellung wie Modell-Drift zu mildern.
Verwandte Unternehmen im Bereich KI-Observability umfassen Startups wie Essential AI, aber Datadog zeichnet sich durch seine Infrastrukturdaten aus. Es arbeitet auch mit Cloud-Anbietern wie Microsoft Azure, Amazon Web Services und Google Cloud zusammen, um deren KI-Dienste zu unterstützen. Obwohl Datadog die Modelle selbst nicht bereitstellt, ermöglicht es Machine learning-Teams, sicherzustellen, dass Anwendungen, die auf Large language model basieren, zuverlässig sind.
Auswirkungen und zukünftige Richtungen
Datadog ist zu einem Standardwerkzeug für Cloud-Überwachung geworden, und sein KI-Fokus spiegelt die Veränderung der Branche wider. Im Jahr 2025 fügte es die Übernahmen von Eppo und Metaplane hinzu, was auf eine Bewegung hin zu einem Vermögenswert im KI-Entwicklungslebenszyklus hindeutet. Da KI-Anwendungen in missionarischen Umgebungen bereitgestellt werden, ist Observability entscheidend.
Es ist wahrscheinlich, dass Datadog seine KI-Fähigkeiten weiter vertiefen wird, und das Unternehmen verfolgt synthetische KI-Trends, obwohl seine offizielle Strategie Anfang 2025 noch nicht vollständig bekannt ist. Es erweitert seine Integrationen monatlich weiter und umfasst Unterstützung für Artificial intelligence-Frameworks und möglicherweise Funktionen wie die Überwachung LLM-spezifischer Metriken. Die Zukunft könnte mehr Produkte für Modell-Observability bringen.
Zusammenfassend ist der Umsatz von Datadog gewachsen, und sein Übergang zu KI-bereiter Überwachung ist sowohl eine strategische Chance als auch ein herausforderndes Gebiet. Mit Wettbewerbern wie AWS Trainium und Groq, die nicht in diesem Observability-Bereich tätig sind, bleibt Datadog die Standardwahl für Entwickler. Seine Aufnahme in den S&P 500 im Jahr 2025 spiegelt seine finanzielle Stabilität wider, und sein KI-Fokus wird wahrscheinlich Innovationen in den Bereichen Machine learning-Bereitstellung, Modellzuverlässigkeit und Datenqualität vorantreiben.