Datadogs 4-Milliarden-Dollar-ARR-Wette auf Observability-Konsolidierung

Observability-Anbieter beginnen sich wie die viktorianischen Eisenbahnbarone zu verhalten. Hat man erst einmal die Gleise in das Rechenzentrum eines Kunden verlegt, geht es nicht darum, eine einzige Fahrkarte zu verkaufen – sondern dafür zu sorgen, dass jeder Fahrgast, jedes Paket und jeder Postbeutel auf dem Netz die eigene Strecke nutzt. Datadog hat dem Markt gerade mitgeteilt, dass 56 % seiner Kunden inzwischen in vier oder mehr Waggons unterwegs sind, und der Aktienkurs reagiert entsprechend.

Die Zahlen

Beginnen wir mit der Schlagzeile. Wie TradingView berichtete, hat Datadogs gesamter jährlich wiederkehrender Umsatz die Marke von 4 Milliarden Dollar überschritten, und das Management hat die Jahresprognose für 2026 auf eine Spanne von 4,30 bis 4,34 Milliarden Dollar angehoben. Das impliziert ein Jahr-für-Jahr-Wachstum von 25 % bis 27 %, wobei der Zacks-Konsens bei 4,31 Milliarden Dollar bzw. 25,71 % Wachstum liegt. Für ein Unternehmen dieser Größenordnung sind das Zahlen, die man normalerweise eher mit einer Series-C-Finanzierungsrunde verbindet als mit einem börsennotierten Infrastrukturanbieter.

Die Adoptionskennzahlen sind das, was die Geschichte für jeden, der in einer SRE-Organisation gearbeitet hat, besonders interessant macht. Im ersten Quartal des Geschäftsjahres 2026 nutzten 56 % der Kunden vier oder mehr Datadog-Produkte, gegenüber 51 % im Vorjahr. 35 % nutzten sechs oder mehr. 20 % nutzten acht oder mehr. Das sind keine Eitelkeitskennzahlen. Sie sind der finanzielle Schatten einer architektonischen Entscheidung, die jeden Quartal in Tausenden von Engineering-Organigrammen getroffen wird: nicht mehr fünf Tools betreiben, sondern eines.

Die Erweiterung der Produktoberfläche erzählt dieselbe Geschichte. Was als Infrastrukturmonitoring begann, erstreckt sich heute über Application Performance Monitoring, Log-Management, Cloud-Kostenmanagement, GPU-Monitoring, LLM-Observability, Daten-Observability und KI-Betrieb. Jeder dieser Bereiche war bis vor Kurzem ein eigenständiges SaaS-Unternehmen mit eigener Preisseite und eigenem Onboarding-Prozess. Datadog hat diese Kategorien still und leise absorbiert, so wie ein Fluss seine Zuflüsse aufnimmt.

Der Markt hat es bemerkt. Die Aktie ist im bisherigen Jahresverlauf um 64 % gestiegen, verglichen mit 17,1 % im Zacks-Sektor Computer und Technologie. Die Bewertung spiegelt dies wider: ein vorwärtsbezogenes Kurs-Umsatz-Verhältnis für die nächsten 12 Monate von 16,88, gegenüber einem Sektor-Multiplikator von 6,6. Zacks vergibt dem Titel einen Value Score von F und bewertet ihn dennoch mit #2 Buy, wobei der EPS für 2026 bei 2,39 Dollar erwartet wird – ein Sprung von 16,59 % gegenüber 2025. Das ist die Spannung im Trade. Die Fundamentaldaten sind real. Der Preis setzt voraus, dass sie es noch lange bleiben.

Was wirklich neu ist

Observability-Konsolidierung ist kein neues Verkaufsargument. Jeder Monitoring-Anbieter verkauft seit etwa dem Launch von Nagios eine „Single Pane of Glass". Was jetzt wirklich anders ist: Die Workloads selbst haben sich auf Datadogs Heimgelände konsolidiert.

Kubernetes hat die operative Oberfläche geebnet. Vor fünf Jahren brauchte man noch eine andere Toolchain für VMs, Bare Metal und Serverless. Heute laufen die meisten Produktionsumgebungen auf einem relativ kleinen Satz von Kubernetes-Primitiven, und die Telemetrie-Struktur sieht cloud-übergreifend ähnlich aus. Das macht einen einheitlichen Collector wirtschaftlich tragfähig, was er nicht war, als jede Umgebung spezifische Agents benötigte.

Dann ist da noch der KI-Workload-Aspekt. GPU-Monitoring und LLM-Observability sind die wirklich neuen Zuflüsse, die den Fluss speisen. Wer schon einmal versucht hat zu debuggen, warum ein Fine-Tuning-Job bei Stunde 14 still degradiert, weiß, dass traditionelle APM-Tools versagen, sobald man nach Tensor-Parallelismus oder Token-Durchsatz fragt. Dass Datadog erstklassige GPU- und LLM-Telemetrie hinzufügt, ist kein Feature-Release – es ist eine Kategorie-Landnahme. Die Frage, wer die Observability für KI-Workloads besitzt, war vor achtzehn Monaten noch offen. Sie schließt sich jetzt.

Was ebenfalls neu ist, sind die Wechselkosten-Mathematik. Wenn ein Kunde acht Datadog-Produkte nutzt, betreibt er kein Monitoring-Tool mehr – er betreibt Datadog als Laufzeit-Abhängigkeit seines Incident-Response-Prozesses. Dashboards, Alerts, On-Call-Routing, SLO-Definitionen, Postmortem-Vorlagen: all das lebt innerhalb der Plattform. Die 20 % der Kunden, die acht oder mehr Produkte nutzen, werden die Plattform praktisch gesehen nie verlassen. Das ist der Teil, den die Wall Street einpreist.

Auch das Wettbewerbsbild hat sich verändert. Cisco integriert Observability über seine Netzwerk-, Sicherheits- und Application-Performance-Angebote hinweg. Dynatrace setzt in seiner einheitlichen Plattform verstärkt auf KI-gestützte Automatisierung und Analysen. Beide sind glaubwürdige Alternativen. Keine von beiden hat Datadogs Developer Ergonomics – und das ist der unspektakuläre Teil, der diese Deals auf Ebene der Engineering-Teams tatsächlich gewinnt.

Was für Engineering-Teams bereits eingepreist ist

Für Platform Leads und CTOs ist die Konsolidierungsthese seit zwei oder drei Budgetzyklen die gängige Annahme. Wer heute Infrastruktur betreibt, hat das Gespräch mit seinem CFO bereits geführt: Macht es wirklich Sinn, separate Anbieter für Logs, Metriken, Traces und Security-Telemetrie zu betreiben? Die meisten haben entschieden: nein.

Was in den Erwartungen der Engineering-Community bereits eingepreist ist: Datadog bleibt die Standardwahl für neue Cloud-native Stacks. Die Multi-Produkt-Adoption steigt weiter. KI-Workloads schaffen eine neue Ausgabenkategorie, die im Budget 2023 noch nicht existierte. Das alles ist keine Überraschung.

Was weniger eingepreist ist, sind die Effekte zweiter Ordnung auf interne Plattform-Teams. Wenn die Observability-Schicht zur Verlängerung des Produkt-Roadmaps eines einzigen Anbieters wird, schrumpft die Autonomie des Plattform-Teams. Das Team, das früher einen eigenen Prometheus- und Loki-Stack besaß, besitzt jetzt eine Vendor-Integration. Das ist ein anderer Job mit anderen Karriereanreizen. Ich würde argumentieren, dass hier OpenTelemetry wichtiger ist, als die meisten ihm zugestehen. OTel ist das Einzige, was zwischen Konsolidierung als nützlichem Muster und Konsolidierung als Lock-in-Albtraum steht. Wenn die Collector-Schicht nativ OTLP spricht, behält man Handlungsoptionen. Wenn nicht, verliert man sie.

Was ebenfalls zu wenig eingepreist ist: Daten-Egress- und Kardinalitätskosten. Jeder, der am Ende eines chaotischen Quartals eine Datadog-Rechnung geöffnet hat, kennt die Posten, die wehtun: Custom Metrics und hochkardinale Logs. Konsolidierung macht diese Rechnung größer, nicht kleiner, denn man sendet jetzt mehr Telemetrie-Typen durch denselben Zähler. Das Einsparpotenzial auf der Tooling-Ebene ist real. Auf der Rechnungsebene ist es weniger offensichtlich.

Die Gegenmeinung

Hier könnte der Konsens falsch liegen. Der Bullen-Fall basiert auf der Annahme, dass „eine Plattform für alles" der Endzustand der Observability ist. Die Geschichte legt etwas anderes nahe. Jede Infrastrukturkategorie, die sich konsolidierte, fragmentierte sich schließlich wieder, als eine neue Workload-Klasse auftauchte, die der Incumbent nicht gut bedienen konnte.

KI-Workloads könnten diese re-fragmentierende Kraft sein – und nicht die konsolidierende. GPU-Telemetrie, Modellevaluierung, Prompt-Tracing und Inferenz-Kostenzuordnung sind grundlegend andere Probleme als CPU- und Speicher-Monitoring. Datadog dringt aggressiv in diesen Bereich vor, aber auch ein Dutzend gut finanzierter Startups, deren gesamte Codebasis auf KI-first-Annahmen aufgebaut ist. Wenn auch nur eines davon den Developer Mindshare unter ML-Engineering-Teams gewinnt, bekommt die Konsolidierungsgeschichte einen Riss.

Die Bewertung macht diesen Riss teuer. Ein vorwärtsbezogenes Kurs-Umsatz-Verhältnis von 16,88x gegenüber einem Sektor bei 6,6x setzt makellose Ausführung über mehrere Jahre voraus. Der Value Score von F ist kein Zufall. Jede nennenswerte Verlangsamung der Multi-Produkt-Adoption, jedes Zeichen, dass die nächste Telemetrie-Kategorie von jemand anderem gewonnen wird, und der Multiplikator komprimiert sich schnell. Die Fundamentaldaten können stark bleiben, während die Aktie ein brutales Jahr hat. Das sind nicht dasselbe.

Wichtigste Erkenntnisse

• Die Konsolidierungsthese funktioniert finanziell: Über 4 Mrd. ARR, 25 % bis 27 % prognostiziertes Wachstum und 56 % der Kunden mit vier oder mehr Produkten – das ist das Bild eines Anbieters, der die Single-Pane-of-Glass-Strategie erfolgreich umsetzt.
• KI-Workloads sind der neue Zufluss: GPU-Monitoring und LLM-Observability verwandeln einen reifen Monitoring-Anbieter wieder in eine Wachstumsgeschichte – doch die Kategorie ist noch nicht entschieden, und die KI-nativen Herausforderer sind real.
• OpenTelemetry ist die Absicherung der Handlungsoptionen: Engineering-Teams, die Datadog intensiv einsetzen, sollten ihre Collector-Schicht OTel-nativ halten, um Ausstiegsmöglichkeiten zu bewahren. Die 20 % der Kunden mit acht oder mehr Produkten sind praktisch gesehen eingesperrt.
• Die Bewertung preist Perfektion ein: 16,88x Forward Sales gegenüber 6,6x für den Sektor, mit einem Value Score von F, bedeutet, dass die Fundamentaldaten weiter funktionieren können, während die Aktie ein schwieriges Jahr hat.
• Cisco und Dynatrace verschwinden nicht: Beide sind glaubwürdige Konsolidierungsalternativen, insbesondere in Unternehmen, in denen Networking oder KI-gestützte Analysen das Kaufgespräch dominieren.

Zurück zur Eisenbahn. Die Barone, die reich wurden, waren nicht diejenigen, die die meisten Gleise verlegten – es waren diejenigen, die die Knotenpunkte kontrollierten, an denen jede andere Strecke kreuzen musste. Datadog ist damit beschäftigt, diese Knotenpunkte aufzukaufen. Ob das weitere fünf Jahre lang ein 16,88-faches Umsatzmultiple rechtfertigt, hängt vollständig davon ab, ob KI-Workloads im bestehenden Netz bleiben oder ihr eigenes bauen.