Grafana

Kurzfazit

Grafana ist im Kern keine KI, sondern die wichtigste Open-Source-Plattform für Datenvisualisierung und Observability. Entwickelt seit 2014 von Grafana Labs (Rechtsträger Raintank Inc., Sitz New York), steht der Kern seit 2021 unter der AGPLv3. Was es für KI-Anwender interessant macht, sind die in jüngerer Zeit ausgebauten ML- und Assistant-Funktionen: Anomalieerkennung mit Grafana ML, automatisierte Incident-Untersuchung mit Sift, und der natürlichsprachige Grafana Assistant für Dashboard-Erstellung und Alerting. Wer Sensordaten, Logs oder Cloud-Metriken visualisieren und mit KI-gestützter Mustererkennung anreichern will, bekommt mit Grafana den Marktstandard. Wer ein reines KI-Tool sucht, ist hier falsch, Grafana ist primär ein Werkzeug für Entwicklerinnen, SREs und Industrie-IT.

Für wen ist Grafana?

DevOps- und SRE-Teams: Klassischer Anwendungsfall, Kubernetes, Cloud-Infrastruktur, Application Performance. Grafana visualisiert Prometheus-Metriken, Loki-Logs und Tempo-Traces in einer Oberfläche. Sift fasst während eines Incidents automatisch zusammen, was sich auffällig verhält.

Industrie 4.0 und IIoT: Wer Sensordaten aus Fertigungsanlagen, Energieverbrauch oder Prozessparameter visualisieren will, findet in Grafana plus InfluxDB oder TimescaleDB die meistgenutzte Kombination. Anomalieerkennung über Grafana ML eignet sich für Predictive-Maintenance-Szenarien, in denen klassische Schwellwerte zu grob sind.

Energie- und Versorgungsbetriebe: Stromzähler, Wärmemengenzähler, Photovoltaik-Wechselrichter, alles spricht Modbus, MQTT oder OPC-UA. Grafana visualisiert die Zeitreihen, Forecasting-Modelle prognostizieren Verbrauchsspitzen, und Alerts schlagen bei Abweichungen vom Erwartungspfad an.

Wissenschaft und Forschung: Versuchsreihen, Klimadaten, Laborgeräte. Wer Open-Source bevorzugt und volle Datensouveränität braucht, deployt Grafana lokal, kostenlos, ohne Cloud-Bindung.

Weniger geeignet für: Fachanwender ohne IT-Hintergrund (Grafana ist kein No-Code-BI-Tool, dafür sind Power BI oder Tableau besser), kleine Teams ohne dedizierte DevOps-Kapazität (Self-Hosting verlangt Pflege), und Anwender, die primär ein KI-Werkzeug suchen, die KI-Features sind Beiwerk eines Observability-Stacks, nicht sein Zweck.

Preise im Detail

Plan	Preis	Was du bekommst
Grafana OSS	0 €	Vollwertige Visualisierungs-Engine, AGPLv3-Lizenz, selbst gehostet, alle Datenquellen-Plugins, eigenes Alerting
Grafana Cloud Free	0 USD	10.000 aktive Metriken-Serien, 50 GB Logs / Traces / Profiles je Monat, 14 Tage Retention, 3 aktive Nutzer, Grafana Assistant (bis zu 3 KI-Nutzer, je 40 Mio. Token/Monat)
Grafana Cloud Pro	19 USD/Monat Basis + Nutzung	Alles aus Free + 13 Monate Metriken-Retention, Metriken ab 6,50 USD/1k Serien, Logs/Traces/Profiles GB-basiert, Grafana Assistant 20 USD/aktivem KI-Nutzer (40 Mio. Token inkl., danach 2 USD/1 Mio. Token), 8x5-Support
Grafana Cloud Enterprise	ab 25.000 USD/Jahr Mindestabnahme	Volumenrabatte (Metriken ab 3 USD/1k Serien), Premium-Support, flexible Deployment-Optionen (inkl. FedRAMP High)
Grafana Enterprise (self-managed)	auf Anfrage	Enterprise-Plugins (Oracle, Splunk, ServiceNow), SSO, RBAC, Whitelabeling, kommerzielle Lizenz

Einordnung: Die kostenlose Grafana OSS-Variante reicht für ernsthafte Produktionsworkloads, die meisten DevOps-Teams hosten genau das selbst. Grafana Cloud Free ist zum Ausprobieren brauchbar, kollabiert aber bei realem Volumen schnell. Cloud Pro ist mit 19 USD Grundgebühr günstig, die nutzungsbasierten Komponenten (Metriken ab 6,50 USD/1k Serien, GB-basierte Log-Preise) addieren sich aber bei 100+ Hosts oder GB-weise Logs spürbar. Wer Grafana Cloud im Mittelstand einführt, sollte vor dem Onboarding eine Volumenschätzung machen, die Cloud-Rechnung kann unangenehm überraschen. Adaptive Telemetry ist explizit als Gegenmittel gegen Kostenexplosion gedacht und reduziert laut Grafana 35 bis 50 % der Datenmenge.

Stärken im Detail

Datenquellen-Universum ohne Konkurrenz. Über 150 native Integrationen, von Prometheus, InfluxDB, Loki, Elasticsearch und Tempo über AWS CloudWatch, Azure Monitor, Google Cloud Operations, Snowflake, BigQuery, MySQL, PostgreSQL, Oracle, Splunk bis hin zu MQTT-Brokern, OPC-UA-Servern und SAP HANA. Du kannst in einem einzigen Dashboard Metriken aus deiner Cloud-Infrastruktur, Logs aus deiner Anwendung und Sensorwerte aus der Produktion nebeneinander darstellen. Kein anderes Tool deckt diese Bandbreite ab.

Open-Source ist kein Marketing-Versprechen. Grafana OSS steht seit 2021 unter AGPLv3 (davor Apache 2.0), wird auf GitHub mit über 60.000 Sternen entwickelt und hat eine über zehn Jahre gewachsene Plugin-Community. Du kannst Grafana komplett im eigenen Rechenzentrum betreiben, ohne dass jemals Daten zu Grafana Labs fließen. Genau das ist der stärkste DSGVO-Hebel: Wer self-hosted betreibt, behält die volle Kontrolle über den Speicherort, unabhängig davon, dass Grafana Labs ein US-Unternehmen ist. Diese Datensouveränität ist im deutschen Mittelstand und bei Behörden ein zentrales Argument.

Echte KI-Features statt Marketing-Floskel. Grafana ML bietet Anomalieerkennung und Forecasting auf Zeitreihen, also mehr als die statischen Schwellwerte, mit denen klassisches Monitoring arbeitet. Sift untersucht während eines Incidents automatisch alle relevanten Metriken und Logs und schlägt mögliche Ursachen vor. Der Grafana Assistant beantwortet Fragen in natürlicher Sprache („Welche Hosts hatten gestern zwischen 14 und 16 Uhr eine erhöhte Latenz?”), generiert PromQL-Abfragen und baut Dashboards aus Beschreibungen. Das ist kein Foundation-Modell, aber für die Domäne Observability genau die richtige KI-Tiefe.

EU-Region ist wählbar, aber Opt-in. Grafana Cloud bietet laut Doku mehrere EU-Regionen, darunter AWS eu-central-1 (Frankfurt, „EU Germany”), AWS eu-west-1 (Irland), AWS eu-north-1 (Schweden), Azure West Europe (Niederlande) und GCP europe-west1 (Belgien). Die Frankfurter Region lässt sich direkt bei der Stack-Einrichtung wählen, ohne den Vertrieb zu kontaktieren. Wichtig zu wissen: Die EU-Region ist kein Default. Du musst sie aktiv wählen, denn Grafana Cloud bietet ebenso US-Regionen an, und die Region lässt sich nachträglich nicht mehr ändern. Ein DPA (AVV) ist über das Trust Center verfügbar.

Adaptive Telemetry als Kostenhebel. Grafana erkennt automatisch, welche Telemetriedaten nie abgefragt werden, und filtert sie heraus oder aggregiert sie. Laut Grafana ist eine Reduktion der Datenmengen um 35 bis 50 % realistisch, bei nutzungsbasierter Cloud-Abrechnung ein direkt sichtbarer Effekt auf der Rechnung.

Community-Dashboards beschleunigen den Start. Im Grafana-Marketplace findest du tausende vorkonfigurierte Dashboards für gängige Stacks, Kubernetes, Node Exporter, Nginx, MySQL, Modbus-Energiezähler. In den meisten Fällen importierst du eine JSON-Datei und musst nur die Datenquelle verbinden. Das spart Tage an Entwicklungsarbeit.

Schwächen ehrlich betrachtet

Lernkurve ist real und steil. Grafana selbst ist nur die Visualisierungsschicht. Wer ein produktives Setup aufbauen will, braucht zusätzlich Verständnis für Prometheus (PromQL), Loki (LogQL), eine geeignete Speicherstrategie und Alerting-Konzepte. Für jemanden ohne DevOps-Hintergrund sind das Wochen, nicht Stunden. Der Grafana Assistant glättet das ein wenig, ersetzt aber kein Verständnis.

Kein deutscher Support, keine deutsche Doku. Die offizielle Dokumentation ist ausschließlich englisch. Community-Foren sind englisch. Konferenzen (GrafanaCON) finden in den USA und im UK statt. Für Mittelständler, die deutschsprachige Vendoren bevorzugen, ist das ein echtes Hindernis, auch wenn der technische Support per Ticket schnell und kompetent reagiert.

Cloud-Pricing wird bei Wachstum unübersichtlich. Auf dem Papier ist Grafana Cloud Pro mit 19 USD billig. In der Realität setzt sich die Rechnung aus Metriken-Serien, GB Logs, GB Traces, GB Profiles, Synthetic Checks, k6-Last­tests, Kubernetes-Host-Stunden und Datenbank-Host-Stunden zusammen. Bei einem Mittelständler mit 50 produktiven Hosts und ordentlichem Log-Volumen kann die Monatsrechnung ohne weiteres im vierstelligen Bereich landen. Die Self-Hosted-Variante ist in solchen Fällen meist günstiger, wenn man die Personalkosten für Pflege einrechnet, manchmal aber auch nicht.

KI ist Beiwerk, nicht Zweck. Wer auf der Suche nach „KI für Daten” ist, sollte Grafana nicht als KI-Tool kaufen. Die ML- und Assistant-Funktionen sind sinnvoll und gut umgesetzt, aber sie sind Erweiterungen eines Observability-Produkts. Für klassische BI-Aufgaben (Geschäftsdaten, Reports, Adhoc-Analysen) bist du mit Tableau, Power BI oder Looker Studio besser bedient.

Mixing der Lizenzen verwirrt. Grafana OSS ist AGPLv3, Grafana Enterprise hat eine kommerzielle Lizenz, Grafana Cloud läuft mit beiden. Plugins können unterschiedliche Lizenzen haben. Wer Grafana in ein eigenes SaaS-Produkt einbetten will, sollte die Lizenzlage juristisch prüfen, AGPLv3 hat Copyleft-Implikationen, die nicht immer auf den ersten Blick offensichtlich sind.

Self-Hosting verlangt Pflege. Updates, Security-Patches, Backup, Hochverfügbarkeit, Skalierung der Time-Series-DB, das geht nicht nebenbei. Wer kein Team hat, das sich um die Infrastruktur kümmert, sollte trotz höherer Kosten zur Cloud-Variante greifen.

Alternativen im Vergleich

Wenn du…	…nimm stattdessen
Eine schlüsselfertige Observability-SaaS mit allem inklusive willst	Datadog
Vollintegrierte APM mit starker KI-Anomalieerkennung suchst	Dynatrace
Logs als Hauptanwendungsfall hast und ELK schon kennst	Elasticsearch
Klassisches Business-Intelligence statt Observability brauchst	Power BI
Adhoc-Analysen und visuelle Datenexploration im Vordergrund stehen	Tableau

Erwähnenswert ohne eigene Tool-Seite: Prometheus (die meistgenutzte Open-Source-Zeitreihendatenbank, fast immer der Unterbau unter Grafana), Loki (Log-Aggregation aus dem Grafana-Stack), Tempo (Tracing) und Mimir (skalierbares Prometheus-Backend), alles eigene Open-Source-Projekte von Grafana Labs. Für kostenlose Dashboards auf Google-Daten ist Looker Studio die naheliegendste Wahl, für reines APM ohne Self-Hosting-Anspruch ist New Relic ein etablierter Kandidat. Grafana ist kein Allrounder, sondern der Spezialist für visualisierungsstarke Observability, wer den ganzen Stack aus einer Hand und schlüsselfertig will, fährt mit Datadog oder Dynatrace einfacher, zahlt aber deutlich mehr.

So steigst du ein

Schritt 1: Lokal mit Docker testen. Starte Grafana mit einem einzigen Befehl: docker run -d -p 3000:3000 grafana/grafana. Browser auf http://localhost:3000, Login mit admin / admin, Passwort ändern. Damit hast du eine vollwertige Grafana-Instanz, der du sofort eine Datenquelle hinzufügen kannst, z. B. eine Public-Demo-Prometheus-Instanz oder deine eigene InfluxDB. Diese Eingewöhnung kostet eine Stunde und zeigt dir, ob Grafana zu deinem Workflow passt.

Schritt 2: Erste Dashboards aus dem Marketplace importieren. Statt von null zu beginnen, gehst du auf grafana.com/grafana/dashboards/, suchst nach deinem Stack (z. B. „Node Exporter Full” für Linux-Server-Monitoring), kopierst die Dashboard-ID und importierst sie in deine Grafana-Instanz. Datenquelle verbinden, fertig. Diese Vorlagen sind oft besser als alles, was du in den ersten Wochen selbst bauen würdest.

Schritt 3: Alerting und KI-Features einrichten. Sobald du echte Daten siehst, definierst du Alert-Regeln, am besten mit dem Grafana Assistant, der dir die PromQL- oder LogQL-Abfragen formuliert. Aktiviere Grafana ML für ausgewählte Metriken (z. B. Antwortzeit deiner API), um Anomalien jenseits fester Schwellwerte zu erkennen. Verbinde Slack, Microsoft Teams oder PagerDuty als Benachrichtigungskanal.

Schritt 4 für Unternehmen: Self-Hosted vs. Cloud entscheiden. Wenn dein Datenvolumen wächst und du DSGVO-Konformität sicherstellen musst, prüfe ehrlich, ob Self-Hosting mit Prometheus + Loki + Grafana auf eigener Infrastruktur günstiger ist als Grafana Cloud in Frankfurt. Faustregel: Bis ~50 Hosts ist Cloud meist einfacher; ab dem dreistelligen Bereich rechnet sich Self-Hosting fast immer.

Ein konkretes Beispiel

Ein mittelständischer Chemieproduzent in Leverkusen (180 Mitarbeitende) betreibt vier Reaktoren mit insgesamt rund 600 Sensoren, Temperatur, Druck, Durchfluss, Stromverbrauch je Misch- und Pumpaggregat. Die Werte landen alle 10 Sekunden in einer InfluxDB on-premise. Grafana visualisiert sie in vier rollenspezifischen Dashboards: ein Live-Cockpit für die Schichtleitung in der Leitwarte, ein Energie-Dashboard für den Energiebeauftragten, ein Wartungs-Dashboard für die Instandhaltung und ein Compliance-Dashboard für die Behördenmeldung. Der Hebel kommt durch Grafana ML hinzu: Auf den Stromverbrauchsmetriken läuft ein Forecasting-Modell, das die erwartete Lastkurve der nächsten Stunde prognostiziert. Wenn die tatsächliche Aufnahme um mehr als 8 % vom Erwartungspfad abweicht, schlägt Sift Alarm und zeigt zugleich, welche Pumpenmotoren oder Mischer in derselben Zeitspanne auffällig wurden. Ergebnis: Drei undichte Magnetventile wurden 2025 entdeckt, bevor die klassische Drift-Überwachung ausgelöst hätte, geschätzte Einsparung über das Jahr: rund 14.000 Euro Stromkosten plus zwei vermiedene ungeplante Stillstände.

DSGVO & Datenschutz

• Rechtsträger: Grafana Labs ist ein US-Unternehmen (Raintank Inc., dba Grafana Labs, 165 Broadway, 23rd Floor, New York, NY 10006). Das ist der zentrale Grund, warum wir dieses Tool nicht als reines EU-Hosting-Angebot führen, sondern die Datenhaltung als “global” kennzeichnen: Der Speicherort hängt davon ab, welchen Pfad und welche Region du wählst.
• Datenhosting (Self-Hosted, DSGVO-Stärke): Volle Kontrolle. Grafana OSS läuft auf eigener Infrastruktur, keine Daten verlassen das Haus, kein Anbieter-Zugriff. Das ist der sauberste Weg für DSGVO-sensible Branchen, weil die Residenz komplett in deiner Hand liegt.
• Datenhosting (Cloud): Grafana Cloud läuft auf AWS, GCP oder Azure in einer von 28 Regionen. EU-Regionen laut Doku: Deutschland (AWS eu-central-1, Frankfurt), Irland (AWS eu-west-1), Schweden (AWS eu-north-1), Niederlande (Azure West Europe) und Belgien (GCP europe-west1). Die Region wird bei der Stack-Erstellung gewählt und kann danach nicht mehr geändert werden. Sie ist ein Opt-in: Auch US-Regionen stehen zur Wahl, es gibt keine automatische EU-Residenz.
• US-Bezug / CLOUD Act: Da die Muttergesellschaft in den USA sitzt, kann für den Cloud-Pfad grundsätzlich der US CLOUD Act greifen, auch wenn die Daten physisch in Frankfurt liegen. Grafana Labs ist unter dem EU-US Data Privacy Framework (und Swiss-US DPF) zertifiziert, was als Transfermechanismus dient, das Restrisiko US-behördlicher Zugriffe aber nicht vollständig ausräumt. Wer das ausschließen will, hostet self-hosted.
• Datennutzung: Grafana Labs nutzt Telemetrie- und Nutzungsdaten zur Produktverbesserung; bei Cloud-Pro/Enterprise lassen sich Diagnosedaten konfigurieren.
• Auftragsverarbeitung (AVV): Ein Data Processing Agreement (DPA) sowie eine Liste der Sub-Prozessoren sind über das Grafana Trust Center verfügbar.
• Compliance-Zertifizierungen (laut Trust Center): SOC 2 Type II, ISO/IEC 27001, ISO 22301, PCI DSS v4.0.1, GDPR, FedRAMP High, TISAX, CSA STAR sowie EU-US, UK- und Swiss-US Data Privacy Framework.
• Empfehlung für Unternehmen: Bei DSGVO-sensiblen Workloads (Gesundheit, Finanzen, Behörden, kritische Infrastruktur) entweder Grafana OSS selbst hosten oder Grafana Cloud bewusst mit EU-Region (Frankfurt) einrichten und die Region-Wahl dokumentieren. Bei der Nutzung des Grafana Assistant prüfen, welche Daten in den Prompt-Kontext fließen, der Assistant ist ein KI-Dienst von Grafana Labs.

Gut kombiniert mit

• Prometheus, die Standard-Zeitreihendatenbank für Infrastruktur-Metriken. Grafana ohne Prometheus ist möglich, aber selten, die beiden gehören in 80 % aller Setups zusammen.
• InfluxDB, bevorzugte Wahl für IoT- und Industrie-Sensordaten. Bessere High-Cardinality-Performance als Prometheus, dafür kein Pull-Modell.
• Datadog, Konkurrent, aber auch Datenquelle: Wer beide Systeme parallel hat, kann Datadog-Metriken in Grafana visualisieren und so Migrationspfade öffnen.
• Elasticsearch, als Logspeicher hinter Grafana, wenn ELK-Stack bereits etabliert ist und du Loki nicht einführen willst.
• Power BI, komplementär: Grafana für operatives Real-Time-Monitoring, Power BI für Business-Reporting auf denselben Datenquellen.

Unser Testurteil

Grafana verdient 4 von 5 Sternen. In seiner Kategorie, Open-Source-Visualisierung für Observability und IoT, ist es die unangefochtene Nummer 1. Datenquellen-Vielfalt, Community und die Preisstruktur des OSS-Pfads sind Spitzenklasse, und die self-hosted Variante gibt dir volle Datensouveränität. Für den Cloud-Pfad gibt es eine EU-Region in Frankfurt, allerdings als Opt-in bei einem US-Anbieter, nicht als garantierte EU-Residenz. Den fünften Stern verliert Grafana nicht wegen der Software, sondern wegen seiner Einsatzhürde: Ohne DevOps- oder SRE-Hintergrund ist Grafana ein steiles Tool, der deutsche Support fehlt, und die Cloud-Kostenstruktur kann bei nutzungsbasierter Abrechnung unangenehm überraschen. Die KI-Erweiterungen (ML, Sift, Assistant) sind echt und nützlich, aber sie sind das Sahnehäubchen, Grafana wird nicht zum KI-Tool dadurch. Wer die richtige Zielgruppe ist, bekommt mit Grafana ein langfristig tragfähiges Werkzeug, das in zehn Jahren nicht akquiriert oder eingestampft sein wird.

Was wir bemerkt haben

• Juli 2026: Wir haben den Datenhaltungs-Badge von „eu” auf „global” korrigiert. Grund: Grafana Labs ist ein US-Unternehmen (Raintank Inc., New York), und die EU-Region der Grafana Cloud (Frankfurt) ist ein Opt-in bei der Stack-Erstellung, keine garantierte EU-Residenz. Der self-hosted OSS-Kern bleibt dagegen der DSGVO-stärkste Weg, weil alle Daten unter eigener Kontrolle liegen. Firmensitz, Gründung (2014, ursprünglich Raintank), AGPLv3-Lizenz (seit 2021) sowie Preise und Zertifikate haben wir gegen die Anbieter-Quellen und das Trust Center verifiziert.
• Mai 2026: Grafana Cloud Pro startet bei 19 USD/Monat Basisgebühr plus nutzungsbasierter Komponenten. In älteren Quellen (auch in unserer eigenen früheren Version dieser Seite) kursiert noch eine Zahl von „ab 299 USD/Monat”, das war eine Mischkalkulation aus Vor-Pro-Zeiten und stimmt heute nicht mehr. Wir haben die Preise korrigiert.
• Grafana Assistant: Natürlichsprachiger KI-Assistent, der PromQL-Abfragen formuliert, Dashboards generiert und Alerts erklärt. Abgerechnet wird nutzerbasiert: 20 USD pro aktivem KI-Nutzer mit 40 Mio. Token inklusive, danach 2 USD pro 1 Mio. Token (Free-Tier: 3 KI-Nutzer). Dieses Token-Modell haben wir im Juli 2026 gegen die Preisseite geprüft.
• KI-Ausbau: Grafana ergänzt das klassische Monitoring schrittweise um ML-Funktionen (Anomalieerkennung, Forecasting), automatisierte Incident-Untersuchung (Sift) und Observability für KI-Workloads selbst, also das Beobachten von Prompt/Response, Latenz und Token-Kosten von LLM-Anwendungen. Damit positioniert sich Grafana auch als Monitoring-Werkzeug für KI-Anwendungen.
• Adaptive Telemetry: Automatisches Erkennen und Filtern ungenutzter Telemetriedaten. Laut Grafana reduziert das die Cloud-Rechnung um 35 bis 50 %, was bei nutzungsbasierter Abrechnung einen messbaren Hebel gegen Kostenexplosion gibt.
• EU-Region: Die Frankfurt-Region (AWS eu-central-1) ist verfügbar und lässt sich self-serve wählen, anders als bei manchen US-Anbietern braucht man dafür keinen Vertrieb. Aber: Sie ist kein Default, muss aktiv gewählt werden und ist nachträglich nicht mehr änderbar. Wer EU-Residenz will, muss beim Setup aufpassen.